夜雨聆风一个用自己 Agent 团队写的 PR，被开源项目创始人亲自感谢，并在新版本中正式发布。这是一次"养虾"实践的里程碑。
起因：一个真实的痛点
我是 OpenClaw 的深度用户。过去几个月，我一直在用 OpenClaw 搭建自己的智能体自动化业务团队。
但在接入模型这一步，我碰到了一个烦人的问题：OpenClaw 没有原生的 Microsoft Foundry 支持。
什么意思？如果你用的是 Microsoft Foundry 或 Azure OpenAI 的模型（比如 GPT-5.4、Claude Opus、Grok，Minimax，Kimi等），你必须手动配置 custom provider，自己填 endpoint、API key、模型映射。稍有不慎就配错，排查半天。
更关键的是，Azure 的认证体系（Entra ID / az login）完全没有被支持，导致企业用户无法用已有的 Azure 身份安全接入使用。
解法：用我的 Agent 工程团队来写代码
作为一个"养虾"实践者，我没有自己一行行写代码。我用了自己的 Agent 工程团队来完成这个功能。
具体来说，我的做法是 Harness Engineering（驾驭式工程）：
1. 我定义问题和目标：为 OpenClaw 添加 microsoft-foundry 一等 provider，支持 Entra ID 认证和 API Key 两种鉴权方式，自动发现 Azure 订阅下的模型部署。
2. 我的 Coding Agent 负责实现：分析 OpenClaw 现有 provider 架构，编写 microsoft-foundry provider 扩展、onboarding 交互流程、Azure CLI 集成、模型路由、测试用例。
3. 我的 Reviewer Agent 负责代码审查：检查代码质量、安全性、边界情况。
4. 我负责最终判断和决策：哪些反馈要改，哪些不改，PR 描述怎么写，scope 边界在哪里。
整个过程，我没有写过一行生产代码。但整个功能的设计、scope 控制、质量把关，全都是我做的。
这就是"甲方思维"的实战版本。
PR #51973：4 commits, 13 files changed, +2,588 lines
▲ GitHub PR #51973 已合并到 openclaw:main
这个 PR 的核心改动：
• 新增 microsoft-foundry provider：OpenClaw 现在原生支持 Azure AI Foundry / Azure OpenAI 作为模型提供者
• 支持两种认证方式：Entra ID（az login）和 API Key
• 自动发现模型部署：选择 Azure 订阅后，自动列出所有可用的模型部署（GPT-5.4、Claude、DeepSeek 等）
• GPT-5-aware 路由：智能识别 GPT-5 系列模型的路由规则
• 完整的测试覆盖：56 checks 全部通过
创始人 Peter Steinberger 亲自感谢
▲ OpenClaw 创始人 Peter Steinberger (@steipete) 在 X 上回复感谢
PR 合并后，OpenClaw 的创始人 Peter Steinberger 在 X（Twitter）上亲自回复了我：
"thanks for contributing!"
一句简单的感谢，但对于一个用 AI Agent 团队完成的开源贡献来说，意义不同寻常。
这不是一个人写的代码。这是一个人带着一队"龙虾"完成的工程。
功能已在 OpenClaw 2026.3.28 中可用
▲ OpenClaw 2026.3.28 配置界面，Model/auth provider 已支持 Microsoft Foundry
升级到 OpenClaw 2026.3.28 后，运行 openclaw configure，你会看到：
• Model/auth provider 选项中新增了 "Microsoft Foundry"
• 选择后自动检测已登录的 Azure 账号（Entra ID）
• 自动发现该订阅下的所有 Azure AI Foundry 资源
• 列出所有可用的模型部署供选择（gpt-5.4-pro、gpt-5、claude-sonnet-4-5、DeepSeek-V3.2 等）
整个配置流程不到 2 分钟，不需要手动填任何 endpoint 或 API key。
这件事说明了什么？
1. Harness Engineering 是真实可行的。
你不需要是全栈工程师，也可以向顶级开源项目贡献生产级功能。关键是你能定义问题、控制 scope、判断质量。
2. Agent 团队的价值不止于内容生产。
我的 Agent 团队最初是为了做内容营销自动化。但同样的"养虾"方法论——定义角色、拆分任务、质量审核——完全适用于软件工程。
3. "资深"的新定义：你能驾驭多复杂的系统。
这次贡献里，我没写一行代码，但我做了所有关键决策。这不是"让 AI 替我干活"，而是"我在驾驭一个 AI 工程团队"。
写在最后
从养龙虾到向开源项目提交功能，中间只隔了一个认知：你不需要亲自干活，你需要知道活该怎么干、干到什么程度算好。
