微軟（Microsoft Learn）的認證體系迎來了自雲端轉型以來最大規模的戰略重塑。過去以「Azure 基礎設施／傳統雲端開發」為骨幹的考綱結構正加速迭代，全面邁向 「AI-First（AI 原生）」 時代。
這場變革的核心並非僅是新增零星的 AI 概念題，而是將 AI Agent（智慧代理）自主編排、現代化智慧應用部署，以及 Copilot 與 AI 閘道（AI Gateway）的治理架構，深度穿透並下放至開發、安全、低代碼等所有專科認證中。
一、 認證矩陣迭代：從「雲端工作負載」到「AI 原生角色」
微軟逐步退場了多門經典的純雲端或傳統開發考科，取而代之的是圍繞生成式 AI 與 Agentic 系統設計的新一代認證代碼：
| 職能板塊 | 傳統代表考科（退場/過渡） | 新一代 AI 原生認證與考科 | 核心轉型方向 |
| AI 代理與架構 | AI-102 (Azure AI Engineer) | AI-103 (Azure AI Apps and Agents Developer) AI-500 (Multi-Agent AI Solutions Expert) | 從單純呼叫認知服務 API，轉向 自主 AI 代理、多代理協作（Multi-Agent System） 與 RAG 端到端工作流。 |
| 雲端應用開發 | AZ-204 (Azure Developer) | AI-200 (Azure AI Cloud Developer Associate) | 淘汰傳統單純的 App Service/Function 題目，聚焦於 AI 增強型雲原生架構、高並發模型串接與可觀測性。 |
| 雲端與 AI 安全 | AZ-500 (Azure Security Engineer) | SC-500 (Cloud and AI Security Engineer Associate) | 涵蓋原本的雲端安全基底，新增 模型安全、提示詞注入（Prompt Injection）防禦與 AI 閘道存取控制。 |
| 企業應用與 Agent | PL-200 (Power Platform Functional) | AB-620 (AI Agent Builder Associate) AB-410 (Intelligent Applications Builder) | 強調使用 Microsoft Copilot Studio 構建具備自主調用、企業知識整合及電腦控制能力（Computer-use）的 Agent。 |
二、 核心考點突破：AI Agent 構建與現代應用部署
新版認證矩陣中，AI Agent 的考察維度涵蓋從「低代碼構建」到「高複雜度多代理編排」的全光譜：
1. 代理編排與協議標準（MCP & Semantic Kernel）
- Model Context Protocol (MCP)：考察如何利用標準化協議讓 Agent 與外部系統、資料庫或桌面環境安全交換 Context 與工具能力。
- 多代理框架協同：在 AI-500 與進階模組中，重點評測 Microsoft Agent Framework、AutoGen 及 LangGraph 在複雜多代理角色（如 Planner、Executor、Reviewer）間的分工與狀態交接（Hand-off）設計。
2. 現代企業級 RAG 落地架構
- 混合檢索模式：整合 Azure AI Search 的向量檢索（Vector Search）、BM25 全文字檢索與語意重排序（Semantic Reranking）。
- 知識庫動態索引與分塊：因應長上下文模型與多模態文件，考察自適應 Chunking 策略及權限感知檢索（Security Trimming）。
三、 架構下放重點：Copilot 與 AI 閘道治理（AI Gateway）
以往僅出現在特定架構師或高階資安討論中的「AI 治理」，如今已下放至 SC-500、AI-103 與 AI-200 等各專科考綱中。其中，Azure API Management (APIM) 的 AI Gateway 功能是極具代表性的實戰高頻考點：
[ 用戶端 / 企業 Copilot ]
│
▼ (統一存取點 / 隱藏底層 API Key)
┌────────────────────────────────────────────────────────┐
│ Azure API Management (AI Gateway 治理層) │
│ ├─ Token Rate Limiting (依模型權杖進行限流配額) │
│ ├─ Semantic Caching (語意快取減少重複模型推理開銷) │
│ ├─ Load Balancing & Circuit Breaker (跨區域模型故障轉移)│
│ └─ Content Safety Integration (即時敏感詞與 PII 過濾) │
└────────────────────────────────────────────────────────┘
│
┌─────┴───────────────────────┐
▼ ▼
[ Azure OpenAI Service ] [ 第三方模型 / Foundry 端點 ]
1. API Management AI 專屬策略（Policies）實戰考查
- 權杖精確限流（Token Throttling）：傳統 API 僅按每秒請求數（RPS）限制，AI 專科則考察
azure-openai-token-limit策略，根據 Token 消耗量針對不同租戶實施用量控制。 - 負載平衡與故障轉移（Load Balancing & Circuit Breaking）：跨多個 Azure 區域的 OpenAI 實例設定優先級負載平衡，當某區出現
429 Too Many Requests時自動轉發至備用端點，保證 Agent SLA。 - 語意快取（Semantic Caching）：配置
azure-openai-semantic-cache-lookup，針對高相似度的 Prompt 直接回傳快取結果，大幅降低推論延遲與 API 帳單成本。
2. Copilot Studio 企業級安全性
- 認證委派與最小權限：考察在 Copilot Studio 中整合 Enterprise Connectors（如 SAP、ServiceNow、SharePoint）時，如何透過 Entra ID 確保 Agent 的查詢不會超越當前使用者的權限邊界。
- 內容安全與合規審計：結合 Microsoft Defender for Cloud 與 Azure AI Content Safety，針對提示注入（Prompt Injection）、越獄（Jailbreak）攻擊實施即時偵測與遮蔽。
四、 考生與架構師的備考轉型建議
- 擺脫「純題庫背誦」，重視 Policy 配置與架構約束新一代考題（特別是 SC-500 與 AI-103）更強調故障排除（Troubleshooting）與情境配置。建議親手在 Azure 入口網站部署一次 APIM，配置一組 OpenAI 路由原則，並測試 Token 限流與防護效果。
- 掌握 Microsoft Foundry 與 Copilot Studio 兩大陣營的分界
- 需要使用 Python/C# 深入客製代碼、整合特定開源代理框架與向量管線時，路徑對齊 AI-103 / AI-500。
- 針對企業內部業務流程、低代碼流程串接、Power Platform 與 Office 365 協同，則優先掌握 AB-620 (AI Agent Builder)。
- 安全意識「左移」至 AI 交互層理解傳統的 WAF、NSG 與 IAM 只是基礎，新考綱更在意「當 AI 能夠主動執行代碼或呼叫 API 時，如何利用 AI Gateway 建立一道可審計、可控速、防洩漏的防護網」。
发表回复