🇹🇭 EP70: พามารู้จัก Azure Foundry ✨ Model และ Agent ต่างกันยังไง?
ใครทำงานสาย Data & AI ในองค์กรที่ใช้ Microsoft อยู่แล้ว ตอนนี้มีอีกหนึ่งเครื่องมือที่ควรรู้จักคือ Azure AI Foundry ค่ะ ในคลิปนี้ลินพาทัวร์ตั้งแต่ Azure คืออะไร Foundry ทำอะไรได้ ไปจนถึงคำถามยอดฮิตว่า Model กับ Agent ต่างกันตรงไหน แล้วเอาไปต่อกับเครื่องมืออย่าง n8n ยังไง (สรุปจากคลิป EP70 ของช่อง Lin Davoy)
Microsoft Azure และ Azure AI Foundry คืออะไร
Microsoft Azure คือ Cloud ของ Microsoft คิดง่าย ๆ ว่าเป็นเพื่อนร่วมรุ่นกับ Google Cloud (GCP) และ AWS ของ Amazon ข้างในมี resource ให้ใช้เยอะมาก ทั้ง database เว็บ compute และ storage account ส่วนตัวที่พามารู้จักวันนี้คือ Foundry ซึ่งเป็นโซลูชันของ Azure สำหรับงาน AI Service โดยเฉพาะ (เมื่อก่อนใช้ชื่อ Azure OpenAI แต่ตอนนี้เปลี่ยนชื่อเป็น Azure Foundry แล้ว) พอเปิด resource ขึ้นมาแล้วกด Go to Foundry Portal เราจะเจอหน้าหลักที่มี API Key, Project, Endpoint และเมนู Deploy ครบในที่เดียว จุดสะดวกคือค่าใช้จ่ายทั้งหมดจ่ายผ่านบิล Azure ที่องค์กรมีอยู่แล้วค่ะ
Deploy โมเดลใน Foundry: เลือกได้ แต่ต้องดูราคา
ใน Foundry เราสามารถเลือก deploy สิ่งที่เรียกว่า base model ได้ ชื่อที่ทุกคนคุ้นหูอย่าง GPT, Gemini, DeepSeek หรือ Claude Sonnet พวกนี้คือ “ชื่อโมเดล” ทั้งนั้น บางค่ายอย่าง Claude อาจจะ deploy ไม่ได้เพราะถูกจำกัดสิทธิ์ แต่พวก GPT หรือ DeepSeek กด deploy ได้เลย สิ่งสำคัญที่สุดก่อนกดคือดู pricing ให้ดี ว่าคิดราคาต่อ 1 ล้าน token เท่าไหร่ ตัวอย่างจากคลิป DeepSeek ถ้าใช้ตรงกับต้นทางจะอยู่ราว $0.14/$0.28 ต่อ 1 ล้าน token แต่ผ่าน Foundry จะแพงกว่านิดหน่อย แลกกับความง่ายที่ทุกอย่างรวมอยู่ใน billing ของ Microsoft พอกด Deploy with default settings ก็เหมือนเราไปเช่าเครื่องของ Microsoft รันโมเดลไว้ให้ แล้วเข้าไปคุยกับน้องได้ทันทีใน Playground ปรับ temperature, top-p ได้ ดูรายละเอียดและมอนิเตอร์การใช้งานได้ด้วย
ถ้าถามว่าทำไมถึงควรยอมจ่ายแพงกว่าใช้ตรง เหตุผลหลักคือเรื่อง monitoring และ evaluation ค่ะ เราดูได้ว่าใครใช้อะไร ใช้เท่าไหร่ ทำ guardrail ได้ค่อนข้างดี ซึ่งเป็นจุดที่องค์กรต้องการมาก และด้วยความเป็น Microsoft น้องก็พยายามให้เราลิงก์กับ knowledge ในบ้านตัวเองอย่าง SharePoint ได้ด้วย
Model กับ Agent ต่างกันยังไง?
| หัวข้อ | Model | Agent |
|---|---|---|
| คืออะไร | ตัวโมเดลภาษาเปล่า ๆ เช่น GPT, Gemini, DeepSeek, Claude Sonnet | แชทบอทที่ build on top of โมเดลอีกชั้นหนึ่ง |
| พฤติกรรม | ถามอะไรไป ตอบมา แค่นั้น | เอาโมเดลมาทำให้ฉลาดขึ้น ผูกกับข้อมูลและงานเฉพาะ |
| ตัวอย่าง | ถาม World Cup 2026 จัดที่ไหน ตอบ US, Canada, Mexico | ตัวอย่างจาก Microsoft: ดู internal policy, ทำ product listing, สรุป weekly digest |
สรุปสั้น ๆ คือโมเดลเป็นสมองเปล่า ๆ ที่ถามไปตอบมา ส่วน agent คือขั้นกว่า เป็นการเอาโมเดลตัวนั้นไปประกอบร่างเป็นผู้ช่วยที่รู้บริบทงานของเรา นี่คือเลเวลถัดไปของการใช้โมเดลค่ะ
เอาไปใช้จริง: ต่อ Foundry เข้ากับ n8n
ตัวอย่างการใช้งานจริงคือทำแชทบอทใน n8n ค่ะ เวลาสร้าง workflow เราต้องมี webhook กับโหนด AI Agent ซึ่งตัว AI Agent ใน n8n เนี่ยมันไม่ได้มีสมองมาให้ เราต้องต่อสมองให้มันเอง และสมองที่ว่าก็คือโมเดลที่เรา deploy ไว้นั่นแหละ จะผ่าน Azure หรือ OpenRouter ก็ได้ วิธีเซตคือเลือก Azure OpenAI Chat Model แล้วกรอก 3 อย่าง คือ Deployment name (ชื่อโมเดลที่เรา deploy), API Key (ได้จากหน้าแรกของ Foundry Portal) และ Resource name จาก endpoint โดย copy เฉพาะส่วนชื่อโปรเจกต์มาแปะ เท่านี้ n8n ก็ต่อกับ Azure Foundry ได้แล้วค่ะ
สรุปในมุมคนทำงานจริง
ต้องบอกตรง ๆ ว่าวันนี้ Foundry อาจจะยังไม่ได้ว้าวมาก แต่ด้วย ecosystem ของ Microsoft ทั้ง monitoring, evaluation, guardrail และการลิงก์กับ SharePoint เราเห็น potential ในนั้นชัดเจน โดยเฉพาะองค์กรที่การไปขอเปิด OpenRouter เป็นเรื่องยาก การใช้ Azure Foundry ที่จ่ายผ่านบิล Azure เดิมคือช้อยส์ที่น่าสนใจมากสำหรับการเปิดแชทบอทหรือ AI Service ตัวแรกขององค์กรค่ะ
🇬🇧 EP70: Meet Azure AI Foundry — What Is the Difference Between a Model and an Agent?
If you work in a Microsoft-based organization, Azure AI Foundry is a tool worth knowing. In this episode Lin tours everything from what Azure is, to deploying models in Foundry, to the classic question — how is a Model different from an Agent — and how to wire it all into n8n. (Summarized from EP70 on the Lin Davoy channel.)
What are Azure and Azure AI Foundry?
Microsoft Azure is Microsoft’s cloud — think of it as a peer of Google Cloud and AWS — packed with resources: databases, web apps, compute, storage accounts. Foundry is Azure’s solution for AI services (it used to be called Azure OpenAI and has been renamed Azure Foundry). Open the resource, click Go to Foundry Portal, and you land on a home page with your API Key, Project, Endpoint and deployment menus in one place. The convenience: everything is billed through the Azure account your organization already pays.
Deploying models — watch the pricing
In Foundry you deploy base models. Familiar names like GPT, Gemini, DeepSeek and Claude Sonnet are all just model names. Some, like Claude, may be restricted from deployment, but GPT and DeepSeek deploy right away. Before you click, check the pricing per 1 million tokens: in the video’s example, DeepSeek used directly costs around $0.14/$0.28 per million tokens, while the same model through Foundry costs somewhat more — the premium buys you one consolidated Microsoft bill. Deploy with default settings is essentially renting a Microsoft machine to run the model; you can then chat with it in the Playground, tune temperature and top-p, and monitor usage. The real reasons to pay the premium are monitoring, evaluation and guardrails — you can see who used what, which is exactly what enterprises need. Being Microsoft, it also nudges you to link knowledge sources like SharePoint.
Model vs Agent
| Aspect | Model | Agent |
|---|---|---|
| What it is | The bare language model: GPT, Gemini, DeepSeek, Claude Sonnet | A chatbot built on top of the model layer |
| Behavior | Ask a question, get an answer — that is all | The model made smarter, tied to your data and tasks |
| Example | Ask where World Cup 2026 is → US, Canada, Mexico | Microsoft samples: internal policy lookup, product listing, weekly digest |
Using it for real: connecting Foundry to n8n
A practical example: building a chatbot in n8n. Your workflow needs a webhook plus an AI Agent node — and the AI Agent node in n8n ships without a brain. You plug the brain in yourself, and that brain is a deployed model, whether via Azure or OpenRouter. Choose the Azure OpenAI Chat Model, then fill in three things: the Deployment name (your deployed model’s name), the API Key (from the Foundry Portal home page), and the Resource name taken from the endpoint (copy just the project part). That is all it takes to connect n8n to Azure Foundry.
The practical verdict
Honestly, Foundry is not jaw-dropping yet — but the potential in the Microsoft ecosystem is clear: monitoring, evaluation, guardrails and SharePoint-linked knowledge. For organizations where getting OpenRouter approved is a battle, spinning up your first chatbot on Azure Foundry, billed through the Azure account you already have, is a very sensible choice.
ติดตามข่าวสาร Data & AI ได้ที่:
Facebook: https://www.facebook.com/davoytech
YouTube: https://www.youtube.com/@linlinmhee
📌 อย่าลืมกด Like, Share และ Subscribe เป็นกำลังใจให้ด้วยนะคะ!
💬 องค์กรของคุณใช้ Cloud เจ้าไหนอยู่ แล้วสนใจลอง deploy โมเดลอะไรใน Azure Foundry เป็นตัวแรก? คอมเมนต์มาคุยกันได้เลยนะคะ
#Davoy #DavoyTech #Linlinmhee #เรียนAI #คอร์สAI #DataAndAI #Azure #AzureFoundry #AIAgent #n8n