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

🚀 1 modulis: Microsoft Foundry Toolkit pagrindai

📋 Mokymosi tikslai

Šio modulio pabaigoje galėsite:

• ✅ Įdiegti ir sukonfigūruoti Microsoft Foundry Toolkit plėtinį VS Code
• ✅ Naršyti Modelių katalogą ir suprasti skirtingus modelių šaltinius
• ✅ Naudoti Playground modelių testavimui ir eksperimentavimui
• ✅ Kurti individualius AI agentus naudojant Agent Builder
• ✅ Palyginti modelių veikimą tarp skirtingų tiekėjų
• ✅ Taikyti geriausias praktikas promptų kūrimui

🧠 Įvadas į Microsoft Foundry Toolkit

Microsoft Foundry Toolkit plėtinys VS Code yra pagrindinis Microsoft plėtinys, paverčiantis VS Code išsamią AI kūrimo aplinka. Jis sujungia AI tyrimus ir praktinę programų kūrimą, padarydamas generatyviąją AI prieinamą viso lygio kūrėjams.

🌟 Pagrindinės galimybės

Funkcija	Aprašymas	Panaudojimas
🗂️ Modelių katalogas	Prieiga prie 100+ modelių iš GitHub, ONNX, OpenAI, Anthropic, Google	Modelių atranka ir paieška
🔌 BYOM palaikymas	Integruokite savo modelius (vietinius/nuotolinius)	Individuali modelių diegimas
🎮 Interaktyvus Playground	Realiojo laiko modelių testavimas su pokalbių sąsaja	Greita prototipų kūrimas ir testavimas
📎 Daugiarūšis palaikymas	Dirbti su tekstu, vaizdais ir priedais	Sudėtingos AI programos
⚡ Partijų apdorojimas	Vykdyti kelis promptus vienu metu	Efektyvus testavimo procesas
📊 Modelių vertinimas	Integruoti metrikai (F1, aktualumas, panašumas, nuoseklumas)	Veikimo įvertinimas

🎯 Kodėl svarbus Microsoft Foundry Toolkit

• 🚀 Greitesnis vystymas: nuo idėjos iki prototipo per kelias minutes
• 🔄 Vieningas darbo procesas: viena sąsaja keliems AI tiekėjams
• 🧪 Lengvi eksperimentai: lyginkite modelius be sudėtingo nustatymo
• 📈 Paruošta gamybai: sklandus perėjimas nuo prototipo iki diegimo

🛠️ Išankstiniai reikalavimai ir diegimas

📦 Įdiekite Microsoft Foundry Toolkit plėtinį

1 veiksmas: Pasiekite plėtinių parduotuvę

1. Atidarykite Visual Studio Code
2. Eikite į Plėtinių vaizdą (Ctrl+Shift+X arba Cmd+Shift+X)
3. Ieškokite „Microsoft Foundry Toolkit“

2 veiksmas: Pasirinkite versiją

• 🟢 Leidimas: Rekomenduojama gamybai
• 🔶 Ankstyvoji versija: Ankstyva prieiga prie naujausių funkcijų

3 veiksmas: Įdiekite ir aktyvuokite

✅ Patikros atmintinė

• Microsoft Foundry Toolkit piktograma matoma VS Code šoniniame meniu
• Plėtinys įjungtas ir aktyvuotas
• Nėra diegimo klaidų išvesties lange

🧪 Praktinė užduotis 1: GitHub modelių tyrinėjimas

🎯 Tikslas: Išmokti naudotis Modelių katalogu ir išbandyti pirmąjį AI modelį

📊 1 žingsnis: Naršykite Modelių katalogą

Modelių katalogas yra jūsų vartai į AI ekosistemą. Jame sujungiami modeliai iš kelių tiekėjų, todėl lengva surasti ir palyginti pasirinkimus.

🔍 Navigacijos gidas:

Spustelėkite MODELS - Catalog Microsoft Foundry Toolkit šoniniame meniu

💡 Patarimas: Ieškokite modelių su specifinėmis galimybėmis, atitinkančiomis jūsų poreikius (pvz., kodo generavimas, kūrybinis rašymas, analizė).

⚠️ Pastaba: GitHub talpinami modeliai yra nemokami, bet turi apribojimus pagal užklausų ir tokenų kiekį. Jei norite naudoti ne GitHub modelius (pvz., tuos, kurie veikia per Azure AI ar kitus galus), reikės atitinkamo API rakto arba autentifikacijos.

🚀 2 žingsnis: Pridėkite ir sukonfigūruokite pirmąjį modelį

Modelių pasirinkimo strategija:

• GPT-4.1: Geriausias sudėtingam samprotaujimui ir analizei
• Phi-4-mini: Lengvas, greitas atsakymams paprastoms užduotims

🔧 Konfigūracijos eiga:

1. Pasirinkite OpenAI GPT-4.1 kataloge
2. Spustelėkite Add to My Models - pridės modelį jūsų naudojimui
3. Pasirinkite Try in Playground paleisti testavimo aplinką
4. Palaukite, kol modelis bus inicijuotas (pirmą kartą gali užtrukti)

⚙️ Modelio parametrų supratimas:

• Temperature: Valdo kūrybiškumą (0 = deterministinis, 1 = kūrybingas)
• Max Tokens: Maksimalus atsakymo ilgis
• Top-p: Branduolio imties nustatymas atsakymo įvairovei

🎯 3 žingsnis: Įvaldykite Playground sąsają

Playground yra jūsų AI eksperimentų laboratorija. Kaip maksimaliai išnaudoti jo galimybes:

🎨 Geriausios praktikos promptų kūrime:

1. Būkite konkretūs: aiškios ir detalios instrukcijos duoda geresnių rezultatų
2. Teikite kontekstą: įtraukite svarbią foninę informaciją
3. Naudokite pavyzdžius: parodykite modeliui, ko norite pavyzdžiais
4. Tobulinkite: tobulinkite promptus pagal pradines išvadas

🧪 Testavimo scenarijai:

# 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."

🏆 Iššūkio užduotis: Modelių veikimo palyginimas

🎯 Tikslas: Lyginti skirtingų modelių veikimą naudojant identiškus promptus, kad suprastumėte jų privalumus

📋 Instrukcijos:

1. Pridėkite Phi-4-mini prie darbo aplinkos
2. Naudokite tą patį promptą GPT-4.1 ir Phi-4-mini

3. Palyginkite atsakymų kokybę, greitį ir tikslumą
4. Užfiksuokite savo išvadas rezultatuose

💡 Ką svarbu suprasti:

• Kada naudoti LLM prieš SLM
• Kaštų ir našumo kompromisai
• Specifinės skirtingų modelių galimybės

🤖 Praktinė užduotis 2: Kurkite individualius agentus su Agent Builder

🎯 Tikslas: Sukurti specializuotus AI agentus konkrečioms užduotims ir darbo eigos automatizavimui

🏗️ 1 žingsnis: Agent Builder supratimas

Agent Builder – tai vieta, kur Microsoft Foundry Toolkit tikrai išsiskiria. Jis leidžia kurti tikslui skirtas AI pagalbines programas, kurios derina didelių kalbos modelių galią su individualiomis instrukcijomis, specifiniais parametrais ir specializuotomis žiniomis.

🧠 Agento architektūros komponentai:

• Pagrindinis modelis: pagrindinis LLM (GPT-4, Groks, Phi ir kt.)
• Sistemos promptas: apibrėžia agento asmenybę ir elgseną
• Parametrai: smulkiai sureguliuotos nustatymai optimaliam veikimui
• Įrankių integracija: jungtys su išoriniais API ir MCP paslaugomis
• Atmintis: pokalbių kontekstas ir sesijos tęstinumas

⚙️ 2 žingsnis: Agentų konfigūracijos giluminis analizavimas

🎨 Efektyvių sisteminių promptų kūrimas:

# 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

Žinoma, galite naudoti ir Generate System Prompt, kad AI padėtų generuoti ir optimizuoti promptus

🔧 Parametrų optimizavimas:

Parametras	Rekomenduojamas diapazonas	Naudojimo atvejis
Temperature	0.1-0.3	Techniniai/faktiniai atsakymai
Temperature	0.7-0.9	Kūrybiškos / idėjų generavimo užduotys
Max Tokens	500-1000	Trumpi atsakymai
Max Tokens	2000-4000	Išsamios paaiškinimai

🐍 3 žingsnis: Praktinė užduotis – Python programavimo agentas

🎯 Misija: Sukurti specializuotą Python programavimo pagalbininką

📋 Konfigūracijos žingsniai:

1. Modelio pasirinkimas: Pasirinkite Claude 3.5 Sonnet (puikus kodui)

2. Sistemos prompt dizainas:

# 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. Parametrų nustatymai:
   • Temperature: 0.2 (nuosekliam, patikimam kodui)
   • Max Tokens: 2000 (išsamūs paaiškinimai)
   • Top-p: 0.9 (subalansuotas kūrybiškumas)

🧪 4 žingsnis: Testuokite savo Python agentą

Testavimo scenarijai:

1. Pagrindinė funkcija: „Sukurk funkciją, kuri randa pirminius skaičius“
2. Sudėtingas algoritmas: „Įgyvendink dvejetainės paieškos medį su įdėjimu, šalinimu ir paieškos metodais“
3. Reali problema: „Sukurk tinklapio kaupiklį, kuris valdo užklausų apribojimus ir bandymus iš naujo“
4. Klaidų taisymas: „Pataisyk šį kodą [įklijuokite klaidingą kodą]“

🏆 Sėkmės kriterijai:

• ✅ Kodas veikia be klaidų
• ✅ Yra tinkama dokumentacija
• ✅ Laikosi Python geriausių praktikų
• ✅ Pateikia aiškius paaiškinimus
• ✅ Siūlo patobulinimus

🎓 1 modulio apibendrinimas ir tolesni žingsniai

📊 Žinių tikrinimas

Patikrinkite savo supratimą:

• Ar galite paaiškinti skirtumus tarp katalogo modelių?
• Ar sėkmingai sukūrėte ir išbandėte individualų agentą?
• Ar suprantate, kaip optimizuoti parametrus skirtingiems atvejams?
• Ar galite sukurti efektyvius sisteminius promptus?

📚 Papildomi ištekliai

• Microsoft Foundry Toolkit dokumentacija: Oficiali Microsoft dokumentacija
• Promptų kūrimo vadovas: Geriausios praktikos
• Modeliai Microsoft Foundry Toolkit: Modeliai kūrime

🎉 Sveikiname! Jūs įvaldėte Microsoft Foundry Toolkit pagrindus ir esate pasirengę kurti pažangesnes AI programas!

🔜 Toliau į kitą modulį

Norite daugiau pažangių galimybių? Eikite į 2 modulį: MCP su Microsoft Foundry Toolkit pagrindai, kurio metu išmoksite:

• Jungti savo agentus su išoriniais įrankiais naudojant Model Context Protocol (MCP)
• Kurti naršyklės automatizavimo agentus su Playwright
• Integruoti MCP serverius su Microsoft Foundry Toolkit agentais
• Papildyti savo agentus išoriniais duomenimis ir funkcijomis

---

Atsakomybės apribojimas: Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmogiškąjį vertimą. Mes neatsakome už jokius nesusipratimus ar neteisingą interpretaciją, kilusią naudojantis šiuo vertimu.