# Testing Course Samples > Valide que os cadernos da lição e os exemplos de código funcionam numa configuração live Microsoft Foundry / Azure OpenAI. O repositório inclui um executor em scripts/validate-notebooks.ps1 que executa todos os cadernos Python sem interface e imprime uma matriz PASS/FAIL. - Skill: `thedixitjain/testing-course-samples-30` (Agent Skill) - Install (CLI): `npx skillmds add thedixitjain/testing-course-samples-30` - Raw SKILL.md: https://api.skillmd.com/api/skills/thedixitjain/testing-course-samples-30/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: DevOps & Infra - Author: thedixitjain (https://skillmd.com/u/thedixitjain) - Updated: 2026-09-09 - Page: https://skillmd.com/skills/thedixitjain/testing-course-samples-30 --- # Testar os Exemplos do Curso Valide que os cadernos da lição e os exemplos de código funcionam numa configuração live Microsoft Foundry / Azure OpenAI. O repositório inclui um executor em [`scripts/validate-notebooks.ps1`](../../../../../scripts/validate-notebooks.ps1) que executa todos os cadernos Python sem interface e imprime uma matriz PASS/FAIL. ## Quando usar - "Validar todos os cadernos / exemplos na minha subscrição Azure." - "Fazer um teste rápido do curso após atualizar pacotes ou alterar modelos." - "Quais lições ainda passam / falham em live?" Não utilize isto para o AI Smoke Test GitHub Action (que valida agentes *implantados* hospedados — veja [`tests/README.md`](../../../tests/README.md)). Esta ferramenta executa os cadernos localmente. ## Pré-requisitos (verificar primeiro) 1. **Python 3.12+** com as 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** (copiar desde [`.env.example`](../../../../../.env.example)) com pelo menos: - `AZURE_AI_PROJECT_ENDPOINT` — endpoint do projeto Foundry (`https://.services.ai.azure.com/api/projects/`) - `AZURE_AI_MODEL_DEPLOYMENT_NAME` — um deployment não descontinuado (ex: `gpt-5-mini`) - `AZURE_OPENAI_ENDPOINT` (`https://.openai.azure.com`) e `AZURE_OPENAI_DEPLOYMENT` para lições que chamam o Azure OpenAI diretamente (Lição 06, 02-azure-openai, 14 handoff/human-loop). 3. **`az login`** concluído — os exemplos autenticam com `AzureCliCredential` (Entra ID, sem chave). 4. Verificar que o deployment do modelo existe: `az cognitiveservices account deployment list -g -n -o table`. ## Executar a validação ```powershell # Todos os notebooks Python (exclui .NET, .venv, site-packages, traduções, recursos de competências) pwsh scripts/validate-notebooks.ps1 # Uma única lição, com um limite de tempo mais longo por célula pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600 # Apenas listar 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 caderno, e `results.json` em `$env:TEMP\aiab-nbval` e termina com o número de falhas. Falhas transitórias (limites HTTP 429 de taxa de uma subscrição partilhada, um ocasional problema de token `AzureCliCredential` ou timeout) são automaticamente re-tentadas (`-Retries`, padrão 2, com `-RetryDelaySeconds` em recuo, padrão 20). Se um deployment de modelo regularmente gerar 429, verifique a quota TPM GlobalStandard da subscrição (`az cognitiveservices usage list -l `) — aumentar a capacidade de um único deployment não ajuda quando a quota da *subscrição* está esgotada. ## Interpretar os resultados - `PASS` — o caderno executou completamente sem erro em células. - `FAIL` — mostra a primeira linha `*Error` / `*Exception`; abra o arquivo `log_*.txt` correspondente na pasta de output para o traceback completo. - Uma falha de um único caderno é limitada por `-Timeout` (por célula), assim uma célula com interação humana bloqueada aparece como `StdinNotImplementedError` em vez de travar. ## Lições que precisam de recursos extra (espera-se que falhem sem eles) | Lição | Requisito extra | |--------|-------------------| | 05 Agentic RAG | Azure AI Search (`AZURE_SEARCH_SERVICE_ENDPOINT`, chave) — tem um caminho alternativo em memória | | 11 MCP / GitHub | Servidor GitHub MCP + PAT | | 13 memória (cognee) | `cognee` configurado com um provedor de modelo | | 15 uso de browser | Browsers Playwright instalados (`playwright install`) + `AZURE_OPENAI_CHAT_DEPLOYMENT_NAME` | | 17 agente local | Runtime Foundry Local + um modelo Qwen descarregado (no dispositivo, sem cloud) | | Cadernos `*-dotnet-*` | Kernel .NET Interactive (excluído por padrão; usar `-IncludeDotnet`) | ## Reportar resultados Resuma numa tabela PASS/FAIL agrupada por lição. Separe regressões genuínas (bugs no código/configuração para corrigir) de falhas de ambiente (falta de Search/Foundry Local/PAT), e aponte o `log_*.txt` falhado para cada falha real. --- **Aviso Legal**: Este documento foi traduzido utilizando o serviço de tradução automática [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas resultantes da utilização desta tradução. --- **Source:** [`microsoft/ai-agents-for-beginners`](https://github.com/microsoft/ai-agents-for-beginners) → `translations/pt-PT/.agents/skills/testing-course-samples/SKILL.md`