wehub-resource-sync🚀 Modul 1: Základy Microsoft Foundry Toolkit
📋 Výukové cíle
Na konci tohoto modulu budete schopni:
- ✅ Nainstalovat a nakonfigurovat Microsoft Foundry Toolkit Extension pro VS Code
- ✅ Pohybovat se v Model Catalog a rozumět různým zdrojům modelů
- ✅ Používat Playground pro testování a experimentování s modely
- ✅ Vytvářet vlastní AI agenty pomocí Agent Builder
- ✅ Porovnávat výkon modelů napříč různými poskytovateli
- ✅ Aplikovat nejlepší postupy pro návrh promptů
🧠 Úvod do Microsoft Foundry Toolkit
Microsoft Foundry Toolkit Extension pro VS Code je hlavní rozšíření Microsoftu, které přeměňuje VS Code na komplexní vývojové prostředí pro AI. Spojuje výzkum AI s praktickým vývojem aplikací, díky čemuž je generativní AI přístupná vývojářům všech úrovní.
🌟 Klíčové funkce
| Funkce | Popis | Případ použití |
|---|---|---|
| 🗂️ Model Catalog | Přístup k více než 100 modelům z GitHub, ONNX, OpenAI, Anthropic, Google | Objevování a výběr modelů |
| 🔌 Podpora BYOM | Integrace vlastních modelů (lokálních/vzdálených) | Nasazení vlastních modelů |
| 🎮 Interaktivní Playground | Testování modelů v reálném čase s chatovým rozhraním | Rychlé prototypování a testování |
| 📎 Podpora multimodálních dat | Zpracování textu, obrázků a příloh | Komplexní AI aplikace |
| ⚡ Hromadné zpracování | Spouštění více promptů současně | Efektivní testovací procesy |
| 📊 Hodnocení modelů | Vstavané metriky (F1, relevance, podobnost, koherence) | Hodnocení výkonu |
🎯 Proč je Microsoft Foundry Toolkit důležitý
- 🚀 Zrychlený vývoj: Od nápadu k prototypu během minut
- 🔄 Jednotný pracovní tok: Jedno rozhraní pro více AI poskytovatelů
- 🧪 Snadné experimentování: Porovnání modelů bez složitého nastavení
- 📈 Připravený na produkci: Plynulý přechod z prototypu do nasazení
🛠️ Požadavky a nastavení
📦 Instalace Microsoft Foundry Toolkit Extension
Krok 1: Přístup na tržiště rozšíření
- Otevřete Visual Studio Code
- Přejděte do zobrazení Rozšíření (
Ctrl+Shift+XneboCmd+Shift+X) - Vyhledejte "Microsoft Foundry Toolkit"
Krok 2: Výběr verze
- 🟢 Stabilní verze: Doporučeno pro produkční použití
- 🔶 Předběžná verze: Předčasný přístup k nejnovějším funkcím
Krok 3: Instalace a aktivace
✅ Kontrolní seznam ověření
- Ikona Microsoft Foundry Toolkit se zobrazila v postranním panelu VS Code
- Rozšíření je povoleno a aktivováno
- V panelu výstupu nejsou chyby instalace
🧪 Praktický úkol 1: Prozkoumání GitHub modelů
🎯 Cíl: Ovládnout Model Catalog a otestovat svůj první AI model
📊 Krok 1: Pohyb v Model Catalog
Model Catalog je vaše brána do AI ekosystému. Agreguje modely od různých poskytovatelů, což usnadňuje objevování a porovnávání možností.
🔍 Průvodce navigací:
Klikněte na MODELS – Catalog v postranním panelu Microsoft Foundry Toolkit
💡 Tip: Hledejte modely s konkrétními schopnostmi, které odpovídají vašemu použití (např. generování kódu, kreativní psaní, analýza).
⚠️ Poznámka: Modely hostované na GitHubu (tj. GitHub Models) jsou zdarma, ale podléhají limitům počtu požadavků a tokenů. Pokud chcete přistupovat k modelům mimo GitHub (např. externí modely hostované přes Azure AI nebo jiné endpointy), budete muset zadat příslušný API klíč nebo autentifikaci.
🚀 Krok 2: Přidání a konfigurace prvního modelu
Strategie výběru modelu:
- GPT-4.1: Nejlepší pro složité uvažování a analýzu
- Phi-4-mini: Lehčí, rychlé odpovědi pro jednoduché úlohy
🔧 Proces konfigurace:
- Vyberte OpenAI GPT-4.1 z katalogu
- Klikněte na Add to My Models – tím se model zaregistruje pro použití
- Zvolte Try in Playground pro spuštění testovacího prostředí
- Počkejte na inicializaci modelu (nastavení při prvním použití může chvíli trvat)
⚙️ Pochopení parametrů modelu:
- Temperature: Ovládá kreativitu (0 = deterministický, 1 = kreativní)
- Max Tokens: Maximální délka odpovědi
- Top-p: Nucleus sampling pro rozmanitost odpovědí
🎯 Krok 3: Ovládněte rozhraní Playground
Playground je vaše laboratoř pro experimentování s AI. Zde je, jak maximálně využít jeho potenciál:
🎨 Nejlepší postupy pro návrh promptů:
- Buďte konkrétní: Jasné, detailní instrukce přinášejí lepší výsledky
- Poskytněte kontext: Zahrňte relevantní doplňující informace
- Používejte příklady: Ukažte modelu, co chcete, na příkladech
- Iterujte: Vylepšujte prompt podle prvních výsledků
🧪 Testovací scénáře:
# 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."
🏆 Výzva: Porovnání výkonu modelů
🎯 Cíl: Porovnat různé modely se stejnými prompty, pochopit jejich přednosti
📋 Instrukce:
- Přidejte Phi-4-mini do svého workspace
- Použijte stejný prompt pro GPT-4.1 i Phi-4-mini
- Porovnejte kvalitu odpovědí, rychlost a přesnost
- Zdokumentujte své poznatky v sekci výsledků
💡 Klíčová zjištění:
- Kdy použít LLM vs SLM
- Kompromisy mezi náklady a výkonem
- Specializované schopnosti jednotlivých modelů
🤖 Praktický úkol 2: Vytváření vlastních agentů pomocí Agent Builder
🎯 Cíl: Vytvořit specializované AI agenty přizpůsobené konkrétním úlohám a workflow
🏗️ Krok 1: Pochopení Agent Builder
Agent Builder je místo, kde Microsoft Foundry Toolkit opravdu zazáří. Umožňuje vám vytvářet účelově navržené AI asistenty, kteří kombinují sílu velkých jazykových modelů s vlastními instrukcemi, konkrétními parametry a specializovanými znalostmi.
🧠 Složky architektury agenta:
- Jádrový model: Základní LLM (GPT-4, Groks, Phi atd.)
- Systémový prompt: Definuje osobnost a chování agenta
- Parametry: Detailní nastavení pro optimální výkon
- Integrace nástrojů: Připojení k externím API a MCP službám
- Paměť: Kontext konverzace a přetrvávání sezení
⚙️ Krok 2: Hloubková konfigurace agenta
🎨 Vytváření efektivních systémových promptů:
# 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
Samozřejmě můžete také použít Generate System Prompt, aby vám AI pomohla generovat a optimalizovat prompty
🔧 Optimalizace parametrů:
| Parametr | Doporučený rozsah | Případ použití |
|---|---|---|
| Temperature | 0.1-0.3 | Technické/faktické odpovědi |
| Temperature | 0.7-0.9 | Kreativní/brainstormingové úlohy |
| Max Tokens | 500-1000 | Stručné odpovědi |
| Max Tokens | 2000-4000 | Detailní vysvětlení |
🐍 Krok 3: Praktický úkol – Python programovací agent
🎯 Mise: Vytvořit specializovaného asistenta pro Python programování
📋 Konfigurační kroky:
-
Výběr modelu: Zvolte Claude 3.5 Sonnet (vynikající pro kód)
-
Návrh systémového promptu:
# 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
- Konfigurace parametrů:
- Temperature: 0.2 (pro konzistentní, spolehlivý kód)
- Max Tokens: 2000 (detailní vysvětlení)
- Top-p: 0.9 (vyvážená kreativita)
🧪 Krok 4: Testování vašeho Python agenta
Testovací scénáře:
- Základní funkce: "Vytvoř funkci na hledání prvočísel"
- Složitý algoritmus: "Implementuj binární vyhledávací strom s metodami insert, delete a search"
- Reálný problém: "Postav web scraper, který řeší omezení počtu požadavků a opakování"
- Ladění: "Oprav tento kód [vložit chybný kód]"
🏆 Kritéria úspěchu:
- ✅ Kód běží bez chyb
- ✅ Obsahuje odpovídající dokumentaci
- ✅ Dodržuje nejlepší postupy v Pythonu
- ✅ Poskytuje jasná vysvětlení
- ✅ Navrhuje vylepšení
🎓 Shrnutí modulu 1 a další kroky
📊 Kontrola znalostí
Otestujte své porozumění:
- Dokážete vysvětlit rozdíl mezi modely v katalogu?
- Úspěšně jste vytvořili a otestovali vlastního agenta?
- Rozumíte optimalizaci parametrů pro různé případy použití?
- Umíte navrhovat efektivní systémové prompty?
📚 Další zdroje
- Dokumentace Microsoft Foundry Toolkit: Oficiální dokumentace Microsoft
- Průvodce návrhem promptů: Nejlepší postupy
- Modely v Microsoft Foundry Toolkit: Modely ve vývoji
🎉 Gratulujeme! Ovládli jste základy Microsoft Foundry Toolkit a jste připraveni vytvářet pokročilejší AI aplikace!
🔜 Pokračujte do dalšího modulu
Chcete-li pokročilé funkce, pokračujte do Modul 2: MCP s Microsoft Foundry Toolkit Fundamentals, kde se naučíte:
- Připojovat své agenty k externím nástrojům pomocí Model Context Protocol (MCP)
- Vytvářet agenty pro automatizaci prohlížeče s Playwright
- Integrovat MCP servery s vašimi Microsoft Foundry Toolkit agenty
- Posílit své agenty o externí data a schopnosti
Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.