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

🚀 Module 1: Microsoft Foundry Toolkit အခြေခံချက်များ

📋 သင်ယူရမည့်ရည်ရွယ်ချက်များ

ဤ module အဆုံးသတ်သည့်အချိန်တွင် သင်မှာ အောက်ပါအရာများကို လုပ်ဆောင်နိုင်မှာဖြစ်သည် -

• ✅ VS Code အတွက် Microsoft Foundry Toolkit Extension ကို တပ်ဆင်၍ ပြင်ဆင်နိုင်ခြင်း
• ✅ Model Catalog ကို လှမ်းလည်နိုင်ပြီး မတူညီသော မော်ဒယ်ရင်းမြစ်များကို နားလည်နိုင်ခြင်း
• ✅ Playground တွင် မော်ဒယ် စမ်းသပ်မှုနှင့် စမ်းသပ်လေ့လာမှုများ ပြုလုပ်နိုင်ခြင်း
• ✅ Agent Builder အသုံးပြုပြီး ကိုယ်ပိုင် AI အေးဂျင့်များ ဖန်တီးနိုင်ခြင်း
• ✅ မတူညီသော ပံ့ပိုးပေးသူများအလိုက် မော်ဒယ်ကို လုပ်ဆောင်မှုများနှိုင်းယှဉ်နိုင်ခြင်း
• ✅ Prompt Engineering အတွက် အကောင်းဆုံး နည်းလမ်းများကို လျှောက်ထားနိုင်ခြင်း

🧠 Microsoft Foundry Toolkit ခေါ်ယူချက်

Microsoft Foundry Toolkit Extension for VS Code သည် Microsoft ၏ ထုတ်ကုန်အဓိက extension ဖြစ်ပြီး VS Code ကို AI ဖန်တီးမှုပတ်ဝန်းကျင် လုံးဝမြှင့်တင်ပေးသည်။ AI သုတေသနနှင့် လက်တွေ့အသုံးပြုမှု ဖန်တီးမှု ကြားက ချိတ်ဆက်မှုကို ပေးကမ်းကာ ဖန်တီးရေးဆွဲသူများအတွက် ဆန်းသစ်လမ်းကြောင်းများ ဖွင့်ပေးသည်။

🌟 အဓိက မြင်သာချက်များ

လုပ်ဆောင်ချက်	ဖော်ပြချက်	အသုံးချမှု
🗂️ Model Catalog	GitHub, ONNX, OpenAI, Anthropic, Google တို့မှ ၁၀၀ ကျော် မော်ဒယ်များအား ဝင်ရောက်အသုံးပြုခြင်း	မော်ဒယ် ရှာဖွေရေးနှင့် ရွေးချယ်ခြင်း
🔌 BYOM Support	ကိုယ်ပိုင် မော်ဒယ်များ (တည်နေရာဒေသ/အဝေးမှ) ပေါင်းစည်းခြင်း	ကိုယ်ပိုင် မော်ဒယ် တပ်ဆင်ခြင်း
🎮 Interactive Playground	စကားပြော မျက်နှာပြင်နှင့် အချိန်နှင့်တပြေးညီ မော်ဒယ် စမ်းသပ်ခြင်း	ထုတ်ပိုးစမ်းသပ်မှု နှင့် လျင်မြန်သော စမ်းသပ်ခြင်း
📎 Multi-Modal Support	စာသား၊ ပုံနှင့် တပ်ဆင်ပစ္စည်းများကို ကိုင်တွယ်နိုင်ခြင်း	ရိုးရှင်းမဟုတ်သော AI လျှောက်လွှာများ
⚡ Batch Processing	တပြိုင်နက် များစွာသော prompt များကို ပြေးစေခြင်း	စမ်းသပ်မှု အကျိုးရှိသော ဖြေရှင်းနည်း
📊 Model Evaluation	ပုံမှန်တသော အချိုးအစားများ (F1, relevance, similarity, coherence) ပါရှိခြင်း	လုပ်ဆောင်မှု စိစစ်ခြင်း

🎯 Microsoft Foundry Toolkit ကို ဘာကြောင့် အရေးကြီးသလဲ

• 🚀 မြန်ဆန်သော ဖန်တီးမှု: အကြံအခေါ်မှ ပုံစံစတင်မှုအထိ မိနစ်အတွင်း ပြုလုပ်နိုင်ခြင်း
• 🔄 ပေါင်းစပ် လုပ်ငန်းစဉ်: AI ပံ့ပိုးသူ များ လူတစ်ဦးတော့ နေရာတစ်ခုသာရှိခြင်း
• 🧪 လွယ်ကူစွာ စမ်းသပ်မှု: မော်ဒယ်များကို ရှင်းလင်းစွာနှိုင်းယှဉ်မှု၊ ပြင်ဆင်မှု မလိုအပ်ဘဲ စမ်းသပ်နိုင်ခြင်း
• 📈 ထုတ်လုပ်မှုအဆင့် ချဲ့ထွင်မှု: ပုံစံမှ ထုတ်လုပ်မှုအဆင့်သို့ အပေါ်မပြတ် ပြောင်းလဲနိုင်ခြင်း

🛠️ လိုအပ်ချက်နှင့် သတ်မှတ်မှု

📦 Microsoft Foundry Toolkit Extension တပ်ဆင်ခြင်း

အဆင့် ၁: Extensions Marketplace ဝင်ရောက်ခြင်း

1. Visual Studio Code ကို ဖွင့်ပါ
2. Extensions အမြင် (Ctrl+Shift+X သို့မဟုတ် Cmd+Shift+X) သို့ သွားပါ
3. "Microsoft Foundry Toolkit" ဟု ရှာဖွေပါ

အဆင့် ၂: အမျိုးအစား ရွေးချယ်ခြင်း

• 🟢 ထုတ်လွှင့် မူပိုင်ခွင့်: ထုတ်လုပ်မှုပြုလုပ်မှုအတွက် အကြံပြုချက်
• 🔶 ကြိုတင် ထုတ်လွှင့်ချက်: နောက်ဆုံးအဆင့် ဖော်ပြချက်များကို မြူးမြူးရွေ့ရောက်

အဆင့် ၃: တပ်ဆင်ပြီး အသုံးပြုနိုင်ရန် စတင်ပါ

✅ စစ်ဆေးချက်စာရင်း

• Microsoft Foundry Toolkit အိုင်ကွန်သည် VS Code ဘက်ဆိုင်ဘာတွင် မြင်ရှိနေသောကြောင့် ဖြစ်သည်
• Extension ကို ပိတ်ထားခြင်း မရှိဘဲ ဖွင့်ထားပြီးဖြစ်သည်
• ထည့်သွင်းမှု အမှားများ output panel တွင် မရှိ

🧪 လက်တွေ့လုပ်ဆောင်မှု ၁: GitHub မော်ဒယ်များ စူးစမ်းလေ့လာခြင်း

🎯 ရည်ရွယ်ချက်: Model Catalog ကို ကျွမ်းကျင်စွာ အသုံးပြုပြီး ပထမဆုံး AI မော်ဒယ် စမ်းသပ်ခြင်း

📊 အဆင့် ၁: Model Catalog သို့ သွားရောက်ခြင်း

Model Catalog သည် သင်၏ AI ပတ်ဝန်းကျင်သို့ ဝင်ပေါက်တစ်ခုဖြစ်သည်။ မော်ဒယ် ပံ့ပိုးသူများစွာမှ မော်ဒယ်များကို စုစည်းထားသဖြင့် လွယ်ကူစွာ ရှာဖွေရန်နှင့် နှိုင်းယှဉ်ရန် ဖြစ်စေသည်။

🔍 လမ်းညွှန်ချက်:

Microsoft Foundry Toolkit ဘက်ဆိုင်ဘာတွင် MODELS - Catalog ကို နှိပ်ပါ

💡 အသုံးချမှုအကြံပြုချက်: မကြာခဏ သင့်အတွက်လိုအပ်သော နည်းလမ်းနှင့် ကိုက်ညီသည့် တိကျသော ဖြစ်နိုင်ခြေများ ရှာဖွေကြည့်ပါ (ဥပမာ- ကုဒ်ဖန်တီးမှု၊ ဖန်တီးမှုရေးသားခြင်း၊ ခွဲခြားစိတ်ဖြာခြင်း)။

⚠️ မှတ်ချက်: GitHub တွင် တင်ထားသော မော်ဒယ်များ (GitHub Models) ကို အခမဲ့ အသုံးပြုနိုင်သော်လည်း တောင်းဆိုမှုများနှင့် token များအတွက် အကန့်အသတ်ရှိပါသည်။ GitHub မဟုတ်သော မော်ဒယ်များ (ဥပမာ- Azure AI သို့မဟုတ် အခြား endpoint များမှ ဘောက်စ်ပေးထားသော မော်ဒယ်များ) ထဲဝင်ရောက်ရန် API key သို့မဟုတ် အမည်နားလည်မှုပြု နည်းနဲ့ သင့်လျော်သော အတည်ပြုချက်ကို ထည့်သွင်းရန် လိုအပ်ပါသည်။

🚀 အဆင့် ၂: ပထမဆုံး မော်ဒယ် ထည့်သွင်းပြီး ပြင်ဆင်ခြင်း

မော်ဒယ် ရွေးချယ်ခြင်း နည်းဗျူဟာ:

• GPT-4.1: ခက်ခဲသော အကြံဥာဏ်နှင့် ခွဲခြားစိတ်ဖြာမှုအတွက် ထူးကောင်းဆုံး
• Phi-4-mini: ပိုမိုလျင်မြန်သော၊ ပိုမိုရိုးရှင်းသောလုပ်ငန်းအတွက် အလေးချိန်ပေးထားသော

🔧 ပြင်ဆင်မှု လုပ်ငန်းစဉ်:

1. Catalog မှ OpenAI GPT-4.1 ကို ရွေးချယ်ပါ
2. Add to My Models ကိုနှိပ်၍ မော်ဒယ် အသုံးပြုရန် လက်မှတ်ထိုးပါ
3. Try in Playground ကိုနှိပ်ကာ စမ်းသပ်ပတ်ဝန်းကျင်ကို ဖွင့်ပါ
4. မော်ဒယ် စတင်မှုအတွက် တစ်ခါတည်းစတင်မှုအား စောင့်ဆိုင်းပါ (ပထမဆုံးပြင်ဆင်မှုသည် အချိန်အနည်းငယ် လိုအပ်နိုင်သည်)

⚙️ မော်ဒယ် ပါရာမီတာများ နားလည်ခြင်း:

• Temperature: ဖန်တီးမှုထိန်းချုပ်မှု (0 = သေချာတည်ငြိမ်မှု၊ 1 = ဖန်တီးမှုမြင့်)
• Max Tokens: တုံ့ပြန်မှု အရွယ်အစားအများဆုံး
• Top-p: တုံ့ပြန်မှုမျိုးစုံဖန်တီးရေးအတွက် Nucleus sampling

🎯 အဆင့် ၃: Playground မျက်နှာပြင် ကျွမ်းကျင်စွာ အသုံးပြုခြင်း

Playground သည် သင့် AI စမ်းသပ်မှု ဗိသုကာဂိုဏ်း ဖြစ်သည်။ ၎င်း၏ အားသာချက်များ ကို မည်သို့ အသုံးချရမည်ကို အောက်တွင် ဖော်ပြပါသည်။

🎨 Prompt Engineering အကောင်းဆုံး နည်းလမ်းများ:

1. တိကျမှန်ကန်ခြင်း: ပိုမိုသေချာပြီး အသေးစိတ် ကြံဆနိုင်သော အမှာစာများ ရေးပါ
2. အကြောင်းအရာ ပံ့ပိုးမှု: သင့်အတွက် သက်ဆိုင်သော နောက်ခံ အချက်အလက် ပေးပါ
3. နမူနာများ အသုံးပြုခြင်း: မော်ဒယ်ကို သင့်လိုအပ်ချက်များ ဖြင့် ပြသပါ
4. ပြန်လည်ပြင်ဆင်ခြင်း: ပထမဆုံး အဖြေများအပေါ် အခြေခံ၍ prompt များ တိုးချဲ့ ပြင်ဆင်ပါ

🧪 စမ်းသပ်မှု ရှုမောင်းများ:

# 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."

🏆 စိန်ခေါ်မှုလေ့ကျင့်မှု: မော်ဒယ် လုပ်ဆောင်မှု နှိုင်းယှဉ်ခြင်း

🎯 ရည်ရွယ်ချက်: တူညီသော prompt များ သုံးပြီး မတူညီသော မော်ဒယ်များ၏ အားသာချက်များကို နားလည်ရန်

📋 လုပ်ဆောင်ရန်:

1. ကိုယ့်ခန်းတင်တွင် Phi-4-mini ကို ထည့်ပါ
2. GPT-4.1 နှင့် Phi-4-mini နှစ်ခုလုံးအတွက် တူညီသော prompt ကို အသုံးပြုပါ

3. တုံ့ပြန်မှု အရည်အသွေး၊ အမြန်နှုန်း နှင့် တိကျမှန်ကန်မှုများကို နှိုင်းယှဉ်ပါ
4. ရလဒ်များကို စာရင်းသွင်းပါ

💡 သိရှိရမည့် အချက်အလက်များ:

• LLM နှင့် SLM များကို မည်သည့်အချိန်၌ အသုံးပြုရမည်
• ကုန်ကျစရိတ် နှင့် လုပ်ဆောင်မှု စိစစ်ချက်များ
• သီးသန့် လုပ်ဆောင်နိုင်မှုများ

🤖 လက်တွေ့လုပ်ဆောင်မှု ၂: Agent Builder ဖြင့် ကိုယ်ပိုင်အေးဂျင့်တည်ဆောက်ခြင်း

🎯 ရည်ရွယ်ချက်: အထူးပြု လုပ်ငန်းများနှင့် လုပ်ငန်းစဉ်များအတွက် အထူးပြု AI အေးဂျင့်များ ဖန်တီးခြင်း

🏗️ အဆင့် ၁: Agent Builder ကို နားလည်ခြင်း

Agent Builder သည် Microsoft Foundry Toolkit ၏ အဓိက မြောက်မြားစေသော အစိတ်အပိုင်း ဖြစ်သည်။ ၎င်းသည် များပြားသော ဘာသာစကား မော်ဒယ်များကို ကိုယ်တိုင်စိတ်ကြိုက်ညှိယူထားသော အုပ်စုများနှင့် အတူ ရည်ရွယ်ချက်ဖြင့် AI အသံထွက်များ ဖန်တီးနိုင်သည်။

🧠 Agent အင်ဂျင်နီယာ အစိတ်အပိုင်းများ:

• Core Model: အခြေခံ LLM (GPT-4, Groks, Phi စသည်)
• System Prompt: အေးဂျင့် ကိုယ်ရံသက်နှင့် အပြုအမူ ဖော်ပြချက်
• Parameters: အကောင်းဆုံး ရလဒ်များအတွက် ထိန်းညှိမှု
• Tools Integration: အပြင် API များ နှင့် MCP ဝန်ဆောင်မှုများ ချိတ်ဆက်ခြင်း
• Memory: စကားပြောအကြောင်းအရာနှင့် စက်ဆော့ဖ် နှင့် တွဲဖက်တည်ရှိမှု

⚙️ အဆင့် ၂: Agent ပြင်ဆင်မှု နက်ရှိုင်းစွာ လေ့လာခြင်း

🎨 ထိရောက်သော System Prompt ဖန်တီးခြင်း:

# 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

သင့်အား AI ကို အသုံးပြု၍ prompt များ ဖန်တီးနှင့် အဆင့်မြှင့်ရန် Generate System Prompt ကိုလည်းအသုံးပြုနိုင်သည်

🔧 ပါရာမီတာများ ကောင်းမွန်အောင် ပြင်ဆင်ခြင်း:

Parameter	အကြံပြုအကွာအဝေး	အသုံးပြုမှု
Temperature	0.1-0.3	နည်းပညာ/တိကျသော တုံ့ပြန်ချက်များ
Temperature	0.7-0.9	ဖန်တီးမှု/ အတွေးဖွံ့ဖြိုးရေး လုပ်ငန်းများ
Max Tokens	500-1000	ချုပ်သည့် တုံ့ပြန်ချက်များ
Max Tokens	2000-4000	အသေးစိတ်ရှင်းပြချက်များ

🐍 အဆင့် ၃: လက်တွေ့ လေ့ကျင့်မှု - Python Programming အေးဂျင့်

🎯 မစ်ရှင်: အထူးပြု Python ကိုဒ်ရေးသားမှု အကူအညီများ ဖန်တီးရန်

📋 ပြင်ဆင်မှု အဆင့်များ:

1. မော်ဒယ် ရွေးချယ်ခြင်း: Claude 3.5 Sonnet ကို ရွေးပါ (ကုဒ်ရေးသားရန် သင့်တော်သည်)

2. System Prompt ဒီဇိုင်း:

# 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. ပါရာမီတာ ပြင်ဆင်ခြင်း:
   • Temperature: 0.2 (တိကျချက်ရှိပြီး ယုံကြည်စိတ်ချရသော ကုဒ်များအတွက်)
   • Max Tokens: 2000 (အသေးစိတ် ရှင်းပြချက်များအတွက်)
   • Top-p: 0.9 (ဖန်တီးမှုနှင့် တုံ့ပြန်မှုထိန်းညှိမှု ယှဉ်ပြိုင်မှု)

🧪 အဆင့် ၄: သင့် Python အေးဂျင့် စမ်းသပ်ခြင်း

စမ်းသပ်ရန် အခြေအနေများ:

1. အခြေခံ လုပ်ဆောင်ချက်: "ဥပမာ - ပြင်ပနံပါတ်တွေ ရှာဖွေမှုလုပ်ဖို့ function တစ်ခု ဖန်တီးပါ"
2. ရှုပ်ထွေးသော Algorithm: "Insert, delete, နှင့် search methods ပါရှိသော binary search tree တည်ဆောက်ပါ"
3. လက်တွေ့ပြproblemင်း: "Rate limiting နှင့် retry များ ကိုင်တွယ်နိုင်သော web scraper တစ်ခု ဖန်တီးပါ"
4. ဗီဇာ အမှားများ ပြင်ဆင်ခြင်း: "ဤကုဒ်ကို ပြင်ဆင်ပါ [buggy code ကို ထည့်ပါ]"

🏆 အောင်မြင်မှုသတ်မှတ်ချက်များ:

• ✅ ကုဒ် မမှားဘဲ လည်ပတ်ပါစေ
• ✅ သေချာ documentation ပါရှိပါစေ
• ✅ Python လုပ်ထုံးလုပ်နည်းအကောင်းဆုံးကို လိုက်နာပါစေ
• ✅ ရှင်းလင်းသော ရှင်းပြချက်များ မြှောက်ပို့ပါစေ
• ✅ တိုးတက်မှုအကြံပြုပေးပါစေ

🎓 Module 1 အပြီးသတ် & နောက်တိုးလှမ်းချက်များ

📊 ဗဟုသုတ စစ်ဆေးခြင်း

သင်၏ နားလည်မှုကို စမ်းသပ်ပါ -

• Catalog မှ မော်ဒယ်များ ကြားက ကွာခြားချက်ကို ရှင်းပြနိုင်ပါသလား?
• ကိုယ်ပိုင် အေးဂျင့် တစ်ခု ပြုလုပ်ပြီး စမ်းသပ်နိုင်ပြီလား?
• မတူညီသော အသုံးချမှု အတွက် ပါရာမီတာများ ကို မည်သို့ အကောင်းဆုံး ပြင်ဆင်ရမည်ကို နားလည်ပါသလား?
• ထိရောက်သော system prompt များ ဒီဇိုင်းဆွဲနိုင်ပါသလား?

📚 ထပ်မံ လေ့လာရန် အရင်းအမြစ်များ

• Microsoft Foundry Toolkit စာတမ်းများ: Official Microsoft Docs
• Prompt Engineering လမ်းညွှန်: Best Practices
• Microsoft Foundry Toolkit မှ မော်ဒယ်များ: Models in Development

🎉 ဂုဏ်ပြုပါတယ်! Microsoft Foundry Toolkit အခြေခံ ရည်မှန်းချက်များကို ကျွမ်းကျင်ပြီး ပိုမိုတိုးတက်သော AI လျှောက်လွှာများ ဖန်တီးရန် အသင့်ရှိပါပြီ!

🔜 နောက် Module သို့ ဆက်လက်သွားရန်

ပိုမိုတိုးတက်သော လုပ်ဆောင်ချက်များ လေ့လာရန် အသင့်ရှိပါသလား? Module 2: MCP with Microsoft Foundry Toolkit Fundamentals သို့ ဆက်လက်သွား၍ လေ့လာနိုင်ပါသည် -

• Model Context Protocol (MCP) ဖြင့် သင့်အေးဂျင့်များကို အပြင်အဆင်များနှင့် ချိတ်ဆက်ခြင်း
• Playwright ဖြင့် ဘရောက်ဇာ အော်တိုမေးရှင်း အေးဂျင့်များ တည်ဆောက်ခြင်း
• Microsoft Foundry Toolkit အေးဂျင့်များနှင့် MCP ဆာဗာများ ပေါင်းစည်းခြင်း
• အပြင်မှ ဒေတာနှင့် စွမ်းဆောင်ရည်များဖြင့် သင့်အေးဂျင့်များအား အားကောင်းစွာ မြှင့်တင်ခြင်း

---

ပြောကြားချက် ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ စက်ကိရိယာဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ ယုံကြည်စိတ်ချရသော အချက်အလက်အဖြစ် သတ်မှတ်သင့်သည်။ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်သူဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုကွာခြားမှုများ သို့မဟုတ် မမှန်ကန်သော အသုံးပြုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မခံပါ။