Implementing Agents and Copilots using Semantic Kernel and Azure AI Agent Service

Entwickler

C# oder Python, mindestens 2 Jahre Erfahrung

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