microsoft--mcp-for-beginners/translations/ru/10-StreamliningAIWorkflowsBuildingAnMCPServerWithAIToolkit/lab1/README.md

🚀 Модуль 1: Основы Microsoft Foundry Toolkit

📋 Цели обучения

К концу этого модуля вы сможете:

• ✅ Установить и настроить расширение Microsoft Foundry Toolkit для VS Code
• ✅ Навигировать по каталогу моделей и понимать различные источники моделей
• ✅ Использовать Playground для тестирования и экспериментов с моделями
• ✅ Создавать кастомных AI-агентов с помощью Agent Builder
• ✅ Сравнивать производительность моделей у разных провайдеров
• ✅ Применять лучшие практики по созданию подсказок (prompt engineering)

🧠 Введение в Microsoft Foundry Toolkit

Расширение Microsoft Foundry Toolkit для VS Code — это основной продукт Microsoft, который превращает VS Code в комплексную среду разработки AI. Оно сокращает разрыв между исследованием AI и практической разработкой, делая генеративный AI доступным для разработчиков с любым уровнем навыков.

🌟 Ключевые возможности

Функция	Описание	Случай использования
🗂️ Каталог моделей	Доступ к более чем 100 моделям от GitHub, ONNX, OpenAI, Anthropic, Google	Поиск и выбор моделей
🔌 Поддержка BYOM	Интеграция своих моделей (локальных или удалённых)	Развёртывание кастомных моделей
🎮 Интерактивный Playground	Тестирование моделей в реальном времени с чат-интерфейсом	Быстрое прототипирование и тестирование
📎 Мультимодальная поддержка	Работа с текстом, изображениями и вложениями	Сложные AI-приложения
⚡ Пакетная обработка	Запуск нескольких подсказок одновременно	Эффективные рабочие процессы тестирования
📊 Оценка моделей	Встроенные метрики (F1, релевантность, сходство, когерентность)	Оценка производительности

🎯 Почему важно Microsoft Foundry Toolkit

• 🚀 Ускоренная разработка: от идеи до прототипа за минуты
• 🔄 Унифицированный рабочий процесс: один интерфейс для множества AI-провайдеров
• 🧪 Простые эксперименты: сравнивайте модели без сложных настроек
• 📈 Готовность к продакшену: плавный переход от прототипа к развертыванию

🛠️ Требования и настройка

📦 Установка расширения Microsoft Foundry Toolkit

Шаг 1: Доступ к магазину расширений

1. Откройте Visual Studio Code
2. Перейдите в раздел Extensions (Ctrl+Shift+X или Cmd+Shift+X)
3. Найдите "Microsoft Foundry Toolkit"

Шаг 2: Выбор версии

• 🟢 Релиз: рекомендуется для использования в продакшене
• 🔶 Предварительная версия: ранний доступ к новым функциям

Шаг 3: Установка и активация

✅ Чек-лист для проверки

• Иконка Microsoft Foundry Toolkit отображается в боковой панели VS Code
• Расширение включено и активировано
• Нет ошибок установки в панели вывода

🧪 Практическое задание 1: Изучение моделей GitHub

🎯 Цель: Освоить каталог моделей и протестировать первую AI-модель

📊 Шаг 1: Навигация по каталогу моделей

Каталог моделей — это ваш вход в экосистему AI. Он объединяет модели от разных провайдеров, упрощая поиск и сравнение.

🔍 Руководство по навигации:

Нажмите на MODELS - Catalog в боковой панели Microsoft Foundry Toolkit

💡 Советы: Ищите модели с конкретными возможностями, которые соответствуют вашему случаю использования (например, генерация кода, творческое письмо, анализ).

⚠️ Важно: модели, размещённые на GitHub (GitHub Models), бесплатны для использования, но имеют ограничения по количеству запросов и токенов. Чтобы получить доступ к моделям вне GitHub (например, внешним моделям через Azure AI или другие эндпоинты), потребуется указать соответствующий API-ключ или данные аутентификации.

🚀 Шаг 2: Добавление и настройка первой модели

Стратегия выбора моделей:

• GPT-4.1: лучше всего подходит для сложного рассуждения и анализа
• Phi-4-mini: лёгкая, быстрая модель для простых задач

🔧 Процесс настройки:

1. Выберите OpenAI GPT-4.1 из каталога
2. Нажмите Add to My Models — модель будет зарегистрирована для использования
3. Выберите Try in Playground для запуска среды тестирования
4. Подождите инициализации модели (первоначальная настройка может занять некоторое время)

⚙️ Параметры модели:

• Temperature: регулирует креативность (0 = детерминированный, 1 = творческий)
• Max Tokens: максимальная длина ответа
• Top-p: ядерная выборка для разнообразия ответов

🎯 Шаг 3: Освоение интерфейса Playground

Playground — ваша лаборатория для экспериментов с AI. Вот как максимально эффективно её использовать:

🎨 Лучшие практики prompt engineering:

1. Будьте конкретны: чёткие, подробные инструкции дают лучшие результаты
2. Добавляйте контекст: включайте релевантную предысторию
3. Используйте примеры: показывайте модели, что вы хотите с помощью примеров
4. Итерации: улучшайте подсказки на основе первых результатов

🧪 Тестовые 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."

🏆 Сложное задание: сравнение производительности моделей

🎯 Цель: сравнить разные модели при одинаковых подсказках, чтобы понять их сильные стороны

📋 Инструкции:

1. Добавьте в рабочее пространство Phi-4-mini
2. Используйте одинаковую подсказку для GPT-4.1 и Phi-4-mini

3. Сравните качество ответов, скорость и точность
4. Задокументируйте результаты в разделе с отчетами

💡 Ключевые моменты для анализа:

• Когда использовать LLM против SLM
• Соотношение цены и производительности
• Специализированные возможности разных моделей

🤖 Практическое задание 2: Создание кастомных агентов с Agent Builder

🎯 Цель: создать специализированных AI-агентов под конкретные задачи и рабочие процессы

🏗️ Шаг 1: Понимание Agent Builder

Agent Builder — это ключевая фишка Microsoft Foundry Toolkit. Здесь вы создаёте целевые AI-ассистенты, которые объединяют мощь больших языковых моделей с кастомными инструкциями, специальными параметрами и узкоспециализированными знаниями.

🧠 Компоненты архитектуры агента:

• Core Model: базовая LLM (GPT-4, Groks, Phi и др.)
• Системная подсказка: задаёт личность и поведение агента
• Параметры: оптимизированные настройки для лучшей работы
• Интеграция инструментов: подключение к внешним API и MCP-сервисам
• Память: контекст беседы и сохранение сессий

⚙️ Шаг 2: Глубокое погружение в конфигурацию агента

🎨 Создание эффективных системных подсказок:

# 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

Разумеется, вы также можете использовать Generate System Prompt, чтобы AI помог вам сгенерировать и оптимизировать подсказки

🔧 Оптимизация параметров:

Параметр	Рекомендуемый диапазон	Случай использования
Temperature	0.1-0.3	Технические/фактические ответы
Temperature	0.7-0.9	Творческие/мозговые штурмы
Max Tokens	500-1000	Краткие ответы
Max Tokens	2000-4000	Детальные объяснения

🐍 Шаг 3: Практическое задание — агент по программированию на Python

🎯 Задача: создать специализированного помощника по Python

📋 Этапы настройки:

1. Выбор модели: выберите Claude 3.5 Sonnet (отлично подходит для кода)

2. Дизайн системной подсказки:

# 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. Настройка параметров:
   • Temperature: 0.2 (для консистентного и надёжного кода)
   • Max Tokens: 2000 (подробные объяснения)
   • Top-p: 0.9 (сбалансированная креативность)

🧪 Шаг 4: Тестирование вашего Python-агента

Тестовые сценарии:

1. Базовая функция: «Создать функцию для поиска простых чисел»
2. Сложный алгоритм: «Реализовать бинарное дерево поиска с методами вставки, удаления и поиска»
3. Реальная задача: «Создать веб-скрейпер, который обрабатывает ограничение по частоте запросов и повторные попытки»
4. Отладка: «Исправить этот код [вставьте проблемный код]»

🏆 Критерии успеха:

• ✅ Код выполняется без ошибок
• ✅ Включена корректная документация
• ✅ Следование лучшим практикам Python
• ✅ Понятные объяснения
• ✅ Предложения по улучшению

🎓 Итоги Модуля 1 и дальнейшие шаги

📊 Проверка знаний

Проверьте себя:

• Можете ли вы объяснить различия между моделями в каталоге?
• Удалось ли вам создать и протестировать кастомного агента?
• Понимаете ли вы, как оптимизировать параметры для различных задач?
• Можете ли вы создавать эффективные системные подсказки?

📚 Дополнительные ресурсы

• Документация Microsoft Foundry Toolkit: Официальная документация Microsoft
• Руководство по созданию подсказок: Лучшие практики
• Модели в Microsoft Foundry Toolkit: Модели в разработке

🎉 Поздравляем! Вы освоили основы Microsoft Foundry Toolkit и готовы создавать более сложные AI-приложения!

🔜 Продолжить к следующему модулю

Готовы к более продвинутым возможностям? Перейдите к Модулю 2: Основы MCP с Microsoft Foundry Toolkit, где вы узнаете, как:

• Подключать агентов к внешним инструментам с помощью Model Context Protocol (MCP)
• Создавать агентов для автоматизации браузера с Playwright
• Интегрировать MCP-серверы с вашими агентами Microsoft Foundry Toolkit
• Усиливать агентов с помощью внешних данных и возможностей

---

Отказ от ответственности: Этот документ был переведен с использованием сервиса машинного перевода Co-op Translator. Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется обратиться к профессиональному человеческому переводу. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования этого перевода.