Panduan studi untuk Ujian GH-600: Pengembangan di Sistem AI Agenik

Tujuan dokumen ini

Panduan belajar ini akan membantu Anda memahami apa yang diharapkan pada ujian dan menyertakan ringkasan topik yang mungkin dibahas dalam ujian dan tautan ke sumber daya lainnya. Informasi dan materi dalam dokumen ini akan membantu Anda memfokuskan studi saat mempersiapkan ujian.

Tautan yang berguna	Deskripsi
Perpanjangan sertifikasi	Sertifikasi rekanan, pakar, dan spesialis Microsoft kedaluwarsa setiap tahun. Anda dapat memperbarui dengan menyelesaikan penilaian online gratis di Microsoft Learn.
Profil Microsoft Learn Anda	Menyambungkan profil sertifikasi Anda ke Microsoft Learn memungkinkan Anda menjadwalkan dan memperbarui ujian dan berbagi serta mencetak sertifikat.
Penilaian ujian dan laporan skor	Skor 700 atau lebih tinggi diperlukan untuk lulus.
Kotak pasir ujian	Anda dapat menjelajahi lingkungan ujian dengan mengunjungi kotak pasir ujian kami.
Memohon akomodasi	Jika menggunakan alat bantu, memerlukan waktu tambahan, atau memerlukan modifikasi pada bagian mana pun dari pengalaman ujian, Anda dapat meminta akomodasi.

Tentang ujian

Beberapa ujian dilokalkan ke dalam bahasa lain, dan ujian tersebut diperbarui kira-kira delapan minggu setelah versi bahasa Inggris diperbarui. Meskipun Microsoft melakukan setiap upaya untuk memperbarui versi yang dilokalkan seperti yang disebutkan, mungkin ada kalanya versi ujian yang dilokalkan tidak diperbarui pada jadwal ini. Bahasa lain yang tersedia tercantum di bagian Jadwalkan Ujian di halaman web Detail Ujian. Jika ujian tidak tersedia dalam bahasa yang dipilih, Anda dapat meminta tambahan waktu 30 menit untuk menyelesaikan ujian.

Note

Butir-butir yang mengikuti setiap keterampilan yang diukur dimaksudkan untuk menggambarkan cara kami menilai keterampilan-keterampilan tersebut. Topik terkait dapat dibahas dalam ujian.

Note

Sebagian besar pertanyaan membahas fitur yang merupakan ketersediaan umum (GA). Ujian mungkin berisi pertanyaan tentang fitur Pratinjau jika fitur tersebut umum digunakan.

Keterampilan diukur

Profil audiens

Anda harus memiliki keahlian subjek dalam mengoperasikan, mengintegrasikan, mengawasi, dan mengatur agen AI di dalam alur kerja dan lingkungan pengembangan SDLC tingkat produksi, memastikan keandalan, keamanan, dan kecepatan menggunakan GitHub sebagai sistem sarana catatan dan kontrol.

Tanggung jawab Anda untuk peran ini meliputi:

• Alur kerja agen operasi di dalam SDLC

• Mengawasi perilaku otonom dengan kontrol GitHub

• Mengevaluasi dan mengoptimalkan output agen menggunakan hasil pemindaian dan artefak

• Mengatur agen kustom

• Mengoordinasikan eksekusi multi-agen dengan aman

Anda bekerja sama dengan arsitek, insinyur platform, teknisi DevOps, pengembang aplikasi, manajer produk, dan teknisi keamanan untuk mengembangkan, menyebarkan, mengoperasikan, dan mengelola agen yang beroperasi dalam platform GitHub.

Anda harus memiliki pengalaman dengan siklus hidup pengembangan perangkat lunak (SDLC), alur kerja dalam GitHub dan kontrol, serta kualitas kode, keamanan, dan praktik peninjauan. Anda juga harus berpengalaman dalam menggunakan agen pengkodean, termasuk GitHub Copilot, server MCP, dan penyesuaian agen seperti instruksi khusus, agen khusus, alat, serta langkah-langkah untuk pengaturan Copilot.

Sekilas keterampilan

• Menyiapkan arsitektur agen dan proses SDLC (15–20%)

• Menerapkan penggunaan alat dan interaksi lingkungan (20–25%)

• Mengelola memori, status, dan eksekusi (10–15%)

• Lakukan evaluasi, analisis kesalahan, dan penyetelan (15–20%)

• Mengatur koordinasi multi-agen (15–20%)

• Menerapkan pagar pembatas dan akuntabilitas (10–15%)

Menyiapkan arsitektur agen dan proses SDLC (15–20%)

Mengintegrasikan agen ke dalam siklus hidup pengembangan perangkat lunak (SDLC)

• Identifikasi langkah-langkah yang harus dilakukan agen

• Mengidentifikasi dan mengatasi pola anti-pola umum dalam agen

• Menentukan input, output, dan kriteria keberhasilan untuk agen

Menentukan batas antara perencanaan, penalaran, dan tindakan

• Konfigurasi perencanaan agen agar terpisah dari pelaksanaan agen

• Mengonfigurasi agen untuk menghasilkan rencana terstruktur

• Memvalidasi rencana agen

• Cegah tindakan agen sampai agen diperiksa dan disetujui

Mengonfigurasi pengamatan dan kontrol untuk agen otonom

• Merencanakan dan menerapkan tingkat otonomi agen, termasuk pagar pembatas

• Mengonfigurasi agen untuk menghasilkan artefak yang dapat diperiksa dalam alat pengembangan standar

• Mengonfigurasi intervensi manusia untuk agen otonom tanpa memperlambat pengiriman

Menerapkan penggunaan alat dan interaksi lingkungan (20–25%)

Memilih dan mengonfigurasi alat agen

• Mengidentifikasi alat yang diperlukan

• Konfigurasi perangkat agen

• Mengonfigurasi izin alat agen

Konfigurasi server MCP

• Menambahkan server MCP sebagai alat untuk agen

• Mengonfigurasi server MCP jarak jauh GitHub

• Mengonfigurasi registri MCP

• Mengonfigurasi daftar izin MCP

Mengintegrasikan agen dalam lingkungan pengembangan

• Mengevaluasi konteks eksekusi untuk agen

• Mengonfigurasi cakupan agen ke repositori tertentu

• Mengonfigurasi agen yang akan dipanggil dalam alur kerja CI

• Mengonfigurasi agen untuk menggunakan cakupan berbasis cabang

• Memungkinkan agen untuk melakukan tindakan otonom, termasuk membuat cabang dan permintaan tarik

• Mengonfigurasi agen untuk menangani batasan khusus lingkungan

Mengoperasikan agen dengan jalur eksekusi yang aman dan penanganan kesalahan yang kuat

• Menerapkan penanganan kesalahan

• Menerapkan percobaan ulang

• Menerapkan pembatalan

• Menerapkan jalur eskalasi

• Menerapkan keterlacakan dan akuntabilitas untuk tindakan agen

Mengelola memori, status, dan eksekusi (10–15%)

Menerapkan strategi memori agen

• Pilih antara memori jangka pendek, jangka panjang, dan eksternal

• Batasi memori agen pada informasi yang relevan dengan tugas

• Menentukan aturan kedaluwarsa, pemangkasan, dan reset memori

Mempertahankan status agen dan mengelola penyimpangan konteks

• Mencatat perkembangan dan keputusan tugas sebagai dokumen permanen

• Melanjutkan pekerjaan agen tanpa mengulangi langkah atau menyimpang dari keputusan sebelumnya

• Mendeteksi dan memperbaiki penyimpangan selama eksekusi agen yang berkepanjangan.

Memastikan kelangsungan memori dan status agen di seluruh alat dan lingkungan

• Bagikan status agen

• Mencegah konteks yang bertentangan

• Mencegah konteks kedaluarsa

Lakukan evaluasi, analisis kesalahan, dan penyetelan (15–20%)

Menentukan kriteria keberhasilan dan sinyal evaluasi untuk tugas agen

• Tentukan hasil yang diharapkan dan batasan operasional untuk tugas agen

• Mengidentifikasi sinyal evaluasi kualitatif dan kuantitatif untuk mengevaluasi agen

• Menyelaraskan kriteria evaluasi dengan niat pengembangan

• Hasilkan sinyal evaluasi dengan menggunakan alat pemindaian otomatis

Menganalisis kegagalan agen dan mengidentifikasi akar penyebab

• Mengidentifikasi kegagalan dengan menggunakan log, rencana, jejak, output, dan artefak alur kerja

• Mengklasifikasikan akar penyebab, termasuk kesalahan penalaran, penyalahgunaan alat, dan masalah konteks atau lingkungan

Menyesuaikan perilaku agen berdasarkan hasil evaluasi

• Merevisi instruksi, alur kerja, atau batasan

• Menyempurnakan penggunaan memori

• Menyempurnakan penggunaan alat dan akses alat

Mengatur koordinasi multi-agen (15–20%)

Mengoperasikan dan mengelola alur kerja multi-agen

• Menerapkan pola orkestrasi untuk mengoordinasikan beberapa agen

• Mengonfigurasi isolasi agen untuk eksekusi paralel

• Mendeteksi dan mengatasi konflik agen, termasuk perubahan kode yang tumpang tindih, upaya duplikat, dan output kontradiktif

Mengonfigurasi pengamatan untuk perilaku multi-agen dengan menggunakan log, artefak, dan sinyal operasional

• Mengonfigurasi alur kerja multi-agen untuk menghasilkan artefak yang cocok untuk ditinjau dan diaudit

• Mendokumentasikan keputusan kunci, pengalihan tugas, dan hasil di antara para agen

• Melakukan analisis post-hoc pada perilaku sistem multi-agen

Mendeteksi dan menanggapi kegagalan multi-agen dan perilaku yang terdegradasi

• Mengidentifikasi eksekusi agen yang gagal, parsial, atau terhenti

• Menanggapi perilaku atau koordinasi yang terdegradasi di seluruh agen

• Menerapkan pola pemulihan multi-agen, termasuk rollback dan human-in-the-loop

Mengelola siklus hidup agen dalam alur kerja multi-agen

• Menambahkan agen ke alur kerja multi-agen yang sudah ada

• Memperbarui, mengonfigurasi ulang, atau mengganti agen tanpa mengganggu alur kerja aktif

• Menghentikan agen sambil mempertahankan kelangsungan audit dan alur kerja

Menerapkan pagar pembatas dan akuntabilitas (10–15%)

Menentukan tingkat otonomi

• Pengklasifikasian tindakan agen berdasarkan risiko operasional, keamanan, dan kepatuhan untuk menyesuaikan intervensi manusia.

• Tetapkan tingkat otonomi untuk memaksimalkan kecepatan pengiriman sambil tetap mematuhi keamanan organisasi dan standar AI yang bertanggung jawab

Menerapkan pagar pembatas dan alur kerja human-in-the-loop

• Mengidentifikasi subset tindakan yang memerlukan penilaian manusia

• Memblokir tindakan yang melanggar kebijakan keamanan, kepatuhan, atau AI yang bertanggung jawab yang ditentukan

• Izin cakupan dan konteks eksekusi untuk memberlakukan akses hak istimewa paling sedikit

• Memerlukan otorisasi eksplisit atau jalur terkontrol untuk perubahan yang tidak dapat diubah atau sensitif terhadap kepatuhan

• Pertahankan kecepatan eksekusi dengan meminimalkan persetujuan yang tidak mengurangi risiko secara material

Mempelajari sumber daya

Sebaiknya Anda berlatih dan mendapatkan pengalaman langsung sebelum mengikuti ujian. Kami menawarkan opsi belajar mandiri dan pelatihan kelas serta tautan ke dokumentasi, situs komunitas, dan video.

Mempelajari sumber daya	Tautan ke pembelajaran dan dokumentasi
Ikuti pelatihan	Pilih dari jalur dan modul pembelajaran mandiri atau ikuti kursus yang dipimpin instruktur di Microsoft Learn – Foundations of Agentic AI di GitHub, Desain Arsitektur Agen dan Integrasi SDLC, Tooling, MCP, dan Lingkungan Eksekusi Agen
Cari dokumentasi	Menyiapkan arsitektur agen dan proses SDLC Menerapkan Penggunaan Alat dan Interaksi Lingkungan Mengelola Memori, Status, dan Eksekusi Lakukan Evaluasi, Analisis Kesalahan, dan Penyetelan Mengorkestrasi Koordinasi Multiagen Menerapkan Pagar Pembatas dan Akuntabilitas
Ajukan pertanyaan	Diskusi Komunitas GitHub
Dapatkan dukungan komunitas	GitHub Blog
Ikuti GitHub	Twitter LinkedIn Instagram
Cari video	YouTube