CertifyDeckCargando contenido…
AI-500 · Preguntas de ejemplo
10 preguntas reales del banco de AI-500 de CertifyDeck, repartidas por los dominios del temario oficial de Microsoft Certified: Multi-Agent AI Solutions Expert, con la respuesta correcta y la explicación completa de por qué las demás opciones no lo son. Son preguntas originales redactadas a partir del temario público, no dumps, y tienen el mismo estilo que encontrarás en los tests de práctica y en el simulador.
Respuesta correcta: A. Añadir una SummarizationStrategy antes de la ventana deslizante en la canalización
Una ventana deslizante elimina directamente los turnos más antiguos, así que los datos iniciales desaparecen. SummarizationStrategy usa un LLM para sustituir los tramos antiguos por un resumen que, de forma predeterminada, conserva los datos clave, las decisiones y las preferencias del usuario, y colocarla antes de la ventana deslizante en una canalización compuesta mantiene ese contexto con los tokens acotados. TruncationStrategy también elimina los grupos más antiguos, y las estrategias centradas en herramientas solo afectan a los grupos de llamadas a herramientas, no a los mensajes anteriores del usuario.
Respuesta correcta: C. Tool Input Accuracy
Tool Input Accuracy valida los parámetros de las llamadas a herramientas con criterios estrictos: fundamentación, cumplimiento del tipo, cumplimiento del formato, parámetros obligatorios, ausencia de parámetros inesperados y adecuación de los valores. Tool Call Success solo comprueba si las llamadas se ejecutaron sin errores técnicos, Tool Selection comprueba que se eligieron las herramientas correctas y Tool Output Utilization comprueba cómo usó el agente los resultados.
Respuesta correcta: B. Se bloquean las solicitudes que contienen un código que coincide con el patrón
Con isRegex en true el elemento se trata como expresión regular y no como coincidencia exacta, y al asociar la lista en promptBlocklists con blocking en true se aplica a las solicitudes del usuario y bloquea las coincidencias. Las finalizaciones solo se filtrarían si la lista se asociara en completionBlocklists. Una coincidencia literal requeriría isRegex en false, y blocking en true implica que la solicitud se rechaza, no que solo se anota.
Respuesta correcta: D. Limitación y tiempos de espera simulados para verificar reintentos y espera exponencial
La guía de pruebas Well-Architected indica simular limitaciones como errores HTTP 429, tiempos de espera del back-end e indisponibilidad del servicio, y validar que los clientes gestionan reintentos, espera exponencial y disyuntores; también recomienda simular fallos de herramientas o agentes para probar la fiabilidad. Groundedness mide la calidad de la respuesta, aumentar la cuota evita el fallo en lugar de probarlo y Crescendo es una estrategia adversaria de seguridad.
Respuesta correcta: A. Acceso desatendido solo de aplicación con el flujo de credenciales de cliente
Las identidades de agente admiten un escenario desatendido solo de aplicación en el que el agente actúa con su propia autoridad mediante el flujo de credenciales de cliente de OAuth 2.0, con el acceso regido por sus propias asignaciones de roles RBAC y sin intervención de un usuario. El flujo on-behalf-of y el paso de identidad OAuth requieren un usuario que haya iniciado sesión, y poner una clave en las instrucciones incrusta un secreto, justo lo que las identidades de agente pretenden evitar.
Respuesta correcta: D. Evalúa las respuestas del agente a medida que se completan, con un límite de ejecuciones por hora
Una EvaluationRule con ContinuousEvaluationRuleAction y el tipo de evento RESPONSE_COMPLETED es la configuración de evaluación continua: se activa al completarse las respuestas del agente filtrado y max_hourly_runs limita las ejecuciones de evaluación. Una ejecución diaria sobre un conjunto de datos es la evaluación programada, que usa en su lugar un Schedule con RecurrenceTrigger, y las reglas de evaluación puntúan las respuestas a posteriori en lugar de bloquearlas como una medida de protección.
Respuesta correcta: B. Llamar a await client.configure_azure_monitor() en el cliente de chat
configure_azure_monitor en FoundryChatClient configura Azure Monitor con la cadena de conexión obtenida del proyecto de Foundry, de modo que las trazas llegan al recurso de Application Insights conectado sin configurar exportadores manualmente. ENABLE_SENSITIVE_DATA solo añade el contenido de solicitudes y respuestas a la telemetría que ya se exporta, y las opciones de consola o de Aspire envían las trazas a herramientas locales en lugar de a Application Insights.
Respuesta correcta: C. Puede reducir la carga del prompt y bajar el coste en tokens y la latencia
El ajuste fino modifica los pesos del modelo en lugar de añadir ejemplos a cada prompt, por lo que hacen falta menos ejemplos en el prompt, lo que puede reducir el coste en tokens y la latencia. La introducción al ajuste fino indica que no sustituye a la recuperación de información actual ni a los controles de seguridad de la aplicación, y que sus beneficios no están garantizados, así que sigue haciendo falta una evaluación reservada frente al modelo base.
Respuesta correcta: B. Puntos de control, y responder a la solicitud pendiente que se vuelve a emitir al restaurar
Los puntos de control capturan el estado del flujo de trabajo al final de cada superstep, y las solicitudes pendientes se guardan como parte de ese estado; al restaurar desde un punto de control, las solicitudes pendientes se vuelven a emitir como eventos para que puedas responderlas. Reiniciar desde la entrada inicial repite el trabajo previo, algo que el requisito descarta, y mantener el estado solo en memoria no sobrevive a un reinicio. El modo autónomo elimina el control humano en lugar de conservarlo.
Respuesta correcta: B. Enviar un mcp_approval_response con el approval_request_id y la decisión del revisor
Con require_approval en always, el agente emite un mcp_approval_request en lugar de ejecutar la herramienta; la aplicación revisa el servidor, el nombre de la herramienta y los argumentos, y envía un mcp_approval_response que hace referencia a approval_request_id con approve a true o false, vinculado a la respuesta anterior. La herramienta aún no se ha ejecutado, así que tratar la solicitud como informativa se salta el control. Desactivar la aprobación o llamar directamente al servidor evita al revisor, lo que incumple el requisito.
Responde cada pregunta antes de abrir la explicación y anota por qué descartas las demás opciones. En AI-500, la mayoría de los fallos vienen de elegir una opción técnicamente posible que no cumple todos los requisitos del escenario.
Estas 10 preguntas sirven para conocer el formato, no como diagnóstico. Para saber en qué dominios fallas, practica por dominio gratis y haz un examen de prueba cronometrado con la ponderación y la duración oficiales.
Empieza gratis, sin registro ni tarjeta. Todas las preguntas llevan una explicación como las de arriba y el simulador reproduce el formato oficial de AI-500.