microsoft--mcp-for-beginners/translations/bg/10-StreamliningAIWorkflowsBuildingAnMCPServerWithAIToolkit/lab1

🚀 Модул 1: Основи на Microsoft Foundry Toolkit

📋 Учебни цели

Към края на този модул ще можете да:

• ✅ Инсталирате и конфигурирате Microsoft Foundry Toolkit Extension за VS Code
• ✅ Навигирате в Каталога с модели и разбирате различните източници на модели
• ✅ Използвате Плейграунда за тестване и експерименти с модели
• ✅ Създавате персонализирани AI агенти с помощта на Agent Builder
• ✅ Сравнявате представянето на модели от различни доставчици
• ✅ Приложите най-добрите практики за инженеринг на подсказки

🧠 Въведение в Microsoft Foundry Toolkit

Microsoft Foundry Toolkit Extension за VS Code е водещото разширение на Microsoft, което превръща VS Code в цялостна среда за разработка на AI. То свързва AI изследванията с практическата разработка, правейки генеративния AI достъпен за разработчици на всички нива.

🌟 Основни възможности

Функция	Описание	Пример за използване
🗂️ Каталог с модели	Достъп до 100+ модела от GitHub, ONNX, OpenAI, Anthropic, Google	Откриване и избор на модели
🔌 Поддръжка на BYOM	Интегрирайте свои собствени модели (локални/отдалечени)	Персонализирано разгръщане на модели
🎮 Интерактивен Плейграунд	Тестване на модели в реално време с чат интерфейс	Бързо прототипиране и тестване
📎 Мултимодална поддръжка	Работа с текст, изображения и прикачени файлове	Комплексни AI приложения
⚡ Пакетна обработка	Изпълнение на множество подсказки едновременно	Ефективни работни потоци за тестване
📊 Оценка на модели	Вградени метрики (F1, релевантност, сходство, когерентност)	Оценка на представянето

🎯 Защо Microsoft Foundry Toolkit е важен

• 🚀 Ускорена разработка: От идея до прототип за минути
• 🔄 Унифициран работен поток: Един интерфейс за множество AI доставчици
• 🧪 Лесни експерименти: Сравнявайте модели без сложни настройки
• 📈 Готов за производство: Плавен преход от прототип към разгръщане

🛠️ Предварителни изисквания и настройка

📦 Инсталиране на Microsoft Foundry Toolkit Extension

Стъпка 1: Достъп до Marketplace за разширения

1. Отворете Visual Studio Code
2. Отидете на изгледа за разширения (Ctrl+Shift+X или Cmd+Shift+X)
3. Потърсете "Microsoft Foundry Toolkit"

Стъпка 2: Изберете своята версия

• 🟢 Официална: Препоръчва се за продукционна употреба
• 🔶 Предварителна версия: Ранен достъп до най-новите функции

Стъпка 3: Инсталиране и активация

✅ Контролен списък за проверка

• Иконата на Microsoft Foundry Toolkit се появява в страничната лента на VS Code
• Разширението е активирано и работи
• Няма грешки при инсталацията в панела с изход

🧪 Практическо упражнение 1: Изследване на модели в GitHub

🎯 Цел: Усвоете Каталога с модели и тествайте първия си AI модел

📊 Стъпка 1: Навигирайте в Каталога с модели

Каталогът с модели е вашият портал към AI екосистемата. Той агрегира модели от множество доставчици, като улеснява откриването и сравняването на опции.

🔍 Ръководство за навигация:

Кликнете върху MODELS - Catalog в страничната лента на Microsoft Foundry Toolkit

💡 Полезен съвет: Потърсете модели с конкретни възможности, които отговарят на вашия случай (например генериране на код, креативно писане, анализ).

⚠️ Забележка: Моделите, хоствани в GitHub (т.е. GitHub модели), са безплатни за използване, но имат ограничения за честота на заявки и токени. Ако искате да използвате модели, които не са в GitHub (т.е. външни модели, хоствани през Azure AI или други крайни точки), ще трябва да предоставите съответния API ключ или удостоверяване.

🚀 Стъпка 2: Добавете и конфигурирайте първия си модел

Стратегия за избор на модел:

• GPT-4.1: Най-добър за сложни разсъждения и анализ
• Phi-4-mini: Леки и бързи отговори за простички задачи

🔧 Процес на конфигуриране:

1. Изберете OpenAI GPT-4.1 от каталога
2. Кликнете Add to My Models – това регистрира модела за използване
3. Изберете Try in Playground за стартиране на тестовата среда
4. Изчакайте инициализацията на модела (първоначалната настройка може да отнеме малко време)

⚙️ Разбиране на параметрите на модела:

• Temperature: Контролира креативността (0 = детерминистичен, 1 = креативен)
• Max Tokens: Максимална дължина на отговора
• Top-p: Ядром взиране за разнообразие в отговорите

🎯 Стъпка 3: Овладяване на интерфейса на Плейграунда

Плейграундът е вашата лаборатория за AI експерименти. Ето как да извлечете максимум от него:

🎨 Най-добри практики за инженеринг на подсказки:

1. Бъдете конкретни: Ясни и подробни инструкции дават по-добри резултати
2. Осигурете контекст: Включете релевантна фонова информация
3. Използвайте примери: Покажете на модела какво искате с примери
4. Итерирайте: Усъвършенствайте подсказките според първоначалните резултати

🧪 Тестови сценарии:

# Example 1: Code Generation
"Write a Python function that calculates the factorial of a number using recursion. Include error handling and docstrings."

# Example 2: Creative Writing
"Write a professional email to a client explaining a project delay, maintaining a positive tone while being transparent about challenges."

# Example 3: Data Analysis
"Analyze this sales data and provide insights: [paste your data]. Focus on trends, anomalies, and actionable recommendations."

🏆 Предизвикателство: Сравнение на представянето на модели

🎯 Цел: Сравнете различни модели с идентични подсказки, за да разберете техните силни страни

📋 Инструкции:

1. Добавете Phi-4-mini в работната си среда
2. Използвайте същата подсказка за GPT-4.1 и Phi-4-mini

3. Сравнете качеството на отговорите, скоростта и точността
4. Документирайте наблюденията в секцията с резултати

💡 Ключови прозрения за откриване:

• Кога да се използва LLM срещу SLM
• Баланс между разходи и представяне
• Специализирани възможности на различните модели

🤖 Практическо упражнение 2: Създаване на персонализирани агенти с Agent Builder

🎯 Цел: Създайте специализирани AI агенти, пригодени за конкретни задачи и работни потоци

🏗️ Стъпка 1: Запознаване с Agent Builder

Agent Builder е истинската сила на Microsoft Foundry Toolkit. Той ви позволява да създавате целево предназначени AI асистенти, които съчетават мощта на големи езикови модели с персонализирани инструкции, конкретни параметри и специализирани знания.

🧠 Компоненти на архитектурата на агента:

• Основен модел: Базовият LLM (GPT-4, Groks, Phi и др.)
• Системна подсказка: Определя личността и поведението на агента
• Параметри: Фината настройка за оптимално представяне
• Интеграция на инструменти: Свързване с външни API и MCP услуги
• Памет: Контекст на разговора и запазване на сесията

⚙️ Стъпка 2: Дълбок преглед на конфигурацията на агента

🎨 Създаване на ефективни системни подсказки:

# Template Structure:
## Role Definition
You are a [specific role] with expertise in [domain].

## Capabilities
- List specific abilities
- Define scope of knowledge
- Clarify limitations

## Behavior Guidelines
- Response style (formal, casual, technical)
- Output format preferences
- Error handling approach

## Examples
Provide 2-3 examples of ideal interactions

Разбира се, можете да използвате и Generate System Prompt, за да си помогнете с генерирането и оптимизирането на подсказките чрез AI

🔧 Оптимизация на параметрите:

Параметър	Препоръчителен диапазон	Пример за използване
Temperature	0.1-0.3	Технически/фактически отговори
Temperature	0.7-0.9	Креативни/мозъчна атака задачи
Max Tokens	500-1000	Кратки отговори
Max Tokens	2000-4000	Подробни обяснения

🐍 Стъпка 3: Практическо упражнение - Агент за програмиране на Python

🎯 Мисия: Създайте специализиран асистент за кодиране на Python

📋 Стъпки за конфигурация:

1. Избор на модел: Изберете Claude 3.5 Sonnet (отличен за код)

2. Дизайн на системна подсказка:

# Python Programming Expert Agent

## Role
You are a senior Python developer with 10+ years of experience. You excel at writing clean, efficient, and well-documented Python code.

## Capabilities
- Write production-ready Python code
- Debug complex issues
- Explain code concepts clearly
- Suggest best practices and optimizations
- Provide complete working examples

## Response Format
- Always include docstrings
- Add inline comments for complex logic
- Suggest testing approaches
- Mention relevant libraries when applicable

## Code Quality Standards
- Follow PEP 8 style guidelines
- Use type hints where appropriate
- Handle exceptions gracefully
- Write readable, maintainable code

3. Конфигуриране на параметрите:
   • Temperature: 0.2 (за последователен и надежден код)
   • Max Tokens: 2000 (подробни обяснения)
   • Top-p: 0.9 (балансирана креативност)

🧪 Стъпка 4: Тестване на вашия Python агент

Тестови сценарии:

1. Основна функция: "Създайте функция за намиране на прости числа"
2. Сложен алгоритъм: "Имплементирайте двоично дърво за търсене с методи за добавяне, изтриване и търсене"
3. Реален проблем: "Изградете уеб скрейпър, който се справя с ограничение на честотата и повторни опити"
4. Отстраняване на грешки: "Поправете този код [поставете бъгнат код]"

🏆 Критерии за успех:

• ✅ Кодът работи без грешки
• ✅ Включена е адекватна документация
• ✅ Следва добрите практики за Python
• ✅ Предоставя ясни обяснения
• ✅ Предлага подобрения

🎓 Обобщение на Модул 1 и следващи стъпки

📊 Проверка на знанията

Проверете разбирането си:

• Можете ли да обясните разликите между моделите в каталога?
• Създадохте ли и тествахте успешно персонализиран агент?
• Разбирате ли как да оптимизирате параметрите за различни случаи?
• Можете ли да проектирате ефективни системни подсказки?

📚 Допълнителни ресурси

• Документация на Microsoft Foundry Toolkit: Официални Microsoft Docs
• Ръководство за инженеринг на подсказки: Най-добри практики
• Модели в Microsoft Foundry Toolkit: Модели в разработка

🎉 Поздравления! Усвоихте основите на Microsoft Foundry Toolkit и сте готови да създавате по-сложни AI приложения!

🔜 Продължете към следващия модул

Готови ли сте за по-напреднали възможности? Продължете към Модул 2: MCP с основите на Microsoft Foundry Toolkit, където ще научите как да:

• Свързвате вашите агенти с външни инструменти чрез Model Context Protocol (MCP)
• Създавате агенти за браузърна автоматизация с Playwright
• Интегрирате MCP сървъри с вашите агенти от Microsoft Foundry Toolkit
• Засилвате агентите си с външни данни и възможности

---

Отказ от отговорност: Този документ е преведен с помощта на AI преводачески услуга Co-op Translator. Въпреки че се стремим към точност, моля имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод.