Erstellen, testen und bereitstellen Sie KI-Agenten in den Microsoft Foundry Agent Service als Hosted Agents – vollständig aus VS Code mit der Microsoft Foundry-Erweiterung und dem Foundry Toolkit.
Hosted Agents befinden sich derzeit in der Vorschau. Unterstützte Regionen sind begrenzt – siehe Region Verfügbarkeit.
Der Ordner
agent/innerhalb jedes Labs wird automatisch von der Foundry-Erweiterung generiert – Sie passen dann den Code an, testen lokal und deployen.
Arabisch | Bengalisch | Bulgarisch | Birmanisch (Myanmar) | Chinesisch (vereinfacht) | Chinesisch (traditionell, Hongkong) | Chinesisch (traditionell, Macau) | Chinesisch (traditionell, Taiwan) | Kroatisch | Tschechisch | Dänisch | Niederländisch | Estnisch | Finnisch | Französisch | Deutsch | Griechisch | Hebräisch | Hindi | Ungarisch | Indonesisch | Italienisch | Japanisch | Kannada | Khmer | Koreanisch | Litauisch | Malaiisch | Malayalam | Marathi | Nepalesisch | Nigerianisches Pidgin | Norwegisch | Persisch (Farsi) | Polnisch | Portugiesisch (Brasilien) | Portugiesisch (Portugal) | Punjabi (Gurmukhi) | Rumänisch | Russisch | Serbisch (Kyrillisch) | Slowakisch | Slowenisch | Spanisch | Suaheli | Schwedisch | Tagalog (Filipino) | Tamil | Telugu | Thailändisch | Türkisch | Ukrainisch | Urdu | Vietnamesisch
Möchten Sie lieber lokal klonen?
Dieses Repository enthält über 50 Sprachübersetzungen, was die Downloadgröße erheblich erhöht. Um ohne Übersetzungen zu klonen, verwenden Sie 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"So erhalten Sie alles Nötige, um den Kurs mit einer viel schnelleren Downloadzeit abzuschließen.
flowchart TB
subgraph Local["Lokale Entwicklung (VS Code)"]
direction TB
FE["Microsoft Foundry
Erweiterung"]
FoundryToolkit["Foundry Toolkit
Erweiterung"]
Scaffold["Gerüsteter Agentencode
(main.py · agent.yaml · Dockerfile)"]
Inspector["Agenteninspektor
(Lokaler Test)"]
FE -- "Neuen
Gehosteten Agent erstellen" --> Scaffold
Scaffold -- "F5 Debug" --> Inspector
FoundryToolkit -.- Inspector
end
subgraph Cloud["Microsoft Foundry"]
direction TB
ACR["Azure Container
Registry"]
AgentService["Foundry Agent Service
(Gehostete Agenten-Laufzeit)"]
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 -- "Bereitstellen
(Docker Build + Push)" --> ACR
Inspector -- "POST /responses
(localhost:8088)" --> Scaffold
Playground -- "Test-Prompts" --> AgentService
style Local fill:#f0f4ff,stroke:#4a6cf7,stroke-width:2px
style Cloud fill:#fff4e6,stroke:#f59e0b,stroke-width:2px
Ablauf: Foundry-Erweiterung generiert den Agenten → Sie passen Code & Anweisungen an → lokal mit Agent Inspector testen → in Foundry deployen (Docker-Image wird in ACR gepusht) → im Playground verifizieren.
| Lab | Beschreibung | Status |
|---|---|---|
| Lab 01 - Einzelner Agent | Erstellen Sie den "Erkläre es mir wie einem Geschäftsführer" Agenten, testen Sie ihn lokal und deployen Sie ihn in Foundry | ✅ Verfügbar |
| Lab 02 - Multi-Agent Workflow | Erstellen Sie den "Lebenslauf → Job-Fit-Bewerter" - 4 Agenten arbeiten zusammen, um die Passung des Lebenslaufs zu bewerten und eine Lern-Roadmap zu erstellen | ✅ Verfügbar |
In diesem Workshop bauen Sie den "Erkläre es mir wie einem Geschäftsführer" Agenten – ein KI-Agent, der kompliziertes technisches Fachchinesisch nimmt und es in ruhige, vorstandstaugliche Zusammenfassungen übersetzt. Denn mal ehrlich, niemand im C-Level möchte von "Thread-Pool-Ermüdung verursacht durch synchrone Aufrufe in Version 3.2" hören.
Ich habe diesen Agenten gebaut, nachdem ich zu oft erlebt habe, dass mein perfekt ausgearbeiteter Post-Mortem-Bericht die Antwort bekam: "Also... ist die Website jetzt down oder nicht?"
Sie geben ihm ein technisches Update. Er gibt eine Executive Summary zurück – drei Stichpunkte, kein Fachjargon, keine Stack-Traces, keine existenzielle Angst. Nur was passiert ist, Auswirkungen auf das Geschäft und nächster Schritt.
Sie sagen:
"Die API-Latenz hat sich erhöht aufgrund von Thread-Pool-Ermüdung, verursacht durch synchrone Aufrufe, die in v3.2 eingeführt wurden."
Der Agent antwortet:
Executive Summary:
- Was passiert ist: Nach dem neuesten Release hat sich das System verlangsamt.
- Auswirkungen auf das Geschäft: Einige Nutzer erlebten Verzögerungen bei der Nutzung des Dienstes.
- Nächster Schritt: Die Änderung wurde zurückgenommen und eine Korrektur wird vor der erneuten Bereitstellung vorbereitet.
Er ist ein tod-einfacher, zweckgebundener Agent – perfekt, um den Hosted-Agent-Workflow von Anfang bis Ende zu lernen, ohne sich in komplexen Toolchains zu verlieren. Und ehrlich? Jedes Engineering-Team könnte so einen gebrauchen.
📂 Foundry_Toolkit_for_VSCode_Lab/
├── 📄 README.md ← You are here
├── 📂 ExecutiveAgent/ ← Standalone hosted agent project
│ ├── agent.yaml
│ ├── Dockerfile
│ ├── main.py
│ └── requirements.txt
└── 📂 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-install-foundry-toolkit.md
│ │ ├── 02-create-foundry-project.md
│ │ ├── 03-create-hosted-agent.md
│ │ ├── 04-configure-and-code.md
│ │ ├── 05-test-locally.md
│ │ ├── 06-deploy-to-foundry.md
│ │ ├── 07-verify-in-playground.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
Hinweis: Der Ordner
agent/innerhalb jedes Labs wird von der Microsoft Foundry-Erweiterung erzeugt, wenn SieMicrosoft Foundry: Create a New Hosted Agentaus der Kommandopalette ausführen. Die Dateien werden dann mit den Anweisungen, Werkzeugen und der Konfiguration Ihres Agenten angepasst. Lab 01 führt Sie durch das komplette Nachbauen von Grund auf.
git clone https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Labpython -m venv venvAktivieren Sie es:
- Windows (PowerShell):
.\venv\Scripts\Activate.ps1
- macOS / Linux:
source venv/bin/activate
pip install -r workshop/lab01-single-agent/agent/requirements.txtKopieren Sie die Beispiel-.env-Datei im Agentenordner und füllen Sie Ihre Werte aus:
cp workshop/lab01-single-agent/agent/.env.example workshop/lab01-single-agent/agent/.envBearbeiten Sie workshop/lab01-single-agent/agent/.env:
AZURE_AI_PROJECT_ENDPOINT=https://<your-account>.services.ai.azure.com/api/projects/<your-project>
MODEL_DEPLOYMENT_NAME=<your-model-deployment-name>Jedes Lab ist eigenständig mit eigenen Modulen. Beginnen Sie mit Lab 01, um die Grundlagen zu lernen, danach folgt Lab 02 für Multi-Agent Workflows.
Lab 01 - Einzelner Agent (vollständige Anweisungen)
| # | Modul | Link |
|---|---|---|
| 1 | Lesen Sie die Voraussetzungen | 00-prerequisites.md |
| 2 | Installieren Sie Foundry Toolkit & Foundry-Erweiterung | 01-install-foundry-toolkit.md |
| 3 | Erstellen Sie ein Foundry-Projekt | 02-create-foundry-project.md |
| 4 | Erstellen Sie einen Hosted Agent | 03-create-hosted-agent.md |
| 5 | Konfigurieren von Anweisungen & Umgebung | 04-configure-and-code.md |
| 6 | Testen Sie lokal | 05-test-locally.md |
| 7 | Deployen Sie in Foundry | 06-deploy-to-foundry.md |
| 8 | Verifizieren Sie im Playground | 07-verify-in-playground.md |
| 9 | Fehlerbehebung | 08-troubleshooting.md |
Lab 02 - Multi-Agent Workflow (vollständige Anweisungen)
| # | Modul | Link |
|---|---|---|
| 1 | Voraussetzungen (Lab 02) | 00-prerequisites.md |
| 2 | Verstehen der Multi-Agent-Architektur | 01-understand-multi-agent.md |
| 3 | Scaffold des Multi-Agent-Projekts | 02-scaffold-multi-agent.md |
| 4 | Konfigurieren von Agenten & Umgebung | 03-configure-agents.md |
| 5 | Orchestrierungsmuster | 04-orchestration-patterns.md |
| 6 | Testen Sie lokal (Multi-Agent) | 05-test-locally.md |
| 7 | Bereitstellung in Foundry | 06-deploy-to-foundry.md |
| 8 | Überprüfung im Playground | 07-verify-in-playground.md |
| 9 | Fehlerbehebung (Multi-Agent) | 08-troubleshooting.md |
 Shivam Goyal |
| Szenario | Erforderliche Rollen |
|---|---|
| Neues Foundry-Projekt erstellen | Azure AI Owner auf Foundry-Ressource |
| Bereitstellung in bestehendem Projekt (neue Ressourcen) | Azure AI Owner + Contributor auf Abonnement |
| Bereitstellung in vollständig konfiguriertem Projekt | Reader auf Konto + Azure AI User auf Projekt |
Wichtig: Azure
Owner- undContributor-Rollen enthalten nur Verwaltungs-Berechtigungen, keine Entwicklungs- (Datenaktionen) Berechtigungen. Sie benötigen Azure AI User oder Azure AI Owner, um Agenten zu erstellen und bereitzustellen.
- Schnellstart: Ihren ersten gehosteten Agenten bereitstellen (VS Code)
- Was sind gehostete Agenten?
- Workflows für gehostete Agenten in VS Code erstellen
- Einen gehosteten Agenten bereitstellen
- RBAC für Microsoft Foundry
- Architektur-Review Agent Beispiel – Realistischer gehosteter Agent mit MCP-Tools, Excalidraw-Diagrammen und dualer Bereitstellung
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache ist als maßgebliche Quelle zu betrachten. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.