Atelier Foundry Toolkit + Agents Hébergés Foundry

Créez, testez et déployez des agents IA sur le Microsoft Foundry Agent Service en tant qu'Agents Hébergés - entièrement depuis VS Code en utilisant l'extension Microsoft Foundry et le Foundry Toolkit.

Les Agents Hébergés sont actuellement en aperçu. Les régions supportées sont limitées - voir disponibilité par région.

Le dossier agent/ à l'intérieur de chaque laboratoire est automatiquement structuré par l'extension Foundry - vous personnalisez ensuite le code, testez localement, et déployez.

🌐 Support multilingue

Supporté via GitHub Action (Automatisé & Toujours à jour)

Vous préférez cloner localement ?

Ce dépôt comprend plus de 50 traductions linguistiques ce qui augmente significativement la taille du téléchargement. Pour cloner sans les traductions, utilisez le 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"
Cela vous donne tout ce dont vous avez besoin pour compléter le cours avec un téléchargement beaucoup plus rapide.

Architecture

flowchart TB
    subgraph Local["Développement local (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 -- "Débogage F5" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Fonderie Microsoft"]
        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)" --> Échafaudage
    Playground -- "Tester les invites" --> AgentService

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

Flux : L'extension Foundry crée la structure de l'agent → vous personnalisez le code & les instructions → testez localement avec Agent Inspector → déployez sur Foundry (image Docker poussée vers ACR) → vérifiez dans Playground.

Ce que vous allez construire

Atelier	Description	Statut
Atelier 01 - Agent Unique	Construisez l'agent "Expliquez-moi Comme si J'étais un Dirigeant", testez-le localement, puis déployez-le sur Foundry	✅ Disponible
Atelier 02 - Workflow Multi-Agents	Construisez l'"Évaluateur de CV → Adéquation à l'emploi" - 4 agents collaborent pour noter l'adéquation du CV et générer une feuille de route d'apprentissage	✅ Disponible

Découvrez l'Agent Dirigeant

Dans cet atelier, vous construirez l'agent "Expliquez-moi Comme si J'étais un Dirigeant" - un agent IA qui prend un jargon technique complexe et le traduit en résumés calmes, prêts pour une salle de conseil. Parce qu’en vérité, personne dans la direction ne veut entendre parler de "l'épuisement du pool de threads causé par des appels synchrones introduits dans la v3.2."

J'ai créé cet agent après trop d'incidents où mon post-mortem parfaitement rédigé recevait la réponse : "Alors... le site est-il en panne ou pas ?"

Comment ça fonctionne

Vous lui fournissez une mise à jour technique. Il vous renvoie un résumé exécutif - trois points clés, pas de jargon, pas de traces de pile, pas d'angoisse existentielle. Juste ce qui s'est passé, l'impact business, et la prochaine étape.

Voyez-le en action

Vous dites :

"La latence de l'API a augmenté en raison de l'épuisement du pool de threads causé par des appels synchrones introduits dans la v3.2."

L'agent répond :

Résumé Exécutif :

Ce qui s'est passé : Après la dernière mise à jour, le système a ralenti.

Impact business : Certains utilisateurs ont rencontré des délais pendant l'utilisation du service.

Prochaine étape : La modification a été annulée et une correction est en préparation avant un redéploiement.

Pourquoi cet agent ?

C'est un agent très simple, à usage unique - parfait pour apprendre le workflow des agents hébergés de bout en bout sans se perdre dans des chaînes d'outils complexes. Et honnêtement ? Chaque équipe d'ingénierie serait bien avisée d'en avoir un.

Structure de l'atelier

📂 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

Note : Le dossier agent/ à l'intérieur de chaque laboratoire est ce que l'extension Microsoft Foundry génère lorsque vous exécutez Microsoft Foundry: Create a New Hosted Agent depuis la palette de commandes. Les fichiers sont ensuite personnalisés avec les instructions, outils et configurations de votre agent. L'atelier 01 vous guide à travers la recréation de cela depuis zéro.

Démarrage

1. Clonez le dépôt

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

2. Configurez un environnement virtuel Python

python -m venv venv

Activez-le :

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

3. Installez les dépendances

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

4. Configurez les variables d'environnement

Copiez le fichier .env exemple dans le dossier de l'agent et remplissez vos valeurs :

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

Modifiez workshop/lab01-single-agent/agent/.env :

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

5. Suivez les laboratoires de l'atelier

Chaque laboratoire est autonome avec ses propres modules. Commencez par Atelier 01 pour apprendre les fondamentaux, puis passez à Atelier 02 pour les workflows multi-agents.

Atelier 01 - Agent Unique (instructions complètes)

#	Module	Lien
1	Lire les prérequis	00-prerequisites.md
2	Installer Foundry Toolkit & extension Foundry	01-setup.md
3	Créer un projet Foundry	01-setup.md
4	Créer un agent hébergé	02-create-hosted-agent.md
5	Configurer instructions & environnement	03-configure-and-code.md
6	Tester localement	04-test-locally.md
7	Déployer sur Foundry	05-deploy-to-foundry.md
8	Vérifier dans le playground	06-verify-in-playground.md
9	Résolution des problèmes	08-troubleshooting.md

Atelier 02 - Workflow Multi-Agents (instructions complètes)

#	Module	Lien
1	Prérequis (Atelier 02)	00-prerequisites.md
2	Comprendre l’architecture multi-agent	01-understand-multi-agent.md
3	Créer la structure du projet multi-agent	02-scaffold-multi-agent.md
4	Configurer les agents & l’environnement	03-configure-agents.md
5	Modèles d’orchestration	04-orchestration-patterns.md
6	Tester localement (multi-agent)	05-test-locally.md

Mainteneur

_{Shivam Goyal}

Permissions requises (référence rapide)

Scénario	Rôles requis
Créer un nouveau projet Foundry	Propriétaire Azure AI sur la ressource Foundry
Déployer sur projet existant (nouvelles ressources)	Propriétaire Azure AI + Contributeur sur la souscription
Déployer sur projet entièrement configuré	Lecteur sur le compte + Utilisateur Azure AI sur le projet

Important : les rôles Azure Propriétaire et Contributeur incluent uniquement les permissions de gestion, pas les permissions de développement (actions sur les données). Vous avez besoin d'Utilisateur Azure AI ou de Propriétaire Azure AI pour construire et déployer des agents.

Références

Démarrage rapide : Déployez votre premier agent hébergé (VS Code)
Qu'est-ce que les agents hébergés ?
Créer des workflows d'agents hébergés dans VS Code
Déployer un agent hébergé
RBAC pour Microsoft Foundry
Exemple d'agent d'examen d'architecture - Agent hébergé réel avec outils MCP, diagrammes Excalidraw, et déploiement double

Licence

MIT

Avertissement : Ce document a été traduit à l'aide du service de traduction automatique Co-op Translator. Bien que nous nous efforçions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source faisant autorité. Pour les informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous ne saurions être tenus responsables des malentendus ou erreurs d'interprétation découlant de l'utilisation de cette traduction.

FilesExpand file tree

README.md

Latest commit

History