README.md

បច្ចេកទេស Foundry Toolkit + កម្មវិធីសិក្សាសម្រាប់អ្នកតំណាង Foundry Hosted

សាងសង់, សាកល្បង, និងអនុវត្តប្រ៉ាក់តិសិន AI ទៅកាន់ Microsoft Foundry Agent Service ជា Hosted Agents - ពេញលេញពី VS Code ដោយប្រើ កម្មវិធីបន្ថែម Microsoft Foundry និង Foundry Toolkit។

Hosted Agents ឥលូវនេះនៅក្នុងជំហានសាកល្បង។ តំបន់ដែលគាំទ្រ មានកំណត់ - មើល ភាពអាចប្រើប្រាស់តំបន់។

ថត agent/ ក្នុងមួយមនុស្សរៀន គឺ បានបង្កើតដោយស្វ័យប្រវត្តិ ដោយកម្មវិធីបន្ថែម Foundry - បន្ទាប់មកអ្នកប្ដូរទំហឹងកូដ, សាកល្បងក្នុងតំបន់, ហើយអនុវត្ត។

🌐 គាំទ្រជាភាសាច្រើន

គាំទ្រតាមរយៈ GitHub Action (ស្វ័យប្រវត្តិនិងមានភាពទាន់សម័យជានិច្ច)

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

ចូលចិត្ត Clone ទៅក្នុងតំបន់មែនទេ?

រក្សាទុកនេះមានការប្រែសម្រួលជាភាសាច្រើនជាង ៥០ ដែលបង្កើនទំហំទាញយកយ៉ាងខ្លាំង។ ដើម្បី clone ដោយមិនមានការប្រែសម្រួល សូមប្រើ 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"

វាបញ្ជូនអ្វីគ្រប់យ៉ាងដែលអ្នកត្រូវការ ដើម្បីបញ្ចប់វគ្គនេះជាមួយនឹងការទាញយកដែលលឿនជាង។

---

វិស្វត្បកម្ម

flowchart TB
    subgraph Local["ការអភិវឌ្ឍកន្លែង(Local Development) (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 -- "F5 កែបញ្ហា(Debug)" --> 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)" --> សមាសធាតុ(Scaffold)
    Playground -- "សាកល្បងពាក្យបញ្ជា(Test prompts)" --> AgentService

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

Loading

ចរន្ត: កម្មវិធីបន្ថែម Foundry រៀបចំ agent → អ្នកប្ដូរកូដនិងសេចក្តីណែនាំ → សាកល្បងក្នុងតំបន់ជាមួយ Agent Inspector → អនុវត្តទៅ Foundry (រូបភាព Docker ផ្ញើទៅ ACR) → ធ្វើឱ្យប្រាកដនៅក្នុង Playground។

---

អ្វីដែលអ្នកនឹងបង្កើត

ឡាប់	ការពិពណ៌នា	ស្ថានភាព
ឡាប់ 01 - អ្នកតំណាងតែម្នាក់	បង្កើត "Explain Like I'm an Executive" Agent សាកល្បងក្នុងតំបន់ ហើយអនុវត្តទៅ Foundry	✅ មានស្រាប់
ឡាប់ 02 - ដំណើរការជា Multi-Agent	បង្កើត "Resume → Job Fit Evaluator" - អ្នកតំណាង ៤ នាក់សហការដើម្បីវាយតម្លៃការពាក់ព័ន្ធនៃ résumé និងបង្កើតផែនទីរៀន	✅ មានស្រាប់

---

ជួបជាមួយ Executive Agent

ក្នុងកម្មវិធីសិក្សានេះ អ្នកនឹងបង្កើត "Explain Like I'm an Executive" Agent - អ្នកតំណាង AI ដែលយកពាក្យបច្ចេកទេសពិបាក ហើយប្រែអត្ថន័យឲ្យក្លាយជាសេចក្ដីសង្ខេបស្ងប់ស្ងាត់ និងមានត្រៀមក្នុងសន្និសីទបន្ទុកផ្ទាល់ការិយាល័យ។ ពីព្រោះមិនមាននរណាជាក្រុមគ្រប់គ្រង C-suite ត្រូវការស្តាប់អំពី "thread pool exhaustion caused by synchronous calls introduced in v3.2" ទេ។

ខ្ញុំបានបង្កើតអ្នកតំណាងនេះ បន្ទាប់ពីមានករណីមួយចំនួន ដែលខ្ញុំបានរៀបចំសេចក្តីរាយការណ៍ដល់ពេលក្រោយ តែមិនទទួលបានចម្លែកក់ល្អ ល្អ គឺ "ដូច្នេះ... តើវែបសាយមានបញ្ហាឬអត់?"

វាធ្វើដូចម្តេច

អ្នកផ្តល់បច្ចេកទេសថ្មីមកវា វាសំរេចចិត្តបម្លែងជាសេចក្ដីសង្ខេបសម្រាប់អ្នកគ្រប់គ្រង - ពីរបីចំណុច, មិនមានពាក្យបច្ចេកទេស, មិនមាន stack traces, មិនមានសោកនាដកម្ម។ តែ អ្វីដែលបានកើតឡើង, ផលប៉ះពលពាណិជ្ជកម្ម, និង ជំហានបន្ទាប់។

មើលវាធ្វើការជាក់ស្តែង

អ្នកពោល៖

"The API latency increased due to thread pool exhaustion caused by synchronous calls introduced in v3.2."

អ្នកតំណាងឆ្លើយតប៖

សេចក្ដីសង្ខេបសម្រាប់អ្នកគ្រប់គ្រង:

• អ្វីដែលបានកើតឡើង: បន្ទាប់ពីប្រើប្រាស់ក្រោយទាំងស្រុង ប្រព័ន្ធយឺតចុះ។
• ផលប៉ះពលពាណិជ្ជកម្ម: អ្នកប្រើប្រាស់មួយចំនួនបានជួបការពន្យារពេល ខណៈព្យាយាមប្រើសេវាកម្ម។
• ជំហានបន្ទាប់: ការផ្លាស់ប្តូរបានត្រឡប់ក្រោយ ហើយកំពុងរៀបចំការជួសជុលមុនពេលអនុវត្តឡើងវិញ។

ហេតុអ្វីបានជាជ្រើសរើសអ្នកតំណាងនេះ?

វាជាអ្នកតំណាងសាមញ្ញ សម្រួលមុខងារតែមួយ - សម្រាប់រៀនលំដាប់ជាកម្មវិធី hosted agent ពីដើមដល់ចប់ដោយមិនចាញ់ចិត្តប្រព័ន្ធឧបករណ៍ស្មុគស្មាញ។ ហើយតាមពិត? ក្រុមវិស្វកម្មរាល់ក្រុមអាចប្រើប្រាស់អ្នកតំណាងមួយនេះបាន។

---

រចនាសម្ព័ន្ធកម្មវិធីសិក្សា

📂 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

ចំណាំ៖ ថត agent/ ក្នុងមួយមនុស្សរៀន គឺអ្វីដែលកម្មវិធីបន្ថែម Microsoft Foundry បង្កើតពេលអ្នករត់ Microsoft Foundry: Create a New Hosted Agent ពី Command Palette។ ឯកសារត្រូវបានកែប្រែនៅក្រោយជាមួយនឹងសេចក្ដីណែនាំ, ឧបករណ៍ និងកំណត់រចនាសម្ព័ន្ធរបស់អ្នកតំណាង។ ឡាប់ 01 នាំអ្នកតាមដានពីការបង្កើតនេះពីចាប់ផ្ដើម។

---

ចាប់ផ្ដើម

1. Clone រក្សាទុកនេះ

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

2. តំឡើងបរិយាកាស Python លំនាំ Virtual

python -m venv venv

បើកវា:

• Windows (PowerShell):

  .\venv\Scripts\Activate.ps1

• macOS / Linux:

  source venv/bin/activate

3. តំឡើង dependencies

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

4. កំណត់អថេរបរិយាកាស

ចម្លងឯកសារ .env នៃឧទាហរណ៍នៅក្នុងថត agent ហើយបញ្ចូលតម្លៃរបស់អ្នក:

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

កែប្រែ 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. អនុវត្តឡាប់កម្មវិធីសិក្សា

ឡាប់រាល់ឡាប់មានម៉ូឌុលផ្ទាល់ខ្លួន។ ចាប់ផ្ដើមជាមួយ ឡាប់ 01 ដើម្បីរៀនមូលដ្ឋាន ហើយបន្តទៅ ឡាប់ 02 សម្រាប់ដំណើរការជា multi-agent។

លាប់ 01 - អ្នកតំណាងតែម្នាក់ (សេចក្ដីណែនាំពេញលេញ)

#	ម៉ូឌុល	តំណរ
1	អានលក្ខខណ្ឌមុន	00-prerequisites.md
2	តំឡើង Foundry Toolkit និងកម្មវិធីបន្ថែម Foundry	01-setup.md
3	បង្កើតគម្រោង Foundry	01-setup.md
4	បង្កើត hosted agent	02-create-hosted-agent.md
5	កំណត់សេចក្ដីណែនាំ និងបរិយាកាស	03-configure-and-code.md
6	សាកល្បងក្នុងតំបន់	04-test-locally.md
7	អនុវត្តទៅ Foundry	05-deploy-to-foundry.md
8	ផ្ទៀងផ្ទាត់នៅក្នុងព្រោងលែង	06-verify-in-playground.md
9	ដោះស្រាយបញ្ហា	08-troubleshooting.md

លាប់ 02 - ដំណើរការជា Multi-Agent (សេចក្ដីណែនាំពេញលេញ)

#	ម៉ូឌុល	តំណរ
1	លក្ខខណ្ឌមុន (ឡាប់ 02)	00-prerequisites.md
2	យល់ដឹងអំពី វិស្វត្បកម្ម multi-agent	01-understand-multi-agent.md
3	រៀបចំគម្រោង multi-agent	02-scaffold-multi-agent.md
4	កំណត់អ្នកតំណាង និងបរិយាកាស	03-configure-agents.md
5	គំរូអង្គភាព	04-orchestration-patterns.md
6	សាកល្បងក្នុងតំបន់ (multi-agent)	05-test-locally.md

| 7 | ចែកចាយទៅ Foundry | 06-deploy-to-foundry.md | | 8 | បញ្ជាក់នៅក្នុងលំហសាកល្បង | 07-verify-in-playground.md | | 9 | ការដោះស្រាយបញ្ហា (ភ្នាក់ងារច្រើន) | 08-troubleshooting.md |

---

អ្នកថែទាំ

Shivam Goyal

---

សិទ្ធិវាយតម្លៃដែលត្រូវការ (ការយោងឆាប់រហ័ស)

វិស័យ	តួនាទីដែលត្រូវការ
បង្កើតគម្រោង Foundry ថ្មី	ម្ចាស់ Azure AI លើធនធាន Foundry
ចែកចាយទៅគម្រោងដែលមានស្រាប់ (ធនធានថ្មី)	ម្ចាស់ Azure AI + អ្នករួមចំណែក លើការជាវ
ចែកចាយទៅគម្រោងដែលបានកំណត់រចនាសម្ព័ន្ធពេញលេញ	អ្នកអាន លើគណនី + អ្នកប្រើ Azure AI លើគម្រោង

សំខាន់: តួនាទី Azure Owner និង Contributor មានតែការអនុញ្ញាត ការគ្រប់គ្រង ប៉ុណ្ណោះ មិនសម្រាប់ ការអភិវឌ្ឍន៍ (សកម្មភាពទិន្នន័យ) ទេ។ អ្នកត្រូវការ អ្នកប្រើ Azure AI ឬ ម្ចាស់ Azure AI ដើម្បីបង្កើតនិងចែកចាយភ្នាក់ងារ។

---

ឯកសារយោង

• Quickstart: ចែកចាយភ្នាក់ងារចាប់ផ្តើមរបស់អ្នក (VS Code)
• ភ្នាក់ងារត្រូវបានផ្ទុកជាភាសាអ្វី?
• បង្កើតវេរលក្ខណៈភ្នាក់ងារផ្ទុកក្នុង VS Code
• ចែកចាយភ្នាក់ងារផ្ទុកក្នុង
• RBAC សម្រាប់ Microsoft Foundry
• ឧទាហរណ៍ភ្នាក់ងារត្រួតពិនិត្យស្ថាបត្យកម្ម - ភ្នាក់ងារផ្ទុកក្នុងពិភពពិតជាមួយឧបករណ៍ MCP, គំនូស Excalidraw, និងការចែកចាយពីរដង

---

របបផ្សាយសិទ្ធិ

MIT

---

ការបដិសេធ: ឯកសារនេះត្រូវបានបម្លែងភាសា ដោយប្រើសេវាបម្លែងភាសា AI Co-op Translator។ ទោះយើងខ្ញុំមានក្តីប្រាថ្នាឱ្យបានច្បាស់លាស់ តែសូមយល់ដឹងថាការបម្លែងដោយស្វ័យប្រវត្តិក៏អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាទីតាំងគួរត្រូវបានគេប្រើជាប្រភពច្បាស់លាស់។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើប្រាស់ការប្រែដោយមនុស្សជំនាញ។ យើងខ្ញុំមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសបន្ទាប់ពីការប្រើប្រាស់ការបម្លែងនេះនោះទេ។