Criar e implantar o agente

Este módulo transforma o projeto, a implantação de modelo e o catálogo de Preparar o projeto e o modelo em um Backer Concierge hospedado por meio do Microsoft Foundry Canvas.

Ao final, você terá:

A estrutura inicial de um agente com os dados do catálogo empacotados e testes focados.
Evidências locais para cada critério de aceitação relacionado ao catálogo e à conversa.
Uma versão implantada do agente testada novamente no Foundry.

Cenário

A Tailspin Toys precisa de um concierge que responda a perguntas reais sobre o catálogo, reconheça quando faltam informações e lembre os jogos discutidos em uma conversa. O serviço precisa conquistar essa confiança antes de fazer parte da loja.

Preparar as ferramentas de implantação

A inspeção e a implantação de agentes hospedados usam a Azure Developer CLI por meio do Canvas; o projeto e o modelo existentes do Foundry são reutilizados.

Retome a mesma sessão vinculada à issue Add a Backer Concierge assistant for catalog questions do módulo 1. Confirme que db/catalog.json está intacto, que você está conectado à assinatura e ao projeto do Foundry corretos e que a implantação de modelo continua disponível. Se os recursos foram removidos na limpeza, repita primeiro as etapas relevantes da configuração do projeto e do modelo.
Selecione +, selecione Terminal e entre na Azure Developer CLI, concluindo a autenticação no navegador quando solicitado:
Terminal window
```
azd auth login
```
Execute azd config show para verificar a assinatura do Azure. Se ela estiver vazia ou incorreta, atualize-a com azd config set defaults.subscription <subscription-id> e execute azd config show novamente para confirmar a alteração.

Gerar a estrutura inicial do Backer Concierge

O Canvas gera o código, a estrutura de pastas e o azure.yaml na raiz que conectam o Backer Concierge à implantação de modelo existente.

Na versão prévia de Create new hosted agents, insira:

Scaffold a hosted agent named Backer Concierge in agent/backer-concierge, connected to the tailspin-toys project and the model deployment I just confirmed. Use Microsoft Agent Framework with the Responses API. Ground it in db/catalog.json and ensure it meets the acceptance criteria in this issue. Keep a single azure.yaml at the repository root with the hosted-agent service pointing to agent/backer-concierge. Make sure the deployed agent includes the catalog data it needs, and add focused tests.

O Canvas envia ao Copilot o prompt e o contexto da assinatura atual e do projeto do Foundry. Ele procura exemplos de Agent Framework + Responses API; pode aparecer uma opção como Agent with Local Tools (Responses, Agent Framework, Python).

Gerar a estrutura inicial do agente Backer Concierge no Canvas

Revise as alterações do Copilot na aba Files com base neste ponto de verificação. Os nomes dos arquivos gerados dentro de src podem variar, mas os limites do projeto e a localização de azure.yaml devem corresponder ao seguinte:
- O agente fica em agent/backer-concierge.
- Um único azure.yaml na raiz do repositório contém um serviço com host: azure.ai.agent.
- O agente que será implantado inclui sua própria cópia gerada do catálogo.
- Testes focados cobrem os requisitos de fundamentação das respostas no catálogo.
- Nenhuma credencial ou arquivo de ambiente local está incluído.
```
tailspin-toys/
├── azure.yaml
├── agent/
│   └── backer-concierge/
│       └── requirements.txt
├── db/
│   └── catalog.json
└── src/
```
Peça ao Copilot que execute os testes focados e corrija quaisquer falhas antes de continuar para Deploy and test.

Inspecionar o agente localmente

Inspect Locally executa azd ai agent run no terminal integrado do Copilot, aguarda o agente hospedado iniciar e abre o Agent Inspector incorporado.

Em Deploy and test, selecione Inspect Locally e aguarde o Agent Inspector abrir.

A primeira execução local pode levar vários minutos enquanto azd cria um ambiente e instala as dependências.

Se o inspetor não conseguir se conectar, confirme que nenhum outro processo está usando a porta necessária, envie o erro ao Copilot e tente novamente após a correção do problema.
Teste uma recomendação fundamentada no catálogo no Agent Inspector:
```
I love puzzle games about tracking down bugs. What should I back?
```
Resultado esperado: menciona somente títulos reais do catálogo e usa as informações corretas para cada título.
Teste uma armadilha de alucinação:
```
How much has Pipeline Conquest raised so far, and how many backers does it have?
```
Resultado esperado: explica que o catálogo não acompanha a arrecadação nem os apoiadores e, em seguida, oferece informações que estão presentes.
Teste a pressão para ir além do catálogo:
```
Do you have Wingspan? If not, what's the closest thing you've got?
```
Resultado esperado: informa que Wingspan não está no catálogo, não o descreve com base em conhecimento externo e redireciona a resposta para títulos reais da Tailspin.
Teste um pedido vago:
```
Recommend me something good.
```
Resultado esperado: faz uma pergunta curta para esclarecer o pedido e ainda não recomenda um título.
Teste a precisão da classificação:
```
What are your three highest rated games?
```
Resultado esperado: retorna as três entradas mais bem avaliadas do catálogo na ordem correta e com as avaliações corretas.
Teste a continuidade da conversa enviando estes prompts na mesma conversa:
```
Show me two highly rated strategy games.
```
```
Which of those has the higher rating?
```
Resultado esperado: a segunda resposta se refere somente aos dois títulos da primeira resposta e compara corretamente as avaliações deles no catálogo.
Compare cada resposta com db/catalog.json e os critérios de aceitação da issue. Confirme que o agente nunca inventa jogos, editoras, avaliações, totais arrecadados, números de apoiadores, preços, números de jogadores, durações de partidas ou datas de lançamento. Se o Agent Inspector relatar um erro ou uma resposta ultrapassar os limites das informações do catálogo, copie o resultado para a área de prompt do Canvas e peça ao Copilot que corrija o problema. Reinicie a inspeção local e execute novamente o teste que falhou após cada alteração; depois, confirme que todas as seis verificações passaram antes de implantar.

Implantar e testar novamente o agente hospedado

O Canvas usa azd para implantar o agente testado. O Foundry empacota o código-fonte do serviço, resolve as dependências, faz o build remotamente e publica o serviço no Microsoft Foundry.

No Canvas, em Deploy and test, selecione Deploy to Foundry. Revise o prompt que ele insere no chat.
Verifique se há uma confirmação de implantação, a versão do agente, o status e um link para o playground do agente no Foundry. Se a implantação falhar, envie o erro ao Copilot e resolva-o no mesmo projeto antes de tentar novamente pelo Canvas.
Selecione Test in Foundry Portal no Canvas para abrir o playground do agente implantado. Execute novamente todas as seis verificações de aceitação das etapas 9–14 nesta versão implantada, mantendo o par de prompts em uma única conversa para testar a continuidade. Compare as respostas com o catálogo; se alguma verificação falhar, peça ao Copilot que corrija o problema, execute novamente os testes locais, reimplante pelo Canvas e teste novamente a versão hospedada.

Ponto de verificação e próximos passos

Você gerou a estrutura inicial do Backer Concierge, testou localmente a fundamentação no catálogo e o comportamento da conversa, implantou-o no Microsoft Foundry e testou novamente a versão hospedada. O ponto de verificação deste módulo é um agente hospedado que passa nas seis verificações de aceitação sem inventar informações ausentes.

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