Microsoft Foundry Agent Service-க்கான quickstart Python-க்காக எழுதப்பட்டுள்ளது. இது Azure-ன் பின்னணி வேலைகளை (plumbing) மிக அடர்த்தியான கட்டமைப்பிற்குள் (scaffolding) மறைத்துவிடுகிறது, இதனால் எந்தெந்த ஆதாரங்கள் (resources) உண்மையில் உருவாக்கப்பட்டன என்று தெரியாமலேயே நீங்கள் பயிற்சியை முடித்துவிடலாம். நீங்கள் .NET-இல் உருவாக்குகிறீர்கள் என்றால், நீங்கள் ஒரு பின்னடைவுடன் தொடங்குகிறீர்கள்: மாதிரிகள் (samples) தவறான திசையைக் காட்டுகின்றன, தொகுப்புப் பெயர்கள் (package names) எச்சரிக்கையின்றி மாறுகின்றன, மேலும் Azure AI Foundry என்பதிலிருந்து Microsoft Foundry என சமீபத்தில் செய்யப்பட்ட மறுபெயரிடல் (rebrand), தேடல் முடிவுகளில் இரண்டு வகையான ஆவணங்கள் போட்டியிடும் நிலையை உருவாக்கியுள்ளது.

நான் சமீபத்தில் C#-இல் எனது முதல் ஏஜென்ட்டை (agent) உருவாக்கினேன். தேவையற்ற குழப்பங்களை நீக்கிவிட்டு, அத்தியாவசியமான படங்களை முன்னோட்டப் பதிப்பு (preview-version) குழப்பங்களிலிருந்து பிரித்தெடுத்தால், இந்தச் சேவை சிறப்பாகச் செயல்படுகிறது. முதல் நாளிலேயே என்னிடம் இருந்திருக்க விரும்பிய வரைபடம் இதோ.

உங்களுக்கு உண்மையில் தேவைப்படும் நான்கு ஆதாரங்கள் (Resources)

ஒரு அடிப்படை Prompt Agent-ஐ இயக்க உங்களுக்குப் பன்னிரண்டு Azure சேவைகள் தேவையில்லை. உங்களுக்கு சரியாக நான்கு விஷயங்கள் தேவைப்படுகின்றன, மேலும் Python notebooks செய்யாத வகையில் CLI அவற்றை உங்களுக்குத் தெளிவாகக் காட்டுகிறது.

முதலாவதாக, AIServices வகையிலான ஒரு Foundry resource. நீங்கள் அழைக்கும் மாதிரிகளுக்கான (models) முதன்மைத் திறனாக (parent capacity) இது செயல்படுகிறது. இரண்டாவதாக, அந்த resource-க்குள் ஒரு project. உங்கள் ஏஜென்ட் வரையறைகள் (agent definitions), உரையாடல் இழைகள் (conversation threads) மற்றும் வரிசைப்படுத்தல் அமைப்புகள் (deployment settings) இருக்கும் எல்லை (scope) இந்த project ஆகும். மூன்றாவதாக, ஒரு deployed model. ஒரு செயல்பாட்டில் உள்ள deployment இல்லாமல், ஏஜென்ட் அழைப்பதற்கு எந்த endpoint-ம் இருக்காது. நான்காவதாக, உங்கள் அடையாளத்திற்கான ஒரு role assignment, இதன் மூலம் SDK அந்த project-ஐ அங்கீகரிக்க (authenticate) முடியும்.

அவ்வளவுதான். Kubernetes cluster தேவையில்லை, custom compute தேவையில்லை, உரையாடல் வரலாற்றிற்காக (conversation history) கைமுறையாக நிர்வகிக்கப்படும் Redis cache தேவையில்லை.

Prompt Agents மற்றும் Hosted Agents இடையிலான வேறுபாடு

ஏஜென்ட்களை இயக்க Foundry உங்களுக்கு இரண்டு வழிகளை வழங்குகிறது. சிக்கலான விருப்பத்தைத் தானாகவே (default) தேர்ந்தெடுக்க வேண்டாம்.

Prompt Agents எளிமையான வழி. நீங்கள் ஒரு மாதிரியைத் தேர்ந்தெடுத்து, சிஸ்டம் அறிவுறுத்தல்களை (system instructions) எழுதினால் போதும், Foundry உங்களுக்காக ஏஜென்ட்டை இயக்கும். நீங்கள் compute, containers அல்லது routing logic ஆகியவற்றைப் பராமரிக்கத் தேவையில்லை. இது உள் கருவிகள் (internal tools), helpdesk bots மற்றும் ஆவணங்கள் குறித்த நேரடியான கேள்வி-பதில் பதில்களுக்குப் பொருத்தமானது.

Hosted Agents-க்கு நீங்கள் அப்ளிகேஷன் குறியீட்டை (application code) எழுதி, அதை ஒரு container-ஆகப் பேக்கேஜ் செய்து, அதை Foundry-உடன் இணைக்க வேண்டும். தரப்படுத்தப்படாத அங்கீகாரம் (non-standard authentication) கொண்ட ஒரு உள் API-ஐ அழைப்பது போன்ற, prompts மற்றும் உள்ளமைக்கப்பட்ட கருவிகள் (built-in tools) மூலம் Foundry-ஆல் வெளிப்படுத்த முடியாத தனிப்பயன் வணிகத் தர்க்கங்கள் (custom business logic) உங்களுக்குத் தேவைப்படும்போது மட்டுமே இந்த வழியைத் தேர்ந்தெடுக்கவும்.

நீங்கள் Docker files மற்றும் orchestration ஆகியவற்றில் முதலீடு செய்வதற்கு முன், உங்கள் .NET அமைப்பு சரியாக உள்ளதா என்பதைச் சரிபார்க்க Prompt Agents மிக வேகமான வழியாக இருப்பதால், இந்த வழிகாட்டி அவற்றிலேயே கவனம் செலுத்துகிறது.

Command Line மூலம் அமைத்தல்

CLI-ஐப் பயன்படுத்துவது ஒவ்வொரு resource-ஐயும் நீங்கள் பார்க்கத் தூண்டுகிறது, இது Python quickstart மறைத்துவிடும் விஷயமாகும். East US 2-இல் ஒரு resource group-ஐ உருவாக்கவும். இங்கே பிராந்தியத் தேர்வு (Region choice) முக்கியமானது. Foundry கருவிகளின் ஆதரவை சீரற்ற முறையில் வழங்குகிறது, மேலும் தற்போது East US 2 அதிகப்படியான ஆதரவைக் கொண்டுள்ளது. ஒருவேளை நீங்கள் code interpreter அல்லது file search கருவிகள் இல்லாத ஒரு பிராந்தியத்தைத் தேர்ந்தெடுத்தால், உங்கள் ஏஜென்ட் உருவாக்கும் அழைப்பு (agent creation call), ஆதரிக்கப்படாத திறன்கள் குறித்த தெளிவற்ற பிழையுடன் (opaque error) தோல்வியடையும்.

--allow-project-management flag-ஐப் பயன்படுத்தி Foundry resource-ஐ உருவாக்கவும். அந்த flag இல்லையென்றால், resource ஒரு தனித்த cognitive services endpoint-ஆகவே இருக்கும் மற்றும் ஏஜென்ட்களுக்குத் தேவையான project-scoped deployments-ஐ ஏற்காது. பின்னர் project-ஐ உருவாக்கி, உங்கள் மாதிரியை (model) வரிசைப்படுத்தவும் (deploy), மேலும் உங்களுக்கு Foundry User ரோலை (role) வழங்கவும்.

Display name-க்கு பதிலாக நிலையான role GUID-ஐப் பயன்படுத்தவும்:

53ca6127-db72-4b80-b1b0-d745d6d5456d

Tenant-ஐப் பொறுத்து, Azure Active Directory வழியாக ரோல் பெயர்கள் வெவ்வேறு வேகத்தில் பரவுகின்றன. ஒரு நிறுவனம் இன்று போர்ட்டலில் (portal) Foundry User என்பதைக் காணும்; மற்றொரு நிறுவனம் இன்னும் சில நாட்களுக்கு அதைக் காணாது. GUID நேரடியாக வரையறையைக் (definition) குறிப்பதால், rollout செய்யும்போது தோல்வியடையாது. கொள்கை சிக்கல்கள் (policy problems) போலத் தோன்றும் ஆனால் உண்மையில் லேபிள்-ரிசல்யூஷன் (label-resolution) சிக்கல்களாக இருக்கும் permission-denied பிழைகளைத் திருத்துவதற்கு (debugging) நீங்கள் செலவிடும் ஒரு மணிநேரத்தை இந்த ஒரு சிறு விவரம் மிச்சப்படுத்தும்.

தவறான NuGet Package-ஐத் தவிர்க்கவும்

.NET டெவலப்பர்கள் பெரும்பாலும் இங்குதான் சிக்கிக்கொள்கிறார்கள். பழைய குறிப்புகளில் (snippets) Azure.AI.Projects.OpenAI-க்கான குறிப்புகளை நீங்கள் காண்பீர்கள். அந்தப் தொகுப்பு (package) முன்னோட்டப் பதிப்பிற்கு (preview-only) மட்டுமே உரியது, மேலும் அது Azure.AI.Extensions.OpenAI-உடன் ஒன்றோடொன்று இணைகிறது. இரண்டும் ஒரே மாதிரியான namespaces-இல் extension methods மற்றும் வகைகளை (types) வரையறுக்கின்றன. நீங்கள் அவற்றை அருகருகே நிறுவினால், தெளிவற்ற குறிப்பு பிழைகளுடன் (ambiguous reference errors) உங்கள் build முறியும்