ساخت، آزمایش و استقرار نمایندگان هوش مصنوعی به Microsoft Foundry Agent Service بهعنوان نمایندگان میزبانی شده - کاملاً از طریق VS Code با استفاده از افزونه Microsoft Foundry و Foundry Toolkit.
نمایندگان میزبانی شده در حال حاضر در پیش نمایش هستند. مناطق پشتیبانی شده محدود هستند - به دسترسپذیری منطقهای مراجعه کنید.
پوشه
agent/در داخل هر آزمایشگاه به صورت خودکار توسط افزونه Foundry ایجاد میشود - سپس میتوانید کد را سفارشی کنید، به صورت محلی تست کنید و مستقر نمایید.
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
ترجیح میدهید به صورت محلی کلون کنید؟
این مخزن بیش از ۵۰ ترجمه زبان را شامل میشود که اندازه دانلود را به طور قابل توجهی افزایش میدهد. برای کلون کردن بدون ترجمهها از روش sparse checkout استفاده کنید:
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 (ویندوز):
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"این کار همه چیز لازم برای اتمام دوره را با سرعت دانلود بسیار سریعتر به شما میدهد.
flowchart TB
subgraph Local["توسعه محلی (VS Code)"]
direction TB
FE["Microsoft Foundry
Extension"]
FoundryToolkit["Foundry Toolkit
Extension"]
Scaffold["Scaffolded Agent Code
(main.py · agent.yaml · Dockerfile)"]
Inspector["Agent Inspector
(Local Testing)"]
FE -- "Create New
Hosted Agent" --> Scaffold
Scaffold -- "اشکالزدایی F5" --> Inspector
FoundryToolkit -.- Inspector
end
subgraph Cloud["مایکروسافت فاندری"]
direction TB
ACR["Azure Container
Registry"]
AgentService["Foundry Agent Service
(Hosted Agent Runtime)"]
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
(Docker build + push)" --> ACR
Inspector -- "POST /responses
(localhost:8088)" --> ساختار اسکلتی
Playground -- "آزمایش پرامپتها" --> AgentService
style Local fill:#f0f4ff,stroke:#4a6cf7,stroke-width:2px
style Cloud fill:#fff4e6,stroke:#f59e0b,stroke-width:2px
روند: افزونه Foundry نماینده را ایجاد میکند → شما کد و دستورالعملها را سفارشی میکنید → با Agent Inspector محلی تست میکنید → به Foundry مستقر میکنید (تصویر Docker به ACR ارسال میشود) → در Playground تایید میکنید.
| آزمایشگاه | توضیحات | وضعیت |
|---|---|---|
| آزمایشگاه ۰۱ - نماینده تکنفره | ساخت نماینده "توضیح مانند یک مدیر اجرایی"، تست محلی و استقرار در Foundry | ✅ موجود |
| آزمایشگاه ۰۲ - جریان کار چند نمایندهای | ساخت "ارزیاب تناسب رزومه به شغل" - همکاری ۴ نماینده برای امتیازدهی رزومه و تولید نقشه راه یادگیری | ✅ موجود |
در این کارگاه، نماینده "توضیح مانند یک مدیر اجرایی" را خواهید ساخت - نماینده هوش مصنوعی که اصطلاحات فنی پیچیده را به خلاصههای آرام، مناسب جلسات هیئت مدیره ترجمه میکند. چون صادقانه بگوییم، هیچکس در C-suite نمیخواهد درباره «اتمام استخر نخ به دلیل تماسهای همزمان معرفی شده در نسخه ۳.۲» بشنود.
این نماینده را پس از چندین مورد که گزارش کامل من پاسخ دریافت کرد: «پس… آیا سایت پایین است یا نه؟» ساختم.
شما یک بهروزرسانی فنی به آن میدهید. یک خلاصه اجرایی برمیگرداند - سه نکته گلولهای، بدون اصطلاحات فنی، بدون ردپای استک، بدون ترس وجودی. فقط چه اتفاقی افتاده، تاثیر کسبوکار و گام بعدی.
شما میگویید:
"زمان پاسخ API به دلیل اتمام استخر نخ ایجاد شده توسط تماسهای همزمان معرفی شده در نسخه ۳.۲ افزایش یافته است."
نماینده پاسخ میدهد:
خلاصه اجرایی:
- چه اتفاقی افتاده: پس از آخرین انتشار، سیستم کند شد.
- تاثیر کسبوکار: برخی کاربران تأخیرهایی در استفاده از سرویس تجربه کردند.
- گام بعدی: تغییرات برگشت داده شده و رفع مشکل در حال آمادهسازی پیش از استقرار مجدد است.
این یک نماینده ساده و تکمنظوره است - مناسب برای یادگیری کامل جریان کار نماینده میزبانی شده بدون گرفتار شدن در زنجیره ابزارهای پیچیده. و صادقانه؟ هر تیم مهندسی میتواند یکی از اینها داشته باشد.
📂 Foundry_Toolkit_for_VSCode_Lab/
├── 📄 README.md ← You are here
└── 📂 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-setup.md
│ │ ├── 02-create-hosted-agent.md
│ │ ├── 03-configure-and-code.md
│ │ ├── 04-test-locally.md
│ │ ├── 05-deploy-to-foundry.md
│ │ ├── 06-verify-in-playground.md
│ │ ├── 07-summary.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
└── 📂 PersonalCareerCopilotCompleted/ ← Reference solution (multi-agent workflow)
├── agent.yaml
├── Dockerfile
├── main.py
└── requirements.txt
توجه: پوشه
agent/در داخل هر آزمایشگاه همان چیزی است که افزونه Microsoft Foundry هنگام اجرای فرمانMicrosoft Foundry: Create a New Hosted Agentدر Command Palette تولید میکند. سپس فایلها با دستورالعملها، ابزارها و پیکربندی نماینده شما سفارشی میشوند. آزمایشگاه ۰۱ شما را قدم به قدم با ساخت این از ابتدا همراهی میکند.
git clone https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Labpython -m venv venvآن را فعال کنید:
- ویندوز (PowerShell):
.\venv\Scripts\Activate.ps1
- macOS / لینوکس:
source venv/bin/activate
pip install -r workshop/lab01-single-agent/agent/requirements.txtفایل نمونه .env را در پوشه نماینده کپی کرده و مقادیر خود را وارد کنید:
cp workshop/lab01-single-agent/agent/.env.example workshop/lab01-single-agent/agent/.envفایل workshop/lab01-single-agent/agent/.env را ویرایش کنید:
AZURE_AI_PROJECT_ENDPOINT=https://<your-account>.services.ai.azure.com/api/projects/<your-project>
AZURE_AI_MODEL_DEPLOYMENT_NAME=<your-model-deployment-name>هر آزمایشگاه مستقل با ماژولهای خود است. با آزمایشگاه ۰۱ برای یادگیری مبانی شروع کنید، سپس به آزمایشگاه ۰۲ برای جریانهای کاری چند نمایندهای بروید.
آزمایشگاه ۰۱ - نماینده تکنفره (دستورالعمل کامل)
| شماره | ماژول | لینک |
|---|---|---|
| 1 | خواندن پیشنیازها | 00-prerequisites.md |
| 2 | نصب Foundry Toolkit و افزونه Foundry | 01-setup.md |
| 3 | ایجاد پروژه Foundry | 01-setup.md |
| 4 | ایجاد نماینده میزبانی شده | 02-create-hosted-agent.md |
| 5 | پیکربندی دستورالعملها و محیط | 03-configure-and-code.md |
| 6 | تست به صورت محلی | 04-test-locally.md |
| 7 | استقرار در Foundry | 05-deploy-to-foundry.md |
| 8 | تایید در Playground | 06-verify-in-playground.md |
| 9 | عیبیابی | 08-troubleshooting.md |
آزمایشگاه ۰۲ - جریان کار چند نمایندهای (دستورالعمل کامل)
| شماره | ماژول | لینک |
|---|---|---|
| 1 | پیشنیازها (آزمایشگاه ۰۲) | 00-prerequisites.md |
| 2 | درک معماری چند نمایندهای | 01-understand-multi-agent.md |
| 3 | ایجاد چارچوب پروژه چند نمایندهای | 02-scaffold-multi-agent.md |
| 4 | پیکربندی نمایندگان و محیط | 03-configure-agents.md |
| 5 | الگوهای هماهنگی | 04-orchestration-patterns.md |
| 6 | تست محلی (چند نمایندهای) | 05-test-locally.md |
| 7 | استقرار در Foundry | 06-deploy-to-foundry.md | | 8 | تأیید در محیط بازی | 07-verify-in-playground.md | | 9 | رفع اشکال (چندعامله) | 08-troubleshooting.md |
 شیوام گویال |
| سناریو | نقشهای مورد نیاز |
|---|---|
| ایجاد پروژه جدید Foundry | مالک Azure AI بر روی منبع Foundry |
| استقرار در پروژه موجود (منابع جدید) | مالک Azure AI + مشارکتکننده بر روی اشتراک |
| استقرار در پروژه کاملاً پیکربندی شده | خواننده بر روی حساب + کاربر Azure AI بر روی پروژه |
مهم: نقشهای
مالکومشارکتکنندهدر Azure تنها شامل مجوزهای مدیریت هستند، نه مجوزهای توسعه (عملیات داده). برای ساخت و استقرار نمایندگان به کاربر Azure AI یا مالک Azure AI نیاز دارید.
- شروع سریع: استقرار اولین نماینده میزبانی شده شما (VS Code)
- نمایندگان میزبانی شده چیستند؟
- ایجاد گردشهای کاری نمایندگان میزبانی شده در VS Code
- استقرار یک نماینده میزبانی شده
- مدیریت دسترسی مبتنی بر نقش برای Microsoft Foundry
- نمونه نماینده بازبینی معماری - نماینده واقعی میزبانی شده با ابزارهای MCP، نمودارهای Excalidraw، و استقرار دوگانه
سلب مسئولیت: این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است شامل خطاها یا نادرستیهایی باشند. سند اصلی به زبان مادری خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما در قبال هرگونه سوء تفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.