Preparar o projeto e o modelo

Este primeiro módulo prepara os dados e os recursos do Azure para o Backer Concierge. Ainda não é necessário ter código do agente nem uma implantação hospedada.

Ao final, você terá:

• Uma exportação do catálogo com limites explícitos para fundamentar as respostas.
• Um projeto do Foundry e uma implantação de modelo escolhida para os requisitos do recurso.
• Uma implantação validada no Canvas e uma verificação básica do modelo com respostas limitadas ao catálogo.

Cenário

As pessoas que apoiam a Tailspin Toys podem filtrar jogos por categoria e editora, mas perguntas como Quais jogos seriam adequados para quem adora trocadilhos com Git? não têm respostas em menus suspensos. Um Backer Concierge deve recomendar somente jogos do catálogo da Tailspin e nunca inventar jogos, editoras, avaliações, totais arrecadados, números de apoiadores, preços, números de jogadores, durações de partidas ou datas de lançamento. Um catálogo confiável e um modelo adequado são a base dessas respostas.

Preparar suas ferramentas e a sessão da issue

A configuração conecta o aplicativo GitHub Copilot ao Azure e mantém todo o trabalho do recurso reunido.

1. Confirme que você tem uma assinatura do Azure. Se precisar de uma, as opções disponíveis incluem uma assinatura gratuita do Azure com US$ 200 de crédito ou o Azure for Students com US$ 100 em créditos.

2. Instale a Azure CLI para seu sistema operacional e verifique a instalação usando az version.

3. Instale a Azure Developer CLI e use azd version para verificar se a versão instalada é a 1.27.1 ou posterior.

4. Abra o aplicativo GitHub Copilot, abra Customize e selecione Plugins. Pesquise por microsoft-foundry e selecione Install para o plugin Microsoft Foundry, que inclui o Canvas e as skills do Foundry.

   

5. Em Customize, selecione Plugins, pesquise por azure ou selecione-o na lista Featured e selecione Install para o plugin Azure.

6. Selecione Issues na barra lateral e, em seguida, encontre e abra a issue intitulada Add a Backer Concierge assistant for catalog questions no repositório Tailspin Toys. Selecione New session para iniciar uma sessão vinculada à issue em um novo worktree. Mantenha este repositório, branch do worktree e sessão da issue nos três módulos.

7. Digite /microsoft-foundry e depois /azure para confirmar que as duas skills estão instaladas e disponíveis; não envie prompts ainda. Se um plugin não aparecer imediatamente, reinicie o aplicativo, volte para esta mesma sessão da issue e verifique novamente.

Gerar a exportação do catálogo

O repositório de exemplo inclui um script de exportação que fornece ao agente um arquivo que ele pode ler.

8. Nesta sessão de worktree vinculada à issue, substitua o prompt padrão /fix-issue na caixa de prompt por:

   Install the project dependencies, seed the database, then run the existing db:export script. Show me the command output and summarize the shape and grounding limits of db/catalog.json.

9. Revise a saída dos comandos. O Copilot deve executar o equivalente a:

   npm install
   npm run db:setup
   npm run db:export

   

10. Abra db/catalog.json e confirme que ele contém 21 jogos com título, descrição, categoria, editora e avaliação por estrelas. Verifique o campo note: o catálogo não contém totais arrecadados, números de apoiadores, faixas de contribuição nem datas de lançamento. Considere também como indisponíveis os preços, números de jogadores e durações de partidas ausentes, em vez de preencher as lacunas com conhecimento externo. Se a exportação falhar ou apresentar diferenças, peça ao Copilot que investigue e execute-a novamente antes de continuar.

Configurar um projeto e um modelo do Foundry

Criar primeiro o projeto e a implantação no chat garante que o Canvas se conecte somente a recursos que já existem.

11. Selecione +, selecione Terminal e entre no Azure:

    az login

12. Verifique a assinatura selecionada e liste os grupos de recursos:

    az account show --output table
    az group list --output table

    Se a assinatura estiver incorreta, execute az account set --subscription <subscription-id> e repita os dois comandos.

    Se rg-tailspin-toys aparecer, inspecione os recursos:

    az resource list --resource-group rg-tailspin-toys --output table

    Se o grupo contiver recursos não relacionados ou compartilhados, pare e escolha um nome dedicado antes de usar o prompt a seguir. Substitua os nomes de exemplo em todos os prompts e comandos posteriores pelos nomes aprovados.

13. Na mesma sessão da issue, insira:

    Use the Microsoft Foundry skill to create a resource group named rg-tailspin-toys and a Foundry project named tailspin-toys.

    

14. Peça ao Copilot que recomende um modelo. Os critérios de aceitação da issue já estão no contexto porque a sessão foi iniciada a partir da issue:

    Use the Microsoft Foundry skill to recommend two or three current chat models in the tailspin-toys project that meet this issue's acceptance criteria. Explain the tradeoffs and wait for me to choose.

15. Confirme que o Copilot carrega a skill microsoft-foundry e escolha um modelo disponível com base nas vantagens e limitações de cada opção. O guia de início rápido de agentes hospedados do Microsoft Foundry usa atualmente gpt-5.4-mini, mas a disponibilidade e a cota variam de acordo com a região.

    

16. Peça ao Copilot que implante sua seleção, revisando o projeto de destino e o custo antes de aprovar:

    Deploy the model I selected to the tailspin-toys Foundry project, using the model name as the deployment name.

A disponibilidade dos modelos muda com o tempo. A escolha adequada é o modelo que o Copilot confirma estar disponível no seu projeto, e não um modelo fixo indicado neste módulo.

Validar e fazer uma verificação básica do modelo no Canvas

Esta verificação valida o projeto e o modelo antes de existir qualquer código do agente. Uma verificação básica do modelo não substitui os testes de fundamentação das respostas do agente hospedado no módulo 2.

17. Selecione +, depois Canvas e depois Microsoft Foundry (Preview).

18. Abra o menu More options no canto superior direito do Canvas e selecione Sign in.

19. Selecione o projeto tailspin-toys do Foundry. Expanda Models e confirme que a implantação aparece com o nome e o status esperados.

    

20. Na mesma sessão, insira:

    Use a skill do Microsoft Foundry para testar diretamente o modelo implantado no projeto tailspin-toys sem criar um agente. Fundamente a resposta no conteúdo de @db/catalog.json e pergunte: "Adoro jogos de quebra-cabeça sobre rastrear bugs. Qual jogo devo apoiar e quanto ele arrecadou?". Mostre a resposta e metadados úteis, como os tokens usados e o tempo de resposta, somente se estiverem disponíveis. Use meu login existente do Azure. Não exiba credenciais, altere arquivos nem crie recursos.

21. Revise a resposta. Ela deve recomendar apenas um jogo real de db/catalog.json, usar o título, a editora e a avaliação corretos e explicar que as informações de financiamento não estão disponíveis. Se o modelo inventar um jogo, detalhes do catálogo ou um valor de financiamento, compare outro modelo recomendado antes de continuar.

O Canvas lembra o projeto selecionado quando é reaberto. Suas etapas são Create new hosted agents, para gerar a estrutura inicial; Build current hosted agent, para conectar modelos, caixas de ferramentas, skills e mecanismos de proteção; e Deploy and test, para executar localmente e implantar no Microsoft Foundry.

Ponto de verificação e próximos passos

Você preparou as ferramentas do Azure, exportou o catálogo e testou um modelo implantado de acordo com as regras de fundamentação do Backer Concierge. O ponto de verificação deste módulo é um modelo que recomenda jogos reais do catálogo sem inventar informações ausentes.

Em seguida, você usará o mesmo repositório Tailspin Toys, branch do worktree, sessão vinculada à issue, projeto do Foundry e implantação de modelo selecionada para criar e implantar o agente. Se encerrar aqui, limpe os recursos do Azure para evitar custos contínuos.