te

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

AGENTS.md

ప్రాజెక్ట్ అవలోకనం

ఈ రిపాజిటరీ "ఆઈ ఏజెంట్స్ ఫర్ బిగినర్స్" ని కలిగి ఉంది - ఏఐ ఏజెంట్స్ నిర్మించడానికి కావలసిన ప్రతిదీ నేర్పించే సమగ్ర విద్యా కోర్సు. కోర్సు 18 పాఠాలు (00-18 సంఖ్యలతో) కలిగి ఉంది, ఇందులో మూలాంశాలు, డిజైన్ నమూనాలు, ఫ్రేమ్‌వర్క్లు, ఉత్పత్తి విద్యుతీకరణ, స్థానిక/పరికరం ఆధారిత ఏజెంట్స్ మరియు AI ఏజెంట్స్ భద్రత చేర్చబడ్డాయి.

ప్రధాన సాంకేతికతలు:

• Python 3.12+
• ఇంటరాక్టివ్ నేర్చుకునే Jupyter నోట్బుక్స్
• AI ఫ్రేమ్‌వర్క్లు: Microsoft Agent Framework (MAF)
• Azure AI సేవలు: Microsoft Foundry, Microsoft Foundry Agent Service V2

ఆర్కిటెక్చర్:

• పాఠం ఆధారిత నిర్మాణం (00-15+ డైరెక్టరీలు)
• ప్రతి పాఠం అందులో ఉంటుంది: README డాక్యుమెంటేషన్, కోడ్ నమూనాలు (Jupyter నోట్బుక్స్), మరియు చిత్రాలు
• ఆటోమేటెడ్ అనువాద వ్యవస్థ ద్వారా బహుభాషా మద్దతు
• ప్రతి పాఠానికి ఒక Python నోట్బుక్ Microsoft Agent Framework ఉపయోగించి

సెటప్ కమాండ్లు

ముందస్తు అవసరాలు

• Python 3.12 లేదా అంతకంటే పైగా
• Azure సభ్యత్వం (Microsoft Foundry కోసం)
• Azure CLI ఇన్‌స్టాల్ చేసి మరియు ప్రామాణీకరణ (az login)

మొదటి సెటప్

1. రిపాజిటరీని క్లోన్ లేదా ఫోర్క్ చేయండి:

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

2. Python వర్చువల్ ఎన్విరాన్మెంట్ సృష్టించి యాక్టివేట్ చేయండి:

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

3. అవసరమైన ప్యాకేజీలు ఇన్‌స్టాల్ చేయండి:

   pip install -r requirements.txt

4. ఎన్విరాన్మెంట్ వేరియబుల్స్ సెట్ చేయండి:

   cp .env.example .env
   # మీ API కీలు మరియు ఎండిపాయింట్స్ తో .env ను ఎడిట్ చేయండి

అవసరమైన ఎన్విరాన్మెంట్ వేరియబుల్స్

Microsoft Foundry కోసం (అవసరం):

• AZURE_AI_PROJECT_ENDPOINT - Microsoft Foundry ప్రాజెక్ట్ ఎండ్‌పాయింట్
• AZURE_AI_MODEL_DEPLOYMENT_NAME - మోడల్ డిప్లాయ్‌మెంట్ పేరు (ఉదా: gpt-5-mini)

Azure AI Search కోసం (పాఠం 05 - RAG):

• AZURE_SEARCH_SERVICE_ENDPOINT - Azure AI Search ఎండ్‌పాయింట్
• AZURE_SEARCH_API_KEY - Azure AI Search API కీ

ప్రామాణీకరణ: నోట్బుక్స్ నడిపేముందు az login అమలు చేయండి (AzureCliCredential ఉపయోగిస్తుంది).

అభివృద్ధి కార్యక్రమం

Jupyter నోట్బుక్స్ నడపడం

ప్రతి పాఠం వివిధ ఫ్రేమ్‌వర్క్స్ కోసం అనేక Jupyter నోట్బుక్స్ కలిగి ఉంటుంది:

1. Jupyter ప్రారంభించండి:

   jupyter notebook

2. పాఠం డైరెక్టరీకి వెళ్లండి (ఉదా: 01-intro-to-ai-agents/code_samples/)

3. నోట్బుక్స్ తెరిచి నడిపించండి:

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

Microsoft Agent Frameworkతో పని చేయడం

Microsoft Agent Framework + Microsoft Foundry:

• Azure సభ్యత్వం అవసరం
• Agent Service V2 కోసం FoundryChatClient ఉపయోగిస్తారు (ఏజెంట్లు Foundry పోర్టల్‌లో కనిపిస్తాయి)
• ఉత్పత్తికి సిద్దంగా మరియు బహిర్గత ఉత్పత్తి పరిశీలనతో
• ఫైల్ నమూనా: *-python-agent-framework.ipynb

పరీక్షించు సూచనలు

ఇది ఆటోమేటెడ్ టెస్టులతో ఉత్పత్తి కోడ్ కాకుండా ఉదాహరణ కోడ్‌తో విద్యా రిపాజిటరీ. మీ సెటప్ మరియు మార్పులను ధృవీకరించడానికి:

మాన్యువల్ పరీక్షలు

1. Python ఎన్విరాన్మెంట్‌ను పరీక్షించండి:

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

2. నోట్బుక్ నిర్వహణను పరీక్షించండి:

   # నోట్‌బుక్‌ను స్క్రిప్ట్‌గా మార్చి నడిపించండి (టెస్టులు దిగుమతులను పరీక్షిస్తుంది)
   jupyter nbconvert --to script <lesson-folder>/code_samples/<notebook>.ipynb --stdout | python

3. ఎన్విరాన్మెంట్ వేరియబుల్స్‌ని ధృవీకరించండి:

   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')"

వ్యక్తిగత నోట్బుక్స్ నడిపించటం

Jupyterలో నోట్బుక్స్ తెరిచి క్రమంగా సెల్స్ అమలు చేయండి. ప్రతి నోట్బుక్ స్వయం-గతమైనది మరియు కలిగి ఉంటుంది:

• దిగుమతి ప్రస్తావనలు
• కాన్ఫిగరేషన్ లోడ్ చేయడం
• ఉదాహరణ ఏజెంట్ అమలు
• Markdown సెల్స్ లో ఆశించిన అవుట్పుట్స్

అమలు చేసిన ఏజెంట్ల స్మోక్-టెస్టింగ్

Microsoft Foundry హోస్టెడ్ ఏజెంట్‌గా అమలు చేసిన పాఠాల్లో (01, 04, 05, 16), tests/ లో స్మోక్-టెస్ట్ క్యాటలాగ్‌లు ఉంటాయి, వాటిని .github/workflows/smoke-test.yml వర్క్‌ఫ్లోలో AI Smoke Test యాక్షన్ ద్వారా నడిపిస్తారు. ఇవి తేలికపాటి పోస్ట్-డిప్లాయ్ గేట్ (ఏజెంట్ చేరుకోగలదా, ప్రాథమిక ప్రాంప్ట్ అంచనాలను అనుసరించమా?), పాఠాలు 10 మరియు 16 లోని మూల్యాంకన పైప్‌లైన్‌ని సమన్వయం చేస్తాయి. క్యాటలాగ్-టూ-లెషన్-టూ-ఏజెంట్ మ్యాపింగ్ కోసం tests/README.md చూడండి. పాఠం 17 ఫౌండ్రి లోకల్ తో స్థానికంగా నడుస్తుంది మరియు హోస్టెడ్ ఎండ్‌పాయింట్ లేదు, కాబట్టి దాని నోట్బుక్ నేరుగా నడిపించడం ద్వారా ధృవీకరించబడుతుంది.

కోడ్ శైలి

Python సాంప్రదాయాలు

• Python వెర్షన్: 3.12+
• కోడ్ శైలి: సాధారణ Python PEP 8 సాంప్రదాయాలు అనుసరించండి
• నోట్‌బుక్స్: సూత్రాలను వివరించడానికి స్పష్టమైన Markdown సెల్స్ ఉపయోగించండి
• దిగుమతులు: స్టాండర్డ్ లైబ్రరీ, మూడవ పక్ష, స్థానిక దిగుమతులు గ్రూప్ చేయండి

Jupyter నోట్బుక్ సాంప్రదాయాలు

• కోడ్ సెల్స్ ముందు వివరణాత్మక Markdown సెల్స్ చేర్చండి
• సూచన కోసం నోట్బుక్స్‌లో అవుట్పుట్ ఉదాహరణలు జోడించండి
• పాఠం సూత్రాలకు సంబంధించిన స్పష్టమైన వేరియబుల్ పేర్లను వుపయోగించండి
• నోట్బుక్ అమలు క్రమాన్ని క్రమంగా ఉంచండి (సెల్ 1 → 2 → 3...)

ఫైల్ నిర్వహణ

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

బిల్డ్ మరియు పంపిణీ

డాక్యుమెంటేషన్ నిర్మాణం

ఈ రిపాజిటరీ డాక్యుమెంటేషన్ కోసం Markdown ను ఉపయోగిస్తుంది:

• ప్రతి పాఠం ఫోల్డర్‌లో README.md ఫైల్‌లు
• రిపాజిటరీ రూట్ లో ప్రధాన README.md
• GitHub Actions ద్వారా ఆటోమేటెడ్ అనువాద వ్యవస్థ

CI/CD పైప్‌లైన్

.github/workflows/ లో ఉన్నాయి:

1. co-op-translator.yml - ఆటోమేటిక్ 50+ భాషలకి అనువాదం
2. welcome-issue.yml - కొత్త ఇష్యూ క్రియేటర్లకు స్వాగతం
3. welcome-pr.yml - కొత్త పుల్ రిక్వెస్ట్ సహకారులకు స్వాగతం

పంపిణీ

ఇది విద్యా రిపాజిటరీ - ఎటువంటి పంపిణీ ప్రక్రియ లేదు. ఉపయోగదారులు:

1. రిపాజిటరీని ఫోర్క్ లేదా క్లోన్ చేసుకోండి
2. స్థానికంగా లేదా GitHub Codespacesలో నోట్బుక్స్ నడపండి
3. ఉదాహరణలు మార్చి ప్రయోగాలతో నేర్చుకోండి

పుల్ రిక్వెస్ట్ మార్గదర్శకాలు

సమర్పించేముందు

1. మీ మార్పులను పరీక్షించండి:

   • సంబంధిత నోట్బుక్స్ పూర్తిగా నడపండి
   • అన్ని సెల్స్ లో ఎరు లేకుండా అమలు చెయ్యబడుతున్నాయా చూడండి
   • అవుట్పుట్లు సరైనవేనా తనిఖీ చేయండి

2. డాక్యుమెంటేషన్ నవీకరణలు:

   • కొత్త సూత్రాలు చేర్చేటప్పుడు README.md అప్డేట్ చేయండి
   • సంక్లిష్ట కోడ్ కోసం నోట్బుక్స్ లో వ్యాఖ్యలు చేర్చండి
   • Markdown సెల్స్ ఉద్దేశ్యాన్ని వివరించాలి

3. ఫైల్ మార్పులు:

   • .env ఫైళ్లు కమిట్ చేయకండి (.env.example వాడండి)
   • venv/ లేదా __pycache__/ డైరెక్టరీలు కమిట్ చేయకండి
   • సూత్రాలను ప్రదర్శించే వాటిలో నోట్బుక్ అవుట్‌పుట్ ఉంచండి
   • తాత్కాలిక ఫైళ్లు మరియు బ్యాకప్ నోట్బుక్స్ (*-backup.ipynb) తొలగించండి

పీఆర్ శీర్షిక ఫార్మాట్

వివరణాత్మక శీర్షికలను వాడండి:

• [Lesson-XX] <concept> కోసం కొత్త ఉదాహరణ జోడించడం
• [Fix] lesson-XX README లో పొరపాటు సరిచేయడం
• [Update] lesson-XX లో కోడ్ నమూనా మెరుగుపరచడం
• [Docs] సెటప్ సూచనలను నవీకరణ

అవసరమైన తనిఖీలు

• నోట్బుక్స్ తప్పుల్లేకుండా అమలు కావాలి
• README ఫైళ్లు క్లియర్ మరియు సత్యసందేహ రహితంగా ఉండాలి
• రిపాజిటరీలో ఉన్న కోడ్ నమూనాలను అనుసరించండి
• ఇతర పాఠాలతో అనుసరణలో ఉండాలి

అదనపు గమనికలు

సాధారణ గమనికలు

1. Python వెర్షన్ అసమం:

   • Python 3.12+ వాడటం నిర్ధారించండి
   • కొన్ని ప్యాకేజీలు పాత వెర్షన్లతో పని చేయకపోవచ్చు
   • స్పష్టంగా Python వెర్షన్ సూచించడానికి python3 -m venv వాడండి

2. ఎన్విరాన్మెంట్ వేరియబుల్స్:

   • ఎప్పుడూ .env.example నుండి .env సృష్టించండి
   • .env ఫైలు కమిట్ చేయవద్దు (దేను .gitignore లో ఉంచాలి)
   • కీవిల్లెస్ Entra ID ప్రామాణీకరణ కోసం az login తో సైన్ ఇన్ అవ్వండి

3. ప్యాకేజీ సంకర్షణలు:

   • కొత్త వర్చువల్ ఎన్విరాన్మెంట్ ఉపయోగించండి
   • వ్యక్తిగత ప్యాకేజీల కంటే requirements.txt నుండి ఇన్‌స్టాల్ చేయండి
   • కొన్ని నోట్బుక్స్ తమ markdown సెల్స్‌లో అదనపు ప్యాకేజీలను సూచించవచ్చు

4. Azure సర్వీసులు:

   • Azure AI సేవలు సక్రియ సభ్యత్వం అవసరం
   • కొన్ని ఫీచర్లు ప్రదేశం-నిర్దిష్టంగా ఉంటాయి
   • Azure OpenAI మోడల్ డిప్లాయ్‌మెంట్ Responses API ను మద్దతిస్తుంది కాబట్టి ఖాయం చేయండి

అభ్యాస మార్గం

సిఫార్సు చేయబడిన పాఠాల క్రమం:

1. 00-course-setup - ఇక్కడ నుండి ఎన్విరాన్మెంట్ సెటప్ కోసం ప్రారంభించండి
2. 01-intro-to-ai-agents - AI ఏజెంట్ మూలాంశాలు అర్థం చేసుకోండి
3. 02-explore-agentic-frameworks - విభిన్న ఫ్రేమ్‌వర్క్ల గురించి నేర్చుకోండి
4. 03-agentic-design-patterns - ప్రాథమిక డిజైన్ నమూనాలు
5. సంఖ్యాబద్ధ పాఠాలను వరుసగా కొనసాగించండి

ఫ్రేమ్‌వర్క్ ఎంపిక

మీ లక్ష్యాల ఆధారంగా ఫ్రేమ్‌వర్క్ ఎంచుకోండి:

• అన్ని పాఠాలు: Microsoft Agent Framework (MAF) FoundryChatClient తో
• ఏజెంట్లు సర్వర్-సైడ్‌లో Microsoft Foundry Agent Service V2 లో రిజిస్టర్ అవుతాయి మరియు Foundry పోర్టల్ లో కనిపిస్తాయి

సహాయం పొందడం

• Microsoft Foundry Community Discord లో చేరండి
• ప్రత్యేక మార్గదర్శకానికి పాఠం README ఫైళ్లు సమీక్షించండి
• ప్రధాన README.md లో కోర్సు అవలోకనం చూడండి
• వివరమైన సెటప్ సూచనలకు Course Setup చూడండి

సహకారం

ఇది ఓపెన్ విద్యా ప్రాజెక్టు. సహకారం స్వాగతం:

• కోడ్ ఉదాహరణలను మెరుగుపరచండి
• పొటుచేర్పులు లేదా లోపాలను సరిచేయండి
• వివరణాత్మక వ్యాఖ్యలు జోడించండి
• కొత్త పాఠం అంశాలను సూచించండి
• ఇతర భాషలకి అనువదించండి

ప్రస్తుత అవసరాలకు GitHub Issues చూడండి.

ప్రాజెక్ట్-స్పెసిఫిక్ సందర్భం

బహుభాషా మద్దతు

ఈ రిపాజిటరీ ఆటోమేటెడ్ అనువాద వ్యవస్థను ఉపయోగిస్తుంది:

• 50+ భాషలు మద్దతు ఇవ్వబడ్డాయి
• /translations/<lang-code>/ డైరెక్టరీల్లో అనువాదాలు
• GitHub Actions వర్క్‌ఫ్లో అనువాదాలను అప్‌డేట్ చేస్తుంది
• మూల ఫైళ్లు ఇంగ్లీష్ లో రిపాజిటరీ రూట్ లో ఉంటాయి

పాఠం నిర్మాణం

ప్రతి పాఠం ఒక స్థిర నమూనాను అనుసరిస్తుంది:

1. లింకుతో వీడియో థంబ్నెయిల్
2. రచనా పాఠం విషయము (README.md)
3. విభిన్న ఫ్రేమ్‌వర్క్లలో కోడ్ నమూనాలు
4. అభ్యాస లక్ష్యాలు మరియు ముందస్తు అవసరాలు
5. అదనపు నేర్చుకునే వనరుల లింకులు

కోడ్ నమూనా పేరు పెట్టడము

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

• 01-python-agent-framework.ipynb - పాఠం 1, MAF Python
• 14-sequential.ipynb - పాఠం 14, MAF అధునాతన నమూనాలు
• 16-python-agent-framework.ipynb - పాఠం 16, ఉత్పత్తి కస్టమర్-పరిరక్షణ ఏజెంట్
• 17-local-agent-foundry-local.ipynb - పాఠం 17, ఫౌండ్రి లోకల్ + క్వేన్ తో స్థానిక ఏజెంట్

ప్రత్యేక డైరెక్టరీలు

• translated_images/ - అనువాదాల కోసం స్థానికీకృత చిత్రాలు
• images/ - ఇంగ్లీష్ కంటెంట్ కోసం ఒరిజినల్ చిత్రాలు
• .devcontainer/ - VS Code అభివృద్ధి కంటైనర్ కాన్ఫిగరేషన్
• .github/ - GitHub Actions వర్క్‌ఫ్లోలు మరియు టెంప్లేట్లు

ఆధారాలు

requirements.txt నుండి ముఖ్య ప్యాకేజీలు:

• agent-framework - Microsoft Agent Framework
• a2a-sdk - ఏజెంట్-టు-ఏజెంట్ ప్రోటోకాల్ మద్దతు
• azure-ai-inference, azure-ai-projects - Azure AI సేవలు
• azure-identity - Azure ప్రామాణీకరణ (AzureCliCredential)
• azure-search-documents - Azure AI Search ఇంటეგ్రేషన్
• mcp[cli] - మోడల్ కాంటెక్స్ట్ ప్రోటోకాల్ మద్దతు

అస్వీకరణ: ఈ పత్రం AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నిస్తున్నప్పటికీ, ఆటోమేటెడ్ అనువాదాలు తప్పులు లేదా అసమగ్రతలను కలిగి ఉండవచ్చు. దాని స్వదేశ భాషలో ఉన్న అసలు పత్రాన్ని అధికారం కలిగిన మూలంగా పరిగణించాలి. కీలకమైన సమాచారం కోసం, ప్రొఫెషనల్ మానవ అనువాదాన్ని సిఫారసు చేస్తాము. ఈ అనువాదం ఉపయోగం వల్ల కలిగే ఏవైనా అపార్థాలు లేదా తప్పుదారులు కోసం మేము బాధ్యత వహించము.