微軟 AI-500 備考路徑：考綱已經公布，官方教材還沒上線

🌏 English version

本文是從官方資料建出來的備考路徑，不是應考實錄 —— 作者沒有報考這張考試。所有「考什麼」都指回官方 study guide，不含考古題。查證日期：2026-08-18。

AI-500 是三大雲端業者裡唯一專攻多 agent 系統的專家級認證。它的考綱寫得非常具體 —— Agent Framework、LangGraph、Hugging Face Transformers、MCP server 架在 Azure Functions／Logic Apps／API Management、A2A、Key Vault、AI Red Teaming Agent、DTAP 與藍綠金絲雀部署。

但在你決定準備之前，有三件事會直接影響可行性，先講完再談內容。

各家證照的價格、效期與門檻對照見站內的2026 年工程師 AI 證照有哪些，本文不重複。

三個先決條件

一、必須先有 AI-103。 官方認證頁的 Certification prerequisites 寫：

To become a Microsoft Certified: Multi-Agent AI Solutions Expert (beta), you must earn the Microsoft Certified: Azure AI Apps and Agents Developer Associate certification.

頁面欄位另標 Prerequisites: 1 certification。所以實際路徑是 AI-103（$165）→ AI-500（$165），總成本 $330，時間上要先花六週左右拿下 AI-103。

二、還在 beta，成績要等。 認證與考試頁都掛著「Beta exams are not scored immediately because we're gathering data on the quality of the questions and the exam」。實務影響是：考完不會當場知道結果，要等考試正式上線後重新計分。

三、官方教材尚未上線。 這點最容易誤判。考試頁的「Two ways to prepare」區塊在原始碼裡列了四條學習路徑的識別碼，但四條的公開網址目前全部回 404（我逐一測過）；認證頁自己也寫著「Learning paths or modules are not yet available for this certification」。講師課 AI-500T00 頁面則寫「This course will be available on 9/30/2026」。

換句話說：考綱有了，官方教材還沒有。 這決定了你的準備方式，下面「沒有教材怎麼準備」那節會處理。

官方規格速覽

四塊權重

這張的重心在「開發」而不是「架構」 —— 架構只佔 15–20%，開發佔 30–35%，而評估監控與資安治理各佔 20–25%。名字叫 expert，但考的不是紙上架構圖，是你有沒有真的把多 agent 系統送上線過。

逐塊準備

Architect multi-agent solutions（15–20%）

設計邏輯架構：把目標拆解成工作流、agent 與工具；設計含 subagent、控制迴圈與 human-in-the-loop 的工作流；指定 agent 的人格、範圍、邊界、自主程度與行為準則；指定工具範圍、權限邊界與驗證方式；指定通訊協定（agent 之間、agent 與其他元件之間）；設計支援 HAX（human-AI experience） 與負責任 AI 的控制項；設計短期與長期記憶架構含 context 共享；把任務需求對應到模型家族的能力。

指定技術元件：協調 agent 對 agent、agent 對工具、agent 對知識來源路由的整合元件；Zero Trust 多 agent 方案（每個 agent 的身分範圍、防止橫向移動、法規部署的合規控制對應）；多層狀態持久化（session state、共享團隊狀態、長期語意記憶，含生命週期與租戶隔離）；運算元件；可觀測性元件（跨服務 trace 關聯、agent 推理路徑的結構化記錄、agent replay 擷取以重現除錯）；監控元件（跨 agent 協調追蹤、行為漂移與品質回歸偵測、失敗樣態的自動修復）；開發環境（dev container、VS Code 擴充、CLI、相依管理、AI instructions）。

怎麼準備：這塊雖然只佔 15–20%，卻是後面三塊的詞彙表。Zero Trust 與 agent replay 這兩個是別家考綱沒有的，值得單獨讀。

Develop multi-agent solutions in Azure（30–35%，最重）

進階 prompt 工程：範例、動態 context 注入、防禦性準則、prompt 生命週期管理；context-aware 的多 agent 行為；agent 與模型的微調策略（資料與頻率）。

記憶、context 管理與知識整合：單一 agent 內與 agent 之間的 context 管理（累積、檢索、注入、壓縮）；記憶策略（安全、合規、生命週期、儲存、session 管理）；多 agent RAG 架構（chunking、embedding 品質、檢索精準度）；供多 agent 消費的知識整合（搜尋、RAG、MCP 可取得的來源、語意搜尋）。

工具生態：整合外部資源（function calling、指定工具使用、動態工具使用）；設計並建置 MCP server 與 client，含 Azure Functions、Azure Logic Apps、Azure API Management；工具的錯誤處理與 fallback；工具結果驗證與品質檢查。

多 agent 編排：編排模式 —— hub-and-spoke、循序、平行、peer-to-peer、orchestrator-subagent；human-in-the-loop（核可流程、覆寫、邊界案例）；快取策略（prompt caching、語意快取、回應快取）；控制 agent 的生成、批次與並行執行；用 A2A 或 MCP 安全地把既有 agent 併入；編排框架 —— Agent Framework、LangChain、LangGraph；用 Hugging Face Transformers 實作進階多 agent 能力；設計可重用的 middleware（記錄、授權、例外處理）。

怎麼準備：這塊是整張考試的核心，而且幾乎每一條都要動手才會。最小可行的練習：用 Agent Framework 或 LangGraph 做一個 orchestrator-subagent 架構，把其中一個工具做成 MCP server 部署到 Azure Functions，再加上 human-in-the-loop 的核可節點。站內的 Agent 安全的 harness 層可以補協定與防護的實務脈絡。

Evaluate, optimize, and monitor（20–25%）

評估與驗證：在 Foundry 裡設計人工審查流程；針對記憶、知識、工具、prompt 分別做評估。

最佳化：優化任務時長（平行度與速率限制）；診斷 context window 問題 —— sliding-window amnesia、summary drift、vector-only recall、entity continuity；持續改善（LLM-as-a-judge 框架、合成資料生成、語意優化迴圈、使用者回饋迴圈）。

可觀測性與監控：可靠性監控策略（agent 健康、工作流失敗、trace 關聯、漂移偵測、品質回歸、修復）；平台可用性與 SLA；token 用量最佳化（token 上限、迴圈控制、工具呼叫）；成本監控與管理（用量、配額、分配、chargeback）；在 Foundry 實作 tracing（token、prompt、correlation ID、告警、執行追蹤）。

怎麼準備：那四個 context window 失效模式是這張最獨特的考點 —— 官方把它們逐一命名，代表題目會給你症狀要你判斷是哪一種。這四個詞在其他家的考綱裡都找不到，值得專門弄懂。

Secure, govern, and deploy（20–25%）

安全：資源存取（身分存取、網路邊界、存取控制政策、RBAC）；驗證流程（使用者模擬、on-behalf-of、API key、OAuth 2.0）；用 Azure Key Vault 管理密鑰（secrets、憑證、金鑰輪替、角色存取、加密）；shift-left 安全，含 Foundry 的 AI Red Teaming Agent。

Guardrails：多重介入的 guardrail 策略，涵蓋使用者輸入、工具呼叫、工具回應與輸出；領域專用的自訂 guardrail；用合成資料做 guardrail 測試與驗證。

部署：發布方法（DTAP、藍綠、金絲雀）；多環境發布策略（回滾、發布管理、rollout）；測試策略（單元、回歸、整合、自動化評估）；CI/CD 需求（含 IaC 部署與測試）。

怎麼準備：這塊跟一般 Azure 資安考題的差別在於**「多重介入」那個框架** —— guardrail 不是只擋輸入輸出，而是四個介入點都要有。AI Red Teaming Agent 是 Foundry 特有的工具，官方點名了就值得實際跑一次。

沒有官方教材，怎麼準備

這是這張考試現在最實際的問題。四條學習路徑還沒上線、講師課要等 9/30、練習測驗沒有 —— 可用的官方材料只剩三樣：

1. study guide 本身（22 條子目標，就是上面那四節）—— 把每條當成檢核表，逐條問自己「我做過嗎」
2. Microsoft Foundry 官方文件 —— study guide 的 Study resources 直接指向 Foundry 文件與用 Agent Framework 建多 agent 工作流自動化方案這篇架構文
3. exam sandbox —— 熟悉介面

替代路徑：先把 AI-103 的四條學習路徑做完（那是先修條件，本來就要做），其中「Develop AI agents on Azure」那條與本張考試的第二塊重疊度最高。剩下的缺口用官方文件補。

時程建議：因為缺教材，這張的時程比同級證照更依賴你的既有經驗。如果你沒有實際做過多 agent 上線，我的建議不是排讀書計畫，而是先等 9/30 的講師課或學習路徑上線再開始 —— 用 22 條目標當檢核表自學，成本會高於等兩個月。

如果你已經在做多 agent 系統，那 study guide 的 22 條就是很好的自我盤點清單，四到六週足夠補齊缺口。

beta 的規則

• beta 期間只能考一次，沒過要等考試正式上線才能重考
• 成績要等：官方寫重新計分在考試上線後開始，最終結果約再 10 天
• 通過 beta 就算數，不需要在正式版重考
• 微軟另有規定，位於部分國家的考生不能參加 beta 考試（官方 beta 說明頁列出中國、印度、巴基斯坦與土耳其）
• 官方部落格寫 GA 預計在 2026 年 10 月（前瞻性說法，認證頁未載明）

會過期的東西（下次複查看這裡）

參考資料

• Multi-Agent AI Solutions Expert（beta）認證頁
• Exam AI-500 頁面
• AI-500 官方 study guide（四塊權重與 22 條目標）
• 課程 AI-500T00（標示 2026/9/30 開課）
• Microsoft Foundry 官方文件
• 用 Agent Framework 建多 agent 工作流自動化方案
• 微軟 beta 考試說明
• 微軟考試重考政策

站內相關

• 2026 年工程師 AI 證照有哪些
• 微軟 AI-103 備考路徑（AI-500 的先修）
• 微軟 AB-620 備考路徑