Bengkel Foundry Toolkit + Agen Hosted Foundry

Bina, uji, dan deploy ejen AI ke Microsoft Foundry Agent Service sebagai Hosted Agents - sepenuhnya dari VS Code menggunakan pemanjangan Microsoft Foundry dan Foundry Toolkit.

Hosted Agents kini dalam pratonton. Kawasan yang disokong adalah terhad - lihat ketersediaan kawasan.

Folder agent/ dalam setiap makmal dibina secara automatik oleh pemanjangan Foundry - anda kemudian menyesuaikan kod, uji secara tempatan, dan deploy.

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Dikemaskini)

Lebih Suka Clone Secara Tempatan?

Repositori ini mengandungi lebih 50+ terjemahan bahasa yang meningkatkan saiz muat turun secara signifikan. Untuk clone tanpa terjemahan, gunakan 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"
Ini memberikan anda segala-galanya yang anda perlukan untuk menyelesaikan kursus dengan muat turun yang jauh lebih pantas.

Seni Bina

flowchart TB
    subgraph Local["Pembangunan Tempatan (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 -- "F5 Debug" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        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)" --> Rangka
    Playground -- "Uji arahan" --> AgentService

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

Aliran: Pemanjangan Foundry membina ejen → anda ubah suai kod & arahan → uji secara tempatan menggunakan Agent Inspector → deploy ke Foundry (imej Docker didorong ke ACR) → sahkan di Playground.

Apa yang akan anda bina

Makmal	Penerangan	Status
Makmal 01 - Ejen Tunggal	Bina "Terangkan Seperti Saya Seorang Eksekutif" Ejen, uji secara tempatan, dan deploy ke Foundry	✅ Tersedia
Makmal 02 - Aliran Kerja Multi-Ejen	Bina "Resume → Penilai Kesesuaian Kerja" - 4 ejen bekerjasama untuk menilai kesesuaian resume dan menghasilkan peta jalan pembelajaran	✅ Tersedia

Kenali Ejen Eksekutif

Dalam bengkel ini anda akan bina "Terangkan Seperti Saya Seorang Eksekutif" Ejen - ejen AI yang mengambil jargon teknikal yang rumit dan menterjemahkannya menjadi ringkasan tenang yang bersesuaian untuk bilik lembaga. Sebab jujur, tiada siapa dalam C-suite ingin dengar tentang "keletihan kolam thread yang disebabkan oleh panggilan segerak yang diperkenalkan dalam v3.2."

Saya membina ejen ini selepas terlalu banyak insiden di mana laporan pasca kejadian saya yang sempurna mendapat maklum balas: "Jadi... adakah laman web down atau tidak?"

Bagaimana ia berfungsi

Anda berikan kemas kini teknikal. Ia membalas dengan ringkasan eksekutif - tiga titik peluru, tiada jargon, tiada jejak tumpukan, tiada ketakutan eksistensial. Hanya apa yang berlaku, impak perniagaan, dan langkah seterusnya.

Lihat ia beraksi

Anda berkata:

"Latensi API meningkat kerana keletihan kolam thread yang disebabkan oleh panggilan segerak yang diperkenalkan dalam v3.2."

Ejen menjawab:

Ringkasan Eksekutif:

Apa yang berlaku: Selepas pelepasan terkini, sistem menjadi perlahan.

Impak perniagaan: Sesetengah pengguna mengalami kelewatan semasa menggunakan perkhidmatan.

Langkah seterusnya: Perubahan telah dibatalkan dan pembetulan sedang disediakan sebelum deploy semula.

Kenapa ejen ini?

Ia ejen yang sangat mudah, berfungsi tunggal - sempurna untuk mempelajari aliran kerja ejen hosted dari awal hingga akhir tanpa terperangkap dalam rantai alat yang rumit. Dan jujur? Setiap pasukan kejuruteraan boleh menggunakan satu daripada ini.

Struktur bengkel

📂 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

Nota: Folder agent/ di dalam setiap makmal ialah apa yang dijana oleh pemanjangan Microsoft Foundry apabila anda menjalankan Microsoft Foundry: Create a New Hosted Agent dari Command Palette. Fail kemudiannya disesuaikan dengan arahan, alat, dan konfigurasi ejen anda. Makmal 01 membimbing anda membina ini dari awal.

Mula

1. Clone repositori

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

2. Sediakan persekitaran maya Python

python -m venv venv

Aktifkan:

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

3. Pasang kebergantungan

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

4. Konfigurasikan pembolehubah persekitaran

Salin fail contoh .env dalam folder ejen dan isikan nilai anda:

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

Edit 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. Ikut makmal bengkel

Setiap makmal berdiri sendiri dengan modul sendiri. Mulakan dengan Makmal 01 untuk belajar asas, kemudian beralih ke Makmal 02 untuk aliran kerja multi-ejen.

Makmal 01 - Ejen Tunggal (arahan penuh)

#	Modul	Pautan
1	Baca prasyarat	00-prerequisites.md
2	Pasang Foundry Toolkit & pemanjangan Foundry	01-setup.md
3	Cipta projek Foundry	01-setup.md
4	Cipta agen hosted	02-create-hosted-agent.md
5	Konfigurasikan arahan & persekitaran	03-configure-and-code.md
6	Uji secara tempatan	04-test-locally.md
7	Deploy ke Foundry	05-deploy-to-foundry.md
8	Sahkan di playground	06-verify-in-playground.md
9	Penyelesaian masalah	08-troubleshooting.md

Makmal 02 - Aliran Kerja Multi-Ejen (arahan penuh)

#	Modul	Pautan
1	Prasyarat (Makmal 02)	00-prerequisites.md
2	Fahami seni bina multi-ejen	01-understand-multi-agent.md
3	Bina projek multi-ejen	02-scaffold-multi-agent.md
4	Konfigurasikan ejen & persekitaran	03-configure-agents.md
5	Corak orkestrasi	04-orchestration-patterns.md
6	Uji secara tempatan (multi-ejen)	05-test-locally.md

Penyelenggara

_{Shivam Goyal}

Kebenaran yang diperlukan (rujukan pantas)

Senario	Peranan yang diperlukan
Cipta projek Foundry baru	Azure AI Owner pada sumber Foundry
Deploy ke projek sedia ada (sumber baru)	Azure AI Owner + Contributor pada langganan
Deploy ke projek yang telah dikonfigurasi sepenuhnya	Reader pada akaun + Azure AI User pada projek

Penting: Peranan Azure Owner dan Contributor hanya merangkumi kebenaran pengurusan, bukan kebenaran pembangunan (tindakan data). Anda memerlukan Azure AI User atau Azure AI Owner untuk membina dan deploy ejen.

Rujukan

Mula cepat: Deploy ejen berhala pertama anda (VS Code)
Apakah ejen berhala?
Cipta aliran kerja ejen berhala dalam VS Code
Deploy ejen berhala
RBAC untuk Microsoft Foundry
Contoh Ejen Semakan Seni Bina - Ejen berhala dunia sebenar dengan alat MCP, carta Excalidraw, dan gedung deploy dua hala

Lesen

MIT

Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang sahih. Untuk maklumat penting, terjemahan oleh manusia profesional adalah disyorkan. Kami tidak bertanggungjawab terhadap sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.

FilesExpand file tree

README.md

Latest commit

History