> ## Content Index
> Fetch the complete content index at: https://www.azurebrasil.cloud/llms.txt
> Use this file to discover other available public pages before exploring further.

# Foundry IQ: a camada de conhecimento dos agentes no Microsoft Foundry - Parte 2
- URL: https://www.azurebrasil.cloud/blog/foundry-iq-a-camada-de-conhecimento-dos-agentes-no-microsoft-foundry-parte-2/
- Published: 2026-01-21T02:38:15.000Z
- Updated: 2026-01-21T13:07:27.000Z
- Author: Talles Valiatti
- Tags: Foundry IQ

Na [Parte 1](https://www.azurebrasil.cloud/blog/foundry-iq-a-camada-de-conhecimento-dos-agentes-no-microsoft-foundry-parte-1/), montamos a fundação do cenário da Contoso Software: subimos os recursos (Foundry, Storage Account e [Azure AI Search](https://tallesvaliatti.com/integrando-o-azure-ai-search-service-com-net-parte-1-aa22d668a79d?ref=azurebrasil.cloud)), indexamos documentos de SLA no Blob Storage e criamos uma [*knowledge base*](https://learn.microsoft.com/en-us/azure/search/agentic-retrieval-how-to-create-knowledge-base?tabs=rbac&pivots=csharp&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud) no Azure AI Search para habilitar o [*agentic retrieval*](https://tallesvaliatti.com/integrando-o-azure-ai-search-service-com-net-parte-3-da7ad1c97cdb?ref=azurebrasil.cloud) via [Foundry IQ](https://learn.microsoft.com/en-us/azure/ai-foundry/agents/how-to/tools/knowledge-retrieval?view=foundry&tabs=foundry%2Cpython&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud), deixando o conhecimento pronto para ser consumido de forma padronizada. 

> [Leia a parte 1](https://www.azurebrasil.cloud/blog/foundry-iq-a-camada-de-conhecimento-dos-agentes-no-microsoft-foundry-parte-1/)!

Agora, na Parte 2, o objetivo é dar o próximo passo natural: integrar o [*knowledge base*](https://learn.microsoft.com/en-us/azure/search/agentic-retrieval-how-to-create-knowledge-base?tabs=rbac&pivots=csharp&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud) criada na parte 1 a um agente criado no [novo portal](https://learn.microsoft.com/en-us/azure/ai-foundry/what-is-foundry?view=foundry&ref=azurebrasil.cloud#microsoft-foundry-portals&wt.mc%5Fid=MVP%5F407589) do [Microsoft Foundry](https://learn.microsoft.com/en-us/azure/ai-foundry/what-is-foundry?view=foundry&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud), consumindo tudo via [Foundry IQ](https://learn.microsoft.com/en-us/azure/ai-foundry/agents/how-to/tools/knowledge-retrieval?view=foundry&tabs=foundry%2Cpython&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud).

Com isso em mente, vamos entrar no portal do Microsoft Foundry ([https://ai.azure.com](https://ai.azure.com/?ref=azurebrasil.cloud)) e, antes de tudo, garantir que o modelo gpt-4.1-mini está criado e pronto para uso no projeto, já que ele será o modelo principal do agente nesse post.

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.42.52.png)

Com o modelo validado, seguimos para a aba **Knowledge**. É aqui que conectamos o recurso de **Azure AI Search** ao projeto, permitindo que o Foundry enxergue a k*nowledge base* que criamos no serviço de busca. 

Vamos clicar para conectar um novo **Azure AI Search** e selecionar o mesmo recurso provisionado na parte 1:

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.43.26.png)

Após a conexão, já conseguimos validar o resultado: a k*nowledge base* deve aparecer importada corretamente, e com acesso a apenas uma *knowledge source*, que, no nosso post, corresponde aos documentos ingeridos a partir do Azure Blob Storage. 

Esse é um ponto importante, porque deixa explícito o “contrato” do conhecimento: o agente não acessa fontes arbitrárias; ele acessa apenas aquilo que foi definido via *knowledge base*.

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.44.04.png)

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.44.27.png)

Com a camada de conhecimento conectada, podemos criar o [agente no Microsoft Foundry](https://learn.microsoft.com/pt-br/azure/ai-foundry/agents/overview?view=foundry&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud):

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.45.31.png)

No fluxo de criação, selecione o **gpt-4.1-mini** e configure instruções objetivas para o cenário: o agente atua como assistente de suporte/operações da Contoso Software e deve responder perguntas sobre classificação de severidade e tempos de resposta (SLA), utilizando sempre a base de conhecimento conectada para embasar as respostas.

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.47.54.png)

O passo central aqui é vincular o agente ao conhecimento via Foundry IQ. Para isso, vamos selecionar a conexão do **AI Search Resource** adicionada no passo anterior e, em seguida, escolher a **Knowledge Base** correta.

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.48.35.png)

Com o agente criado, já podemos iniciar uma conversa diretamente no portal e repetir a mesma pergunta usada na parte 1, para comparar o comportamento:

```
tell me about te incident severity classification and their response time
```

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.49.53.png)

Em seguida, teremos a resposta do agente:

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.50.55.png)

Um ponto interessante é observar que o conteúdo retornado tende a ser bastante semelhante ao obtido na parte 1, e isso é esperado, já que estamos consumindo a mesma knowledge base. O que muda aqui é o formato de consumo: antes testamos o *retrieval* no contexto da base; agora temos um agente usando essa base como “camada de conhecimento” em um fluxo mais próximo de aplicações de mundo real.

Agora vamos clicar em **Debug**. É nesse modo que conseguimos ver claramente que a chamada do agente à knowledge base é feita via [**MCP**,](https://learn.microsoft.com/en-us/azure/ai-foundry/agents/how-to/tools/knowledge-retrieval?view=foundry&tabs=foundry%2Cpython&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud) como mostrado abaixo:

![](https://storage.ghost.io/c/00/52/0052dced-0017-4d07-b190-1f5c48e0ab59/content/images/2026/01/Screenshot-2026-01-20-at-22.52.42.png)

O *payload* deve ser semelhante ao seguinte:

```json
{
  "server_label": "kb_knowledgebase_conto_446o6",
  "operation": "knowledge_base_retrieve",
  "arguments": {
    "request": {
      "knowledgeAgentIntents": [
        "incident severity classification",
        "response time for each incident severity level"
      ]
    }
  },
  "id": "mcp_9a2ebc3b35064a7c00697030c737188190b7590c2e49859016",
  "type": "mcp_call"
}
```

Repare que, em vez de uma busca única e direta, o agente aciona a knowledge base com base em **intenções**. Isso conversa diretamente com o conceito de [*agentic retrieval*](https://learn.microsoft.com/en-us/azure/search/agentic-retrieval-overview?tabs=quickstarts&wt.mc%5Fid=MVP%5F407589&ref=azurebrasil.cloud): decompor a pergunta, buscar evidências de forma mais orientada a objetivo e então consolidar um contexto melhor ranqueado para responder.

Na sequência, o próprio *debug* também expõe parte do retorno vindo do Foundry IQ, por exemplo:

```txt
Retrieved 3 documents.Retrieved 3 documents.

【2:0†source】
The incident severity classification levels and their corresponding expected response times are as follows:

- SEV-1 (Critical): Represents a complete outage or severe degradation of a critical service. The initi ...
```

E aqui fechamos a parte 2! Fiquem ligados para mais!  
  
Você já pode baixar o projeto por esse [link](https://github.com/TallesValiatti/FoundryIqOverview?ref=azurebrasil.cloud), e não esquece de me seguir no [LinkedIn](https://www.linkedin.com/in/tallesvaliatti/?ref=azurebrasil.cloud)!

Até a próxima, abraços!