Skip to content

README.md

Latest commit

 

History

History
311 lines (239 loc) · 19.5 KB

README.md

File metadata and controls

311 lines (239 loc) · 19.5 KB
Raw

فاؤنڈری ٹول کٹ + فاؤنڈری ہوسٹڈ ایجنٹس ورکشاپ

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

اے آئی ایجنٹس کو Microsoft Foundry Agent Service میں Hosted Agents کے طور پر بنائیں، ٹیسٹ کریں، اور تعینات کریں - مکمل طور پر VS Code استعمال کرتے ہوئے Microsoft Foundry extension اور Foundry Toolkit کے ذریعے۔

Hosted Agents اس وقت پیش نظارہ میں ہیں۔ سپورٹ شدہ خطے محدود ہیں - دیکھیں region availability.

ہر لیب کے اندر agent/ فولڈر Foundry extension کی طرف سے خودکار طور پر بنایا جاتا ہے - آپ پھر کوڈ کو حسب ضرورت بناتے ہیں، مقامی طور پر ٹیسٹ کرتے ہیں، اور تعینات کرتے ہیں۔

🌐 کثیر لسانی حمایت

GitHub ایکشن کے ذریعے سپورٹ (خودکار اور ہمیشہ تازہ ترین)

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

مقامی طور پر کلون کرنا پسند کریں؟

اس ذخیرہ میں 50+ زبانوں کے تراجم شامل ہیں جو ڈاؤن لوڈ سائز کو نمایاں طور پر بڑھاتے ہیں۔ بغیر تراجم کے کلون کرنے کے لیے sparse checkout استعمال کریں:

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 (ونڈوز):

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"

یہ آپ کو کورس مکمل کرنے کے لیے تمام ضروری چیزیں فراہم کرتا ہے جس سے ڈاؤن لوڈ بہت تیز ہو جاتی ہے۔

فن تعمیر

flowchart TB
    subgraph Local["مقامی ترقی (VS کوڈ)"]
        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 ڈی بگ" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["مائیکروسافٹ فاؤنڈری"]
        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)" --> اسکیفولڈ
    Playground -- "ٹیسٹ پرامپٹس" --> AgentService

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

فلو: فاؤنڈری ایکسٹینشن ایجنٹ کو اسکافولڈ کرتا ہے → آپ کوڈ اور ہدایات حسب ضرورت بناتے ہیں → ایجنٹ انسپیکٹر کے ساتھ مقامی طور پر ٹیسٹ کرتے ہیں → فاؤنڈری پر تعینات کرتے ہیں (ڈوکر امیج ACR کو بھیجا جاتا ہے) → پلیگاؤنڈ میں تصدیق کرتے ہیں۔

آپ کیا بنائیں گے

لیب تفصیل حالت
لیب 01 - سنگل ایجنٹ "Explain Like I'm an Executive" ایجنٹ بنائیں، مقامی طور پر ٹیسٹ کریں، اور فاؤنڈری پر تعینات کریں ✅ دستیاب
لیب 02 - ملٹی ایجنٹ ورک فلو "Resume → Job Fit Evaluator" بنائیں - 4 ایجنٹس مل کر ریزیومے کی موزونیت جانچتے ہیں اور لرننگ روڈ میپ تیار کرتے ہیں ✅ دستیاب

ایگزیکٹو ایجنٹ سے ملاقات

اس ورکشاپ میں آپ "Explain Like I'm an Executive" ایجنٹ بنائیں گے - ایک AI ایجنٹ جو مشکل تکنیکی زبان کو لے کر اسے پرسکون، بورڈ روم کے لیے تیار خلاصوں میں تبدیل کرتا ہے۔ کیونکہ دیانتداری سے کہیں تو، سی-سوئٹ میں سے کوئی بھی "v3.2 میں متعارف کرائے گئے ہم آہنگ کالز کی وجہ سے تھریڈ پول کی کمی" کے بارے میں سننا نہیں چاہتا۔

میں نے یہ ایجنٹ اس وقت بنایا جب کئی بار میرے مکمل تحریر کردہ پوسٹ مارٹم کا جواب ملا: "تو... ویب سائٹ ڈاؤن ہے یا نہیں؟"

یہ کیسے کام کرتا ہے

آپ اسے تکنیکی اپڈیٹ دیتے ہیں۔ یہ ایک ایگزیکٹو سمری واپس دیتا ہے - تین بلٹ پوائنٹس، کوئی فنی اصطلاحات نہیں، کوئی اسٹیک ٹریس نہیں، کوئی پریشانی نہیں۔ صرف کیا ہوا، کاروباری اثر، اور اگلا قدم۔

اسے عمل میں دیکھیں

آپ کہتے ہیں:

"API کی تاخیر میں اضافہ ہوا کیونکہ v3.2 میں متعارف کردہ ہم آہنگ کالز کی وجہ سے تھریڈ پول ختم ہوگیا۔"

ایجنٹ جواب دیتا ہے:

ایگزیکٹو خلاصہ:

  • کیا ہوا: تازہ ترین ریلیز کے بعد، سسٹم سست ہو گیا۔
  • کاروباری اثر: کچھ صارفین نے سروس استعمال کرنے میں تاخیر دیکھی۔
  • اگلا قدم: تبدیلی واپس لے لی گئی ہے اور دوبارہ تعیناتی سے پہلے اصلاح تیار کی جا رہی ہے۔

یہ ایجنٹ کیوں؟

یہ ایک سادہ، واحد مقصد والا ایجنٹ ہے - ہوسٹڈ ایجنٹ ورک فلو کو ابتدا سے آخر تک سیکھنے کے لیے بہترین جو پیچیدہ ٹول چینز میں الجھائے بغیر ہو۔ اور ایمانداری سے؟ ہر انجینئرنگ ٹیم کو اس قسم کا ایک چاہیے۔

ورکشاپ کا ڈھانچہ

📂 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

نوٹ: ہر لیب کے اندر موجود agent/ فولڈر وہی ہے جو آپ Microsoft Foundry: Create a New Hosted Agent کمانڈ پیلٹ سے چلانے پر Microsoft Foundry extension تیار کرتا ہے۔ اس کے بعد فائلیں آپ کے ایجنٹ کی ہدایات، ٹولز، اور کنفیگریشن کے ساتھ حسب ضرورت بنائی جاتی ہیں۔ لیب 01 آپ کو اس کو شروع سے بنانے کا طریقہ بتاتی ہے۔

شروع کریں

1. ریپوزیٹری کلون کریں

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

2. پائتھن ورچوئل ماحول سیٹ اپ کریں

python -m venv venv

اسے فعال کریں:

  • ونڈوز (پاور شیل): 
    .\venv\Scripts\Activate.ps1
  • macOS / Linux: 
    source venv/bin/activate

3. انحصارات انسٹال کریں

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

4. ماحول کی متغیرات کو ترتیب دیں

ایجنٹ فولڈر میں موجود نمونہ .env فائل کو کاپی کریں اور اپنی معلومات شامل کریں:

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

workshop/lab01-single-agent/agent/.env کو ترمیم کریں:

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. ورکشاپ لیبز کی پیروی کریں

ہر لیب اپنی ماڈیولز کے ساتھ خود مختار ہے۔ بنیادیات سیکھنے کے لیے لیب 01 سے شروع کریں، پھر کثیر ایجنٹ ورک فلو کے لیے لیب 02 پر جائیں۔

لیب 01 - سنگل ایجنٹ (مکمل ہدایات)

# ماڈیول لنک
1 ضروریات پڑھیں 00-prerequisites.md
2 Foundry Toolkit اور Foundry extension انسٹال کریں 01-setup.md
3 Foundry پروجیکٹ بنائیں 01-setup.md
4 ایک ہوسٹڈ ایجنٹ بنائیں 02-create-hosted-agent.md
5 ہدایات اور ماحول کو ترتیب دیں 03-configure-and-code.md
6 مقامی طور پر ٹیسٹ کریں 04-test-locally.md
7 فاؤنڈری پر تعینات کریں 05-deploy-to-foundry.md
8 پلیگاؤنڈ میں تصدیق کریں 06-verify-in-playground.md
9 مسائل کا حل کریں 08-troubleshooting.md

لیب 02 - ملٹی ایجنٹ ورک فلو (مکمل ہدایات)

# ماڈیول لنک
1 ضروریات (لیب 02) 00-prerequisites.md
2 ملٹی ایجنٹ فن تعمیر کو سمجھیں 01-understand-multi-agent.md
3 ملٹی ایجنٹ پروجیکٹ کو اسکافولڈ کریں 02-scaffold-multi-agent.md
4 ایجنٹس اور ماحول کو ترتیب دیں 03-configure-agents.md
5 آرکسٹریکچر پیٹرنز 04-orchestration-patterns.md
6 مقامی طور پر ٹیسٹ کریں (ملٹی ایجنٹ) 05-test-locally.md

| 7 | فاؤنڈری پر تعینات کریں | 06-deploy-to-foundry.md | | 8 | پلے گراؤنڈ میں تصدیق کریں | 07-verify-in-playground.md | | 9 | مسئلہ حل کرنا (کئی ایجنٹ) | 08-troubleshooting.md |

منتظم

Shivam Goyal
شوام گویال

مطلوب اجازتیں (جلدی حوالہ)

منظرنامہ مطلوبہ کردار
نیا فاؤنڈری پروجیکٹ بنائیں فاؤنڈری ریسورس پر Azure AI Owner
موجودہ پروجیکٹ پر تعینات کریں (نئی ریسورسز) سبسکرپشن پر Azure AI Owner + Contributor
مکمل کنفیگر شدہ پروجیکٹ پر تعینات کریں اکاؤنٹ پر Reader + پروجیکٹ پر Azure AI User

اہم: Azure کے Owner اور Contributor کرداروں میں صرف انتظامی اجازتیں شامل ہیں، ترقیاتی (ڈیٹا ایکشن) اجازتیں نہیں۔ آپ کو ایجنٹس کو تعمیر کرنے اور تعینات کرنے کے لیے Azure AI User یا Azure AI Owner کی ضرورت ہے۔

حوالہ جات

لائسنس

MIT

ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔