Skip to content

README.md

Latest commit

 

History

History
313 lines (244 loc) · 27.4 KB

README.md

File metadata and controls

313 lines (244 loc) · 27.4 KB

ഫോൺഡ്രി ടൂൾകിറ്റ് + ഫോൺഡ്രി ഹോസ്റ്റഡ് ഏജന്റ്സ് വർക്‌ഷോപ്

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

Microsoft Foundry Agent Service-ലേക്ക് Hosted Agents ആയി AI ഏജന്റുകളെ ബിൽഡ്, പരീക്ഷിച്ച്, ഡിപ്പ്ലോയ് ചെയ്യുക - എല്ലാം VS Code ഉപയോഗിച്ച് Microsoft Foundry एक्स्टൻഷൻ ഉം Foundry Toolkit ഉം ഉപയോഗിച്ച്.

Hosted Agents ഇപ്പോള്‍ പ്രിവ്യൂവിലാണ്. പിന്തുണയുള്ള പ്രദേശങ്ങള്‍ പരിമിതമാണ് - പ്രദേശത്തിന്റെ ലഭ്യത കാണുക.

ഓരോ ലാബിന്റെയും agent/ ഫോൾഡർ Foundry extension യാൽ സ്വയമേവ സ്കാഫോൾഡ് ചെയ്യപ്പെടുന്നു - പിന്നീട് നിങ്ങൾ കോഡ് കസ്റ്റമൈസ് ചെയ്ത്, ലോക്കൽ ആയി ടെസ്റ്റ് ചെയ്ത്, ഡിപ്പ്ലോയ് ചെയ്യാം.

🌐 പലഭാഷാ പിന്തുണ

GitHub Action മുഖാന്തിരം പിന്തുണ (സ്വയംകരപ്പെട്ടതും എപ്പോഴും പുതിയതുമായത്)

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

സ്ഥലീയമായി ക്ലോണ്‍ ചെയ്യാന്‍ ഇഷ്ടപ്പെടുന്നുണ്ടോ?

ഈ റിപ്പോസിറ്ററിയില്‍ 50+ ഭാഷാ പരിഭാഷകള്‍ ഉള്‍പ്പെടുത്തിയിരിക്കുന്നു, ഇത് ഡൗൺലോഡ് വലുപ്പം വൻത്രം കൂട്ടുന്നു. പരിഭാഷകള്‍ കൂടാതെ ക്ലോണ്‍ ചെയ്യാന്‍, സ്പാർസ് ചെക്ക്ഔട്ട് ഉപയോഗിക്കുക:

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"

കോഴ്സ് പൂർത്തിയാക്കുന്നതിന് ആവശ്യമായ എല്ലാ ഫയലുകളും ലഭിക്കുന്നുണ്ട്, കൂടാതെ ഡൗൺലോഡ് വേഗത വളരെ രൂക്ഷമായി കൂടും.

ആർ‌കിടെക്ചർ

flowchart TB
    subgraph Local["പ്രാദേശിക വികസനം (VS കോഡ്)"]
        direction TB
        FE["Microsoft Foundry
        വിപുലീകരണം"]
        FoundryToolkit["Foundry ടൂൾകിറ്റ്
        വിപുലീകരണം"]
        Scaffold["സ്കാഫോൾഡുചെയ്ത ഏജന്റ് കോഡ്
        (main.py · agent.yaml · Dockerfile)"]
        Inspector["ഏജന്റ് ഇൻസ്പെക്ടർ
        (പ്രാദേശിക പരിശോധന)"]
        FE -- "പുതിയ
        ഹോസ്റ്റുചെയ്‌തിരിക്കുന്ന ഏജന്റ് സൃഷ്ടിക്കുക" --> Scaffold
        Scaffold -- "F5 ഡീബഗ്" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        direction TB
        ACR["Azure കണ്ടെയ്‌നർ
        രജിസ്ട്രി"]
        AgentService["Foundry ഏജന്റ് സേവനം
        (ഹോസ്റ്റുചെയ്ത ഏജന്റ് റൺടൈം)"]
        Model["Azure OpenAI
        (gpt-4.1 / gpt-4.1-മിനി)"]
        Playground["Foundry പ്ലേഗ്രൗണ്ട്
        & VS കോഡ് പ്ലേഗ്രൗണ്ട്"]
        ACR --> AgentService
        AgentService -- "/responses API" --> Model
        AgentService --> Playground
    end

    Scaffold -- "ഡിപ്ലോയ്
    (Docker നിർമാണം + പുഷ്)" --> ACR
    Inspector -- "POST /responses
    (localhost:8088)" --> Scaffold
    Playground -- "പരീക്ഷണം പ്രോംപ്റ്റുകൾ" --> AgentService

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

ഫ്ലോ: Foundry extension ഏജന്റ് സ്കാഫോൾഡ് ചെയ്യുന്നു → നിങ്ങൾ കോഡ് & നിർദ്ദേശങ്ങൾ കസ്റ്റമൈസ് ചെയ്യുന്നു → Agent Inspector ഉപയോഗിച്ച് ലോക്കലി ടെസ്റ്റ് ചെയ്യുന്നു → ഫോൺഡ്രിയിലേക്ക് ഡിപ്പ്ലോയ് ചെയ്യുന്നു (Docker ഇമേജ് ACR-ലേക്കായി പുഷ് ചെയ്യുന്നു) → പ്ലേഗ്രൗണ്ടിൽ പരിശോധിക്കുന്നു.

നിങ്ങൾ നിർമ്മിക്കുന്നതു

ലാബ് വിവരണം നില
Lab 01 - Single Agent "Explain Like I'm an Executive" ഏജന്റ് നിർമ്മിക്കുക, ലോക്കലി ടെസ്റ്റ് ചെയ്ത്, ഫോൺഡ്രിയിലേക്ക് ഡിപ്പ്ലോയ് ചെയ്യുക ✅ ലഭ്യമാണ്
Lab 02 - Multi-Agent Workflow "റിസ്യൂം → ജോബ് ഫിറ്റ് ഇവാലുവേറ്റർ" - 4 ഏജന്റുകൾ സഹകരിച്ച് റിസ്യൂമെയ്‌റുടെ ഫിറ്റ് സ്കോർ ചെയ്യുകയും പഠന റോഡ്‌മാപ്പ് സൃഷ്ടിക്കുകയും ചെയ്യുന്നു ✅ ലഭ്യമാണ്

എക്സിക്യുട്ടീവ് ഏജന്റിനെ പരിചയപ്പെടുക

ഈ വർക്‌ഷോപ്പിൽ നിങ്ങൾ നിർമ്മിക്കുന്നതു "Explain Like I'm an Executive" ഏജന്റ് ആണ് - ടെക്നിക്കൽ ജർഗൺ നീക്കം ചെയ്ത് എല്ലാവർക്കും മനസ്സിലാക്കാവുന്ന, ബോർഡ്റൂം-സെടുത്ത സംഗ്രഹങ്ങളായി ഓര്‍മ്മിപ്പിക്കുന്ന എഐ ഏജന്റ്. കാരണം സത്യത്തിൽ C-സ്യൂട്ടിലെ ആരും "v3.2-ൽ കൊണ്ടുവന്ന സിങ്ക്രണസ് കോളുകൾ മൂലം സൃഷ്ടമായ ത്രെഡ് പൂൾ എക്സോസ്റ്റ്ഷൻ"ക്കുറിച്ച് കേൾക്കാൻ ആഗ്രഹിക്കുന്നില്ല.

ഞാൻ ഈ ഏജന്റ് നിർമ്മിച്ചത് നിരവധി സംഭവങ്ങളുടെ ശേഷം, എന്റെ പാരിപാട്-നിർമ്മിത പോസ്റ്റ്-മോർട്ടം കിട്ടിയ മറുപടി "അതെ... വെബ്സൈറ്റ് ഡൗൺ ആണോ അല്ലയോ?" ആയപ്പോള്‍.

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു

നിങ്ങൾക്ക് ഒരു ടെക്നിക്കൽ അപ്‌ഡേറ്റ് നൽകി. അത് തുടർന്ന് ഒരു എക്സിക്യുട്ടീവ് സംഗ്രഹം തിരിച്ച് നൽകുന്നു - മൂന്ന് ബുള്ളറ്റ് പോയിന്റുകൾ, ജർഗൺ ഇല്ല, സ്റ്റാക്ക് ട്രേസുകൾ ഇല്ല, ആസ്തിത്വമില്ലായ്മ ദുഃഖം ഇല്ല. വെറും എന്താണ് സംഭവിച്ചത്, ബിസിനസ് സ്വാധീനം, അടുത്ത ചുവടു.

പ്രവർത്തനത്തിൽ കാണുക

നിങ്ങൾ പറയുന്നു:

"API ലാറ്റൻസി ട്രെഡ് പൂൾ എക്സോസ്റ്റ്ഷൻ മൂലം കുറഞ്ഞത്, ഇത് v3.2-ൽ അവതരിപ്പിച്ച സിങ്ക്രണസ് കോളുകൾ മൂലമാണ്."

ഏജന്റ് മറുപടി നൽകുന്നു:

എക്സിക്യുട്ടീവ് സംഗ്രഹം:

  • എന്ത് സംഭവിച്ചു: പുതിയ റീലീസ് കഴിഞ്ഞ് സിസ്റ്റം മന്ദഗതിയിൽ പോയി.
  • ബിസിനസ് സ്വാധീനം: ചില ഉപഭോക്താക്കൾക്ക് സേവനം ഉപയോഗിക്കുമ്പോൾ വൈകിപ്പിക്കൽ അനുഭവപ്പെട്ടു.
  • അടുത്ത ചുവടു: മാറ്റം റിസ്‌റ്റോർ ചെയ്തിട്ടുണ്ട്, മോർ ഡിപ്പ്ലോയ്‌മെന്റിന് മുൻപ് ഫിക്‌സ് തയ്യാറാക്കുന്നു.

ഈ ഏജന്റ് എന്തുകൊണ്ട്?

ഇത് ഒരുപാട് സങ്കീർണമായ തുറവുകളില്ലാത്ത, ഏക ലക്ഷ്യമുള്ള ഏജന്റ് ആണ് - ഹോസ്റ്റഡ് ഏജന്റിന്റെ പ്രവാഹം ആരംഭം മുതൽ അവസാനം വരെ എളുപ്പത്തിൽ പഠിക്കാനായി. സത്യത്തിൽ? ഇത്തരമൊരു ഏജന്റ് എല്ലാ എഞ്ചിനീയറിംഗ് ടീമിനും തന്റെ പണിയിൽ വളരെ സഹായകരമാണ്.

വർക്‌ഷോപ്പ് ഘടന

📂 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

കുറിപ്പ്: ഓരോ ലാബിലും ഉള്ള agent/ ഫോൾഡർ Microsoft Foundry extension Microsoft Foundry: Create a New Hosted Agent എന്ന കമാൻഡ് പാനൽ റണ്ണ് ചെയ്യുമ്പോൾ സൃഷ്ടിക്കുന്നതാണ്. ഫയലുകൾ തുടർന്ന് നിങ്ങളുടെ ഏജന്റിന്റെ നിർദ്ദേശങ്ങൾ, ഉപകരണങ്ങൾ, ക്രമീകരണങ്ങൾ ഉപയോഗിച്ച് കസ്റ്റമൈസ് ചെയ്യപ്പെടുന്നു. ലാബ് 01 വഴി തുടക്കം മുതൽ ഇത് നിങ്ങൾ വീണ്ടും എങ്ങനെ സൃഷ്ടിക്കാമെന്ന് പഠിക്കും.

തുടക്കം കുറിക്കുക

1. റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക

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

2. Python വേർച്വൽ എൻവയോൺമെന്റ് സജ്ജമാക്കുക

python -m venv venv

അك്َടിവേറ്റ് ചെയ്യുക:

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

3. ആശ്രിത കമ്പനികൾ ഇൻസ്റ്റാൾ ചെയ്യുക

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

4. എൻവയോൺമെന്റ് വേരിയബിളുകൾ കോൺഫിഗർ ചെയ്യുക

എജന്റ് ഫോൾഡറിൽ ഉള്ള ഉദാഹരണ .env ഫയൽ കോപ്പി ചെയ്ത് നിങ്ങളുടെ മൂല്യങ്ങൾ നൽകി പൂർത്തിയാക്കുക:

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

workshop/lab01-single-agent/agent/.env എഡിറ്റ് ചെയ്യുക:

AZURE_AI_PROJECT_ENDPOINT=https://<your-account>.services.ai.azure.com/api/projects/<your-project>
MODEL_DEPLOYMENT_NAME=<your-model-deployment-name>

5. വർക്‌ഷോപ്പ് ലാബുകൾ പിന്തുടരുക

ഓരോ ലാബും സ്വയം പരിപാലിതമായ മുകളിലത്തെ മൊഡ്യൂളുകൾ ഉൾക്കൊള്ളുന്നു. അടിസ്ഥാനങ്ങൾ പഠിക്കാൻ Lab 01-നു തുടങ്ങുക, അതിനു ശേഷം Lab 02-ൽ പോയി മൾട്ടി-ഏജന്റ് പ്രവാഹങ്ങൾ പഠിക്കാം.

Lab 01 - Single Agent (പൂർണ്ണ നിർദ്ദേശങ്ങൾ)

# മൊഡ്യൂൾ ലിങ്ക്
1 മുൻ‌തയ്യാരികൾക്കായി വായിക്കുക 00-prerequisites.md
2 Foundry Toolkit & Foundry extension ഇൻസ്റ്റാൾ ചെയ്യുക 01-install-foundry-toolkit.md
3 Foundry പ്രോജക്ട് സൃഷ്ടിക്കുക 02-create-foundry-project.md
4 ഒരു ഹോസ്റ്റഡ് ഏജന്റ് സൃഷ്ടിക്കുക 03-create-hosted-agent.md
5 നിർദ്ദേശങ്ങൾ & എൻവയോൺമെന്റ് കോൺഫിഗർ ചെയ്യുക 04-configure-and-code.md
6 ലോക്കലായി ടെസ്റ്റ് ചെയ്യുക 05-test-locally.md
7 ഫോൺഡ്രിയിലേക്ക് ഡിപ്പ്ലോയ് ചെയ്യുക 06-deploy-to-foundry.md
8 പ്ലേഗ്രൗണ്ടില്‍ പരിശോധന നടത്തുക 07-verify-in-playground.md
9 പ്രശ്‌നപരിഹാരങ്ങൾ 08-troubleshooting.md

Lab 02 - Multi-Agent Workflow (പൂർണ്ണ നിർദ്ദേശങ്ങൾ)

# മൊഡ്യൂൾ ലിങ്ക്
1 മുൻ‌തയ്യാരികൾ (Lab 02) 00-prerequisites.md
2 മൾട്ടി-ഏജന്റ് ആർ‌കിടെക്ചർ മനസ്സിലാക്കുക 01-understand-multi-agent.md
3 മൾട്ടി-ഏജന്റ് പ്രോജക്ട് സ്കാഫോൾഡ് ചെയ്യുക 02-scaffold-multi-agent.md
4 ഏജന്റുകളും എൻവയോൺമെന്റും കോൺഫിഗർ ചെയ്യുക 03-configure-agents.md
5 ഓർക്കസ്ട്രേഷൻ പാറ്റേണുകൾ 04-orchestration-patterns.md
6 ലോക്കലായി ടെസ്റ്റ് ചെയ്യുക (മൾട്ടി-ഏജന്റ്) 05-test-locally.md
7 ഫൗണ്ടറിയിലേക്ക് വിന്യസിക്കുക 06-deploy-to-foundry.md
8 പ്ലേഗ്രൗണ്ടിൽ പരിശോധന നടത്തുക 07-verify-in-playground.md
9 പ്രശ്നപരിഹാരം (മൾട്ടി-ഏജന്റ്) 08-troubleshooting.md

പരിചരിക്കുവനായി

Shivam Goyal
ശിവം ഗോയൽ

ആവശ്യമായ അനുമതികൾ (വേഗതയുള്ള റഫറൻസ്)

സാഹചര്യങ്ങൾ ആവശ്യമായ വേഷങ്ങൾ
പുതിയ ഫൗണ്ടറി പ്രോജക്ട് സൃഷ്ടിക്കുക ഫൗണ്ടറി റിസോഴ്‌സിൽ Azure AI ഉടമ
നിലവിലുള്ള പ്രോജക്ടിലേക്ക് വിന്യസിക്കുക (പുതിയ റിസോഴ്‌സുകൾ) സബ്‌സ്ക്രിപ്ഷനിൽ Azure AI ഉടമ + സംയോജകൻ
പൂർണമായി ക്രമീകരിച്ച പ്രോജക്ടിലേക്ക് വിന്യസിക്കുക അക്കൗണ്ടിൽ വായനക്കാരൻ + പ്രോജക്ടിൽ Azure AI ഉപയോക്താവ്

പ്രധാനമാണ്: Azure ഉടമയും സംയോജകനും വികസന (ഡാറ്റാ ആക്ഷൻ) അനുമതികൾ ഉൾപ്പെടുന്നില്ല, എന്നിരുന്നാലും മാനേജ്‌മെന്റ് അനുമതികൾ മാത്രമാണ് ഉള്ളത്. ഏജന്റുകൾ നിർമ്മിക്കുകയും വിന്യസിക്കുകയും ചെയ്യാൻ Azure AI ഉപയോക്താവ് അല്ലെങ്കിൽ Azure AI ഉടമ ആവശ്യമുണ്ട്.

റഫറംബർങ്ങൾ

ലൈസൻസ്

MIT

ഡിസ്‌ക്ലെയിമര്‍:
ഈ രേഖ AI വിവര്‍ത്തന സേവനമായ Co-op Translator ഉപയോഗിച്ച് വിവര്‍ത്തനം ചെയ്തിരിക്കുന്നു. ഞങ്ങള്‍ കൃത്യതക്ക് ശ്രമിക്കുന്നിട്ടുള്ളെങ്കിലും, സ്വയംകൃതമായ വിവര്‍ത്തനങ്ങളില്‍ പിഴവുകളും അശുദ്ധികളും ഉണ്ടായിരിക്കാമെന്ന് ശ്രദ്ധിക്കുക. പ്രാഥമിക ഭാഷയിലെ ഒറിജിനല്‍ രേഖ വിശ്വസനീയമായ ഉറവിടം ആയി കണക്കാക്കണമെന്നും നിര്‍ബന്ധമായ വിവരം ലഭിക്കാനായി പ്രൊഫഷണല്‍ മനുഷ്യ വിവര്‍ത്തനം നിര്‍ദ്ദേശിക്കുന്നു. ഈ വിവര്‍ത്തനം ഉപയോഗിച്ചുണ്ടാകുന്ന തെറ്റുപറ്റലുകള്‍ക്കും വ്യാഖ്യാനക്കുറവുകള്‍ക്കും ഞങ്ങള്‍ ഉത്തരവാദിത്വം വഹിച്ചില്ല.