Skip to content

Latest commit

 

History

History
310 lines (241 loc) · 16.9 KB

File metadata and controls

310 lines (241 loc) · 16.9 KB

Foundry Toolkit + Workshop Agenti Hosted Foundry

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

Costruisci, testa e distribuisci agenti AI su Microsoft Foundry Agent Service come Agenti Hosted - interamente da VS Code usando l'estensione Microsoft Foundry e il Foundry Toolkit.

Gli Agenti Hosted sono attualmente in anteprima. Le regioni supportate sono limitate - vedi disponibilità delle regioni.

La cartella agent/ all'interno di ogni laboratorio è automaticamente generata dall’estensione Foundry - poi personalizzi il codice, testi localmente e distribuisci.

🌐 Supporto Multilingue

Supportato tramite GitHub Action (Automatizzato & Sempre Aggiornato)

Arabo | Bengalese | Bulgaro | Birmano (Myanmar) | Cinese (Semplificato) | Cinese (Tradizionale, Hong Kong) | Cinese (Tradizionale, Macao) | Cinese (Tradizionale, Taiwan) | Croato | Ceco | Danese | Olandese | Estone | Finlandese | Francese | Tedesco | Greco | Ebraico | Hindi | Ungherese | Indonesiano | Italiano | Giapponese | Kannada | Khmer | Coreano | Lituano | Malese | Malayalam | Marathi | Nepalese | Pidgin Nigeriano | Norvegese | Persiano (Farsi) | Polacco | Portoghese (Brasile) | Portoghese (Portogallo) | Punjabi (Gurmukhi) | Rumeno | Russo | Serbo (Cirillico) | Slovacco | Sloveno | Spagnolo | Swahili | Svedese | Tagalog (Filippino) | Tamil | Telugu | Tailandese | Turco | Ucraino | Urdu | Vietnamita

Preferisci Clonare Localmente?

Questo repository include oltre 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, 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"

Questo ti dà tutto il necessario per completare il corso con un download molto più veloce.


Architettura

flowchart TB
    subgraph Local["Sviluppo Locale (VS Code)"]
        direction TB
        FE["Estensione Microsoft Foundry"]
        FoundryToolkit["Estensione Foundry Toolkit"]
        Scaffold["Codice Agente Scaffoldato
        (main.py · agent.yaml · Dockerfile)"]
        Inspector["Inspector Agente
        (Test Locale)"]
        FE -- "Crea Nuovo
        Agente Ospitato" --> Scaffold
        Scaffold -- "Debug F5" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        direction TB
        ACR["Registro Contenitori Azure"]
        AgentService["Servizio Agente Foundry
        (Runtime Agente Ospitato)"]
        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
    (build + push Docker)" --> ACR
    Inspector -- "POST /responses
    (localhost:8088)" --> Scaffold
    Playground -- "Testa prompt" --> AgentService

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

Flusso: L'estensione Foundry genera lo scheletro dell'agente → personalizzi codice e istruzioni → testi localmente con Agent Inspector → distribuisci su Foundry (immagine Docker inviata su ACR) → verifichi nel Playground.


Cosa costruirai

Laboratorio Descrizione Stato
Lab 01 - Agente Singolo Costruisci l'Agente "Spiega come se fossi un dirigente", testalo localmente e distribuiscilo su Foundry ✅ Disponibile
Lab 02 - Flusso di lavoro Multi-Agente Costruisci il "Valutatore Curriculum → Adattamento al Lavoro" - 4 agenti collaborano per valutare l'idoneità del curriculum e generare una roadmap di apprendimento ✅ Disponibile

Incontra l'Agente Executive

In questo workshop costruirai l'Agente "Spiega come se fossi un dirigente" - un agente AI che prende gergo tecnico complicato e lo traduce in riassunti calmi, pronti per la sala del consiglio. Perché diciamolo, nessuno nel C-suite vuole sentire parlare di "esaurimento del thread pool causato da chiamate sincrone introdotte in v3.2."

Ho costruito questo agente dopo troppi incidenti in cui il mio post-mortem perfettamente elaborato riceveva la risposta: "Quindi... il sito è giù o no?"

Come funziona

Gli fornisci un aggiornamento tecnico. Lui restituisce un sommario esecutivo - tre punti chiave, niente gergo, niente tracce dello stack, niente angoscia esistenziale. Solo cosa è successo, impatto sul business, e prossimo passo.

Vedi in azione

Tu dici:

"La latenza dell'API è aumentata a causa dell'esaurimento del thread pool causato da chiamate sincrone introdotte in v3.2."

L'agente risponde:

Sommario esecutivo:

  • Cosa è successo: Dopo l'ultimo rilascio, il sistema ha rallentato.
  • Impatto sul business: Alcuni utenti hanno riscontrato ritardi nell'uso del servizio.
  • Prossimo passo: La modifica è stata annullata e si sta preparando una correzione prima della nuova distribuzione.

Perché questo agente?

È un agente semplice, con uno scopo unico - perfetto per imparare il flusso di lavoro dell'agente hosted da cima a fondo senza complicarsi con catene di strumenti complesse. E onestamente? Ogni team di ingegneri potrebbe usarne uno così.


Struttura del workshop

📂 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 cartella agent/ all’interno di ogni laboratorio è ciò che genera l’estensione Microsoft Foundry quando esegui Microsoft Foundry: Create a New Hosted Agent dalla Command Palette. I file sono quindi personalizzati con le istruzioni, gli strumenti e la configurazione dell'agente. Il Lab 01 ti guida a ricreare questo da zero.


Primo avvio

1. Clona il repository

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

2. Configura un ambiente virtuale Python

python -m venv venv

Attivalo:

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

3. Installa le dipendenze

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

4. Configura le variabili d’ambiente

Copia il file .env di esempio dentro la cartella agente e inserisci i tuoi valori:

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

Modifica 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. Segui i laboratori del workshop

Ogni laboratorio è autonomo con i suoi moduli. Inizia con Lab 01 per apprendere le basi, poi passa a Lab 02 per i flussi multi-agente.

Lab 01 - Agente Singolo (istruzioni complete)

# Modulo Link
1 Leggi i prerequisiti 00-prerequisites.md
2 Installa Foundry Toolkit & estensione Foundry 01-install-foundry-toolkit.md
3 Crea un progetto Foundry 02-create-foundry-project.md
4 Crea un agente hosted 03-create-hosted-agent.md
5 Configura istruzioni & ambiente 04-configure-and-code.md
6 Testa localmente 05-test-locally.md
7 Distribuisci su Foundry 06-deploy-to-foundry.md
8 Verifica nel playground 07-verify-in-playground.md
9 Risoluzione problemi 08-troubleshooting.md

Lab 02 - Flusso di lavoro Multi-Agente (istruzioni complete)

# Modulo Link
1 Prerequisiti (Lab 02) 00-prerequisites.md
2 Comprendere l’architettura multi-agente 01-understand-multi-agent.md
3 Genera lo scheletro del progetto multi-agente 02-scaffold-multi-agent.md
4 Configura agenti & ambiente 03-configure-agents.md
5 Pattern di orchestrazione 04-orchestration-patterns.md
6 Testa localmente (multi-agente) 05-test-locally.md
7 Distribuire su Foundry 06-deploy-to-foundry.md
8 Verifica nel playground 07-verify-in-playground.md
9 Risoluzione problemi (multi-agente) 08-troubleshooting.md

Responsabile

Shivam Goyal
Shivam Goyal


Permessi richiesti (riferimento rapido)

Scenario Ruoli richiesti
Creare un nuovo progetto Foundry Proprietario Azure AI sulla risorsa Foundry
Distribuire su progetto esistente (nuove risorse) Proprietario Azure AI + Collaboratore sulla sottoscrizione
Distribuire su progetto completamente configurato Lettore sull'account + Utente Azure AI sul progetto

Importante: I ruoli Azure Proprietario e Collaboratore includono solo permessi di gestione, non permessi di sviluppo (azione dati). Hai bisogno di Utente Azure AI o Proprietario Azure AI per costruire e distribuire agenti.


Riferimenti


Licenza

MIT


Avvertenza:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Sebbene ci impegniamo per l'accuratezza, ti preghiamo di considerare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda la traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall'uso di questa traduzione.