Skip to content

Latest commit

 

History

History
311 lines (242 loc) · 17.2 KB

File metadata and controls

311 lines (242 loc) · 17.2 KB

Taller de Foundry Toolkit + Agentes Hospedados de Foundry

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

Construye, prueba y despliega agentes de IA en el Servicio de Agentes Microsoft Foundry como Agentes Hospedados - todo desde VS Code utilizando la extensión Microsoft Foundry y el Foundry Toolkit.

Los Agentes Hospedados están actualmente en vista previa. Las regiones soportadas son limitadas - consulta la disponibilidad por región.

La carpeta agent/ dentro de cada laboratorio está generada automáticamente por la extensión Foundry - luego personalizas el código, pruebas localmente y despliegas.

🌐 Soporte Multilingüe

Soportado vía GitHub Action (Automatizado y Siempre Actualizado)

Árabe | Bengalí | Búlgaro | Birmano (Myanmar) | Chino (Simplificado) | Chino (Tradicional, Hong Kong) | Chino (Tradicional, Macao) | Chino (Tradicional, Taiwán) | Croata | Checo | Danés | Holandés | Estonio | Finlandés | Francés | Alemán | Griego | Hebreo | Hindi | Húngaro | Indonesio | Italiano | Japonés | Kannada | Jemer | Coreano | Lituano | Malayo | Malayalam | Maratí | Nepalí | Pidgin Nigeriano | Noruego | Persa (Farsi) | Polaco | Portugués (Brasil) | Portugués (Portugal) | Punjabi (Gurmukhi) | Rumano | Ruso | Serbio (Cirílico) | Eslovaco | Esloveno | Español | Swahili | Sueco | Tagalo (Filipino) | Tamil | Telugu | Tailandés | Turco | Ucraniano | Urdu | Vietnamita

¿Prefieres clonar localmente?

Este repositorio incluye más de 50 traducciones, lo que aumenta significativamente el tamaño de descarga. Para clonar sin traducciones, usa 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"

Esto te proporciona todo lo necesario para completar el curso con una descarga mucho más rápida.


Arquitectura

flowchart TB
    subgraph Local["Desarrollo Local (VS Code)"]
        direction TB
        FE["Extensión Microsoft Foundry"]
        FoundryToolkit["Extensión Foundry Toolkit"]
        Scaffold["Código de Agente Escaffoldado
        (main.py · agent.yaml · Dockerfile)"]
        Inspector["Inspector de Agente
        (Pruebas Locales)"]
        FE -- "Crear Nuevo
        Agente Hospedado" --> Scaffold
        Scaffold -- "Depurar F5" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        direction TB
        ACR["Azure Container
        Registry"]
        AgentService["Servicio Foundry Agent
        (Tiempo de Ejecución de Agente Hospedado)"]
        Model["Azure OpenAI
        (gpt-4.1 / gpt-4.1-mini)"]
        Playground["Foundry Playground
        y VS Code Playground"]
        ACR --> AgentService
        AgentService -- "/responses API" --> Model
        AgentService --> Playground
    end

    Scaffold -- "Desplegar
    (compilación + push de Docker)" --> ACR
    Inspector -- "POST /responses
    (localhost:8088)" --> Scaffold
    Playground -- "Probar solicitudes" --> AgentService

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

Flujo: La extensión Foundry genera la estructura base del agente → personalizas el código e instrucciones → pruebas localmente con Agent Inspector → despliegas a Foundry (imagen Docker enviada a ACR) → verificas en Playground.


Qué construirás

Laboratorio Descripción Estado
Laboratorio 01 - Agente Único Construye el agente "Explica Como Si Fuera un Ejecutivo", pruébalo localmente y despliega a Foundry ✅ Disponible
Laboratorio 02 - Flujo de Trabajo Multi-Agente Construye el "Evaluador de Curriculum → Adecuación al Puesto" - 4 agentes colaboran para calificar el ajuste del currículum y generar una hoja de ruta de aprendizaje ✅ Disponible

Conoce al Agente Ejecutivo

En este taller construirás el agente "Explica Como Si Fuera un Ejecutivo" - un agente de IA que traduce la jerga técnica complicada en resúmenes tranquilos y aptos para la sala de juntas. Porque seamos honestos, nadie en la alta dirección quiere oír hablar sobre "agotamiento del pool de hilos causado por llamadas sincronizadas introducidas en la versión 3.2."

Construí este agente después de demasiados incidentes en los que mi post-mortem perfectamente elaborado recibía la respuesta: "Entonces... ¿el sitio web está caído o no?"

Cómo funciona

Le das una actualización técnica. Él devuelve un resumen ejecutivo: tres puntos clave, sin jerga, sin rastros de pila, sin angustia existencial. Solo qué pasó, impacto en el negocio y próximo paso.

Verlo en acción

Tú dices:

"La latencia de la API aumentó debido al agotamiento del pool de hilos causado por llamadas sincronizadas introducidas en la versión 3.2."

El agente responde:

Resumen Ejecutivo:

  • Qué pasó: Después del último lanzamiento, el sistema se ralentizó.
  • Impacto en el negocio: Algunos usuarios experimentaron retrasos al usar el servicio.
  • Próximo paso: El cambio ha sido revertido y se está preparando una corrección antes del redepliegue.

¿Por qué este agente?

Es un agente de propósito único, sencillísimo, ideal para aprender el flujo de trabajo de agentes hospedados de principio a fin sin complicaciones con cadenas de herramientas complejas. ¿Y honestamente? Todo equipo de ingeniería podría beneficiarse de uno así.


Estructura del taller

📂 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

Nota: La carpeta agent/ dentro de cada laboratorio es generada por la extensión Microsoft Foundry cuando ejecutas Microsoft Foundry: Create a New Hosted Agent desde la paleta de comandos. Luego se personalizan los archivos con las instrucciones, herramientas y configuración de tu agente. El Laboratorio 01 te guía para recrear esto desde cero.


Comenzando

1. Clona el repositorio

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

2. Configura un entorno virtual de Python

python -m venv venv

Actívalo:

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

3. Instala las dependencias

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

4. Configura variables de entorno

Copia el archivo .env de ejemplo dentro de la carpeta del agente y completa tus valores:

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

Edita 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>

5. Sigue los laboratorios del taller

Cada laboratorio es autónomo con sus propios módulos. Comienza con el Laboratorio 01 para aprender los fundamentos, luego continúa con el Laboratorio 02 para flujos de trabajo multi-agente.

Laboratorio 01 - Agente Único (instrucciones completas)

# Módulo Enlace
1 Lee los prerrequisitos 00-prerequisites.md
2 Instala Foundry Toolkit y la extensión Foundry 01-install-foundry-toolkit.md
3 Crea un proyecto Foundry 02-create-foundry-project.md
4 Crea un agente hospedado 03-create-hosted-agent.md
5 Configura instrucciones y entorno 04-configure-and-code.md
6 Prueba localmente 05-test-locally.md
7 Despliega en Foundry 06-deploy-to-foundry.md
8 Verifica en playground 07-verify-in-playground.md
9 Solución de problemas 08-troubleshooting.md

Laboratorio 02 - Flujo de Trabajo Multi-Agente (instrucciones completas)

# Módulo Enlace
1 Prerrequisitos (Laboratorio 02) 00-prerequisites.md
2 Comprender la arquitectura multi-agente 01-understand-multi-agent.md
3 Generar la estructura del proyecto multi-agente 02-scaffold-multi-agent.md
4 Configurar agentes y entorno 03-configure-agents.md
5 Patrones de orquestación 04-orchestration-patterns.md
6 Prueba local (multi-agente) 05-test-locally.md
7 Desplegar en Foundry 06-deploy-to-foundry.md
8 Verificar en el playground 07-verify-in-playground.md
9 Solución de problemas (multi-agente) 08-troubleshooting.md

Mantenedor

Shivam Goyal
Shivam Goyal


Permisos requeridos (referencia rápida)

Escenario Roles requeridos
Crear nuevo proyecto Foundry Azure AI Owner en el recurso Foundry
Desplegar a proyecto existente (nuevos recursos) Azure AI Owner + Contributor en la suscripción
Desplegar a proyecto completamente configurado Reader en la cuenta + Azure AI User en el proyecto

Importante: Los roles de Azure Owner y Contributor solo incluyen permisos de gestión, no permisos de desarrollo (acción de datos). Necesitas Azure AI User o Azure AI Owner para crear y desplegar agentes.


Referencias


Licencia

MIT


Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción por IA Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas derivadas del uso de esta traducción.