Skip to content

Latest commit

 

History

History
311 lines (239 loc) · 16.8 KB

File metadata and controls

311 lines (239 loc) · 16.8 KB

Zestaw narzędzi Foundry + Warsztat Agentów Hostowanych Foundry

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

Buduj, testuj i wdrażaj agentów AI do Microsoft Foundry Agent Service jako Hostowanych Agentów – całkowicie z VS Code przy użyciu rozszerzenia Microsoft Foundry i Zestawu narzędzi Foundry.

Hostowani Agenci są obecnie w wersji zapoznawczej. Obsługiwane regiony są ograniczone – zobacz dostępność regionów.

Folder agent/ w każdym laboratorium jest automatycznie generowany przez rozszerzenie Foundry – następnie dostosowujesz kod, testujesz lokalnie i wdrażasz.

🌐 Obsługa wielu języków

Obsługiwane poprzez GitHub Action (Automatyczne i zawsze aktualne)

Arabski | Bengalski | Bułgarski | Birmański (Myanmar) | Chiński (uproszczony) | Chiński (tradycyjny, Hongkong) | Chiński (tradycyjny, Makau) | Chiński (tradycyjny, Tajwan) | Chorwacki | Czeski | Duński | Holenderski | Estoński | Fiński | Francuski | Niemiecki | Grecki | Hebrajski | Hindi | Węgierski | Indonezyjski | Włoski | Japoński | Kannada | Khmer | Koreański | Litewski | Malajski | Malajalam | Marathi | Nepalski | Nigeryjski pidżyn | Norweski | Perski (farsi) | Polski | Portugalski (Brazylia) | Portugalski (Portugalia) | Pendżabski (gurmukhi) | Rumuński | Rosyjski | Serbski (cyrylica) | Słowacki | Słoweński | Hiszpański | Suahili | Szwedzki | Tagalog (filipiński) | Tami'lski | Telugu | Tajski | Turecki | Ukraiński | Urdu | Wietnamski

Wolisz klonować lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj 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"

To zapewnia wszystko, czego potrzebujesz do ukończenia kursu, z dużo szybszym pobieraniem.


Architektura

flowchart TB
    subgraph Local["Lokalny rozwój (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 -- "Debugowanie 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)" --> Szkielet
    Playground -- "Testuj podpowiedzi" --> AgentService

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

Przepływ: rozszerzenie Foundry generuje szkic agenta → dostosowujesz kod i instrukcje → testujesz lokalnie za pomocą Agent Inspector → wdrażasz do Foundry (obraz Dockera pushowany do ACR) → weryfikujesz na placu zabaw.


Co zbudujesz

Laboratorium Opis Status
Laboratorium 01 - Pojedynczy Agent Zbuduj agenta "Wyjaśnij jak dla Dyrektora", przetestuj lokalnie i wdroż do Foundry ✅ Dostępne
Laboratorium 02 - Przepływ wieloagentowy Zbuduj "Oceniacz dopasowania CV → stanowiska" - 4 agenci współpracują, aby ocenić dopasowanie CV i wygenerować plan nauki ✅ Dostępne

Poznaj agenta dyrektora

W tym warsztacie zbudujesz agenta "Wyjaśnij jak dla Dyrektora" - agenta AI, który przetwarza skomplikowany żargon techniczny i tłumaczy go na spokojne, gotowe na zebranie streszczenia. Bo bądźmy szczerzy, nikt w zarządzie nie chce słuchać o „wyczerpaniu puli wątków spowodowanym synchronicznymi wywołaniami wprowadzonymi w wersji 3.2.”

Zbudowałem tego agenta po zbyt wielu sytuacjach, gdy moje perfekcyjnie przygotowane post-mortem zostało przyjęte odpowiedzią: "To... strona jest nieaktywna czy nie?"

Jak to działa

Wprowadzasz aktualizację techniczną. Agent odsyła streszczenie dla zarządu – trzy punkty, bez żargonu, bez śladów stosu, bez egzystencjalnego przerażenia. Tylko co się stało, wpływ na biznes i kolejny krok.

Zobacz to w akcji

Mówisz:

"Opóźnienie API wzrosło z powodu wyczerpania puli wątków spowodowanego synchronicznymi wywołaniami wprowadzonymi w wersji 3.2."

Agent odpowiada:

Streszczenie dla zarządu:

  • Co się stało: Po ostatniej aktualizacji system spowolnił.
  • Wpływ na biznes: Niektórzy użytkownicy doświadczyli opóźnień przy korzystaniu z usługi.
  • Kolejny krok: Zmiana została wycofana, a naprawa jest przygotowywana przed ponownym wdrożeniem.

Dlaczego ten agent?

To prosty, jednofunkcyjny agent – idealny do nauki przepływu pracy hostowanego agenta od początku do końca bez zagłębiania się w skomplikowane narzędzia. I szczerze? Każdy zespół inżynierów mógłby takiego potrzebować.


Struktura warsztatu

📂 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

Uwaga: Folder agent/ w każdym laboratorium jest tym, co generuje rozszerzenie Microsoft Foundry, gdy uruchamiasz Microsoft Foundry: Create a New Hosted Agent z palety poleceń. Pliki są następnie dostosowywane za pomocą instrukcji, narzędzi i konfiguracji twojego agenta. Laboratorium 01 przeprowadzi cię krok po kroku przez odtworzenie tego od zera.


Zacznijmy

1. Sklonuj repozytorium

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

2. Skonfiguruj wirtualne środowisko Pythona

python -m venv venv

Aktywuj je:

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

3. Zainstaluj zależności

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

4. Skonfiguruj zmienne środowiskowe

Skopiuj przykładowy plik .env do folderu agenta i uzupełnij swoje wartości:

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

Edytuj 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. Postępuj zgodnie z laboratoriami warsztatu

Każde laboratorium jest samodzielne z własnymi modułami. Zacznij od Laboratorium 01, aby poznać podstawy, a następnie przejdź do Laboratorium 02 dla przepływów wieloagentowych.

Laboratorium 01 - Pojedynczy Agent (pełne instrukcje)

# Moduł Link
1 Przeczytaj wymagania wstępne 00-prerequisites.md
2 Zainstaluj Foundry Toolkit i rozszerzenie Foundry 01-setup.md
3 Utwórz projekt Foundry 01-setup.md
4 Utwórz hostowanego agenta 02-create-hosted-agent.md
5 Skonfiguruj instrukcje i środowisko 03-configure-and-code.md
6 Testuj lokalnie 04-test-locally.md
7 Wdróż do Foundry 05-deploy-to-foundry.md
8 Sprawdź w placu zabaw 06-verify-in-playground.md
9 Rozwiązywanie problemów 08-troubleshooting.md

Laboratorium 02 - Przepływ wieloagentowy (pełne instrukcje)

# Moduł Link
1 Wymagania wstępne (Laboratorium 02) 00-prerequisites.md
2 Zrozum architekturę wieloagentową 01-understand-multi-agent.md
3 Utwórz szkic projektu wieloagentowego 02-scaffold-multi-agent.md
4 Skonfiguruj agentów i środowisko 03-configure-agents.md
5 Wzorce orkiestracji 04-orchestration-patterns.md
6 Testuj lokalnie (wieloagentowo) 05-test-locally.md

| 7 | Wdróż do Foundry | 06-deploy-to-foundry.md | | 8 | Sprawdź na placu zabaw | 07-verify-in-playground.md | | 9 | Rozwiązywanie problemów (wielu agentów) | 08-troubleshooting.md |


Opiekun

Shivam Goyal
Shivam Goyal


Wymagane uprawnienia (szybkie odniesienie)

Scenariusz Wymagane role
Utwórz nowy projekt Foundry Azure AI Owner w zasobie Foundry
Wdróż do istniejącego projektu (nowe zasoby) Azure AI Owner + Contributor w subskrypcji
Wdróż do w pełni skonfigurowanego projektu Czytelnik na koncie + Azure AI User w projekcie

Ważne: Role Owner i Contributor w Azure obejmują tylko uprawnienia zarządcze, nie deweloperskie (akcje na danych). Do budowy i wdrażania agentów potrzebujesz Azure AI User lub Azure AI Owner.


Odniesienia


Licencja

MIT


Zastrzeżenie: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Choć dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w jego języku źródłowym należy uznawać za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.