MCP-Agent项目中Azure LLM系统提示缺失问题解析与解决方案

在MCP-Agent项目与Azure OpenAI服务集成过程中，开发者发现了一个关键功能缺失问题：AzureAugmentedLLM类未能正确处理系统提示（system prompt）。这一问题直接影响着基于Azure部署的LLM（大语言模型）的指令控制能力。

问题本质

系统提示是LLM工作流程中的重要控制机制，它允许开发者预先定义模型的响应风格和行为模式。在标准OpenAI实现中，OpenAIAugmentedLLM类已经完善地处理了系统提示参数，但Azure服务对接层却遗漏了这一关键功能。

技术细节分析

通过代码审查可以发现，AzureAugmentedLLM类的generate()方法存在逻辑缺陷。当开发者通过instruction参数或params.systemPrompt传递系统提示时，这些参数未被正确注入到与Azure服务的通信消息体（messages）中。这导致模型失去了预期的引导指令，可能产生不符合预期的输出。

解决方案实现

修复方案需要向AzureAugmentedLLM类添加与OpenAIAugmentedLLM类相似的处理逻辑。核心修复代码应包含以下关键步骤：

1. 优先获取instruction参数或params.systemPrompt作为系统提示内容
2. 当消息列表为空时，将系统提示封装为ChatCompletionSystemMessageParam对象
3. 将系统消息作为第一条消息加入消息列表

这种实现方式保持了与OpenAI原生API一致的行为模式，确保了跨部署环境的功能一致性。

影响范围评估

该问题主要影响以下使用场景：

• 使用Azure OpenAI服务部署的MCP-Agent实例
• 依赖系统提示控制模型行为的应用场景
• 需要保持OpenAI与Azure环境行为一致的迁移项目

最佳实践建议

开发者在集成Azure OpenAI服务时应注意：

1. 始终验证系统提示是否生效
2. 跨环境测试时特别注意提示工程的一致性
3. 考虑在抽象层统一处理系统提示逻辑
4. 对于关键业务场景，实现提示验证机制

该问题的修复将显著提升MCP-Agent在Azure环境下的可控性和可靠性，为开发者提供更一致的跨平台体验。