Skip to content

Latest commit

 

History

History
314 lines (244 loc) · 25.6 KB

File metadata and controls

314 lines (244 loc) · 25.6 KB

Foundry Toolkit + Foundry Hosted Agents వర్క్‌షాప్

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

Microsoft Foundry Agent Service కు Hosted Agents గా AI ఏజెంట్స్‌ను నిర్మించండి, పరీక్షించండి మరియు విస్తరించండి - మొత్తం VS Code నుండి Microsoft Foundry ఎక్స్‌టెన్షన్ మరియు Foundry Toolkit ఉపయోగించి.

Hosted Agents ప్రస్తుతం ప్రివ్యూ లో ఉన్నాయి. మద్దతు ఇచ్చే ప్రాంతాలు సరిహద్దు చెందాయి - ప్రాంతం అందుబాటులో ఉండటం చూడండి.

ప్రతి లాబ్ లోని agent/ ఫోల్డర్ Foundry ఎక్స్‌టెన్షన్ ద్వారా ఆటోమేటిక్‌గా స్కాఫోల్డింగ్ చేయబడుతుంది - దీని తరువాత మీరు కోడ్‌ను అనుకూలీకరించి, స్థానికంగా పరీక్షించి, విస్తరించండి.

🌐 బహుభాషా మద్దతు

GitHub యాక్షన్ ద్వారా మద్దతు (ఆటోమేటిక్ & ఎప్పుడూ తాజా)

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

ప్రాధాన్యత కలిగి లోకల్‌గా క్లోన్ చేయాలనుకుంటున్నారా?

ఈ రిపాజిటరీ లో 50+ భాషా అనువాదాలు ఉన్నాయి, ఇవి డౌన్లోడ్ పరిమాణాన్ని గణనీయంగా పెంచతాయి. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెకౌట్ ఉపయోగించండి:

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"

ఇది మీకు కోర్సును పూర్తి చేయడానికి అవసరమైన ప్రతిటినీ చాలా వేగంగా డౌన్లోడ్ చేస్తుంది.


ఆర్కిటెక్చర్

flowchart TB
    subgraph Local["లోకల్ అభివృద్ధి (VS కోడ్)"]
        direction TB
        FE["Microsoft Foundry
        ఎక్స్‌టెన్షన్"]
        FoundryToolkit["Foundry టూల్‌కిట్
        ఎక్స్‌టెన్షన్"]
        Scaffold["స్కాఫోల్డెడ్ ఏజెంట్ కోడ్
        (main.py · agent.yaml · Dockerfile)"]
        Inspector["ఏజెంట్ ఇన్‌స్పెక్టర్
        (లోకల్ పరీక్ష)"]
        FE -- "కొత్త
        హోస్టెడ్ ఏజెంట్ సృష్టించండి" --> Scaffold
        Scaffold -- "F5 డీబిగ్" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        direction TB
        ACR["Azure కంటెయినర్
        రిజిస్ట్రీ"]
        AgentService["Foundry ఏజెంట్ సర్వీస్
        (హోస్టెడ్ ఏజెంట్ రన్‌టైమ్)"]
        Model["Azure OpenAI
        (gpt-4.1 / gpt-4.1-mini)"]
        Playground["Foundry ప్లేగ్రౌండ్
        & VS కోడ్ ప్లేగ్రౌండ్"]
        ACR --> AgentService
        AgentService -- "/responses API" --> Model
        AgentService --> Playground
    end

    Scaffold -- "డిప్లోయ్
    (డాకర్ బిల్డ్ + పుష్)" --> ACR
    Inspector -- "POST /responses
    (localhost:8088)" --> Scaffold
    Playground -- "టెస్ట్ ప్రాంప్ట్స్" --> AgentService

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

ఫ్లో: Foundry ఎక్స్‌టెన్షన్ ఏజెంట్ను స్కాఫోల్డ్ చేస్తుంది → మీరు కోడ్ & సూచనలను అనుకూలీకరించండి → Agent Inspector తో స్థానికంగా పరీక్షించండి → Foundry లో విస్తరించండి (Docker ఇమేజ్ ACR కి పంపబడుతుంది) → ప్లేగ్రౌండ్ లో నిర్ధారించండి.


మీరు ఏమి నిర్మించబోతున్నారు

లాబ్ వివరణ స్థితి
లాబ్ 01 - సింగిల్ ఏజెంట్ "Explain Like I'm an Executive" ఏజెంట్ ను నిర్మించి, స్థానికంగా పరీక్షించి, Foundry కు విస్తరించండి ✅ అందుబాటులో ఉంది
లాబ్ 02 - మల్టీ-ఏజెంట్ వర్క్‌ఫ్లో "Resume → Job Fit Evaluator" - 4 ఏజెంట్లు కలిసి రిజ్యూమె ఫిట్‌ను స్కోర్ చేసి, నేర్చుకునే రోడ్‌మాప్‌ను రూపొందిస్తారు ✅ అందుబాటులో ఉంది

ఎగ్జిక్యూటివ్ ఏజెంట్ ను కలవండి

ఈ వర్క్‌షాప్ లో మీరు "Explain Like I'm an Executive" ఏజెంట్ ను నిర్మించబోతున్నారు - ఇది ఒక AI ఏజెంట్, ఎంతో క్లిష్టమైన సాంకేతిక పదజాలాన్ని తీసుకొని, నిశ్చలంగా ఉన్న, బోర్డ్రూమ్ సిద్ధమైన సారాంశాలుగా మారుస్తుంది. ఎందుకంటే నిజం చెప్పాలంటే, C-సూట్ ఎవ్వరూ "v3.2 లో పరిచయమైన సింక్రొనస్ కాల్స్ వల్ల ఏర్పడిన థ్రెడ్ పూల్ ఎగ్జాస్ట్షన్" గురించి వినాలి అనిపించదు.

నాకు నా సరిగ్గా రూపొందించిన పోస్ట్-మార్టెం కి ప్రతిస్పందన వచ్చిన తర్వాతనే నేను ఈ ఏజెంట్ నిర్మించాన‌ని: "అంటే... వెబ్‌సైట్ డౌన్ అయ్యింది గదా లేదా?"

ఇది ఎలా పనిచేస్తుంది

మీరు దీనికి సాంకేతిక అప్‌డేట్ ఇస్తారు. ఇది ఒక ఎగ్జిక్యూటివ్ సారాంశాన్ని ఇస్తుంది - మూడు బులెట్ పాయింట్లు, పదజాలం లేదు, స్టాక్ ట్రేసులు లేవు, భయభీతులేమీ లేవు. కేవలం ఏం జరిగింది, వ్యవसाय ప్రభావం, మరియు తర్వాతి దశ.

దీన్ని ప్రకటనలో చూడండి

మీరు చెబుతారు:

"API లేటెన్సీ v3.2 లో పరిచయమైన సింక్రోనస్ కాల్స్ వల్ల ఏర్పడిన థ్రెడ్ పూల్ ఎగ్జాస్ట్షన్ వల్ల పెరిగింది."

ఏజెంట్ సమాధానం ఇస్తుంది:

ఎగ్జిక్యూటివ్ సారాంశం:

  • ఏం జరిగింది: తాజా రిలీజ్ తర్వాత, సిస్టమ్ మందగించింది.
  • వ్యవసాయ ప్రభావం: కొన్ని వాడుకదారులు సేవ ఉపయోగించేటప్పుడు ఆలస్యం అనుభవించారు.
  • తర్వాతి దశ: మార్పు రద్దు చేయబడింది మరియు తిరిగి పంపిణీకి ముందు ఒక పరిష్కారం సిద్ధం చేస్తోంది.

ఈ ఏజెంట్ ఎందుకు?

ఇది ఒక సాదాసీదా, ఒకే ఉద్దేశ్యంతో ఉండే ఏజెంట్ - hosted ఏజెంట్ వర్క్‌ఫ్లో ను సులభంగా పూర్తిగా నేర్చుకోవడానికి అనువైనది. నిజంగా? ప్రతి ఇంజనీరింగ్ జట్టు దీన్ని ఉపయోగించుకోవచ్చు.


వర్క్‌షాప్ నిర్మాణం

📂 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

గమనిక: ప్రతి లాబ్ లోని agent/ ఫోల్డర్ Microsoft Foundry ఎక్స్‌టెన్షన్ Microsoft Foundry: Create a New Hosted Agent ను కమాండ్ ప్యాలెట్ నుంచి నడిపిస్తే సృష్టిస్తుంది. ఆ ఫైళ్లను తర్వాత మీ ఏజెంట్ సూచనలు, పరికరాలు, మరియు కాన్ఫిగరేషన్ తో అనుకూలీకరించబడతాయి. లాబ్ 01 మీరు దీనిని ప్రారంభం నుండి తిరిగి సృష్టించే విధంగా నడిపిస్తుంది.


ప్రారంభించండి

1. రిపోజిటరీని క్లోన్ చెయ్యండి

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

2. Python వర్చువల్ ఎన్విరాన్మెంట్ సెట్ చేయండి

python -m venv venv

దాన్ని యాక్టివేట్ చేయండి:

  • Windows (PowerShell):

    .\venv\Scripts\Activate.ps1
  • macOS / Linux:

    source venv/bin/activate

3. డిపెండెన్సీలను ఇన్‌స్టాల్ చేయండి

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

4. ఎన్విరాన్మెంట్ వేరియబుల్స్ కాన్ఫిగర్ చేయండి

ఏజెంట్ ఫోల్డర్ లోని ఉదాహరణ .env ఫైల్ ను నకిలీ చేసి, మీ విలువలు నింపండి:

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

workshop/lab01-single-agent/agent/.env ను సవరించండి:

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

5. వర్క్‌షాప్ లాబ్లను అనుసరించండి

ప్రతి లాబ్ తన స్వంత మాడ్యూల్స్ తో స్వతంత్రంగా ఉంటుంది. లాబ్ 01 తో ప్రాథమికాలు నేర్చుకొని, తర్వాత లాబ్ 02 కు వెళ్లి మల్టీ-ఏజెంట్ వర్క్‌ఫ్లోలపై పని చేయండి.

లాబ్ 01 - సింగిల్ ఏజెంట్ (పూర్తి సూచనలు)

# మాడ్యూల్ లింక్
1 ముందస్తు అర్హతలు చదవండి 00-prerequisites.md
2 Foundry Toolkit & Foundry ఎక్స్‌టెన్షన్ ఇన్‌స్టాల్ చేయండి 01-install-foundry-toolkit.md
3 Foundry ప్రాజెక్ట్ సృష్టించండి 02-create-foundry-project.md
4 Hosted ఏజెంట్ సృష్టించండి 03-create-hosted-agent.md
5 సూచనలు & పరిసరాలు కాన్ఫిగర్ చేయండి 04-configure-and-code.md
6 స్థానికంగా పరీక్షించండి 05-test-locally.md
7 Foundry కి విస్తరించండి 06-deploy-to-foundry.md
8 ప్లేగ్రౌండ్ లో నిర్ధారించండి 07-verify-in-playground.md
9 సమస్యలను పరిష్కరించడం 08-troubleshooting.md

లాబ్ 02 - మల్టీ-ఏజెంట్ వర్క్‌ఫ్లో (పూర్తి సూచనలు)

# మాడ్యూల్ లింక్
1 ముందస్తు అర్హతలు (లాబ్ 02) 00-prerequisites.md
2 మల్టీ-ఏజెంట్ ఆర్కిటెక్చర్ అర్థం చేసుకోండి 01-understand-multi-agent.md
3 మల్టీ-ఏజెంట్ ప్రాజెక్ట్ స్కాఫోల్డ్ చేయండి 02-scaffold-multi-agent.md
4 ఏజెంట్లు & పరిసరాలు కాన్ఫిగర్ చేయండి 03-configure-agents.md
5 ఆర్కేస్ట్రేషన్ నమూనాలు 04-orchestration-patterns.md
6 స్థానికంగా పరీక్షించండి (మల్టీ-ఏజెంట్) 05-test-locally.md
7 Foundry కి పంపండి 06-deploy-to-foundry.md
8 ప్లేగ్రౌండ్లో ధృవీకరించండి 07-verify-in-playground.md
9 సమస్యలను సరిచూడటం (బహుళ-ఏజెంట్) 08-troubleshooting.md

నిర్వహణకర్త

Shivam Goyal
శివం గోయల్


అవసరమైన అనుమతులు (శీఘ్రమైన రిఫరెన్స్)

పరిస్థితి అవసరమైన పాత్రలు
కొత్త Foundry ప్రాజెక్ట్ సృష్టించండి Foundry వనరుపై Azure AI యజమాని
ఉన్న ప్రాజెక్ట్ (కొత్త వనరులు) కు పంపండి సబ్‌స్క్రిప్షన్‌పై Azure AI యజమాని + కాంట్రిబ్యూటర్
పూర్తిగా కాన్ఫిగర్ చేసిన ప్రాజెక్ట్‌కు పంపండి ఖాతాపై రీడర్ + ప్రాజెక్టుపై Azure AI వినియోగదారు

ముఖ్యమైనది: Azure యజమాని మరియు కాంట్రిబ్యూటర్ పాత్రలు నిర్వహణ అనుమతులను మాత్రమే కలిగి ఉంటాయి, డెవలప్‌మెంట్ (డేటా చర్య) అనుమతులను కాదు. ఏజెంట్లను తయారు చేసి పంపడానికీ Azure AI వినియోగదారు లేదా Azure AI యజమాని అవసరం.


సూచనలు


లైసెన్స్

MIT


తప్పిదులు:
ఈ డాక్యుమెంట్‌ను AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము సరిగా ఉపయోగించడానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పులు ఉండవచ్చు అనే విషయాన్ని దయచేసి గమనించండి. మూల డాక్యుమెంట్ ఆది భాషలోనే అధికారిక మూలంగా పరిగణించబడాలి. కీలక సమాచారం కోసం, నైపుణ్యమైన మానవ అనువాదం అవసరం. ఈ అనువాదం వలన జరిగే ఏవైనా అర్థం తెలియకపోవడం లేదా తప్పుదిద్దుటలకు మేము బాధ్యులను కావం.