Kursüberblick
Dieser tiefgreifende Kurs führt Entwickler von grundlegenden Konzepten bis hin zu fortgeschrittener Multi-Agenten-Orchestrierung unter Verwendung des KI-Ökosystems von Microsoft. Der Kurs beginnt mit den Grundlagen von Azure AI Foundry und deckt Hubs, Projekte und Ressourcen ab, während gleichzeitig Fachwissen über Prompt-Engineering, GitHub-Modelle und die Grundlagen des Agent-to-Agent-Protokolls (A2A) vermittelt wird. Die Teilnehmer tauchen tief in die Entwicklung des Semantic Kernel ein und beherrschen Chatvervollständigung, multimodale Fähigkeiten und fortgeschrittenes Prompt-Templating mit YAML-, Handlebar- und Liquid-Formaten.
Der Lehrplan bietet eine umfassende Abdeckung der Plugin-Architektur von Semantic Kernel, einschliesslich nativer Funktionen, OpenAPI-Integrationen und MCP-Server-Implementierungen, sowie Kernel Memory und Vektorspeicher-Konnektoren für RAG-Lösungen. Die Teilnehmer werden sowohl das Semantic Kernel Agent- als auch das Process-Framework beherrschen und lernen, mehrstufige Task-Agenten mit Personas zu erstellen und dabei zwischen Orleans- und Dapr-Laufzeiten zu wählen. Der Kurs betont die Multi-Agenten-Lösungen von Azure AI Foundry und lehrt die Teilnehmer, den Azure AI Agent Service mit Action Tools (Code-Interpreter, Funktionsaufrufe) und Knowledge Tools (Dateisuche, Azure AI Search, Bing Grounding) zu nutzen.
Zu den fortgeschrittenen Themen gehören die Orchestrierung komplexer Multi-Agenten-Lösungen, die Implementierung von Human-in-the-Loop-Mustern und die Integration von .NET Aspire für skalierbare Implementierungen. Das letzte Modul gewährleistet die Produktionsbereitschaft durch Sicherheits-, Überwachungs- und Bewertungsstrategien, einschliesslich Agentenleitplanken, Risikoüberwachung und Azure AI Foundrys Governance- und Beobachtungsfunktionen. Nach Abschluss des Moduls sind die Teilnehmer in der Lage, sichere, überwachte Multi-Agenten-Systeme zu entwerfen und zu implementieren und dabei die volle Leistungsfähigkeit der Orchestrierungsfunktionen von Azure AI Foundry zu nutzen.
In allen Modulen arbeiten Sie mit praktischen Code-Beispielen in Python und C#, die Ihnen praktische Erfahrung bei der Entwicklung produktionsreifer KI-Agentenlösungen vermitteln.
Zielgruppe
Entwickler
Voraussetzungen
C# oder Python, mindestens 2 Jahre Erfahrung
Kursinhalt
Modul 1: Copilot, Agenten und Azure AI Foundry Grundlagen
Einführung in Azure AI Foundry
- Überblick über Copiloten und Agenten-Frameworks im Microsoft-Ökosystem
- Azure AI Foundry: Hubs, Projekte und Ressourcen
- Einsatz und Verwendung von Large Language Models (LLM) in Azure AI Foundry
- Einführung in das Azure AI Foundry SDK
- Bereitstellung von AI-Apps mit Azure Developer CLI
Agent Essentials
- Einführung Effizientes Prompt Engineering
- Einführung in GitHub-Modelle
- Vergleich und Prototyping von Prompts mit GitHub-Modellen
- Retrieval Augmented Generation (RAG) & Agentisches Retrieval in Azure AI Search
- Funktionsaufruf, Modell-Kontext-Protokoll (MCP)
- Grundlagen des Agent2Agent (A2A) Protokolls
- Installation von Windows AI Foundry
- Lokale Windows-MCP-Unterstützung
Modul 2: Entwicklung von KI-Agenten mit Azure OpenAI und Semantic Kernel
Semantischer Kernel - Grundlagen und Konzepte
- Den Zweck des Semantic Kernel verstehen
- Semantische Kernel-Komponenten
- Chat-Verlauf & Integration von AI-Diensten
- ChatCompletion und multimodale Funktionen
Prompts optimieren
- Prompt Engineering mit semantischem Kernel
- YAML-Prompt-Vorlagen und Vorlagenformate
- Handlebar Prompt Templates
- Flüssige Prompt-Vorlagen
- Verwendung der Prompty Visual Studio Code Extension
Plugins für semantische Kernel implementieren
- Verstehen des Zwecks von Semantic Kernel Plugins
- Lernen Sie, wie man vorgefertigte Plugins verwendet
- Planer, Funktionsaufrufe und Wahlverhaltensweisen
- Implementierung nativer Funktionen mit Prompts
- Vorhandene APIs mit OpenApi-Plugins einbinden
- Verwendung von MCP-Servern im semantischen Kernel
- Aufforderungs-, Prompt-Rendering- und Aufforderungs-Filter
Kernel-Speicher & Vektorspeicher-Verbindungen
- Den Zweck des Kernelspeichers verstehen
- Semantischer Kernel-Speicher: In-Prozess & Out-of-the-Box-Verbindungen
- Datenmodell und Einbettungsgenerierung
- Kernel-Speicher & Retrieval Augmented Generation (RAG)
Semantischer Kernel-Agent-Rahmen
- Agenten Übersicht
- Erledigung von Mehrschrittaufgaben mit Agenten
- Verwendung von Personas mit Agenten
- Implementierung von Multi-Agent-Lösungen
- Sematic Kernel A2A-Integration
- Verwendung von .NET Aspire in Multi-Agenten-Szenarien
Semantischer Kernel-Prozessrahmen
- Überblick über den Prozessrahmen
- Kernkomponenten und Muster
- Laufzeiten: Orleans gegen Dapr
- Implementierung von Human in the Loop
Modul 3: Agenten mit Azure AI Agent Service entwickeln
- Einführung in den Azure AI Agent Service
- Aktionswerkzeuge verwenden: Code-Interpreter, Funktionsaufrufe, Azure-Funktionen und OpenAPI-Tools
- Wissenswerkzeuge verwenden: Dateisuche, Azure AI Search und Bing Grounding
- Orchestrierung von Multi-Agent-Lösungen mit Semantic Kernel
- Verwendung des Agent-to-Agent-Protokolls (A2A)
- Azure Agent AI Service & .NET Aspire
Modul 4: Sicherung, Überwachung und Evaluierung von Agenten
- Sicherstellung des App-Verhaltens durch Auswertungen
- Agentenleitplanken und Datenkontrollen
- Überwachung von Risiken und Warnungen
- Azure AI Foundry Agent Governance und Beobachtbarkeit
Deutsch
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.