Kursüberblick
Dieser ausführliche 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 Entwicklung von Model Context Protocol Servern (MCP) vermittelt wird. Die Teilnehmer tauchen tief in die Entwicklung des Semantic Kernel ein und beherrschen Chatvervollständigung, multimodale Funktionen 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, Open-API-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, während sie zwischen Orleans- und Dapr-Laufzeiten wählen. Der Schwerpunkt des Kurses liegt auf den Multi-Agenten-Lösungen von Azure AI Foundry. Die Teilnehmer lernen, den Azure AI Foundry 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 bereitzustellen und dabei die volle Leistungsfähigkeit der Azure AI Foundry-Orchestrierung zu nutzen.
In allen Modulen arbeiten Sie mit praktischen Code-Beispielen in Python und C#, die Ihnen praktische Erfahrungen bei der Entwicklung produktionsreifer KI-Agentenlösungen vermitteln.
Zielgruppe
Microsoft 365 & AI Pro-Code-Entwickler
Voraussetzungen
- Grundlegende Kenntnisse der Entwicklung der Microsoft 365-Plattform
- Grundlegende Azure-Entwicklungsfähigkeiten
- Python, C#, Typescript
Kursinhalt
Modul 1: Copilot, Agenten und Azure AI Foundry Grundlagen
Einführung in Azure AI Foundry (Theorie / Labor: 2 / 1,25)
- Überblick über Copiloten und Agenten-Frameworks im Microsoft-Ökosystem
- Azure AI Foundry: Hubs, Projekte und Ressourcen
- Hub-basierte Projekte vs. AI Foundry Projekte
- Einsatz und Verwendung von Large Language Models (LLM) in Azure AI Foundry
- Visual Studio Code AI Toolkit Erweiterung
- Einführung in das Azure AI Foundry SDK
- Bereitstellung von AI-Apps mit Azure Developer CLI
Grundlagen der Agententätigkeit (Theorie / Labor: 1.25 / 1.25)
- 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
- Funktion Aufrufen
Entwicklung und Nutzung von Modellkontextservern (Theorie / Labor: 1 / 1,5)
- Model Context Protocol (MCP) Überblick
- MCP-Kernkonzepte
- Übertragungen STDIO vs. Http-Streaming
- Entwicklung von MCP-Servern
- Prüfung und Fehlersuche mit MCP Inspector
- Veröffentlichung von MCP's in Azure
Modul 2: Entwicklung von KI-Agenten mit Azure OpenAI und Semantic Kernel
Semantische Kernel Grundlagen & Konzepte (Theorie / Übung: 1 / 1)
- Den Zweck des Semantic Kernel verstehen
- Semantische Kernel-Komponenten
- Chat-Verlauf & Integration von AI-Diensten
- Chat-Vervollständigung und multimodale Funktionen
Optimierung von Prompts (Theorie / Labor: 0.5 / 0.75)
- Prompt Engineering mit semantischem Kernel
- YAML-Prompt-Vorlagen und Vorlagenformate
- Handlebar Prompt Templates
- Flüssige Prompt-Vorlagen
- Verwendung der Prompty Visual Studio Code Extension
Implementierung von Plugins für den Semantischen Kernel (Theorie / Praxis: 1,5 / 1,5)
- 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 (Theorie / Praxis: 1 / 1)
- 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 Kernagentenrahmen (Theorie / Praxis: 2 / 1,5)
- 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 (Theorie / Praxis: 1,5 / 1)
- Überblick über den Prozessrahmen
- Kernkomponenten und Muster
- Laufzeiten: Orleans gegen Dapr
- Implementierung von Human in the Loop
Modul 3: Agenten entwickeln mit Azure AI Foundry Agent Service (Theorie / Übung: 2 / 1,5)
- Einführung in den Azure AI Foundry Agent Service
- Aktionswerkzeuge verwenden: Code-Interpreter, Funktionsaufrufe, Azure-Funktionen und OpenAPI-Tools
- Wissenswerkzeuge verwenden: Dateisuche, Azure AI Search und Bing Grounding
- MCP-Tools mit dem Azure AI Agent Service verbinden
- Automatisieren von UI-Aufgaben mit Computer Use Agent
- Entwurf und Implementierung von vernetzten Agenten
- Orchestrierung von Multi-Agent-Lösungen mit Semantic Kernel
Modul 4: Sicherung, Überwachung und Evaluierung von Agenten (Theorie / Übung: 1 / 1)
- Agentenleitplanken und Datenkontrollen
- Sicherstellung des App-Verhaltens durch Evaluierungen
- Überwachung von Risiken und Warnungen
- Azure AI Foundry Agent Governance und Beobachtbarkeit
- Sicherstellung des App-Verhaltens durch Evaluierungen
Deutsch
Englisch
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.