[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M699FN1WT0JGC6GSGRNZQE5S":3,"skill-same:01M699FN1WT0JGC6GSGRNZQE5S":103},{"skillNo":4,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":20,"linkOnly":21,"markdownContent":22,"markdownBody":23,"frontMatter":24,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":28,"repositoryHtmlUrl":29,"repositoryHomepageUrl":30,"ownerHtmlUrl":31,"ownerBlogUrl":32,"ownerDescription":33,"updatedAt":34,"install":35,"resources":48},"01M699FN1WT0JGC6GSGRNZQE5S","local-ai-agents",null,"microsoft\u002Fai-agents-for-beginners","microsoft","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F6154722?v=4","01M698VYDXZ6JW5WH3CRV650R8","Microsoft","01M6998ZK2275KMJE6Y5SEA2X2",79423,"MIT","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fhe\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[18,19],"ai agents","local ai agents","2026-11-10 10:12:30",false,"---\nname: local-ai-agents\nlicense: MIT\n---\n# יצירת סוכני AI מקומיים עם Foundry Local ו-Qwen\n\n> מיומנות מלווה עבור [שיעור 17 – יצירת סוכני AI מקומיים](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> השתמש בה כדי לעזור ללומד לבנות סוכן שמבצע ניתוח, קורא לכלים ומחפש\n> תיעוד באופן עצמאי לחלוטין במחשב האישי שלו — ללא ניתוח בענן. קבע כל\n> המלצה על תוכן השיעור והמחברת הרצה.\n\n## טריגרים\n\nהפעל מיומנות זו כאשר לומד רוצה:\n- להריץ סוכן **מלא במכשיר** למען פרטיות, עלות או סיבות לא מקוונות.\n- להפעיל מודל מקומית עם **Foundry Local** ולחבר דרך נקודת קצה התומכת ב-OpenAI.\n- להשתמש במודל **Qwen קריאת-פונקציות** כדי להניע קריאות כלים מקומיות אמינות.\n- להוסיף **RAG מקומי** (Chroma) או **שרת MCP מקומי**.\n- לתכנן אסטרטגיית ניתוב **היברידית** בין מקומי\u002Fענן.\n\n## מודל מנטלי מרכזי\n\nSLM סוחרים ברוחב לטובת פרטיות, עלות והפעלה ללא חיבור. האסטרטגיה המנצחת:\n**תן ל-SLM לארגן ולתן לכלים לעשות את העבודה הכבדה.** המודל\nלא צריך *לדעת* את בסיס הקוד — הוא צריך לדעת מתי לקרוא ל\n`read_file` ו-`search_docs`. זה מנצל את חוזק ה-SLM (החלטות ממוקדות\nכמו בחירת כלי) ומרחיק מחולשה שלו (ידע רחב, ניתוח ארוך מולטי-הופ).\n\n\n## למה דווקא החלקים האלה\n\n- **Foundry Local** חושף **נקודת קצה HTTP התואמת ל-OpenAI**, כך שקוד הסוכן בענן עובר שינוי רק ב-`base_url` (ושימוש במפתח API מקומי). הוא גם בוחר אוטומטית בבנייה הטובה ביותר (CPU\u002FGPU\u002FNPU) עבור המכשיר.\n- דגמי **Qwen** מאומנים לקריאות פונקציות ומפיקים קריאות כלים בנוסח תקין בעקביות — זה מה שהופך מודל *שיחה* מקומי ל-*סוכן* מקומי.\n- **Chroma** פועל בתהליך ושומר וקטורים בדיסק, כך שכל צינור ה-RAG (מיזוג → אחסון → משיכה → ניתוח) נשאר מקומי.\n- **MCP** הוא תעבורה, לא שירות בענן: שרת MCP יכול לפעול מקומית דרך `stdio`.\n\n## דרישות התקנה חיוניות\n\n```bash\nfoundry model run qwen2.5-7b-instruct\nfoundry service status\n```\n\n```python\nfrom foundry_local import FoundryLocalManager\nfrom openai import OpenAI\n\nmanager = FoundryLocalManager(\"qwen2.5-7b-instruct\")\nclient = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # מָקוֹם מְנֻחָה מְקוּמִי\n```\n\nמינימום מציאותי של כ-8 גיגהבייט זיכרון; GPU\u002FNPU מסייע אך אינו חובה.\n\n## דפוסי מפתח לשחזור\n\nהפנה את הלומד למחברת\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **כלים בסביבת סנדבוקס**: כל כלי של קובץ פותר נתיבים ודוחה כל דבר מחוץ לשורש פרויקט יחיד — גם מקומית, כלי פועל בהרשאות המשתמש.\n- **לולאת קריאת כלים**: רשם כלים עם סכמת OpenAI, הרץ את הכלים המתבקשים מקומית, הזן את התוצאות חזרה, חזור עד לתשובה סופית.\n- **RAG מקומית**: הוסף מסמכים לאוסף Chroma; `search_docs` מחזיר את הקטעים המובילים.\n- **MCP מקומית**: התחבר לשרת מקומי דרך `stdio`; הגבל אותו לספריית פרויקט ואמת את הפלט שלו.\n\n## ניתוב היברידי (מקומי כאחד המודלים)\n\n| מצב | היכן זה פועל |\n|-----------|---------------|\n| נתונים רגישים \u002F אופליין | SLM מקומי |\n| משימה פשוטה ומוגבלת | SLM מקומי (זול, מהיר) |\n| ניתוח קשה מולטי-הופ על נתונים לא רגישים | מודל ענן |\n| תקלה בענן | SLM מקומי (התדרדרות הדרגתית) |\n\nזה משקף את רעיון ניתוב המודלים משיעור 16, עם תחנת עבודה כאחד הנתיבים. העדף עיצובים שנופלים חזרה למקומי כך שהסוכן מתדרדר באיכות ולא נכשל לגמרי.\n\n\n\n## גדרות בטחון לעוזר\n\n- שמור שכל פעולה של קובץ\u002Fכלי תהיה מוגבלת לספריית פרויקט בסנדבוקס.\n- אל תשלח קוד או נתונים לענן כאשר המטרה שהלומד הצהיר עליה היא פרטיות\u002Fלא מקוון — שמור על כל הצינור מקומי.\n- קבע ציפיות ריאליסטיות לאיכות ה-SLM; נשען על כלים ו-RAG במקום ידע שמור במודל.\n- שים לב שלשיעור 17 אין נקודת קצה Foundry Responses, כך שפעלת הבדיקה בענן לא חלה — אמת באמצעות הרצת המחברת מקומית.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**כתב ויתור**:\nמסמך זה תורגם באמצעות שירות תרגום אוטומטי [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להחשיב את המסמך המקורי בשפתו הטבעית כמקור הסמכות. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אדם. אנו לא אחראים לכל אי-הבנה או פירוש שגוי הנובע מהשימוש בתרגום זה.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->","# יצירת סוכני AI מקומיים עם Foundry Local ו-Qwen\n\n> מיומנות מלווה עבור [שיעור 17 – יצירת סוכני AI מקומיים](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> השתמש בה כדי לעזור ללומד לבנות סוכן שמבצע ניתוח, קורא לכלים ומחפש\n> תיעוד באופן עצמאי לחלוטין במחשב האישי שלו — ללא ניתוח בענן. קבע כל\n> המלצה על תוכן השיעור והמחברת הרצה.\n\n## טריגרים\n\nהפעל מיומנות זו כאשר לומד רוצה:\n- להריץ סוכן **מלא במכשיר** למען פרטיות, עלות או סיבות לא מקוונות.\n- להפעיל מודל מקומית עם **Foundry Local** ולחבר דרך נקודת קצה התומכת ב-OpenAI.\n- להשתמש במודל **Qwen קריאת-פונקציות** כדי להניע קריאות כלים מקומיות אמינות.\n- להוסיף **RAG מקומי** (Chroma) או **שרת MCP מקומי**.\n- לתכנן אסטרטגיית ניתוב **היברידית** בין מקומי\u002Fענן.\n\n## מודל מנטלי מרכזי\n\nSLM סוחרים ברוחב לטובת פרטיות, עלות והפעלה ללא חיבור. האסטרטגיה המנצחת:\n**תן ל-SLM לארגן ולתן לכלים לעשות את העבודה הכבדה.** המודל\nלא צריך *לדעת* את בסיס הקוד — הוא צריך לדעת מתי לקרוא ל\n`read_file` ו-`search_docs`. זה מנצל את חוזק ה-SLM (החלטות ממוקדות\nכמו בחירת כלי) ומרחיק מחולשה שלו (ידע רחב, ניתוח ארוך מולטי-הופ).\n\n\n## למה דווקא החלקים האלה\n\n- **Foundry Local** חושף **נקודת קצה HTTP התואמת ל-OpenAI**, כך שקוד הסוכן בענן עובר שינוי רק ב-`base_url` (ושימוש במפתח API מקומי). הוא גם בוחר אוטומטית בבנייה הטובה ביותר (CPU\u002FGPU\u002FNPU) עבור המכשיר.\n- דגמי **Qwen** מאומנים לקריאות פונקציות ומפיקים קריאות כלים בנוסח תקין בעקביות — זה מה שהופך מודל *שיחה* מקומי ל-*סוכן* מקומי.\n- **Chroma** פועל בתהליך ושומר וקטורים בדיסק, כך שכל צינור ה-RAG (מיזוג → אחסון → משיכה → ניתוח) נשאר מקומי.\n- **MCP** הוא תעבורה, לא שירות בענן: שרת MCP יכול לפעול מקומית דרך `stdio`.\n\n## דרישות התקנה חיוניות\n\n```bash\nfoundry model run qwen2.5-7b-instruct\nfoundry service status\n```\n\n```python\nfrom foundry_local import FoundryLocalManager\nfrom openai import OpenAI\n\nmanager = FoundryLocalManager(\"qwen2.5-7b-instruct\")\nclient = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # מָקוֹם מְנֻחָה מְקוּמִי\n```\n\nמינימום מציאותי של כ-8 גיגהבייט זיכרון; GPU\u002FNPU מסייע אך אינו חובה.\n\n## דפוסי מפתח לשחזור\n\nהפנה את הלומד למחברת\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **כלים בסביבת סנדבוקס**: כל כלי של קובץ פותר נתיבים ודוחה כל דבר מחוץ לשורש פרויקט יחיד — גם מקומית, כלי פועל בהרשאות המשתמש.\n- **לולאת קריאת כלים**: רשם כלים עם סכמת OpenAI, הרץ את הכלים המתבקשים מקומית, הזן את התוצאות חזרה, חזור עד לתשובה סופית.\n- **RAG מקומית**: הוסף מסמכים לאוסף Chroma; `search_docs` מחזיר את הקטעים המובילים.\n- **MCP מקומית**: התחבר לשרת מקומי דרך `stdio`; הגבל אותו לספריית פרויקט ואמת את הפלט שלו.\n\n## ניתוב היברידי (מקומי כאחד המודלים)\n\n| מצב | היכן זה פועל |\n|-----------|---------------|\n| נתונים רגישים \u002F אופליין | SLM מקומי |\n| משימה פשוטה ומוגבלת | SLM מקומי (זול, מהיר) |\n| ניתוח קשה מולטי-הופ על נתונים לא רגישים | מודל ענן |\n| תקלה בענן | SLM מקומי (התדרדרות הדרגתית) |\n\nזה משקף את רעיון ניתוב המודלים משיעור 16, עם תחנת עבודה כאחד הנתיבים. העדף עיצובים שנופלים חזרה למקומי כך שהסוכן מתדרדר באיכות ולא נכשל לגמרי.\n\n\n\n## גדרות בטחון לעוזר\n\n- שמור שכל פעולה של קובץ\u002Fכלי תהיה מוגבלת לספריית פרויקט בסנדבוקס.\n- אל תשלח קוד או נתונים לענן כאשר המטרה שהלומד הצהיר עליה היא פרטיות\u002Fלא מקוון — שמור על כל הצינור מקומי.\n- קבע ציפיות ריאליסטיות לאיכות ה-SLM; נשען על כלים ו-RAG במקום ידע שמור במודל.\n- שים לב שלשיעור 17 אין נקודת קצה Foundry Responses, כך שפעלת הבדיקה בענן לא חלה — אמת באמצעות הרצת המחברת מקומית.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**כתב ויתור**:\nמסמך זה תורגם באמצעות שירות תרגום אוטומטי [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להחשיב את המסמך המקורי בשפתו הטבעית כמקור הסמכות. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אדם. אנו לא אחראים לכל אי-הבנה או פירוש שגוי הנובע מהשימוש בתרגום זה.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->",{"name":5,"license":14},"main","f09e94ffe170f8af6d3db7c42987bbe4db227723","translations\u002Fhe\u002F.agents\u002Fskills\u002Flocal-ai-agents",26019,"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners","https:\u002F\u002Faka.ms\u002Fai-agents-beginners","https:\u002F\u002Fgithub.com\u002Fmicrosoft","https:\u002F\u002Fopensource.microsoft.com","Open source projects and samples from Microsoft","2026-11-07 12:51:12",{"source":7,"skillName":5,"commands":36,"prompt":46,"zipAvailable":47},[37,40,43],{"tool":38,"command":39},"npx","npx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents",{"tool":41,"command":42},"bunx","bunx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents",{"tool":44,"command":45},"pnpm","pnpm dlx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fhe\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",true,[49,55,61,65,69,73,77,81,85,91,95,99],{"path":50,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":53,"sourceHtmlUrl":54},"__init__.py","SCRIPT","脚本",0,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002F__init__.py",{"path":56,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":59,"sourceHtmlUrl":60},".env.example","OTHER","其他",231,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002F.env.example",{"path":62,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":63,"sourceHtmlUrl":64},".env.stock_resource",209,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002F.env.stock_resource",{"path":66,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":67,"sourceHtmlUrl":68},".env.stock_resource_example",120,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002F.env.stock_resource_example",{"path":70,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":71,"sourceHtmlUrl":72},"dotenv.py",2362,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Fdotenv.py",{"path":74,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":75,"sourceHtmlUrl":76},"execute.py",20822,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Fexecute.py",{"path":78,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":79,"sourceHtmlUrl":80},"files.py",3783,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Ffiles.py",{"path":82,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":83,"sourceHtmlUrl":84},"paths.py",1430,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Fpaths.py",{"path":86,"resourceType":87,"resourceTypeDesc":88,"sizeBytes":89,"sourceHtmlUrl":90},"README.md","REFERENCE","参考文档",2241,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002FREADME.md",{"path":92,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":93,"sourceHtmlUrl":94},"settings.py",1750,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Fsettings.py",{"path":96,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":97,"sourceHtmlUrl":98},"tool.py",2107,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Ftool.py",{"path":100,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":101,"sourceHtmlUrl":102},"validator.py",13616,"https:\u002F\u002Fgithub.com\u002Fmdnaimul22\u002Fhuman-skills\u002Fblob\u002Fmain\u002Fskills\u002Fhelpers\u002Fvalidator.py",[104,122,133,138,146,153],{"skillNo":105,"name":106,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":107,"categories":108,"keywords":119,"publishedAt":20},"01M69A206TRZ8KK0CW0HYJF5V5","testing-course-samples","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Ftesting-course-samples\u002FSKILL.md",[109,114],{"categoryNo":110,"categoryName":111,"taxonomyType":112,"taxonomyTypeDesc":113},"01JBSEEDCAT000000000000008","测试与质量","SCENARIO","使用场景",{"categoryNo":115,"categoryName":116,"taxonomyType":117,"taxonomyTypeDesc":118},"01JBSEEDCAT000000000000039","教师与教育","PROFESSION","适用职业",[120,121],"testing","testing course samples",{"skillNo":123,"name":124,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":125,"categories":126,"keywords":130,"publishedAt":20},"01M69A1XRB2SFHYRMEH0K08EKZ","microsoft-docs","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fmicrosoft-docs\u002FSKILL.md",[127],{"categoryNo":128,"categoryName":129,"taxonomyType":112,"taxonomyTypeDesc":113},"01JBSEEDCAT000000000000023","Skill与智能体开发",[131,8,132],"docs","microsoft docs",{"skillNo":134,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":135,"categories":136,"keywords":137,"publishedAt":20},"01M69A1VPZFJQ1HNGTZQ5P3WSC","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[18,19],{"skillNo":139,"name":140,"nameZh":6,"description":141,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":142,"categories":143,"keywords":144,"publishedAt":20},"01M69A1S947N7MM6V9JF85S2E7","jupyter-notebook","當使用者要求建立、搭建或編輯 Jupyter 筆記本（`.ipynb`）用於實驗、探索或教學時使用；優先使用隨附範本並執行輔助腳本 `new_notebook.py` 來產生一個乾淨的起始筆記本。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fjupyter-notebook\u002FSKILL.md",[],[145],"jupyter notebook",{"skillNo":147,"name":148,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":149,"categories":150,"keywords":151,"publishedAt":20},"01M69A1Q8EXPWKZSQK69V6WF22","deploying-scalable-agents","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents\u002FSKILL.md",[],[152],"deploying scalable agents",{"skillNo":154,"name":155,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":156,"categories":157,"keywords":158,"publishedAt":20},"01M69A1MHZTH3RH9N8VYSYG74X","azure-openai-to-responses","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fazure-openai-to-responses\u002FSKILL.md",[],[159],"azure openai to responses"]