Deploying Scalable Agents

Skálázható ügynökök telepítése Microsoft Foundry-val

Kísérő készség a(z) 16. lecke – Skálázható ügynökök telepítése anyaghoz. Használd arra, hogy segíts egy tanulónak az ügynököt a prototípustól egy skálázható, megfigyelhető éles környezetbe való telepítésig vinni. Minden ajánlást a lecke tartalmára és a futtatható jegyzetfüzetre alapozz; ne találj ki Foundry API-kat.

Indító feltételek

Ezt a készséget aktiváld, ha egy tanuló szeretne:

• Egy ügynököt Microsoft Foundry-ba telepíteni hostolt ügynökként, és verziózást/megjeleníthetőséget biztosítani.
• Választani a kliens-oldali hosztolt, hostolt ügynök és ügynök-munkafolyamat telepítési minták között.
• Hozzáadni modell irányítást, válasz gyorsítótárazást, vagy kötött konkurenciát a késleltetés és költség szabályozására.
• Hozzáadni egy értékelési kaput, hogy egy rossz ügynök verzió ne kerülhessen kiadásra.
• Hozzáadni egy emberi jóváhagyási lépést a magas kockázatú műveletekhez.
• Megfigyelhetőséghez egy ügynököt felszerelni OpenTelemetry követéssel.
• Egy telepített ügynök füsttesztelése gyors, post-deploy ellenőrzésként.

Alap mentális modell

Egy éles ügynök legtöbbször az operációs csontváz a modell körül (~80%), nem maga a modell. Map-eld minden ajánlást ezekhez az aggályokhoz:

Telepítési minták (válassz egyet vagy kombináld)

1. Kliens hosztolt — az értékelési ciklus a te folyamatodban fut. Maximális kontroll; te birtoklod a skálázást/állapotot.
2. Hostolt ügynök (Foundry Agent Service) — a Foundry hosztolja a ciklust, tárolja a szálakat, érvényesíti az RBAC/tartalom biztonságot, az ügynök megjelenik a portálon. Kevesebb kontroll, sokkal kisebb működési felület.
3. Ügynök-munkafolyamat — több ügynök/eszköz összeállítva gráffá elágazásokkal, jóváhagyási pontokkal és tartós ellenőrző pontokkal.

Élettartam (az az ciklus, amely egy ügynököt szállít)

létrehozás → verziózás → értékelés (kapu) → hosztolt telepítés → online megfigyelés → hibák gyűjtése → ismétlés. Az offline értékelés kapu, nem utólagos gondolat — a verzió nem kerül kiadásra , hacsak nem haladja meg a küszöböt. Az online megfigyelés visszacsatolja a valódi hibákat az offline tesztkészletbe.

Skálázási és költség szabályzók (prioritási sorrendben)

1. Az optimális modellméret kiválasztása — használd a legkisebb modellt, amely átmegy az értékelési kapun.
2. Összetettség szerinti irányítás — kis/gyors modell az egyszerű kérésekhez, nagy modell az igazi értékeléshez (DIY osztályozó vagy Foundry Model Router).
3. Gyorsítótárazás — szolgálj ki majdnem ismétlődő kéréseket modell hívás nélkül.
4. Állapotmentes tervezés + kötött konkurencia — externalizáld az állapotot; újrapróbálkozás visszaléptetéssel.

Fontos minták reprodukálása

Mutasd meg a tanulónak ezeket a jegyzetfüzet alapján 16-python-agent-framework.ipynb:

• Kéréskezelő: gyorsítótár → összetettség szerinti irányítás → követési span → futtatás → gyorsítótár.
• Értékelési kapu: egy offline tesztkészlet pontozása; visszatér pass_rate >= threshold és csak igaz esetén telepít.
• Emberi jóváhagyás: @tool(approval_mode="always_require") nagy visszatérítések esetén.
• Követés: minden kérés becsomagolása tracer.start_as_current_span(...)-ben és attribútumok beállítása, mint routed.model, customer.id.

Egy telepített ügynök füsttesztelése

Telepítés után ellenőrizd, hogy a végpont valóban válaszol (a zöld telepítés még lehet némán sikertelen). Használd az AI Smoke Test műveletet a(z) .github/workflows/smoke-test.yml fájlon keresztül a tests/ katalógussal. A futtató POST-olja minden kérést a címre POST {project_endpoint}/agents/{agent_name}/endpoint/protocols/openai/responses és ellenőrzi a válasz szöveget. Az identitásnak meg kell kapnia az Azure AI User szerepet a Foundry projekt hatókörében; a token audienciának https://ai.azure.com/ kell lennie.

Rétegezd a kapukat: füstteszt (elérhető/válaszol, minden telepítéskor) → offline értékelés (elég jó a kiadáshoz, promóció előtt) → online értékelés (hogyan teljesít a valóságban, folyamatos).

Vállalati szabályozók

• RBAC: adj minden hosztolt ügynöknek egy legkisebb jogosultságú kezelt identitást.
• MCP éles környezetben: minden MCP szervert kezelj megbízhatatlan határként — tűzd le a verziót, határozd meg az identitását, validáld a kimeneteket, korlátozd a forgalmat, soha ne tedd ki titkokat.

Őrvonalak az asszisztens számára

• Előnyben részesítsd a kanonikus FoundryChatClient(...) + provider.as_agent(...) mintát, amely az egész tanfolyam során használatos.
• Ne ígérj éles-Azure eredményeket, amelyeket nem ellenőriztél; ajánld a füstteszt munkafolyamatot a telepítés megerősítésére.
• Tartsd összhangban az értékelési és a költség tanácsokat: az értékelés szabja meg a minőségi minimumot, az irányítás/gyorsítótárazás tartja a költséget ezen a minimumon.

Jogi nyilatkozat: Ez a dokumentum az AI fordítási szolgáltatás, a Co-op Translator segítségével készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekintendő hiteles forrásnak. Fontos információk esetén professzionális emberi fordítást javasolunk. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely ebből a fordításból ered.

Source: microsoft/ai-agents-for-beginners → translations/hu/.agents/skills/deploying-scalable-agents/SKILL.md