el

Imported from willhama/md-file-study (corpus_full/microsoft__ai-agents-for-beginners/files/translations/el/AGENTS.md). Install upstream with npx skills add willhama/md-file-study --skill el. Copyright stays with the author.

AGENTS.md

Επισκόπηση Έργου

Αυτό το αποθετήριο περιέχει "Πρακτικοί Πράκτορες Τεχνητής Νοημοσύνης για Αρχάριους" - ένα ολοκληρωμένο εκπαιδευτικό μάθημα που διδάσκει όλα όσα χρειάζονται για την κατασκευή Πρακτικών Πρακτόρων Τεχνητής Νοημοσύνης. Το μάθημα αποτελείται από 18 μαθήματα (αριθμημένα 00-18) που καλύπτουν βασικές έννοιες, πρότυπα σχεδίασης, πλαίσια, ανάπτυξη σε παραγωγή, πράκτορες τοπικά ή στη συσκευή, και ασφάλεια των πρακτόρων ΤΝ.

Κύριες Τεχνολογίες:

• Python 3.12+
• Jupyter Notebooks για διαδραστική μάθηση
• Πλαίσια Τεχνητής Νοημοσύνης: Microsoft Agent Framework (MAF)
• Υπηρεσίες Azure AI: Microsoft Foundry, Microsoft Foundry Agent Service V2

Αρχιτεκτονική:

• Δομημένη ανά μάθημα (00-15+ φάκελοι)
• Κάθε μάθημα περιλαμβάνει: τεκμηρίωση README, δείγματα κώδικα (Jupyter notebooks), και εικόνες
• Υποστήριξη πολλαπλών γλωσσών μέσω αυτοματοποιημένου συστήματος μετάφρασης
• Ένα αρχείο Python notebook ανά μάθημα που χρησιμοποιεί το Microsoft Agent Framework

Εντολές Εγκατάστασης

Προαπαιτούμενα

• Python 3.12 ή νεότερο
• Συνδρομή Azure (για Microsoft Foundry)
• Εγκατεστημένο και αυθεντικοποιημένο Azure CLI (az login)

Αρχική Ρύθμιση

1. Κλωνοποίηση ή fork του αποθετηρίου:

   gh repo fork microsoft/ai-agents-for-beginners --clone
   # Ή
   git clone https://github.com/microsoft/ai-agents-for-beginners.git
   cd ai-agents-for-beginners

2. Δημιουργία και ενεργοποίηση εικονικού περιβάλλοντος Python:

   python3 -m venv venv
   source venv/bin/activate  # Στα Windows: venv\Scripts\activate

3. Εγκατάσταση εξαρτήσεων:

   pip install -r requirements.txt

4. Ορισμός μεταβλητών περιβάλλοντος:

   cp .env.example .env
   # Επεξεργαστείτε το .env με τα κλειδιά API και τα endpoints σας

Απαιτούμενες Μεταβλητές Περιβάλλοντος

Για Microsoft Foundry (Απαραίτητο):

• AZURE_AI_PROJECT_ENDPOINT - Τερματικό σημείο έργου Microsoft Foundry
• AZURE_AI_MODEL_DEPLOYMENT_NAME - Όνομα ανάπτυξης μοντέλου (π.χ., gpt-5-mini)

Για Azure AI Search (Μάθημα 05 - RAG):

• AZURE_SEARCH_SERVICE_ENDPOINT - Τερματικό σημείο Azure AI Search
• AZURE_SEARCH_API_KEY - Κλειδί API Azure AI Search

Πιστοποίηση: Εκτελέστε az login πριν την εκτέλεση notebooks (χρησιμοποιεί AzureCliCredential).

Ροή Ανάπτυξης

Εκτέλεση Jupyter Notebooks

Κάθε μάθημα περιέχει πολλαπλά Jupyter notebooks για διαφορετικά πλαίσια:

1. Εκκίνηση Jupyter:

   jupyter notebook

2. Πλοήγηση στο φάκελο μαθήματος (π.χ., 01-intro-to-ai-agents/code_samples/)

3. Άνοιγμα και εκτέλεση notebooks:

   • *-python-agent-framework.ipynb - Χρήση Microsoft Agent Framework (Python)
   • *-dotnet-agent-framework.ipynb - Χρήση Microsoft Agent Framework (.NET)

Εργασία με το Microsoft Agent Framework

Microsoft Agent Framework + Microsoft Foundry:

• Απαιτεί συνδρομή Azure
• Χρησιμοποιεί FoundryChatClient για Agent Service V2 (πράκτορες ορατοί στο portal Foundry)
• Έτοιμο για παραγωγή με ενσωματωμένη παρατηρησιμότητα
• Πρότυπο αρχείου: *-python-agent-framework.ipynb

Οδηγίες Δοκιμών

Αυτό είναι ένα εκπαιδευτικό αποθετήριο με παραδείγματα κώδικα και όχι παραγωγικό κώδικα με αυτοματοποιημένες δοκιμές. Για να επιβεβαιώσετε τη ρύθμιση και τις αλλαγές σας:

Χειροκίνητη Δοκιμή

1. Δοκιμή περιβάλλοντος Python:

   python --version  # Πρέπει να είναι 3.12+
   pip list | grep -E "(agent-framework|azure-ai|azure-identity)"

2. Δοκιμή εκτέλεσης notebook:

   # Μετατροπή του σημειωματάριου σε σενάριο και εκτέλεση (ελέγχει τις εισαγωγές)
   jupyter nbconvert --to script <lesson-folder>/code_samples/<notebook>.ipynb --stdout | python

3. Επιβεβαίωση μεταβλητών περιβάλλοντος:

   python -c "import os; from dotenv import load_dotenv; load_dotenv(); print('✓ AZURE_AI_PROJECT_ENDPOINT' if os.getenv('AZURE_AI_PROJECT_ENDPOINT') else '✗ AZURE_AI_PROJECT_ENDPOINT missing')"

Εκτέλεση Μοναδικών Notebooks

Ανοίξτε notebooks στο Jupyter και εκτελέστε τα κελιά διαδοχικά. Κάθε notebook είναι αυτόνομο και περιλαμβάνει:

• Δηλώσεις εισαγωγής
• Φόρτωση ρυθμίσεων
• Παραδείγματα υλοποίησης πρακτόρων
• Αναμενόμενα αποτελέσματα σε κελιά markdown

Smoke-Testing Ανεπτυγμένων Πρακτόρων

Για μαθήματα όπου ένας πράκτορας είναι ανεπτυγμένος ως πράκτορας φιλοξενούμενος από Microsoft Foundry (01, 04, 05, 16), το αποθετήριο παρέχει καταλόγους smoke-test κάτω από το tests/ που τρέχουν μέσω της ροής εργασίας .github/workflows/smoke-test.yml με τη δράση AI Smoke Test. Αυτά αποτελούν ελαφρύ έλεγχο μετά την ανάπτυξη (είναι ο πράκτορας προσβάσιμος και ακολουθεί βασικές προσδοκίες prompt;) και συμπληρώνουν την αξιολόγηση στην ροή εργασίας των μαθημάτων 10 και 16. Δείτε tests/README.md για τη συσχέτιση καταλόγου-μαθήματος-πράκτορα. Το μάθημα 17 τρέχει τοπικά με Foundry Local και δεν έχει φιλοξενούμενο τερματικό, οπότε επικυρώνεται με απευθείας εκτέλεση του notebook του.

Στυλ Κώδικα

Συμβάσεις Python

• Έκδοση Python: 3.12+
• Στυλ Κώδικα: Ακολουθήστε τα τυπικά πρότυπα PEP 8 της Python
• Notebooks: Χρησιμοποιήστε καθαρά κελιά markdown για να εξηγήσετε έννοιες
• Εισαγωγές: Ομαδοποιήστε ανά βιβλιοθήκη standard, τρίτων, και τοπικά imports

Συμβάσεις Jupyter Notebook

• Περιλάβετε περιγραφικά κελιά markdown πριν από τα κελιά κώδικα
• Προσθέστε παραδείγματα εξόδου στα notebooks για αναφορά
• Χρησιμοποιήστε σαφή ονόματα μεταβλητών που ταιριάζουν με τις έννοιες του μαθήματος
• Κρατήστε τη γραμμική σειρά εκτέλεσης notebooks (κελί 1 → 2 → 3...)

Οργάνωση Αρχείων

<lesson-number>-<lesson-name>/
├── README.md                     # Lesson documentation
├── code_samples/
│   ├── <number>-python-agent-framework.ipynb
│   └── <number>-dotnet-agent-framework.ipynb  (optional)
└── images/
    └── *.png

Κατασκευή και Ανάπτυξη

Κατασκευή Τεκμηρίωσης

Αυτό το αποθετήριο χρησιμοποιεί Markdown για τεκμηρίωση:

• Αρχεία README.md σε κάθε φάκελο μαθήματος
• Κύριο README.md στη ρίζα του αποθετηρίου
• Αυτοματοποιημένο σύστημα μετάφρασης μέσω GitHub Actions

CI/CD Pipeline

Βρίσκεται σε .github/workflows/:

1. co-op-translator.yml - Αυτόματη μετάφραση σε 50+ γλώσσες
2. welcome-issue.yml - Καλωσορίζει δημιουργούς νέων θεμάτων
3. welcome-pr.yml - Καλωσορίζει νέους συνεισφέροντες pull request

Ανάπτυξη

Αυτό είναι ένα εκπαιδευτικό αποθετήριο - δεν υπάρχει διαδικασία ανάπτυξης. Οι χρήστες:

1. Κλωνοποιούν ή κάνουν fork το αποθετήριο
2. Τρέχουν notebooks τοπικά ή σε GitHub Codespaces
3. Μαθαίνουν τροποποιώντας και πειραματιζόμενοι με παραδείγματα

Οδηγίες Pull Request

Πριν Υποβάλετε

1. Δοκιμάστε τις αλλαγές σας:

   • Τρέξτε πλήρως τα επηρεαζόμενα notebooks
   • Βεβαιωθείτε ότι όλα τα κελιά εκτελούνται χωρίς σφάλματα
   • Ελέγξτε ότι οι έξοδοι είναι κατάλληλες

2. Ενημερώσεις τεκμηρίωσης:

   • Ανανεώστε README.md αν προσθέτετε νέες έννοιες
   • Προσθέστε σχόλια στα notebooks για πολύπλοκο κώδικα
   • Διασφαλίστε ότι τα κελιά markdown εξηγούν τον σκοπό

3. Αλλαγές αρχείων:

   • Αποφύγετε την υποβολή αρχείων .env (χρησιμοποιήστε .env.example)
   • Μην υποβάλετε φακέλους venv/ ή __pycache__/
   • Διατηρήστε τις εξόδους notebooks όταν παρουσιάζουν έννοιες
   • Αφαιρέστε προσωρινά αρχεία και backup notebooks (*-backup.ipynb)

Μορφή Τίτλου PR

Χρησιμοποιήστε περιγραφικούς τίτλους:

• [Lesson-XX] Προσθήκη νέου παραδείγματος για <concept>
• [Fix] Διόρθωση ορθογραφικού λάθους στο lesson-XX README
• [Update] Βελτίωση δείγματος κώδικα στο lesson-XX
• [Docs] Ενημέρωση οδηγιών εγκατάστασης

Απαιτούμενοι Έλεγχοι

• Τα notebooks πρέπει να εκτελούνται χωρίς σφάλματα
• Τα αρχεία README πρέπει να είναι κατανοητά και ακριβή
• Ακολουθήστε υπάρχοντα πρότυπα κώδικα στο αποθετήριο
• Διατηρήστε συνέπεια με τα υπόλοιπα μαθήματα

Επιπλέον Σημειώσεις

Συνήθη Προβλήματα

1. Ασυμφωνία έκδοσης Python:

   • Βεβαιωθείτε ότι χρησιμοποιείται Python 3.12+
   • Κάποια πακέτα μπορεί να μην λειτουργούν με παλαιότερες εκδόσεις
   • Χρησιμοποιήστε python3 -m venv για να προσδιορίσετε ρητά την έκδοση Python

2. Μεταβλητές περιβάλλοντος:

   • Πάντα δημιουργήστε .env από .env.example
   • Μην υποβάλετε το αρχείο .env (περιλαμβάνεται στο .gitignore)
   • Συνδεθείτε με az login για πιστοποίηση Entra ID χωρίς κλειδί

3. Σύγκρουση πακέτων:

   • Χρησιμοποιήστε φρέσκο εικονικό περιβάλλον
   • Εγκαταστήστε από το requirements.txt αντί για μεμονωμένα πακέτα
   • Ορισμένα notebooks μπορεί να απαιτούν επιπλέον πακέτα που αναφέρονται στα κελιά markdown τους

4. Υπηρεσίες Azure:

   • Οι υπηρεσίες Azure AI απαιτούν ενεργή συνδρομή
   • Κάποιες λειτουργίες είναι περιορισμένες ανά περιοχή
   • Βεβαιωθείτε ότι η ανάπτυξη μοντέλου Azure OpenAI υποστηρίζει το Responses API

Διαδρομή Μάθησης

Συνιστώμενη σειρά μαθημάτων:

1. 00-course-setup - Ξεκινήστε εδώ για τη ρύθμιση περιβάλλοντος
2. 01-intro-to-ai-agents - Κατανοήστε τα βασικά των πρακτόρων ΤΝ
3. 02-explore-agentic-frameworks - Μάθετε για διάφορα πλαίσια
4. 03-agentic-design-patterns - Κύρια πρότυπα σχεδίασης
5. Συνεχίστε με τα διαδοχικά αριθμημένα μαθήματα

Επιλογή Πλαισίου

Επιλέξτε πλαίσιο ανάλογα με τους στόχους σας:

• Όλα τα μαθήματα: Microsoft Agent Framework (MAF) με FoundryChatClient
• Οι πράκτορες εγγράφονται server-side στην Microsoft Foundry Agent Service V2 και είναι ορατοί στο portal Foundry

Λήψη Βοήθειας

• Εγγραφείτε στο Microsoft Foundry Community Discord
• Ελέγξτε τα αρχεία README μαθημάτων για συγκεκριμένες οδηγίες
• Δείτε το κύριο README.md για επισκόπηση του μαθήματος
• Αναφερθείτε στο Course Setup για λεπτομερείς οδηγίες εγκατάστασης

Συμμετοχή

Αυτό είναι ένα ανοιχτό εκπαιδευτικό έργο. Καλωσορίζονται συνεισφορές:

• Βελτίωση παραδειγμάτων κώδικα
• Διόρθωση ορθογραφικών ή άλλων λαθών
• Προσθήκη διευκρινιστικών σχολίων
• Πρόταση θεμάτων για νέα μαθήματα
• Μετάφραση σε επιπλέον γλώσσες

Δείτε τα GitHub Issues για τρέχουσες ανάγκες.

Συγκεκριμένο Πλαίσιο Έργου

Υποστήριξη Πολλαπλών Γλωσσών

Αυτό το αποθετήριο χρησιμοποιεί αυτοματοποιημένο σύστημα μετάφρασης:

• Υποστηρίζονται 50+ γλώσσες
• Μεταφράσεις σε φακέλους /translations/<lang-code>/
• Η ροή εργασιών GitHub Actions διαχειρίζεται τις ενημερώσεις μετάφρασης
• Τα αρχεία πηγής είναι στα Αγγλικά στη ρίζα του αποθετηρίου

Δομή Μαθήματος

Κάθε μάθημα ακολουθεί ένα συνεπές πρότυπο:

1. Μικρογραφία βίντεο με σύνδεσμο
2. Γραπτό περιεχόμενο μαθήματος (README.md)
3. Δείγματα κώδικα σε πολλαπλά πλαίσια
4. Στόχοι μάθησης και προαπαιτούμενα
5. Συνδεδεμένοι επιπλέον πόροι μάθησης

Ονομασία Δειγμάτων Κώδικα

Μορφή: <lesson-number>-python-agent-framework.ipynb

• 01-python-agent-framework.ipynb - Μάθημα 1, MAF Python
• 14-sequential.ipynb - Μάθημα 14, προχωρημένα πρότυπα MAF
• 16-python-agent-framework.ipynb - Μάθημα 16, παραγωγικός πράκτορας υποστήριξης πελατών
• 17-local-agent-foundry-local.ipynb - Μάθημα 17, τοπικός πράκτορας με Foundry Local + Qwen

Ειδικοί Φάκελοι

• translated_images/ - Εντοπισμένες εικόνες για μεταφράσεις
• images/ - Αρχικές εικόνες για αγγλικό περιεχόμενο
• .devcontainer/ - Ρύθμιση κοντέινερ ανάπτυξης VS Code
• .github/ - Ροές εργασίας και πρότυπα GitHub Actions

Εξαρτήσεις

Βασικά πακέτα από requirements.txt:

• agent-framework - Microsoft Agent Framework
• a2a-sdk - Υποστήριξη πρωτοκόλλου Agent-to-Agent
• azure-ai-inference, azure-ai-projects - Υπηρεσίες Azure AI
• azure-identity - Πιστοποίηση Azure (AzureCliCredential)
• azure-search-documents - Ενσωμάτωση Azure AI Search
• mcp[cli] - Υποστήριξη Πρωτοκόλλου Περιεχομένου Μοντέλου

Αποποίηση ευθυνών: Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη Co-op Translator. Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.