Understand the certification
Microsoft Certified: Agentic AI Business Solutions Architect（考试代码 AB-100）是微软在 2026 年 1 月正式推出的全新 Expert 级认证，也是微软认证体系里第一张专门考 AI Agent 架构与多 Agent 编排的证。它跟 AI-102（Associate 级，考 RAG 和 Azure OpenAI SDK）的关系类似 AZ-305 跟 AZ-204——AI-102 在下面，AB-100 在上面，Microsoft 官方明确建议先持有 AI-102 或 PL-600 等任一 Associate 级证书再来考。
考试 $165 USD、100 分钟、约 50 题、700/1000 及格、1 年有效（Microsoft Learn 上每年免费 renew，答 25 题左右就能续）。题型包含单选、多选、case study、interactive components（拖拽配置 Agent topology / tool schema 那种）。考纲四大领域：Plan AI-driven business solutions（20-25%）、Design AI agents and multi-agent orchestration（25-30%）、Deploy / monitor / optimize AI business solutions（20-25%）、Responsible AI, security and governance（20-25%）。
技术覆盖面比 AI-102 宽得多：Copilot Studio（low-code agent builder）、Microsoft Foundry（前身 Azure AI Studio，做 agent orchestration 和 evaluation）、Semantic Kernel（C# / Python 的 agent SDK）、AutoGen（多 agent 协作框架，微软研究院出品）、MCP（Model Context Protocol，2024 年 Anthropic 提出、微软 2025 年原生支持的 agent-tool 标准）、A2A（Agent-to-Agent）通信协议、Dynamics 365 Copilot 集成、Azure AI Search 做 grounding。其中 MCP 和 A2A 这两块是全新内容，市面上几乎没有第三方备考资料，是这张证最难也是最有溢价的部分。
跟其他厂的对标要说清楚：AWS 没有对应的 Agent Architect 证（AWS 那边最接近的是 MLA-C01，但还是 ML 工程方向，没有 agent orchestration）；Google 也没有。所以 AB-100 在 2026-2027 这一年半到两年里是唯一一张大厂背书的 Agentic AI 架构认证，对走微软生态的资深工程师来说是绝佳的差异化标签。但反过来：如果你的客户/雇主完全不用 Azure，这张证的含金量会打七折——它不是中立的"agent 架构师证"，是"在 Azure 上做 agent 架构师"的证。
Exam at a glance
- Exam code
- AB-100
- Provider
- Azure
- Format
- Single choice / Multiple select / 案例分析 / 交互式组件
- Language
- English
- Validity
- 1 years
- Exam fee
- $165
Skills in focus
Learning outcomes
- 获得微软 Agentic AI 架构师认证
- 掌握多智能体编排与方案设计
- 熟练使用 Copilot Studio 和 Microsoft Foundry
- 具备 Agent 安全、治理与合规架构能力
- 能够领导企业 AI Agent 转型项目
Who this is for
- 解决方案架构师
- AI/ML 高级工程师
- 技术决策者与 CTO
- 已持有微软 Associate 级认证的进阶者
- 企业数字化转型负责人
Before you start
- 至少持有一个微软 Associate 级认证（如 AI-102、PL-600 等）
- 3+ 年 AI 解决方案架构设计经验
- 熟悉 Microsoft Power Platform 和 Dynamics 365
- 了解 Copilot Studio 和 AI Agent 概念
Consider another path if
- 纯做模型训练 / fine-tuning / RLHF 的 ML 研究员 — AB-100 完全不考模型内部，应看 Stanford CS336 或 Hugging Face 课程
- 不写代码的 PM / BA / 业务顾问 — case study 和 interactive 题需要读 agent topology 和 tool schema JSON，应考 AI-900（$99）
- 没有任何 Microsoft Associate 级认证基础的人 — case study 默认你熟悉 Azure 基础，先去考 AI-102 或 PL-600
- 公司技术栈完全是 AWS / GCP 的工程师 — Copilot Studio / Foundry / Dynamics 365 全用不上，等 AWS Bedrock Agents 或 GCP Vertex AI Agent Builder 的对应证
- 预算紧张的初学者 — $165 考试费 + 备考 hands-on Azure 订阅 + 时间投入对零基础人 ROI 不高，先从 AI-900 / AI-102 起步
- 只想要"挂个 AI 证"的简历党 — Expert 级面试时被问深入 agent 架构题答不上来反而扣分，简历党更适合 AI-900 或 AWS AIF-C01
What the exam tests
25%Plan AI-Powered Business Solutions
Plan AI-Powered Business Solutions
25%Design AI-Powered Business Solutions
Design AI-Powered Business Solutions
50%Deploy AI-Powered Business Solutions
Deploy AI-Powered Business Solutions
Your learning path
10 chapters
Plan your preparation
- Learning hours
- 60h
- With relevant experience
- 6-8 weeks
- Starting from scratch
- 12-16 weeks
- Daily study
- 1-2h
Included in your preparation
- 10 个系统化学习章节
- 200+ 精选练习题
- 2 套完整模拟考试
- 2026 年全新认证
- 覆盖 MCP 与 A2A 协议
- Agentic AI 架构实战
1. 第一阶段：搭一个能跑的多 Agent demo（1 周，最关键）
先把 Copilot Studio 和 Semantic Kernel 都打通再说理论。第一步：在 Copilot Studio 里用 low-code 方式拖一个简单的 customer-service agent，挂一个 knowledge source（上传几个 PDF）+ 一个 action（调用一个 mock REST API）。第二步：用 Semantic Kernel（Python 或 C# 都行）写一个最简单的 multi-agent 例子——一个 planner agent 把任务拆分给两个 worker agent。第三步：跑一遍 AutoGen 的官方 quickstart（GroupChat 模式）。这一周亲手做完，AB-100 第二领域 25-30% 的题对你就是肌肉记忆。
2. 第二阶段：啃 MCP 和 A2A 协议（1-2 周，差异化考点）
这是这张证最难、最值钱、也是最难找资料的部分。MCP 必须读 modelcontextprotocol.io 的官方 spec（不长，2-3 小时能读完核心）+ 跑一遍微软在 Azure AI Foundry 里的 MCP server connector demo，搞清楚 tool definition / resource / prompt 三种 primitive 的区别。A2A 部分目前主要看 Microsoft Build 2025 和 Ignite 2025 的 session 录像（YouTube 上免费），重点理解 agent capability discovery、message passing、trust boundary 这几个概念。考试里这两块大概率出 5-8 题，市面上 95% 的备考题库还没覆盖，自己搞透是拉开分差的关键。
3. 第三阶段：刷 Microsoft Learn 官方学习路径 + Foundry hands-on（2 周）
Microsoft Learn 上的 "AB-100: Designing Agentic AI Business Solutions" 学习路径是免费的，每个模块自带 sandbox。重点过这几个模块：Plan agentic AI solutions、Design agent orchestration with Microsoft Foundry、Implement agent grounding with Azure AI Search、Configure agent tools and connectors、Implement responsible AI for agents。同时在 Azure AI Foundry 里亲手跑一遍 evaluation flow（用 prompt flow 的 batch evaluation 评估一个 agent 在 50 个测试 case 上的表现），考试 case study 经常给 "agent 准确率上不去怎么办" 的场景，这部分必须自己点过 Portal 才知道答案在哪里。
4. 第四阶段：负责任 AI、Governance、Observability 专项（1-2 周）
第四领域 20-25% 的权重全在这块，但很多人当成 "送分软题" 略过 → 死在这里。重点：（1）Microsoft Responsible AI Standard 的 6 条原则，每条对应到 Azure 里的具体功能（fairness → Azure AI evaluators，transparency → model cards，privacy → Azure confidential computing 等）；（2）Content Safety 的 4 类 + 3 等级 + Prompt Shield + Groundedness Detection 这几个新功能；（3）Agent observability 怎么做——OpenTelemetry trace 怎么接 Azure Monitor、怎么 log 每一次 tool call 和 token 消耗、怎么设置 budget alert；（4）EU AI Act 和 GDPR 在 agent 场景的合规要求（agent 自动决策必须可解释、必须有 human-in-the-loop fallback）。
5. 第五阶段：模考 + case study 专项 + 报名（最后 1 周）
AB-100 的 case study 题特别长（一段约 500 字的企业背景 + 4-6 道相关题），考前一定要做至少 3 套完整 case study 模拟，训练 "先看题目再回头读背景" 的应试节奏。重点专项复习两个高频送分点：（1）怎么选 Copilot Studio vs Semantic Kernel vs Azure AI Foundry——low-code 业务人员场景选 Copilot Studio，需要 code-first / 复杂逻辑选 Semantic Kernel，需要 evaluation / orchestration / 全流程管理选 Foundry；（2）Agent 出错时的 fallback 策略——确定性流程出错回退到 deterministic workflow，agent 自由发挥出错回退到 human review，工具调用出错用 retry + circuit breaker。模考稳定 75% 以上再去考。
Career value
为什么微软要在 2026 年急着推这张证
2024 下半年到 2025 年，整个行业发生了从"Chatbot / RAG"到"Agentic AI"的明显转向。Anthropic 在 2024 年 11 月发布 MCP 协议、OpenAI 2025 年初推出 Operator、Google 把 Gemini 接入 Project Mariner、Microsoft 在 Ignite 2025 把 Copilot Studio 升级成 multi-agent orchestration 平台并原生支持 MCP——所有大厂都在抢"企业 AI 落地 = 多 agent 编排"这个叙事。微软之前所有 AI 证（AI-900 / AI-102）都还停留在"调 GPT-4 + 做 RAG"的层次，市场需要一张能验证"我会设计一个由 5-10 个 agent 组成的、能自主完成业务流程的系统"能力的证。AB-100 就是补上这个空缺。
ZipRecruiter、Levels.fyi、LinkedIn 在 2026 年 Q1 的数据显示，美国市场上**"Agentic AI Architect" 或 "AI Agent Engineer" 标题的中位数年薪在 $165k-$210k**，比通用 GenAI 工程师高出 20-35%。澳洲市场上 Principal 级 AI Architect 标的 JD（Atlassian、Canva、Telstra、CommBank 都在招）开到 AUD 180k-230k + equity。这个溢价不是靠"会写 prompt"，而是靠懂怎么把多个 agent 安全地接入企业系统、怎么做 agent observability、怎么处理 agent 出错时的 fallback、怎么过合规和审计——这套就是 AB-100 考纲的第三第四领域。
最适合考的三类人：
- 已经在 Azure 上做 AI 应用的高级工程师 / Tech Lead：你已经持有 AI-102，在 production 上跑过 Azure OpenAI + AI Search 的 RAG，现在客户要求"让 AI 自己完成整个工单处理流程"。AB-100 帮你把 Copilot Studio、Semantic Kernel、Foundry 的 agent orchestration 系统过一遍，是从"AI 应用工程师"升到"AI Architect"的天然路径。
- 微软生态的 Solutions Architect / Principal Engineer：你在 Microsoft / 微软合作伙伴 / 大型 Azure 客户公司里已经做 AZ-305 或 PL-600 的工作，现在需要给提案加上 Agentic AI 解决方案。AB-100 是给客户和 manager 看"我会做这个"的最快凭证，2026-2027 年内基本是独一份。
- 想从 LLM 应用工程师转向 AI Architect 的人：你过去 2 年在写 LangChain / LlamaIndex / OpenAI Assistants API 的代码，但 title 一直卡在 "Senior Engineer"。这张证 + 一两个真实落地的 agent 项目能帮你跨过 Architect title 的门槛，特别是在偏微软栈的金融、政府、医疗客户面前。
不适合考的人：
- 纯做模型训练的 ML 研究员 / 算法工程师 — AB-100 不考 transformer、不考 fine-tuning、不考 RLHF，全程在考"怎么编排和治理别人训练好的模型"。应该看 Stanford CS336 或 Hugging Face 课程，证书帮不上忙。
- 不写代码的 PM / BA / 业务顾问 — case study 和 interactive component 题需要看懂 agent topology 配置和 tool schema JSON，零代码基础会很痛苦。应该考 AI-900（$99，纯概念）。
- 没有 Microsoft Associate 级证书的人 — 微软官方建议、考纲假设、case study 题目背景全部默认你已经会 Azure 基础。直接上 AB-100 会死在第一第二领域里很多隐含知识点上。先去考 AI-102 或 PL-600。
- 公司技术栈完全是 AWS / GCP — 学了 Copilot Studio / Foundry / Dynamics 365 集成完全用不上，AWS 那边等 Bedrock Agents 的对应认证，GCP 等 Vertex AI Agent Builder 的认证。
- 预算紧张的初学者 — $165 考试费 + 备考时间 + 通常需要的 Azure 订阅做 hands-on，整体投入 $300+，对没有相关经验的人 ROI 不高，先从 AI-900 / AI-102 开始爬。
- 美国
- USD 150,000 – 220,000
- 澳洲
- AUD 160,000 – 230,000
- 英国
- GBP 95,000 – 145,000
- 新加坡
- SGD 140,000 – 210,000
- 中国
- CNY 500,000 – 900,000
Preparation tips
- **第一阶段的"亲手搭多 agent demo"绝对不能跳** — AB-100 第二领域 25-30% 题目本质上就是在问 "你有没有真正部署过一个 multi-agent 系统"。亲手在 Copilot Studio + Semantic Kernel + AutoGen 里跑过的人，相关 case study 题秒答；只看过文档的人会在相似选项里反复横跳。
- **Microsoft Learn 官方学习路径 + sandbox 是免费的，先于一切第三方资源** — AB-100 是 2026 新证，第三方题库（MeasureUp / Whizlabs / Tutorials Dojo）都还没完全更新，质量不稳定。Microsoft Learn 的 AB-100 学习路径完全免费、每个模块自带 Azure sandbox（不消耗你自己额度）、内容是出题组本人写的，权威性高于任何付费课。
- **关键词 → 服务的反射要练熟** — "low-code 业务人员搭 agent" → Copilot Studio；"code-first 复杂 orchestration" → Semantic Kernel / AutoGen；"agent evaluation 和全生命周期管理" → Microsoft Foundry；"agent 调外部工具的标准协议" → MCP；"agent 之间通信" → A2A protocol；"防 jailbreak" → Prompt Shield；"防幻觉 / 检查事实是否在知识库里" → Groundedness Detection；"agent observability" → OpenTelemetry + Azure Monitor + App Insights；"业务流程兜底" → Logic Apps / Power Automate；"agent grounding 数据源" → Azure AI Search hybrid + semantic ranker。这套映射至少送你 8-12 分。
- **Case study 先看题再回头读背景** — AB-100 case study 描述特别长（约 500 字），先扫一眼题目知道要找什么再回背景里抓关键词，比从头读快 3 倍。题目经常出现 "客户要求数据驻留在欧盟"、"客户要求 99.9% SLA"、"客户预算紧张" 这种锚点词，对应的答案分别是 Data Zone / Provisioned Throughput / pay-as-you-go，定位到这些词就能秒选。
- **Interactive component 题不要慌** — AB-100 有拖拽 agent topology、配置 tool schema、排序 governance workflow 这种交互题。每错一格只扣部分分，不确定就用排除法把明显错的先排除掉。这类题分值高于普通单选，值得多花 1-2 分钟。
- **ESL +30 分钟加时务必申请** — 母语不是英语就在 Pearson VUE 报名时勾 ESL Accommodation，免费多 30 分钟。AB-100 case study 阅读量很大，原本 100 分钟卡得很紧，加时到 130 分钟舒服很多。
- **报名前确认 prerequisites 是否真的"硬性"** — 截至 2026 年 4 月，Microsoft 官方页面写的是 "Recommended" 不是 "Required"，理论上可以直接考。但考纲难度是按"已经持有 Associate 证"设计的，没有 AI-102 / PL-600 / AZ-305 基础硬上的 pass rate 据 reddit 反馈不到 30%。
Common mistakes
- **没考 AI-102 / PL-600 直接来考 AB-100** — 这是最高频的失败原因。AB-100 的 case study 默认你已经熟悉 Azure OpenAI deployment、AI Search、Resource Group / RBAC、Managed Identity 这些 Associate 级基础，题目里不会再解释。Microsoft 官方明确写 "Recommended prerequisite: any Microsoft Associate-level certification"，不是建议是几乎必须。
- **把 Copilot Studio、Semantic Kernel、Foundry 当成同一个东西** — 三者定位完全不同。**Copilot Studio** 是 low-code agent builder（业务人员用，拖拽配置 topic / trigger / action）；**Semantic Kernel** 是 code-first 的 agent SDK（开发者用，C# / Python，写复杂 orchestration）；**Microsoft Foundry**（前身 Azure AI Studio）是 agent 全生命周期管理平台（设计 + 评估 + 部署 + 监控）。考试经常给一个业务场景让你选用哪个，业务用户为主选 Copilot Studio，code-first 复杂 orchestration 选 Semantic Kernel，需要评估 / 监控 / 治理选 Foundry。
- **MCP 和 A2A 没读官方 spec 就上考场** — 网上的中文博客对 MCP 的解释 80% 是错的或过时的。必须读 **modelcontextprotocol.io 的官方 spec**——它定义了 Resource、Tool、Prompt 三种 primitive，每种有特定的 JSON schema，考试会直接给 tool definition 让你找出哪里不符合 MCP spec。A2A 同理，要看微软在 Build 2025 / Ignite 2025 的官方 session。
- **忽略 Agent Observability 和 OpenTelemetry** — 这是 2026 年新加的考点，市面上备考资料几乎没覆盖。AB-100 会考 "agent 在生产上跑得很慢怎么 debug" 这种场景，正确答案永远是用 Azure Monitor + OpenTelemetry trace + Application Insights 收集每一次 LLM 调用 / tool call 的 latency 和 token 数，然后在 Foundry 的 dashboard 里分析。完全没接触过 OTel 的人遇到这种题会乱选。
- **Responsible AI 当成"软题"略过** — 第四领域 20-25% 权重，包含 Microsoft Responsible AI Standard 6 条原则、Content Safety 4 类过滤、Prompt Shield（防 jailbreak）、Groundedness Detection（防幻觉）、EU AI Act 合规。每条都对应 Azure 里的具体功能或配置项，不是泛泛的"要负责任"。题目会问"客户要求 agent 输出的事实必须可溯源到知识库里的原文" → 答案是开启 Groundedness Detection + 在 prompt 里加 citation 要求。
- **Agent fallback 策略没准备** — 多 agent 系统在生产上一定会出错，AB-100 大量 case study 在考 "出错怎么办"。三套标准答案要背熟：（1）确定性流程出错 → fallback 到 deterministic workflow（用 Logic Apps 或 Power Automate 兜底）；（2）agent 自由发挥导致错误 → fallback 到 human-in-the-loop review；（3）tool call 失败 → retry with exponential backoff + circuit breaker pattern。题目场景给金融 / 医疗 / 政府客户几乎都需要 human-in-the-loop。
- **完全不动 Copilot Studio 的 Portal** — 至少花一天在 Copilot Studio 里手动建一个完整的 agent：设计 topic、配置 trigger phrase、添加 knowledge source（上传 PDF）、添加 action（调用一个 Azure Function 或 Power Automate flow）、做一次 test conversation。考试有大量截图题，没在 Portal 里点过的人完全猜不出按钮在哪。
Before you register
When was the AB-100 certification launched?
AB-100 (Agentic AI Business Solutions Architect) was launched by Microsoft in January 2026, making it the industry's first enterprise-level certification focused on Agentic AI. This certification targets solution architects and validates the ability to design and deliver AI Agent-driven business solutions. The exam is 100 minutes, scored out of 1000 with 700 to pass, and costs $165 USD.
What core technologies does the AB-100 exam cover?
The exam covers four domains: planning AI-driven business solutions, designing AI agents and multi-agent orchestration, deploying/monitoring/optimizing AI business solutions, and responsible AI/security/governance. Core technologies include Copilot Studio, Microsoft Foundry, MCP (Model Context Protocol), A2A (Agent-to-Agent) protocol, and Dynamics 365 AI integration.
What prerequisites are needed for AB-100?
Microsoft recommends holding at least one Associate-level certification (such as AI-102 or PL-600) and having 3+ years of AI solution architecture experience. Familiarity with Microsoft Power Platform, Dynamics 365, Copilot Studio, and AI Agent concepts is required. This is an Expert-level certification targeting senior architects and technical decision-makers.
How much weight do MCP and A2A protocols carry in the exam?
MCP (Model Context Protocol) and A2A (Agent-to-Agent) protocols are important exam topics. MCP defines interaction standards between AI models and external tools/data sources, while A2A defines communication protocols between multiple AI Agents. Approximately 20-25% of exam questions involve designing and implementing these protocols, making them a key differentiator between high and low scores.
How long does it take to prepare for AB-100?
For professionals with existing AI architecture experience and relevant certifications, 6-8 weeks of preparation is recommended. This course provides 10 systematic chapters, 1060+ selected practice questions, and 2 full mock exams. Focus on Copilot Studio hands-on operations, multi-agent orchestration design patterns, and responsible AI governance frameworks. Studying alongside Microsoft Learn official resources is recommended.
How does AB-100 certification help career development?
AB-100 is one of the hottest new certifications in 2026, with Agentic AI being the next frontier in enterprise digital transformation. Certified professionals are well-suited for senior roles such as AI Solution Architect and CTO/Technical Director. With rapidly growing enterprise demand for AI Agents, AB-100 certification will become a benchmark qualification in this field, with salary expectations in the $150K-$250K range.
Learner experiences
Loading reviews…
我是 2026 年 2 月 AB-100 上线第一周就去考的，市面上几乎没有真题资料，全靠 Microsoft Learn 官方学习路径 + 自己在 Foundry 里跑 evaluation。最坑的是 MCP 和 A2A 的题——我之前以为是营销概念，结果考试里直接考 MCP 的 tool definition JSON schema 缺哪个字段、A2A capability discovery 的握手流程，都是要读官方 spec 才能答的硬题。考完就被内部 squad 拉去做我们 Copilot for Banking 的 agent 架构 lead，title 直接从 Senior 跳到 Principal。
D. Roberts
Principal AI Engineer @ 澳洲银行，已持有 AI-102 + AZ-305 · 812/1000 · 7 weeks
我们是微软的 ISV 合作伙伴，客户大部分是州政府和教育部门，对 Responsible AI 和 data residency 卡得非常死。AB-100 第四领域（Responsible AI / governance）对我反而是送分——因为我每天都在写这些合规文档。最难的是第二领域多 agent 编排，我以前只用 Copilot Studio 拖 low-code，从来没碰过 Semantic Kernel 的 code-first 写法，专门花了两周补 C# 的 agent SDK。考完最大的感受是：这张证真的会改变 RFP 上的勾选项，我们公司投标时已经把 AB-100 持证人数当成核心 differentiator。
X. Chen
Senior Solutions Architect @ 微软合作伙伴，做政府客户 · 768/1000 · 9 weeks
险过。我之前写 LangChain 写得很熟，以为 agent 概念都通的，结果 AB-100 考的是非常微软生态化的设计模式——比如 Foundry 里 evaluation flow 跟 LangSmith 的差异、Copilot Studio 的 topic / trigger / action 三层模型 vs LangGraph 的 state graph 完全不是一套语言。第一次做模考只有 58%。后来逼自己把 Microsoft Learn 完整刷完 + 把 Semantic Kernel 的官方 sample repo 全跑一遍才上 75%。建议跟我一样的"OpenAI 系"工程师不要轻敌，给自己留够 10 周以上备考时间。
LLM 应用工程师 4 年
原 LangChain / LlamaIndex 用户，2025 年迁到 Semantic Kernel · 736/1000 · 11 weeks
Start with the first chapter.
2 free chapters · Full preparation from $39