Skip to content

README.md

Latest commit

 

History

History
313 lines (244 loc) · 23 KB

README.md

File metadata and controls

313 lines (244 loc) · 23 KB

Foundry Toolkit + Foundry Hosted Agents ਵਰਕਸ਼ਾਪ

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

Microsoft Foundry Agent Service ਦੇ ਤੌਰ ਤੇ AI ਏਜੰਟ ਬਣਾਓ, ਟੈਸਟ ਕਰੋ ਅਤੇ ਤੈਨਾਤ ਕਰੋ Hosted Agents - ਪੂਰੀ ਤਰ੍ਹਾਂ VS ਕੋਡ ਵਿੱਚੋਂ ਮਾਈਕਰੋਸਾਫਟ ਫਾਉਂਡਰੀ ਐਕਸਟੈਂਸ਼ਨ ਅਤੇ ਫਾਉਂਡਰੀ ਟੂਲਕਿਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ।

Hosted Agents ਇਸ ਵੇਲੇ ਪ੍ਰੀਵਿਊ ਵਿੱਚ ਹਨ। ਸਮਰਥਿਤ ਖੇਤਰ ਸੀਮਿਤ ਹਨ - ਵੇਖੋ ਖੇਤਰ ਉਪਲੱਬਧਤਾ।

ਹਰ ਲੈਬ ਵਿੱਚ agent/ ਫੋਲਡਰ Foundry ਐਕਸਟੈਂਸ਼ਨ ਦੁਆਰਾ ਸਵੈਚਾਲਿਤ ਰੂਪ ਵਿੱਚ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ - ਫਿਰ ਤੁਸੀਂ ਕੋਡ ਨੂੰ ਕਸਟਮਾਈਜ਼ ਕਰੋ, ਸਥਾਨਕ ਟੈਸਟ ਕਰੋ ਅਤੇ ਤੈਨਾਤ ਕਰੋ।

🌐 ਬਹੁ-ਭਾਸ਼ਾਈ ਸਹਿਯੋਗ

GitHub Action ਰਾਹੀਂ ਸਮਰਥਿਤ (ਸਵੈਚਾਲਿਤ ਅਤੇ ਹਮੇਸ਼ਾ ਅਪ-ਟੂ-ਡੇਟ)

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

ਛੇਤੀ ਨਕਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ?

ਇਸ ਰਿਪੋ ਵਿੱਚ 50+ ਭਾਸ਼ਾਈ ਅਨੁਵਾਦ ਸ਼ਾਮਿਲ ਹਨ ਜੋ ਡਾਊਨਲੋਡ ਆਕਾਰ ਨੂੰ ਕਾਫੀ ਵਧਾਉਂਦੇ ਹਨ। ਬਿਨਾਂ ਅਨੁਵਾਦਾਂ ਦੇ ਨਕਲ ਕਰਨ ਲਈ sparse checkout ਦੀ ਵਰਤੋਂ ਕਰੋ:

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"

ਇਹ ਤੁਹਾਨੂੰ ਕੋਰਸ ਪੂਰਾ ਕਰਨ ਲਈ ਸਾਰਾ ਜਰੂਰੀ ਸਮਾਨ ਤੇਜ਼ ਡਾਊਨਲੋਡ ਨਾਲ ਦਿੰਦਾ ਹੈ।

ਆਰਕੀਟੈਕਚਰ

flowchart TB
    subgraph Local["ਲੋਕਲ ਵਿਕਾਸ (VS ਕੋਡ)"]
        direction TB
        FE["ਮਾਈਕ੍ਰੋਸੌਫਟ ਫਾਊਂਡਰੀ
        ਵਾਧਾ"]
        FoundryToolkit["ਫਾਊਂਡਰੀ ਟੂਲਕਿੱਟ
        ਵਾਧਾ"]
        Scaffold["ਸਕੈਫੋਲਡ ਕੀਤਾ ਗਿਆ ਏਜੰਟ ਕੋਡ
        (main.py · agent.yaml · Dockerfile)"]
        Inspector["ਏਜੰਟ ਇੰਸਪੈਕਟਰ
        (ਲੋਕਲ ਟੈਸਟਿੰਗ)"]
        FE -- "ਨਵਾਂ ਬਣਾਓ
        ਹੋਸਟ ਕੀਤੇ ਏਜੰਟ" --> Scaffold
        Scaffold -- "F5 ਡਿਬੱਗ" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["ਮਾਈਕ੍ਰੋਸੌਫਟ ਫਾਊਂਡਰੀ"]
        direction TB
        ACR["ਐਜ਼ਰ ਕੰਟੇਨਰ
        ਰਜਿਸਟਰੀ"]
        AgentService["ਫਾਊਂਡਰੀ ਏਜੰਟ ਸੇਵਾ
        (ਹੋਸਟ ਕੀਤਾ ਏਜੰਟ ਰਨਟਾਈਮ)"]
        Model["ਐਜ਼ਰ ਓਪਨAI
        (gpt-4.1 / gpt-4.1-mini)"]
        Playground["ਫਾਊਂਡਰੀ ਪਲੇਗਰਾਊਂਡ
        & VS ਕੋਡ ਪਲੇਗਰਾਊਂਡ"]
        ACR --> AgentService
        AgentService -- "/responses API" --> Model
        AgentService --> Playground
    end

    Scaffold -- "ਡਿਪਲੋਏ
    (Docker build + push)" --> ACR
    Inspector -- "POST /responses
    (localhost:8088)" --> Scaffold
    Playground -- "ਟੈਸਟ ਪ੍ਰਾਂਪਟ" --> AgentService

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

ਫਲੋ: Foundry ਐਕਸਟੈਂਸ਼ਨ ਏਜੰਟ ਨੂੰ ਸਕੈਫੋਲਡ ਕਰਦਾ ਹੈ → ਤੁਸੀਂ ਕੋਡ ਅਤੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਨਿੱਜੀਕਰਤ ਕਰਦੇ ਹੋ → Agent Inspector ਨਾਲ ਸਥਾਨਕ ਟੈਸਟ → Foundry 'ਤੇ ਤੈਨਾਤ (Docker ਇਮੇਜ ACR ਨੂੰ ਧੱਕਿਆ ਜਾਂਦਾ ਹੈ) → Playground ਵਿੱਚ ਜਾਂਚ ਕਰੋ।

ਤੁਸੀਂ ਕੀ ਬਣਾਵੋਗੇ

ਲੈਬ ਵੇਰਵਾ ਸਥਿਤੀ
Lab 01 - ਸਿੰਗਲ ਏਜੰਟ "Explain Like I'm an Executive" ਏਜੰਟ ਬਣਾਓ, ਸਥਾਨਕ ਟੈਸਟ ਕਰੋ ਅਤੇ Foundry ਤੇ ਤੈਨਾਤ ਕਰੋ ✅ ਉਪਲਬਧ
Lab 02 - ਮਲਟੀ-ਏਜੰਟ ਵਰਕਫਲੋ "Resume → Job Fit Evaluator" ਬਣਾਓ - 4 ਏਜੰਟ ਰੇਜ਼ਿਊਮ ਫਿਟ ਸਕੋਰ ਕਰਨ ਅਤੇ ਸਿੱਖਣ ਦਾ ਰੋਡਮੈਪ ਬਣਾਉਣ ਲਈ ਸਹਿਯੋਗ ਕਰਦੇ ਹਨ ✅ ਉਪਲਬਧ

Executive Agent ਨਾਲ ਮਿਲੋ

ਇਸ ਵਰਕਸ਼ਾਪ ਵਿੱਚ ਤੁਸੀਂ "Explain Like I'm an Executive" ਏਜੰਟ ਬਣਾਵੋਗੇ - ਇੱਕ ਐਸਾ AI ਏਜੰਟ ਜੋ ਗੰਭੀਰ ਤਕਨੀਕੀ ਜਾਰਗਨ ਨੂੰ ਲੈਂਦਾ ਹੈ ਅਤੇ ਉਸ ਨੂੰ ਸ਼ਾਂਤ, ਬੋਰਡਰੂਮ-ਤਿਆਰ ਸੰਖੇਪ ਵਿੱਚ ਤਰਜਮਾ ਕਰਦਾ ਹੈ। ਕਿਉਂਕਿ ਆਓ ਸੱਚ ਬੋਲੀਂ, C-suite ਵਿੱਚ ਕਿਸੇ ਨੂੰ ਵੀ "v3.2 ਵਿੱਚ ਲਾਗੂ ਸਿੰਕ੍ਰੋਨਸ ਕਾਲਾਂ ਕਾਰਨ থ੍ਰੈਡ ਪੂਲ ਖ਼ਤਮ ਹੋਣਾ" ਦੇ ਬਾਰੇ ਸੁਣਨਾ ਨਹੀਂ ਚਾਹੀਦਾ।

ਮੈਂ ਇਹ ਏਜੰਟ ਉਸ ਵਾਰ ਬਣਾਇਆ ਸੀ ਜਦੋਂ ਮੇਰੀ ਪਰਫੈਕਟ ਪੋਸਟ-ਮੋਰਟਮ ਨੂੰ ਜਵਾਬ ਮਿਲਿਆ: "ਤਾਂ... ਵੈਬਸਾਈਟ ਡਾਊਨ ਹੈ ਜਾਂ ਨਹੀਂ?"

ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਤੁਸੀਂ ਇਸਨੂੰ ਇਕ ਤਕਨੀਕੀ ਅੱਪਡੇਟ ਦਿੰਦੇ ਹੋ। ਇਹ ਇਕਜ਼ੈਕਟਿਵ ਸਮਰੀ ਵਾਪਸ ਕਰਦਾ ਹੈ - ਤਿੰਨ ਬੁਲੇਟ ਪੌਇੰਟਸ, ਕੋਈ ਜਾਰਗਨ ਨਹੀਂ, ਕੋਈ ਸਟੈਕ ਟ੍ਰੇਸ ਨਹੀਂ, ਕੋਈ ਅਸਤੀਤਤਕ ਡਰ ਨਹੀਂ। ਸਿਰਫ ਕੀ ਹੋਇਆ, ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ, ਅਤੇ ਅਗਲਾ ਕਦਮ।

ਅਮਲ ਵਿੱਚ ਵੇਖੋ

ਤੁਸੀਂ ਕਹਿੰਦੇ ਹੋ:

"The API latency increased due to thread pool exhaustion caused by synchronous calls introduced in v3.2."

ਏਜੰਟ ਜਵਾਬ ਦਿੰਦਾ ਹੈ:

Executive Summary:

  • ਕੀ ਹੋਇਆ: ਨਵੀਨਤਮ ਰਿਲੀਜ਼ ਦੇ ਬਾਦ ਸਿਸਟਮ ਦੇਰ ਨਾਲ ਚਲਿਆ।
  • ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ: ਕੁਝ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਸੇਵਾ ਦੀ ਵਰਤੋਂ ਦੌਰਾਨ ਦੇਰੀ ਮਹਿਸੂਸ ਕੀਤੀ।
  • ਅਗਲਾ ਕਦਮ: ਬਦਲਾਅ ਵਾਪਸ ਲਿਆ ਗਿਆ ਹੈ ਅਤੇ ਮੁੜ ਤੈਨਾਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮੁਰੰਮਤ ਤਿਆਰ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।

ਇਹ ਏਜੰਟ ਕਿਉਂ?

ਇਹ ਇੱਕ ਬਹੁਤ ਸਿਧਾ ਸਧਾਰਣ, ਇੱਕ ਹੀ ਉਦੇਸ਼ ਵਾਲਾ ਏਜੰਟ ਹੈ - ਜੋ ਹੋਸਟ ਕੀਤੇ ਏਜੰਟ ਵਰਕਫਲੋ ਨੂੰ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਸਿੱਖਣ ਲਈ ਬਿਲਕੁਲ ਬਿਹਤਰ ਹੈ ਬਿਨਾਂ ਸਥੂਲ ਟੂਲ ਚੇਨਾਂ ਵਿੱਚ ਘਿਰੇ। ਅਤੇ ਅਸਲ ਵਿੱਚ? ਹਰ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮ ਨੂੰ ਇਕ ਐਸਾ ਏਜੰਟ ਚਾਹੀਦਾ ਹੈ।

ਵਰਕਸ਼ਾਪ ਡਾਂਚਾ

📂 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

نوٹ: ਹਰ ਲੈਬ ਵਿੱਚ agent/ ਫੋਲਡਰ ਉਹੀ ਹੁੰਦਾ ਹੈ ਜੋ Microsoft Foundry ਐਕਸਟੈਂਸ਼ਨ ਕਮਾਂਡ ਪਲੈਟੇਟ 'Microsoft Foundry: Create a New Hosted Agent' ਚਲਾਉਂਦਿਆਂ ਬਣਾਉਂਦਾ ਹੈ। ਫਾਇਲਾਂ ਫਿਰ ਤੁਹਾਡੇ ਏਜੰਟ ਦੇ ਨਿਰਦੇਸ਼, ਟੂਲਾਂ ਅਤੇ ਵਿਵਸਥਾ ਨਾਲ ਕਸਟਮਾਈਜ਼ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। Lab 01 ਤੁਹਾਨੂੰ ਥਾਂਥਾਂ ਤੋਂ ਇਹ ਦੁਬਾਰਾ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ।

ਸ਼ੁਰੂਆਤ

1. ਰਿਪੋਜ਼ਟਰੀ ਕਲੋਨ ਕਰੋ

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

2. Python ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਸੈਟ ਕਰੋ

python -m venv venv

ਇਸਨੂੰ ਸක්ਰੀਆ ਕਰੋ:

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

3. ਨਿਰਭਰਤਾਵਾਂ ਇੰਸਟਾਲ ਕਰੋ

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

4. ਵਾਤਾਵਰਣ ਵੈਰੀਏਬਲ ਸੈੱਟ ਕਰੋ

Agent ਫੋਲਡਰ ਦੇ ਅੰਦਰ .env ਫਾਇਲ ਦੀ ਨਕਲ ਕਰੋ ਅਤੇ ਆਪਣੀਆਂ ਕਦਰਾਂ ਭਰੋ:

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

workshop/lab01-single-agent/agent/.env ਨੂੰ ਸੰਪਾਦਿਤ ਕਰੋ:

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

5. ਵਰਕਸ਼ਾਪ ਲੈਬਜ਼ ਦੀ ਪਾਲਣਾ ਕਰੋ

ਹਰ ਲੈਬ ਆਪਣੇ ਮਾਡਿਊਲ ਨਾਲ ਖੁਦਮੁਖਤਿਆਰ ਹੈ। ਮੂਲ ਭੂਤ ਸਿੱਖਣ ਲਈ Lab 01 ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ, ਫਿਰ ਮਲਟੀ-ਏਜੰਟ ਵਰਕਫਲੋ ਲਈ Lab 02 ਚਲੇ ਜਾਓ।

Lab 01 - ਸਿੰਗਲ ਏਜੰਟ (ਪੂਰੇ ਨਿਰਦੇਸ਼)

# ਮਾਡਿਊਲ ਲਿੰਕ
1 ਤਿਆਰੀ ਪੜ੍ਹੋ 00-prerequisites.md
2 Foundry Toolkit ਅਤੇ Foundry ਐਕਸਟੈਂਸ਼ਨ ਇੰਸਟਾਲ ਕਰੋ 01-install-foundry-toolkit.md
3 Foundry ਪ੍ਰੋਜੈਕਟ ਬਣਾਓ 02-create-foundry-project.md
4 ਇੱਕ ਹੋਸਟਡ ਏਜੰਟ ਬਣਾਓ 03-create-hosted-agent.md
5 ਨਿਰਦੇਸ਼ ਅਤੇ ਵਾਤਾਵਰਣ ਕਨਫਿਗਰ ਕਰੋ 04-configure-and-code.md
6 ਸਥਾਨਕ ਟੈਸਟ ਕਰੋ 05-test-locally.md
7 Foundry ਤੇ ਤੈਨਾਤ ਕਰੋ 06-deploy-to-foundry.md
8 ਪਲੇਗ੍ਰਾਊਂਡ ਵਿੱਚ ਜਾਂਚ ਕਰੋ 07-verify-in-playground.md
9 ਸਮੱਸਿਆ ਸੁਧਾਰ 08-troubleshooting.md

Lab 02 - ਮਲਟੀ-ਏਜੰਟ ਵਰਕਫਲੋ (ਪੂਰੇ ਨਿਰਦੇਸ਼)

# ਮਾਡਿਊਲ ਲਿੰਕ
1 ਲੈਬ 02 ਲਈ ਤਿਆਰੀ 00-prerequisites.md
2 ਮਲਟੀ-ਏਜੰਟ ਆਰਕੀਟੈਕਚਰ ਸਮਝੋ 01-understand-multi-agent.md
3 ਮਲਟੀ-ਏਜੰਟ ਪ੍ਰੋਜੈਕਟ ਸਕੈਫੋਲਡ ਕਰੋ 02-scaffold-multi-agent.md
4 ਏਜੰਟ ਅਤੇ ਵਾਤਾਵਰਣ ਕਨਫਿਗਰ ਕਰੋ 03-configure-agents.md
5 ਆਰਕੇਸਟ੍ਰੇਸ਼ਨ ਪੈਟਰਨ 04-orchestration-patterns.md
6 ਸਥਾਨਕ ਟੈਸਟ ਕਰੋ (ਮਲਟੀ-ਏਜੰਟ) 05-test-locally.md
7 ਫਾਉਂਡਰੀ 'ਤੇ ਤੈਨਾਤ ਕਰੋ 06-deploy-to-foundry.md
8 ਖੇਡ ਮੈਦਾਨ ਵਿੱਚ ਜਾਂਚ ਕਰੋ 07-verify-in-playground.md
9 ਸਮੱਸਿਆ ਨਿਵਾਰਣ (ਬਹੁ-ਏਜੈਂਟ) 08-troubleshooting.md

ਮੇਨਟੇਨਰ

Shivam Goyal
ਸ਼ਿਵਮ ਗੋਯਲ

ਲੋੜੀਂਦੇ ਅਧਿਕਾਰ (ਤੁਰੰਤ ਸੰਦਰਭ)

ਦ੍ਰਿਸ਼ ਲੋੜੀਂਦੇ ਰੋਲ
ਨਵਾਂ ਫਾਉਂਡਰੀ ਪ੍ਰੋਜੈਕਟ ਬਣਾਓ ਫਾਉਂਡਰੀ ਸਰੋਤ 'ਤੇ Azure AI ਮਾਲਕ
ਮੌਜੂਦਾ ਪ੍ਰੋਜੈਕਟ ('ਚ ਨਵੇਂ ਸਰੋਤ) ਨੂੰ ਤੈਨਾਤ ਕਰੋ ਸਬਸਕ੍ਰਿਪਸ਼ਨ 'ਤੇ Azure AI ਮਾਲਕ + ਯੋਗਦਾਤਾ
ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੰਰਚਿਤ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਤੈਨਾਤ ਕਰੋ ਖਾਤੇ 'ਤੇ ਪਾਠਕ + ਪ੍ਰੋਜੈਕਟ 'ਤੇ Azure AI ਉਪਭੋਗਤਾ

ਮਹੱਤਵਪੂਰਨ: Azure ਮਾਲਕ ਅਤੇ ਯੋਗਦਾਤਾ ਰੋਲ ਵਿੱਚ ਸਿਰਫ ਪ੍ਰਬੰਧਨ ਅਧਿਕਾਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਨਕਿ ਵਿਕਾਸ (ਡਾਟਾ ਕਿਰਿਆ) ਅਧਿਕਾਰ। ਤੁਹਾਨੂੰ ਏਜੰਟ ਬਣਾਉਣ ਅਤੇ ਤੈਨਾਤ ਕਰਨ ਲਈ Azure AI ਉਪਭੋਗਤਾ ਜਾਂ Azure AI ਮਾਲਕ ਦੀ ਜ਼ਰੂਰਤ ਹੈ।

ਸੰਦਰਭ

ਲਾਇਸੰਸ

MIT

ਅਸਵੀਕਾਰਤਾ:
ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਨਾਲ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਆਟੋਮੇਟਿਕ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮਰਥਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਹੀ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਣ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਤੋਂ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫ਼ਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।