wehub-resource-sync🚀 Módulo 1: Fundamentos do Microsoft Foundry Toolkit
📋 Objetivos de Aprendizagem
Ao final deste módulo, você será capaz de:
- ✅ Instalar e configurar a extensão Microsoft Foundry Toolkit para VS Code
- ✅ Navegar pelo Catálogo de Modelos e entender diferentes fontes de modelos
- ✅ Usar o Playground para testes e experimentação de modelos
- ✅ Criar agentes de IA personalizados usando o Agent Builder
- ✅ Comparar desempenho de modelos entre diferentes provedores
- ✅ Aplicar melhores práticas em prompt engineering
🧠 Introdução ao Microsoft Foundry Toolkit
A extensão Microsoft Foundry Toolkit para VS Code é a principal extensão da Microsoft que transforma o VS Code em um ambiente completo de desenvolvimento de IA. Ela conecta a pesquisa em IA ao desenvolvimento prático de aplicações, tornando a IA generativa acessível para desenvolvedores de todos os níveis.
🌟 Capacidades Principais
| Recurso | Descrição | Caso de Uso |
|---|---|---|
| 🗂️ Catálogo de Modelos | Acesso a mais de 100 modelos do GitHub, ONNX, OpenAI, Anthropic, Google | Descoberta e seleção de modelos |
| 🔌 Suporte BYOM (Traga Seu Próprio Modelo) | Integre seus próprios modelos (locais/remotos) | Implantação personalizada de modelos |
| 🎮 Playground Interativo | Testes em tempo real com interface de chat | Prototipagem e testes rápidos |
| 📎 Suporte Multi-Modal | Manipulação de texto, imagens e anexos | Aplicações complexas de IA |
| ⚡ Processamento em Lote | Execute múltiplos prompts simultaneamente | Fluxos de trabalho de testes eficientes |
| 📊 Avaliação de Modelos | Métricas integradas (F1, relevância, similaridade, coerência) | Avaliação de desempenho |
🎯 Por Que o Microsoft Foundry Toolkit é Importante
- 🚀 Desenvolvimento Acelerado: Da ideia ao protótipo em minutos
- 🔄 Fluxo de Trabalho Unificado: Uma interface para múltiplos provedores de IA
- 🧪 Experimentação Fácil: Compare modelos sem configurações complexas
- 📈 Pronto para Produção: Transição suave do protótipo para o deployment
🛠️ Pré-requisitos & Configuração
📦 Instalar a Extensão Microsoft Foundry Toolkit
Passo 1: Acessar o Marketplace de Extensões
- Abra o Visual Studio Code
- Navegue até a visão de Extensões (
Ctrl+Shift+XouCmd+Shift+X) - Procure por "Microsoft Foundry Toolkit"
Passo 2: Escolha Sua Versão
- 🟢 Release: Recomendado para uso em produção
- 🔶 Pré-release: Acesso antecipado a recursos avançados
Passo 3: Instale e Ative
✅ Lista de Verificação para Verificação
- Ícone do Microsoft Foundry Toolkit aparece na barra lateral do VS Code
- Extensão está habilitada e ativada
- Sem erros de instalação no painel de saída
🧪 Exercício Prático 1: Explorando Modelos do GitHub
🎯 Objetivo: Dominar o Catálogo de Modelos e testar seu primeiro modelo de IA
📊 Passo 1: Navegar pelo Catálogo de Modelos
O Catálogo de Modelos é sua porta de entrada para o ecossistema de IA. Ele agrega modelos de múltiplos provedores, facilitando descobrir e comparar opções.
🔍 Guia de Navegação:
Clique em MODELS - Catalog na barra lateral do Microsoft Foundry Toolkit
💡 Dica Profissional: Procure por modelos com capacidades específicas que correspondam ao seu caso de uso (ex: geração de código, escrita criativa, análise).
⚠️ Nota: Modelos hospedados no GitHub (ou seja, Modelos GitHub) são gratuitos, mas sujeitos a limites de taxa para requisições e tokens. Para acessar modelos externos não hospedados no GitHub (por exemplo, via Azure AI ou outros endpoints), será necessário fornecer a chave de API ou autenticação adequada.
🚀 Passo 2: Adicionar e Configurar Seu Primeiro Modelo
Estratégia de Seleção do Modelo:
- GPT-4.1: Melhor para raciocínios complexos e análises
- Phi-4-mini: Leve, respostas rápidas para tarefas simples
🔧 Processo de Configuração:
- Selecione OpenAI GPT-4.1 no catálogo
- Clique em Add to My Models – isto registra o modelo para uso
- Escolha Try in Playground para abrir o ambiente de testes
- Aguarde a inicialização do modelo (a configuração inicial pode demorar um pouco)
⚙️ Entendendo os Parâmetros do Modelo:
- Temperature: Controla a criatividade (0 = determinístico, 1 = criativo)
- Max Tokens: Máximo comprimento da resposta
- Top-p: Amostragem núcleo para diversidade na resposta
🎯 Passo 3: Dominar a Interface do Playground
O Playground é seu laboratório para experimentação de IA. Veja como maximizar seu potencial:
🎨 Melhores Práticas em Prompt Engineering:
- Seja Específico: Instruções claras e detalhadas trazem melhores resultados
- Forneça Contexto: Inclua informações relevantes de fundo
- Use Exemplos: Mostre ao modelo o que você quer com exemplos
- Itere: Refine os prompts com base nos resultados iniciais
🧪 Cenários de Teste:
# Example 1: Code Generation
"Write a Python function that calculates the factorial of a number using recursion. Include error handling and docstrings."
# Example 2: Creative Writing
"Write a professional email to a client explaining a project delay, maintaining a positive tone while being transparent about challenges."
# Example 3: Data Analysis
"Analyze this sales data and provide insights: [paste your data]. Focus on trends, anomalies, and actionable recommendations."
🏆 Exercício Desafio: Comparação de Desempenho dos Modelos
🎯 Meta: Compare diferentes modelos usando os mesmos prompts para entender seus pontos fortes
📋 Instruções:
- Adicione Phi-4-mini ao seu espaço de trabalho
- Use o mesmo prompt para GPT-4.1 e Phi-4-mini
- Compare qualidade, velocidade e precisão das respostas
- Documente suas descobertas na seção de resultados
💡 Insights Importantes para Descobrir:
- Quando usar LLM vs SLM
- Compensações entre custo e desempenho
- Capacidades especializadas de diferentes modelos
🤖 Exercício Prático 2: Construindo Agentes Personalizados com Agent Builder
🎯 Objetivo: Criar agentes de IA especializados para tarefas e fluxos de trabalho específicos
🏗️ Passo 1: Entendendo o Agent Builder
O Agent Builder é onde o Microsoft Foundry Toolkit realmente se destaca. Ele permite criar assistentes de IA sob medida que combinam o poder de grandes modelos de linguagem com instruções personalizadas, parâmetros específicos e conhecimento especializado.
🧠 Componentes da Arquitetura do Agente:
- Modelo Core: A base LLM (GPT-4, Groks, Phi, etc.)
- Prompt do Sistema: Define a personalidade e comportamento do agente
- Parâmetros: Ajustes finos para desempenho ideal
- Integração de Ferramentas: Conexão com APIs externas e serviços MCP
- Memória: Contexto da conversa e persistência da sessão
⚙️ Passo 2: Mergulho na Configuração do Agente
🎨 Criando Prompts de Sistema Eficazes:
# Template Structure:
## Role Definition
You are a [specific role] with expertise in [domain].
## Capabilities
- List specific abilities
- Define scope of knowledge
- Clarify limitations
## Behavior Guidelines
- Response style (formal, casual, technical)
- Output format preferences
- Error handling approach
## Examples
Provide 2-3 examples of ideal interactions
Claro, você também pode usar Generate System Prompt para que a IA ajude a gerar e otimizar prompts
🔧 Otimização de Parâmetros:
| Parâmetro | Faixa Recomendada | Caso de Uso |
|---|---|---|
| Temperature | 0.1-0.3 | Respostas técnicas/fatuais |
| Temperature | 0.7-0.9 | Tarefas criativas/de brainstorming |
| Max Tokens | 500-1000 | Respostas concisas |
| Max Tokens | 2000-4000 | Explicações detalhadas |
🐍 Passo 3: Exercício Prático - Agente Programador Python
🎯 Missão: Criar um assistente especializado em programação Python
📋 Passos para Configuração:
-
Seleção do Modelo: Escolha Claude 3.5 Sonnet (excelente para código)
-
Design do Prompt do Sistema:
# Python Programming Expert Agent
## Role
You are a senior Python developer with 10+ years of experience. You excel at writing clean, efficient, and well-documented Python code.
## Capabilities
- Write production-ready Python code
- Debug complex issues
- Explain code concepts clearly
- Suggest best practices and optimizations
- Provide complete working examples
## Response Format
- Always include docstrings
- Add inline comments for complex logic
- Suggest testing approaches
- Mention relevant libraries when applicable
## Code Quality Standards
- Follow PEP 8 style guidelines
- Use type hints where appropriate
- Handle exceptions gracefully
- Write readable, maintainable code
- Configuração de Parâmetros:
- Temperature: 0.2 (para código consistente e confiável)
- Max Tokens: 2000 (explicações detalhadas)
- Top-p: 0.9 (criatividade equilibrada)
🧪 Passo 4: Testando Seu Agente Python
Cenários de Teste:
- Função Básica: "Crie uma função para encontrar números primos"
- Algoritmo Complexo: "Implemente uma árvore binária de busca com métodos inserir, deletar e buscar"
- Problema do Mundo Real: "Construa um web scraper que lide com limitação de taxas e tentativas"
- Depuração: "Corrija este código [cole código com erro]"
🏆 Critérios de Sucesso:
- ✅ Código executa sem erros
- ✅ Inclui documentação adequada
- ✅ Segue melhores práticas de Python
- ✅ Fornece explicações claras
- ✅ Sugere melhorias
🎓 Conclusão do Módulo 1 & Próximos Passos
📊 Verificação de Conhecimento
Teste seu entendimento:
- Você pode explicar a diferença entre os modelos no catálogo?
- Você criou e testou com sucesso um agente personalizado?
- Você entende como otimizar parâmetros para diferentes casos de uso?
- Você pode criar prompts de sistema eficazes?
📚 Recursos Adicionais
- Documentação Microsoft Foundry Toolkit: Microsoft Docs Oficiais
- Guia de Prompt Engineering: Melhores Práticas
- Modelos no Microsoft Foundry Toolkit: Modelos em Desenvolvimento
🎉 Parabéns! Você dominou os fundamentos do Microsoft Foundry Toolkit e está pronto para criar aplicações avançadas de IA!
🔜 Continue para o Próximo Módulo
Pronto para capacidades mais avançadas? Continue para Módulo 2: MCP com Fundamentos do Microsoft Foundry Toolkit onde você aprenderá a:
- Conectar seus agentes a ferramentas externas usando o Model Context Protocol (MCP)
- Construir agentes de automação de navegadores com Playwright
- Integrar servidores MCP aos seus agentes Microsoft Foundry Toolkit
- Potencializar seus agentes com dados e capacidades externas
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.