Visual Studio Code'de yapay zeka aracısı geliştirme

Tamamlandı

Tip

Daha fazla ayrıntı için Metin ve resimler sekmesine bakın!

Visual Studio Code, Microsoft Foundry kullanan aracılar oluşturmak için tanıdık bir geliştirme ortamı sağlar. Foundry Toolkit uzantısıyla görsel olarak çalışabilir, Foundry SDK veya Microsoft Agent Framework ile aracı kodu yazabilir ve çözümünüzü geliştirmenize ve test etmeye yardımcı olması için GitHub Copilot kullanabilirsiniz.

Döküm Araç Seti'ni kullanma

Foundry Toolkit uzantısı, Visual Studio Code Foundry projelerinize ve kaynaklarınıza bağlar. Düzenleyiciden ayrılmanıza gerek kalmadan aracı oluşturma, yönetme, test etme ve dağıtma araçları sağlar.

Aracı oluşturucusu, aracı modelini, yönergelerini ve araçlarını yapılandırabileceğiniz görsel bir arabirim sağlar. Ardından sohbet bölmesine istemler girebilir ve aracıyı geliştirirken yanıtları gözden geçirebilirsiniz.

Kod tabanlı aracılar ve iş akışları için araç seti şablonlardan proje oluşturmanıza, yerel olarak test edip hatalarını ayıklamanıza, izlemeleri incelemenize ve Bunları Foundry'de barındırılan aracılar olarak dağıtmanıza da yardımcı olabilir.

Kodla ajanlar geliştirin

Kodda aracı geliştirmek, tanımı ve yaşam döngüsü üzerinde doğrudan denetim sağlar. İki yaygın yaklaşım, Foundry Aracı Hizmeti ile bir istem aracısı oluşturmak veya Microsoft Agent Framework gibi bir SDK ile aracı oluşturmak ve bunu Foundry'deki bir kapsayıcıda barındırmaktır.

Foundry Agent Service ile bir istem aracısı oluşturun

Foundry SDK, bir Foundry projesindeki varlıklarla çalışmak için AIProjectClient sağlar. İstemcinin aracı işlemlerini kullanarak Foundry Agent Service'e kalıcı olarak kaydedilen, adlandırılmış ve sürümlenmiş bir istem aracısı oluşturabilirsiniz.

Aşağıdaki örnek, Microsoft Entra ID ile kimlik doğrulaması yapar, Bir Foundry projesine bağlanır ve bir aracı sürümü oluşturur. Aracı tanımı dağıtılan modeli, yönergeleri ve bir web arama aracını belirtir. Kod daha sonra aracıya bağlı OpenAI uyumlu bir istemci alır ve bunu kullanarak bir istem gönderir.

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition, WebSearchTool

# Create client to call Foundry API
project = AIProjectClient(
    endpoint="https://ai-resrce.services.ai.azure.com/api/projects/ai-project", # Project endpoint
    credential=DefaultAzureCredential())

# Create an agent with a web search tool
agent = project.agents.create_version(
    agent_name="computinghistorycode",
    definition=PromptAgentDefinition(
        model="gpt-5-mini",
        instructions="You are a helpful expert on computing history",
        tools=[WebSearchTool()]))

# Test the agent with a prompt
openai_client = project.get_openai_client(agent_name="computinghistorycode")
response = openai_client.responses.create(input="Who was Ada Lovelace?")
print(response.output_text)

Ajan Foundry’de sürümlenmiş bir varlık olarak depolandığından, diğer uygulamalar ajana adıyla başvurabilir ve yönetilen tanımını kullanabilir. Modelinde, yönergelerinde veya araçlarında yapılan değişiklikler sonraki sürümlerde yakalanabilir.

Microsoft Agent Framework ile aracı oluşturma

Microsoft Agent Framework, Python veya .NET aracılar ve çok aracılı iş akışları oluşturmaya yönelik bir açık kaynak geliştirme çerçevesidir. Aracıları tanımlama, araç ekleme, konuşmaları yönetme ve daha karmaşık aracı davranışını düzenleme için tutarlı soyutlamalar sağlar.

Sonraki örnek, bir Foundry projesinde dağıtılmış bir modele bağlanmak için FoundryChatClient kullanır. Uygulama, ajanın yönergelerini ve araçlarını tanımlar; Ajan Çerçevesi ise Foundry Responses uç noktası ile etkileşimi yönetir.

import asyncio
from azure.identity import AzureCliCredential
from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient

# Create client for a FoundryChat agent
foundry_client = FoundryChatClient(
    project_endpoint="https://ai-resrce.services.ai.azure.com/api/projects/ai-project", # Project endpoint
    model="gpt-5-mini",
    credential=AzureCliCredential()
 )

# Create an agent with a web search tool
agent = Agent(
        client=foundry_client,
        instructions="You are a helpful expert on computing history",
        tools=[FoundryChatClient.get_web_search_tool()]

 )

# Test the agent with a prompt
async def main():
    result = await agent.run("Who was Ada Lovelace?")
    print(f"Agent: {result}")

asyncio.run(main())

Bu yaklaşımda, aracı tanımı uygulamada bulunur ve kod çalıştırıldığında oluşturulur. Bu kısa ömürlü aracı düzeni, tanımın ve yaşam döngüsünün uygulama kodunuzla kalmasını istediğinizde kullanışlıdır. Kod tabanlı bir aracıyı Foundry'deki kalıcı, yönetilen bir uç nokta aracılığıyla kullanılabilir hale getirmek için, bunu barındırılan aracı olarak paketleyebilir ve dağıtabilirsiniz. Foundry Toolkit, bu iş akışı için geliştirme ve dağıtım desteği sağlar.

GitHub Copilot ile geliştirme

Visual Studio Code ayrıca aracı kodunuzu anlamanıza, oluşturmanıza ve değiştirmenize yardımcı olabilecek GitHub Copilot ile tümleştirilir. Copilot Chat çalışma alanınızı inceleyen, bir yaklaşım öneren, dosyaları düzenleyen, komutları çalıştıran ve derleme veya test sonuçlarına yanıt veren kodlama aracılarıyla işbirliği yapabilirsiniz.

Örneğin, Copilot aracıya araç eklemesini, yönergelerini geliştirmesini, test oluşturmasını veya beklenmeyen bir yanıtı araştırmasını isteyebilirsiniz. Copilot, değişiklikleri kod tabanınızda kabul etmeden önce gözden geçirebilmeniz, aracıyı çalıştırabilmeniz ve yanıtlarını test edebilmeniz için yaptığı değişiklikleri gösterir. Sonuçta elde edilen aracının güvenli ve amaçlandığı şekilde davrandığını doğrulamak sizin sorumluluğunızdadır.