Skip to content

Latest commit

 

History

History
311 lines (239 loc) · 16.3 KB

File metadata and controls

311 lines (239 loc) · 16.3 KB

Foundry Toolkit + Workshop Agen Hosted Foundry

Python Microsoft Agent Framework Hosted Agents Microsoft Foundry Azure OpenAI Azure CLI Azure Developer CLI Docker Foundry Toolkit License

Bangun, uji, dan terapkan agen AI ke Microsoft Foundry Agent Service sebagai Hosted Agents - sepenuhnya dari VS Code menggunakan ekstensi Microsoft Foundry dan Foundry Toolkit.

Hosted Agents saat ini dalam pratinjau. Wilayah yang didukung terbatas - lihat ketersediaan wilayah.

Folder agent/ di dalam setiap lab secara otomatis dibuat oleh ekstensi Foundry - Anda kemudian menyesuaikan kode, menguji secara lokal, dan menerapkannya.

🌐 Dukungan Multi-Bahasa

Didukung melalui GitHub Action (Otomatis & Selalu Terbaru)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Lebih suka Mengkloning Secara Lokal?

Repositori ini menyertakan lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk mengkloning tanpa terjemahan, gunakan sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Lab
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Lab
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Ini memberi Anda semua yang Anda butuhkan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.


Arsitektur

flowchart TB
    subgraph Local["Pengembangan Lokal (VS Code)"]
        direction TB
        FE["Microsoft Foundry
        Extension"]
        FoundryToolkit["Foundry Toolkit
        Extension"]
        Scaffold["Scaffolded Agent Code
        (main.py · agent.yaml · Dockerfile)"]
        Inspector["Agent Inspector
        (Local Testing)"]
        FE -- "Create New
        Hosted Agent" --> Scaffold
        Scaffold -- "Debug F5" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        direction TB
        ACR["Azure Container
        Registry"]
        AgentService["Foundry Agent Service
        (Hosted Agent Runtime)"]
        Model["Azure OpenAI
        (gpt-4.1 / gpt-4.1-mini)"]
        Playground["Foundry Playground
        & VS Code Playground"]
        ACR --> AgentService
        AgentService -- "/responses API" --> Model
        AgentService --> Playground
    end

    Scaffold -- "Deploy
    (Docker build + push)" --> ACR
    Inspector -- "POST /responses
    (localhost:8088)" --> Scaffold
    Playground -- "Uji prompt" --> AgentService

    style Local fill:#f0f4ff,stroke:#4a6cf7,stroke-width:2px
    style Cloud fill:#fff4e6,stroke:#f59e0b,stroke-width:2px
Loading

Alur: Ekstensi Foundry membuat kerangka agen → Anda menyesuaikan kode & instruksi → uji secara lokal dengan Agent Inspector → terapkan ke Foundry (gambar Docker didorong ke ACR) → verifikasi di Playground.


Apa yang akan Anda bangun

Lab Deskripsi Status
Lab 01 - Agen Tunggal Bangun "Jelaskan Seperti Saya Seorang Eksekutif" Agen, uji secara lokal, dan terapkan ke Foundry ✅ Tersedia
Lab 02 - Alur Kerja Multi-Agen Bangun "Resume → Evaluator Kecocokan Pekerjaan" - 4 agen bekerja sama untuk menilai kecocokan resume dan membuat peta jalan pembelajaran ✅ Tersedia

Kenalan dengan Agen Eksekutif

Dalam workshop ini Anda akan membangun "Jelaskan Seperti Saya Seorang Eksekutif" Agen - agen AI yang mengambil jargon teknis rumit dan menerjemahkannya menjadi ringkasan siap ruang rapat yang tenang. Karena jujur saja, tidak ada yang di jajaran C-suite ingin mendengar tentang "kehabisan thread pool yang disebabkan oleh panggilan sinkron yang diperkenalkan di v3.2."

Saya membangun agen ini setelah terlalu banyak insiden di mana laporan post-mortem saya yang sempurna mendapatkan respons: "Jadi... apakah situs webnya down atau tidak?"

Cara kerjanya

Anda memberinya pembaruan teknis. Ia mengeluarkan ringkasan eksekutif - tiga poin peluru, tanpa jargon, tanpa jejak tumpukan, tanpa rasa takut eksistensial. Hanya apa yang terjadi, dampak bisnis, dan langkah berikutnya.

Lihat dalam aksi

Anda berkata:

"Latensi API meningkat karena kehabisan thread pool yang disebabkan oleh panggilan sinkron yang diperkenalkan di v3.2."

Agen membalas:

Ringkasan Eksekutif:

  • Apa yang terjadi: Setelah rilis terbaru, sistem menjadi lambat.
  • Dampak bisnis: Beberapa pengguna mengalami penundaan saat menggunakan layanan.
  • Langkah berikutnya: Perubahan telah dikembalikan dan perbaikan sedang dipersiapkan sebelum penerapan ulang.

Kenapa agen ini?

Ini adalah agen sederhana, tujuan tunggal - sempurna untuk mempelajari alur kerja agen hosted dari awal sampai akhir tanpa terbebani oleh rantai alat yang kompleks. Dan sejujurnya? Setiap tim teknik bisa menggunakan satu dari ini.


Struktur Workshop

📂 Foundry_Toolkit_for_VSCode_Lab/
├── 📄 README.md                      ← You are here
└── 📂 workshop/
    ├── 📂 lab01-single-agent/        ← Full lab: docs + agent code
    │   ├── README.md                 ← Hands-on lab instructions
    │   ├── 📂 docs/                  ← Step-by-step tutorial modules
    │   │   ├── 00-prerequisites.md
    │   │   ├── 01-setup.md
    │   │   ├── 02-create-hosted-agent.md
    │   │   ├── 03-configure-and-code.md
    │   │   ├── 04-test-locally.md
    │   │   ├── 05-deploy-to-foundry.md
    │   │   ├── 06-verify-in-playground.md
    │   │   ├── 07-summary.md
    │   │   └── 08-troubleshooting.md
    │   └── 📂 agent/                 ← Reference solution (auto-scaffolded by Foundry extension)
    │       ├── agent.yaml
    │       ├── Dockerfile
    │       ├── main.py
    │       └── requirements.txt
    └── 📂 lab02-multi-agent/         ← Resume → Job Fit Evaluator
        ├── README.md                 ← Hands-on lab instructions (end-to-end)
        ├── 📂 docs/                  ← Step-by-step tutorial modules
        │   ├── 00-prerequisites.md
        │   ├── 01-understand-multi-agent.md
        │   ├── 02-scaffold-multi-agent.md
        │   ├── 03-configure-agents.md
        │   ├── 04-orchestration-patterns.md
        │   ├── 05-test-locally.md
        │   ├── 06-deploy-to-foundry.md
        │   ├── 07-verify-in-playground.md
        │   └── 08-troubleshooting.md
        └── 📂 PersonalCareerCopilot/ ← Reference solution (multi-agent workflow)
            ├── agent.yaml
            ├── Dockerfile
            ├── main.py
            └── requirements.txt

Catatan: Folder agent/ di setiap lab adalah apa yang dihasilkan oleh ekstensi Microsoft Foundry saat Anda menjalankan Microsoft Foundry: Create a New Hosted Agent dari Command Palette. Berkas-berkas kemudian disesuaikan dengan instruksi, alat, dan konfigurasi agen Anda. Lab 01 membimbing Anda membuat ini dari awal.


Memulai

1. Kloning repositori

git clone https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Lab

2. Siapkan lingkungan virtual Python

python -m venv venv

Aktifkan:

  • Windows (PowerShell):
    .\venv\Scripts\Activate.ps1
  • macOS / Linux:
    source venv/bin/activate

3. Instal dependensi

pip install -r workshop/lab01-single-agent/agent/requirements.txt

4. Konfigurasi variabel lingkungan

Salin berkas contoh .env di dalam folder agen dan isi nilai Anda:

cp workshop/lab01-single-agent/agent/.env.example workshop/lab01-single-agent/agent/.env

Edit workshop/lab01-single-agent/agent/.env:

AZURE_AI_PROJECT_ENDPOINT=https://<your-account>.services.ai.azure.com/api/projects/<your-project>
AZURE_AI_MODEL_DEPLOYMENT_NAME=<your-model-deployment-name>

5. Ikuti lab workshop

Setiap lab berdiri sendiri dengan modulnya masing-masing. Mulailah dengan Lab 01 untuk mempelajari dasar-dasar, lalu lanjutkan ke Lab 02 untuk alur kerja multi-agen.

Lab 01 - Agen Tunggal (instruksi lengkap)

# Modul Tautan
1 Baca prasyarat 00-prerequisites.md
2 Instal Foundry Toolkit & ekstensi Foundry 01-setup.md
3 Buat proyek Foundry 01-setup.md
4 Buat agen hosted 02-create-hosted-agent.md
5 Konfigurasi instruksi & lingkungan 03-configure-and-code.md
6 Uji secara lokal 04-test-locally.md
7 Terapkan ke Foundry 05-deploy-to-foundry.md
8 Verifikasi di playground 06-verify-in-playground.md
9 Pemecahan masalah 08-troubleshooting.md

Lab 02 - Alur Kerja Multi-Agen (instruksi lengkap)

# Modul Tautan
1 Prasyarat (Lab 02) 00-prerequisites.md
2 Pahami arsitektur multi-agen 01-understand-multi-agent.md
3 Buat kerangka proyek multi-agen 02-scaffold-multi-agent.md
4 Konfigurasikan agen & lingkungan 03-configure-agents.md
5 Pola orkestrasi 04-orchestration-patterns.md
6 Uji secara lokal (multi-agen) 05-test-locally.md

| 7 | Deploy ke Foundry | 06-deploy-to-foundry.md | | 8 | Verifikasi di playground | 07-verify-in-playground.md | | 9 | Pemecahan masalah (multi-agen) | 08-troubleshooting.md |


Pemelihara

Shivam Goyal
Shivam Goyal


Izin yang Dibutuhkan (referensi cepat)

Skenario Peran yang Diperlukan
Membuat proyek Foundry baru Azure AI Owner pada sumber daya Foundry
Deploy ke proyek yang sudah ada (sumber daya baru) Azure AI Owner + Contributor pada langganan
Deploy ke proyek yang sudah sepenuhnya dikonfigurasi Reader pada akun + Azure AI User pada proyek

Penting: Peran Owner dan Contributor Azure hanya mencakup izin manajemen, bukan izin pengembangan (aksi data). Anda memerlukan Azure AI User atau Azure AI Owner untuk membangun dan mendepoy agen.


Referensi


Lisensi

MIT


Penafian: Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berupaya untuk mencapai akurasi, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.