---
title: 05 - AutoGen 自主代理實戰

---

# Day4 - AutoGen × Remote MCP 自主代理實戰

---
## 一、前置需求
### 1. 己完成本機開發環境準備
+ Python環境
+ Vistual Studio Code環境
+ Azure CLI

### 2. 已完成 AI Founcry Connect Resource
+ Grounding with Bing Resource
---
## 二、建立 Remote MCP Server
### 1. Create Azure Function
1. Azure Portal 搜尋「Function App」→「Create」
2. **選取 "Flux Consumption" 方案** →「Select」
3. **Basics**：
- **Subscription**: 您的訂用帳戶
- **Resource Group**: 您的Resource Group
- **Function App name**: `func-mcp-app-[隨機字串]` (需全域唯一)
- **Region**: 同一區域
- **Runtime stack**: Python
- **version**: 3.12 (match你的環境)
- 「Next: Storage」
4. **Storage**：
- 保持預設值
- 「Next: Azure OpenAI」
5. **Azure OpenAI**：
- 保持預設值
- 「Next: Networking」
6. **Monitoring**：
- 保持預設值
- 「Next: Deployment」
7. **Deployment**：
- 保持預設值
- 「Next: Authentication」
8. **Authentication**：
- Authentication type: 請選擇 `Managed Identity`
- Managed Identity: 請選擇 system-assigned managed identity `Enable`
- 「Review+Create」
9. **Review+create**：
- Review+create
### 2. 授予 Function App - Foundry角色權限
1. 登入Azure Portal後選到剛建立的 Foundry 專案。
2. Azure AI Foundry
- 點選`Azure AI Foundry` 點選您的Foundry
- 左側選單 → 「Access Control (IAM)」
- Add role assignment
3. 分別選擇「AI Developer」與 「AI User」角色 (請分二次進行)
4. Add role assignment
- 選擇Managed Identity
- + select member
- 選擇 `Function app`
- 選取剛才創建的Function
- 點擊 select
- 點擊 review+assign
- 重覆上述之動作 授予「AI Reader」角色
### 3. Download Code & Create Python venv (詳細步驟可參考Day3)
1. 請下載[Sample Code](https://1drv.ms/u/c/8302862bf709a02b/ESfGWgoSI4ZGrMsSxP5CEdgBPIjbc4Hlqw6b4SnoPMIwRQ?e=oxjf5k)
2. 建立 Python 虛擬環境(venv)
3. 安裝依賴套件(requirements.txt)
4. 設定環境變數(.env)
- PROJECT_ENDPOINT: AI Foundry Portal取得
- BING_AGENT_ID: 稍候設定
- WEB_CRAWLER_URL: 請洽您的授課人員
- BING_GROUNDING_CONNECTION_NAME: 您的Grouridng Bing名稱
- AZURE_OPENAI_MODEL_DEPLOYMENT_NAME: `gpt4.1`

### 3. Get BING_AGENT_ID
1. 執行 `create-bing-agent.ipynb` (需確認Kernal對應至您所建立的Python venv)
2. 獲取Agent ID

### 4. Setup Environment Variable in Portal
1. 在Azure Portal開啟剛建立的Function App
2. Settings → Environment variables → Add
3. Settings → Environment variables → Add
4. 分別建立以下環境變數 → Apply
+ PROJECT_ENDPOINT
+ BING_AGENT_ID:
+ WEB_CRAWLER_URL
+ BING_GROUNDING_CONNECTION_NAME
+ AZURE_OPENAI_MODEL_DEPLOYMENT_NAME
5. 所有環境變數建立完後 → Apply

### 5. Deploy to Function App
1. 點選Azure Icon找到您訂閱下的Function按右鍵 - **Deploy to Function App...**
2. Deploy
3. Succeeded
4. 確認Function是否已正確發佈
+ 發佈時，系統不會檢查你的 Python 匯入是否正確，也不會驗證程式在執行時是否會出錯
+ 在Function App的overview頁面確認是否可看到以下的Functions
+ 若未顯示代表執行時出錯，可透過 Azure Portal 的 Log Stream 功能來查看 Function App 執行時的錯誤
### 6. 授予 Function App - Storage角色權限
1. 在Function App的`Deployment Settings`找到其建立的Azure Storage Account。
2. 登入Azure Portal後選到這個Storage Account
- 左側選單 → 「Access Control (IAM)」
- Add role assignment
3. 授予Function App 俱有以下角色權限 (請分三次進行)
- Storage Blob Data Contributor
- Storage Queue Data Contributor
- Storage Table Data Contributor的
### 7. CORS 設定 for Azure Function MCP Server
當 Azure Function 部署為 MCP Server時，Client端連線會觸發 **CORS 檢查**。
若沒有正確設定 Allowed Origins，會出現：

CORS policy execution failed.
Request origin http://localhost:6274 does not have permission to access the resource.

#### 核心原則
**確認需要加入哪些 Origin**
1. 嘗試從 MCP Inspector 連線到 Function App。
2. 如果連線失敗，查看 **Azure Function Log Stream**，尋找類似訊息：

[Verbose] The request has an origin header: 'http://localhost:6274
CORS policy execution failed.

3. 將 log 中的 `Origin` 加入 **Allowed Origins**。

> 例如：`http://localhost:6274`
+ 登入 Azure Portal → 找到 **Function App**。
+ 左側選單找到 **API → CORS**。
+ 在 **Allowed Origins** 中加入Client端的 Origin：http://localhost:6274
+ 設定後需**重新啟動**Azure Function Apps
---
**自訂 Header 或認證的請求不能使用 `*`**
- MCP Inspector 會帶 `x-functions-key` header。
- 當請求帶有 header 或 credentials 時，`*` 會被忽略，必須明確指定允許的 Origin。

### 8. 測試Function App MCP Server
1. 執行npx命令

npx @modelcontextprotocol/inspector

2. 使用MCP Inspector測試
#### 🔥【重大變更】MCP Inspector 新版 (v0.17.2+) 使用方式改變
❗不能再把 Azure Function 的 `?code=xxxx` 放在 URL
> **新版 MCP Inspector 會拒絕包含 secrets 的 SSE URL。**

例如下面這種 **已無法使用**：

https://your-function.azurewebsites.net/runtime/webhooks/mcp/sse?code=XXXX

#### MCP Inspector測試方式
+ Transport Type: SSE
+ URL: `https://<default domain name>/runtime/webhooks/mcp/sse`
Default domain name
+ Connection Type: Direct
+ Authenticaiton: Custom Headers (JSON)

{
  "x-functions-key": mcp key
}    

**mcp key**: App Keys → mcp_extension

2. SSE URL:
- Default domain name
- mcp key: App Keys → mcp_extension

3. bing_agent: 測試 `今天幾月幾號`
4.crawler: 測試 `https://en.wikipedia.org/wiki/Model_Context_Protocol`

---
## 三、 AutoGen 專案檔案說明
---

### 1. 📁 multi-agent-sdk (與Day3相同)

- `.env`
新增變數 **MCP_SSE_URL** (Remote MCP Server URL)
- `requirements.txt`
新增autogen與套件
+ autogen-agentchat==0.6.4
+ autogen-ext[openai,azure]==0.6.4
+ mcp==1.14.0
- `tools2.py`
提供autogen使用函式。
+ **Remote MCP Server**: MCP Tool包含Bing Search及Web Crawler

### 2. ⚠️ AutoGen Code Executor on Windows OS
- 在 Windows 系統中，若執行的檔案包含中文，會因編碼問題導致錯誤（目前測試版本 `autogen-agentchat==0.6.4`）
- 解法需**修改 SDK 原始碼**如下：

📄 **檔案路徑**：`..\Lib\site-packages\autogen_ext\code_executors\local\__init__.py`

🔧 **函數名稱**：`_execute_code_dont_check_setup`

# 原始碼（會導致編碼錯誤）
# logs_all += stderr.decode()
# logs_all += stdout.decode()

# 修正後（支援 UTF-8 並處理錯誤）
logs_all += stderr.decode("utf-8", errors="replace")
logs_all += stdout.decode("utf-8", errors="replace")


---
## 四、 核心理念 - AutoGen 自主代理
---

### 1. 🤖 Code Writer (AssistantAgent)
---
#### System Message ####
---
- [ ] General Rules

Today is {date}.  
You are a helpful AI assistant with strong coding and language skills.  
Use reasoning and code (Python or shell) to solve tasks efficiently.  

---

## General Rules
1. **Workflow**
   - If no plan is provided, first explain your approach.  
   - Clearly distinguish steps that require **code** vs. **language reasoning**.  
   - Gather necessary information (via search, file read, system info, etc.) before solving.  
   - After execution, review results:  
     - If error → fix and provide corrected code.  
     - If incomplete → reassess assumptions and try again.  

2. **Code Guidelines**
   - Provide **complete, executable code** (no user modification required).  
   - Use **only one code block per response**, marked with `python` or `sh`.  
   - If code must be saved, include `# filename: <filename>` as the first line.  
   - Show results with `print` when relevant (do not ask user to copy-paste).  

3. **Execution Rules**
   - If solution is ready and parameters are known, proceed without extra confirmation.  
   - All code must be executed by the **CodeExecutor**.  
   - If required details (parameters, credentials, endpoints) are missing, list them explicitly and request user input before execution.  

---

## Tools
1. **`bing_search`** — find up-to-date API documentation or technical resources.  
2. **`web_crawler`** — fetch webpage content from given URLs.  

---

- [ ] Step 1: Information Gathering & API Retrieval

- Use only **non-interactive authentication**.  
- Process:  
  - If user provides a URL → use `web_crawler` to fetch API details.  
  - If no URL → use `bing_search` to find up-to-date docs (prioritize {date[:4]}), then retrieve with `web_crawler`.  
- Gather all essentials (endpoints, params, auth). If any are missing, ask the user explicitly.  

- [ ] Step 2: Python Code Generation

- Base code strictly on retrieved/provided details (no assumptions).  
- Prefer **REST APIs over SDKs**. If SDK is unavoidable, isolate SDK logic for easy replacement.  
- Code Quality:  
  - Implement robust error handling and response parsing.  
  - Support async job polling with all terminal states (Succeeded, Failed, Cancelled, etc.).  
- Authentication & Security:  
  - Request required credentials (API keys, tokens) from user.  
  - Do not rely on hidden sources (e.g., env vars, DefaultAzureCredential). Use explicit constants instead.  
- Dependencies:  
  - Auto-check and install missing Python packages within the script.  

- [ ] Step 3: Chart Generation

- Save all generated charts to a file (default: `chart_output.png`, or follow user instruction).  
- Do not use interactive display (e.g., `plt.show()`); always export to file.   

- [ ] Step 4: PDF Generation

- Use ReportLab (`canvas.Canvas`) with built-in CJK fonts for Chinese compatibility.  
- Default font: `STSong-Light` for Traditional Chinese (via `UnicodeCIDFont`).  
- Do not use external fonts unless explicitly requested.  
- Handle text line-by-line to ensure correct positioning.   

- [ ] Step 5: Execution

- All code must be executed by the **CodeExecutor**.  
- If required details are missing, request them from the user before execution.   

- [ ] Step 6: Finalization

- When the task is fully completed, respond with **"TERMINATE"**.  
- If the user has additional requests, continue assisting until resolved, then end with **"TERMINATE"**.  

---
#### Tools ####
- **bing_agent**: Performs a real-time internet search using a Bing-based crawler agent
- **crawler**: Run the crawler to extract content from the provided URL
---
### 2. ⚙️ Code Executor (CodeExecutorAgent)
---
#### Command Line Code Executors ####
- Docker (DockerCommandLineCodeExecutor)
- Local (LocalCommandLineCodeExecutor): 本專案使用Local, 運行於根目錄下的`working_scripts`
---
### 3. 🧑‍💼 User Proxy (UserProxyAgent)
---
#### Description ####

A human user proxy agent that will interact with the system. When the Coder writes code and requires additional information, use this Agent to prompt the user for input.

---
### 4. 🔧 Next Speaker Selection
---
#### 多輪對話流程優先順序

| Priority | Last Speaker | Next Speaker | Condition |
|----------|----------------|---------------------------------------|-------------------------------|
| 0 | 🧑‍💼 User | 🤖 Code Writer | |
| 1 | 🤖 Code Writer | <span style="color:red">Determined by LLM</span> | 包含 `python` 或 `# filename` |
| 2 | 🤖 Code Writer | 🧑‍💼 User | 包含 `TERMINATE` |
| 3 | ⚙️ Code Executor | 🤖 Code Writer | |

---
#### Determined by LLM 邏輯
**規則說明**：
- 判斷依據系統 Prompt:
1. 如果訊息暗示需要使用者補資料 → User
2. 如果訊息程式已完整且可執行 → Code Executor
- 這個流程對應多輪對話表格中的 **Priority 1**。

---
## 五、 Quick Start - AutoGen 自主代理
---
### 自訂您的旅遊計劃
- [ ] 在**TASK**中輸入您的旅遊計劃，例如:

    明天要從台北出發去北海道,請規劃一個4天3夜從成田機場進, 新千歲機場出的行程,以下是要點：  
    1. 每天晚上不同飯店入住，請提供名稱；  
    2. 全程大眾運輸；  
    3. 以API查詢'https://api.open-meteo.com/v1/forecast' 取得實際天氣狀況並調整行程；  
    4. 提供行前注意事項提醒;
    5. 請使用 Azure OpenAI 的 DALL·E 模型生成一張插畫，並將圖片與行程內容整合成一份完整的 PDF 檔案

    Azure OpenAI的credential如下
        - AZURE_OPENAI_ENDPOINT: {azure_dalle_endpoint}
        - deployment_name: {azure_dalle_deployment}
        - api_key: {azure_dalle_key}

- 輸入後請存檔

### 以command mode運行
+ 切換到專案目錄夾並切換python venv
+ 執行以下代碼

python -m 02_multi-agent.C_autogen.01_autogen_code_orchestrator


### 對話紀錄：北海道四天三夜行程規劃任務

---
#### 👤 使用者提問
[Priority 0] User → CodeWriter

 
    明天要從台北出發去北海道,請規劃一個4天3夜從成田機場進, 新千歲機場出的行程,以下是要點：
    1. 每天晚上不同飯店入住，請提供名稱；
    2. 全程大眾運輸；
    3. 以API查詢'https://api.open-meteo.com/v1/forecast' 取得實際天氣狀況並調整行程；
    4. 提供行前注意事項提醒;
    5. 請使用 Azure OpenAI 的 DALL·E 模型生成一張插畫，並將圖片與行程內容整合成一份完整的 PDF 檔案

    Azure OpenAI的credential如下
        - AZURE_OPENAI_ENDPOINT: https://swdedengpt4tune.openai.azure.com/
        - deployment_name: dall-e-3
        - api_key: 

---
#### 🤖 CodeWriter 回覆

## 規劃步驟說明

1. **行程設計**
   - 依據「成田機場進、新千歲機場出」規劃4天3夜路線，每晚不同飯店，並全程使用大眾運輸。
2. **天氣查詢**
   - 透過 Open-Meteo API 查詢北海道主要城市（如札幌、小樽、富良野等）未來4天的天氣，根據天氣調整行程（如雨天改室內景點）。
3. **飯店推薦**
   - 每晚推薦不同飯店，提供名稱。
4. **行前注意事項**
   - 提供日本旅遊、北海道氣候、交通等提醒。
5. **插畫生成**
   - 使用 Azure OpenAI DALL·E 3 API 生成北海道旅遊插畫。
6. **PDF整合**
   - 將行程、飯店、天氣、插畫、注意事項整合成 PDF。

---

### 需要確認/補充資訊

- **成田機場進→北海道**：成田機場在東京，是否第一天安排東京→北海道的移動？
- **北海道主要停留城市**：是否有偏好（如札幌、小樽、富良野、登別等）？
- **飯店預算/等級**：是否有偏好？
- **插畫主題**：是否有指定風格或元素？（如「北海道夏日風景」）

如無特別指定，將以「札幌、小樽、富良野」為主要停留地，飯店以中等商務旅館為主，插畫主題為「北海道夏日旅遊」。

---

### 下一步

1. 查詢北海道主要城市未來4天天氣（札幌、小樽、富良野）。
2. 規劃行程並推薦飯店。
3. 生成插畫。
4. 整合PDF。

---

#### 先進行天氣查詢與插畫生成

將同時執行：
- 查詢札幌、小樽、富良野未來4天天氣（Open-Meteo API）
- 生成北海道旅遊插畫（Azure OpenAI DALL·E 3）

接著根據天氣調整行程。
---------- ToolCallRequestEvent (CodeWriter) ----------
使用crawler調用天氣資訊
 arguments='{"url": "https://api.open-meteo.com/v1/forecast?latitude=43.34&longitude=142.38&daily=weathercode,temperature_2m_max,temperature_2m_min,precipitation_sum&timezone=Asia%2FTokyo"}', name='crawler')    
    
---------- ThoughtEvent (CodeWriter) ----------
### 天氣資料彙整（2025/9/17~9/20）

- **札幌**
  - 9/17：晴，最高23.4°C，最低13.6°C，降雨0mm
  - 9/18：晴，最高19.2°C，最低12.6°C，降雨0mm
  - 9/19：晴，最高19.7°C，最低10.6°C，降雨0mm
- **小樽**
  - 9/17：小雨，最高23.4°C，最低18.2°C，降雨0.7mm
  - 9/18：晴，最高20.7°C，最低17.3°C，降雨0mm
  - 9/19：晴，最高20.7°C，最低14.1°C，降雨0mm
- **富良野**
  - 9/17：小雨，最高22.1°C，最低14.3°C，降雨0.4mm
  - 9/18：晴，最高18.8°C，最低10.2°C，降雨0.3mm
  - 9/19：多雲，最高19.2°C，最低8.2°C，降雨0mm

**結論：大致晴朗，僅9/17小樽、富良野有短暫小雨，行程可正常安排，9/17建議備雨具。**

---

### 下一步：生成插畫並整合PDF
將執行：
1. 使用 Azure OpenAI DALL·E 3 API 生成插畫。
2. 將行程、飯店、天氣、插畫、注意事項整合成 PDF。

**如有插畫主題或飯店偏好請補充，否則將依上述內容執行。**
---------- ToolCallRequestEvent (CodeWriter) ----------
使用bing查詢 DALL·E 3 API文件   
arguments='{"query":"Azure OpenAI DALL·E 3 REST API documentation 2025"}', name='bing_agent')]

---
#### 🤖 CodeWriter 回覆
[Priority 1] CodeWriter → CodeExecutor | Condition: contains python/code block

已取得 Azure OpenAI DALL·E 3 REST API 最新使用方式，將依據以下資訊進行插畫生成：

**開始執行插畫生成與PDF整合。**
# filename: hokkaido_trip_pdf.py
import os
import sys
import requests
from io import BytesIO
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import A4
from reportlab.pdfbase.cidfonts import UnicodeCIDFont
from reportlab.pdfbase import pdfmetrics
from reportlab.lib.utils import ImageReader

# --------- 1. 生成插畫 ---------
AZURE_OPENAI_ENDPOINT = "https://swdedengpt4tune.openai.azure.com/"
DEPLOYMENT_NAME = "dall-e-3"
API_KEY = ""
API_VERSION = "2025-04-01-preview"
PROMPT = "北海道夏日旅遊：札幌大通公園、小樽運河、富良野花田，旅人搭乘JR列車穿梭於美景中"
IMG_SIZE = "1024x1024"
IMG_QUALITY = "high"

def generate_dalle_image():
    url = f"{AZURE_OPENAI_ENDPOINT}openai/deployments/{DEPLOYMENT_NAME}/images/generations?api-version={API_VERSION}"
    headers = {
        "Content-Type": "application/json",
        "api-key": API_KEY
    }
    body = {
        "prompt": PROMPT,
        "model": "dall-e-3",
        "size": IMG_SIZE,
        "n": 1,
        "quality": IMG_QUALITY
    }
    resp = requests.post(url, headers=headers, json=body)
    resp.raise_for_status()
    data = resp.json()
    img_url = data["data"][0]["url"]
    return img_url

def download_image(img_url):
    resp = requests.get(img_url)
    resp.raise_for_status()
    return BytesIO(resp.content)

# --------- 2. 行程內容 ---------
trip_text = """
【北海道4天3夜行程規劃】

Day 1（9/17）成田機場 → 新千歲機場 → 札幌
交通：成田機場搭乘國內線飛機至新千歲機場，JR快速「エアポート」至札幌站
景點：札幌時計台、大通公園、狸小路商店街
飯店：札幌東急REI飯店（Sapporo Tokyu REI Hotel）
天氣：晴，舒適，適合市區散步

Day 2（9/18）札幌 → 小樽
交通：JR札幌站→小樽站（約40分鐘）
景點：小樽運河、北一硝子、音樂盒堂
飯店：小樽運河飯店（Hotel Sonia Otaru）
天氣：晴，適合運河散步、逛街

Day 3（9/19）小樽 → 富良野
交通：JR小樽→札幌→富良野（約2.5小時，轉乘一次）
景點：富田農場（花田）、富良野葡萄酒工廠
飯店：富良野自然飯店（Furano Natulux Hotel）
天氣：多雲，涼爽，適合戶外活動

Day 4（9/20）富良野 → 新千歲機場
交通：JR富良野→札幌→新千歲機場（約2.5小時）
景點：上午可於富良野市區散步，午餐後前往機場
天氣：晴，適合輕鬆行程

【行前注意事項】
1. 交通：全程JR，建議購買北海道JR Pass（3日券/4日券），可節省交通費。
2. 天氣：早晚溫差大，建議攜帶薄外套。9/17小樽、富良野有小雨，請備雨具。
3. 現金/支付：部分小店僅收現金，建議備日圓現金。
4. 插座：日本插頭為A型，電壓100V，請確認充電器支援。
5. 語言：主要使用日語，觀光區英文可通。
6. 網路：建議租借WiFi分享器或SIM卡。
7. 飯店入住：請提前預訂，攜帶護照辦理入住。
"""

# --------- 3. PDF生成 ---------
def create_pdf(img_data, trip_text, filename="hokkaido_trip.pdf"):
    pdfmetrics.registerFont(UnicodeCIDFont('STSong-Light'))
    c = canvas.Canvas(filename, pagesize=A4)
    width, height = A4

    # 標題
    c.setFont('STSong-Light', 20)
    c.drawString(60, height - 60, "北海道4天3夜行程規劃")

    # 插畫
    img_reader = ImageReader(img_data)
    img_width = 300
    img_height = 300
    c.drawImage(img_reader, 60, height - 380, width=img_width, height=img_height)

    # 行程內容
    c.setFont('STSong-Light', 12)
    text_obj = c.beginText(60, height - 400)
    for line in trip_text.strip().split('\n'):
        text_obj.textLine(line)
    c.drawText(text_obj)

    c.showPage()
    c.save()
    print(f"PDF已生成：{filename}")

# --------- 4. 主流程 ---------
def main():
    try:
        print("正在生成插畫...")
        img_url = generate_dalle_image()
        print("插畫URL：", img_url)
        img_data = download_image(img_url)
        print("正在生成PDF...")
        create_pdf(img_data, trip_text)
    except Exception as e:
        print("執行失敗：", e)
        sys.exit(1)

if __name__ == "__main__":
    # 安裝依賴
    try:
        import reportlab
    except ImportError:
        os.system("pip install reportlab")
    try:
        import requests
    except ImportError:
        os.system("pip install requests")
    main()

---
#### ⚙️ CodeExecutor 回覆

No code blocks found in the thread. Please provide at least one markdown-encoded code block to execute (i.e., quoting code in ```python or ```sh code blocks).    

---
#### 🤖 CodeWriter 回覆
[Priority 1] CodeWriter → CodeExecutor | Condition: contains python/code block

# filename: hokkaido_trip_pdf.py
import os
import sys

# --------- 1. 生成插畫 ---------
AZURE_OPENAI_ENDPOINT = "https://swdedengpt4tune.openai.azure.com/"

# --------- 2. 行程內容 ---------
trip_text = """
【北海道4天3夜行程規劃】

# --------- 3. PDF生成 ---------
def create_pdf(img_data, trip_text, filename="hokkaido_trip.pdf"):

# --------- 4. 主流程 ---------
def main():

---
#### ⚙️ CodeExecutor 回覆
    
[Priority 3] CodeExecutor → CodeWriter | Condition: executor finished   

UnicodeEncodeError: 'charmap' codec can't encode characters in position 0-4: character maps to <undefined>

---
#### 🤖 CodeWriter 回覆
[Priority 1] CodeWriter → CodeExecutor | Condition: contains python/code block

### 問題分析

- 錯誤原因：`print` 輸出中文時，Windows 預設編碼（cp1252）不支援中文，導致 `UnicodeEncodeError`。
- 這不影響主要功能（插畫生成、PDF製作），但會使中文訊息無法正常顯示。

### 解決方案

1. **print() 輸出改用英文**，或在 print 前加 `.encode('utf-8', errors='ignore').decode('utf-8')`（但這會略失部分訊息）。
2. **主要功能不受影響**，但若插畫API有回傳錯誤，仍需顯示英文錯誤訊息。

### 修正版

- 所有 print 訊息改為英文。
- 保留主要流程，確保 PDF 生成。
- 若有 API 錯誤，顯示英文錯誤訊息。

請執行以下修正版：

---
#### ⚙️ CodeExecutor 回覆
    
[Priority 3] CodeExecutor → CodeWriter | Condition: executor finished   

Execution failed: 400 Client Error: Bad Request for url: https://swdedengpt4tune.openai.azure.com/openai/deployments/dall-e-3/images/generations?api-version=2025-04-01-preview

---
#### 🤖 CodeWriter 回覆
[Priority 1] CodeWriter → CodeExecutor | Condition: contains python/code block

### 問題分析

- Azure OpenAI DALL·E 3 API 回傳 `400 Bad Request`，代表請求格式或參數有誤。
- 可能原因：
1. API version 不正確或尚未開放。
2. 部署名稱、endpoint、API key 有誤。
3. 請求 body 格式或參數不符最新規範。
4. 權限或地區限制。

### 解決步驟

1. **檢查 API version**：官方最新公開版通常為 `2024-02-15-preview` 或 `2024-04-01-preview`，`2025-04-01-preview` 可能尚未開放。
2. **檢查 body 格式**：部分 DALL·E 3 API 需 `"model": "dall-e-3"` 或 `"model": "gpt-image-1"`，有時不需 model 欄位。
3. **檢查 endpoint/部署名稱**：已依你提供設定。
4. **取得 API 錯誤訊息細節**：可印出 `resp.text` 以獲得詳細錯誤原因。

---

### 修正方案

- 改用 `2024-04-01-preview` 作為 API version。
- 移除 `"model"` 欄位（如官方範例）。
- 若仍失敗，印出 API 回傳內容以便診斷。

請執行以下修正版，並回報 API 回傳內容：
....

**請執行，並回報 API response 內容（如仍出現 400）。**
請執行上方修正版，並將 API response 印出內容貼回來（如仍出現 400 Bad Request），這樣我能精確判斷是哪個參數或格式問題，並針對 Azure OpenAI DALL·E 3 REST API 最新規範做修正。

如果你看到 `API response: ...`，請直接複製貼回這段內容。
這樣我能根據實際錯誤訊息，快速幫你完成插畫與 PDF 整合。

（如有其他 Azure OpenAI 服務限制、地區、部署名稱等疑問，也可一併告知！）

---
#### ⚙️ CodeExecutor 回覆
    
[Priority 3] CodeExecutor → CodeWriter | Condition: executor finished   

Generating illustration...
Image URL: https://dalleprodsec.blob.core.windows.net/private/images/50aaeebb-b175-43cf-a454-342bac706108/generated_00.png?se=2025-09-17T03%3A22%3A36Z&sig=%2BRuqDYxN26XszsOzj%2FluKXcOIztH9MkZk8lrgMdk6KQ%3D&ske=2025-09-19T04%3A28%3A59Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2025-09-12T04%3A28%3A59Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02
Generating PDF...
PDF generated: hokkaido_trip.pdf

---
#### 🤖 CodeWriter 回覆
[Priority 2] CodeWriter → User | Condition: TERMINATE detected

北海道4天3夜行程規劃 PDF 已成功生成，插畫也已整合於檔案中！

- 檔案名稱：**hokkaido_trip.pdf**
- 內容包含：行程、飯店、天氣、行前注意事項、DALL·E 3插畫

如需下載、檢視或有其他需求（如修改插畫主題、行程細節、PDF格式），請告知！

---

**已完成所有任務。**

TERMINATE

![image](https://hackmd.io/_uploads/BknO5w8oxx.png)
       
---
#### 👤 使用者 回覆  

STOP

 
### hokkaido_trip.pdf
![image](https://hackmd.io/_uploads/rJGJjwUjll.png)