Testing Course Samples

Testando os Exemplos do Curso

Valide que os notebooks das lições e os exemplos de código funcionam em uma configuração ativa Microsoft Foundry / Azure OpenAI. O repositório inclui um executor em scripts/validate-notebooks.ps1 que executa todos os notebooks Python de forma headless e imprime uma matriz PASS/FAIL.

Quando usar

• "Validar todos os notebooks / exemplos contra minha assinatura Azure."
• "Teste rápido do curso após atualizar pacotes ou mudar modelos."
• "Quais lições ainda funcionam / falham ao vivo?"

Não use isso para o GitHub Action AI Smoke Test (que valida agentes implantados hospedados — veja tests/README.md). Esta habilidade executa os notebooks localmente.

Pré-requisitos (verifique primeiro)

1. Python 3.12+ com dependências do curso: python -m pip install -r requirements.txt mais o executor: python -m pip install nbconvert ipykernel.
2. .env na raiz do repositório (copie de .env.example) com pelo menos:
   • AZURE_AI_PROJECT_ENDPOINT — endpoint do projeto Foundry (https://<account>.services.ai.azure.com/api/projects/<project>)
   • AZURE_AI_MODEL_DEPLOYMENT_NAME — um deployment não depreciado (ex: gpt-5-mini)
   • AZURE_OPENAI_ENDPOINT (https://<account>.openai.azure.com) e AZURE_OPENAI_DEPLOYMENT para lições que chamam Azure OpenAI diretamente (Lição 06, 02-azure-openai, 14 handoff/human-loop).
3. az login concluído — exemplos se autenticam com AzureCliCredential (Entra ID, sem chave).
4. Verifique se o deployment do modelo existe: az cognitiveservices account deployment list -g <rg> -n <account> -o table.

Executando a validação

# Todos os notebooks Python (ignora .NET, .venv, site-packages, traduções, recursos de habilidades)
pwsh scripts/validate-notebooks.ps1

# Uma única lição, com um tempo limite por célula mais longo
pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600

# Apenas lista o que seria executado (sem execução)
pwsh scripts/validate-notebooks.ps1 -List

# Interpretador explícito (se `python` não estiver no PATH, por exemplo, alias da Windows Store)
pwsh scripts/validate-notebooks.ps1 -Python "C:/path/to/python.exe"

O script grava cópias executadas, logs por notebook e results.json em $env:TEMP\aiab-nbval e finaliza com o número de falhas.

Falhas transitórias (limites HTTP 429 em assinaturas compartilhadas, um eventual problema no token AzureCliCredential ou um timeout) são automaticamente tentadas novamente (-Retries, padrão 2, com -RetryDelaySeconds de espera, padrão 20). Se um deployment de modelo estiver gerando 429s regularmente, verifique a cota TPM GlobalStandard da assinatura (az cognitiveservices usage list -l <region>) — aumentar a capacidade de um único deployment não ajuda quando a cota da assinatura está esgotada.

Interpretando resultados

• PASS — o notebook rodou de ponta a ponta sem erro em células.
• FAIL — a primeira linha *Error / *Exception é exibida; abra o log_*.txt correspondente na pasta de saída para o traceback completo.
• A falha de um único notebook é limitada por -Timeout (por célula), então uma célula de intervenção humana travada aparece como StdinNotImplementedError ao invés de travar.

Lições que precisam de recursos extras (espera-se que falhem sem eles)

Reportando resultados

Resuma em uma tabela PASS/FAIL agrupada por lição. Separe regressões genuínas (bugs de código/configuração a corrigir) de lacunas de ambiente (Search/Foundry Local/PAT ausentes), e cite o log_*.txt falho para cada falha real.

Aviso Legal: Este documento foi traduzido usando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos pela precisão, por favor, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.

Source: microsoft/ai-agents-for-beginners → translations/pt-BR/.agents/skills/testing-course-samples/SKILL.md