文章目录一、为什么"能跑"和"能上线"是两回事1.1 一个残酷的现实1.2 原型 vs 生产：一张表看懂差距二、Agent 部署模式详解2.1 三大部署模式概览模式一：客户端托管 Agent（Client-Hosted）模式二：托管 Agent（Foundry Agent Service / Hosted Agents）模式三：Agent 工作流（Agent Workflows）2.2 三种模式的架构对比三、Agent 完整生命周期管理3.1 生命周期不是一次性的 push3.2 各阶段详解阶段一：创建/编写（Create / Author）阶段二：版本化（Version）阶段三：离线评估（Evaluate Offline）⭐ 关键环节阶段四：部署（Deploy Hosted）阶段五：在线观测（Observe Online）四、可观测性体系（Observability）4.1 核心原则：无法观测就无法运营4.2 OpenTelemetry 集成实践4.3 Span 属性的价值五、扩展策略（Scaling Strategies）5.1 为什么扩展 Agent 与扩展 Web API 不同5.2 技术一：无状态请求处理5.3 技术二：模型路由（Model Routing）5.4 技术三：响应缓存（Response Caching）5.5 技术四：并发控制和背压六、成本优化策略6.1 成本由 Token 主导6.2 评估门禁与成本控制的关系七、企业级部署考量7.1 治理（Governance）7.2 人工审批（Human-in-the-Loop）7.3 MCP 生产环境集成八、实战案例：生产级客户支持 Agent8.1 完整组装九、冒烟测试（Smoke Tests）9.1 为什么需要冒烟测试9.2 冒烟测试管道9.3 测试目录结构9.4 测试金字塔十、常见问题解答（FAQ）Q1：生产 Agent 中"模型"占多大比例？Q2：何时选择托管 Agent 而非客户端托管？Q3：为什么可扩展的 Agent 必须在自己的进程内存中是无状态的？Q4：模型路由解决什么问题，它与评估有什么关系？Q5：什么是"评估门禁"，它位于生命周期的哪个位置？Q6：为什么在生产中将 MCP Server 视为不受信任的边界？Q7：哪个单一更改通常对生产 Agent 成本影响最大，为什么？Q8：像 `customer.tier` 和 `routed.model` 这样的 span 属性在可观测性中起什么作用？一、为什么"能跑"和"能上线"是两回事1.1 一个残酷的现实在前面的文章中，我们学会了在 Jupyter Notebook 中构建各种 AI Agent：✅ 能调用工具✅ 能做 RAG 检索✅ 能多 Agent 协作✅ 能自我反思但是——当你的老板问："这个 Agent 能不能支撑每天 10 万次请求？出了问题怎么排查？成本怎么控制？"的时候，你会发现：Notebook 里跑通的 Agent，距离生产环境还差着 80% 的工程工作。1.2 原型 vs 生产：一张表看懂差距关注维度原型阶段生产环境托管方式在你的 Notebook 里运行作为托管服务运行，版本化管理身份认证你的az logintokenManaged Identity