[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M699NQG1CBG5ACHDKDSQ91A6":3,"skill-same:01M699NQG1CBG5ACHDKDSQ91A6":48},{"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":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":24,"commitSha":25,"skillDirectory":26,"forksCount":27,"repositoryHtmlUrl":28,"repositoryHomepageUrl":29,"ownerHtmlUrl":30,"ownerBlogUrl":31,"ownerDescription":32,"updatedAt":33,"install":34,"resources":47},"01M699NQG1CBG5ACHDKDSQ91A6","deploying-scalable-agents",null,"microsoft\u002Fai-agents-for-beginners","microsoft","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F6154722?v=4","01M698VYDXZ6JW5WH3CRV650R8","Microsoft","01M6998ZK2275KMJE6Y5SEA2X2",79567,"MIT","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fmy\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents\u002FSKILL.md",[],[18],"deploying scalable agents","2026-11-10 10:12:30",false,"---\nname: deploying-scalable-agents\nlicense: MIT\n---\n# Microsoft Foundry နှင့်အတူ Scalable Agents များဖြန့်ချိခြင်း\n\n> [Lesson 16 – Deploying Scalable Agents](..\u002F..\u002F..\u002F16-deploying-scalable-agents\u002FREADME.md) အတွက် အတူတကွ သင်ကြားမှုကျွမ်းကျင်မှု။\n> သင်ယူသူတစ်ဦးကို agent ကို prototype မှ scalable, observable production deployment သို့ တိုးတက်အောင်ကူညီရန် အသုံးပြုပါ။\n> မည်သည့်အကြံပြုချက်မျှ မိသားစလုံး၏ဘာသာရပ်နှင့် runnable notebook တွင်အခြေခံထားရန်ဖြစ်ပြီး;\n> Foundry APIs မတီထွင်ပါနှင့်။\n\n## Triggers\n\nသင်ယူသူတစ်ဦးအောက်ပါအချက်တွင် ကျွမ်းကျင်မှုကို အသိပေးပါက စတင်ပါ။\n- Microsoft Foundry တွင် **hosted agent** အဖြစ် agent တစ်ခုကို deploy လုပ်၍ versioned\u002Fobservable ဖြစ်အောင်လုပ်ရန်။\n- **client-hosted, hosted-agent, နှင့် agent-workflow** deployment ပုံစံများဖြင့် ရွေးချယ်ရန်။\n- latency နှင့် ကုန်ကျစရိတ်ကိုထိန်းချုပ်ရန် **model routing**, **response caching**, သို့မဟုတ် **bounded concurrency** ထည့်သွင်းရန်။\n- မကောင်းသော agent version မတင်ပို့နိုင်စေရန် **evaluation gate** ထည့်သွင်းရန်။\n- အန္တရာယ်ရှိသော လုပ်ငန်းအတွက် **human-in-the-loop approval** အဆင့် ထည့်သွင်းရန်။\n- ထုတ်လုပ်မှုအခြေအနေကိုကြည့်ရှုနိုင်ရန် agent ကို **OpenTelemetry** trace ဖြင့် လိုက်လံသုံးဆောင်ရန်။\n- deploy ပြီး agent ကိုလျင်မြန်စွာ **Smoke-test** ပြုလုပ်ရန်။\n\n## အဓိကသဘာဝအမြင်\n\nထုတ်လုပ်မှုအတွက် agent သည် မော်ဒယ် (ခန့်မှန်း၍ ~80%) အပေါ်အခြေခံသည့်ဆက်စပ်အလုပ်လည်ပတ်မှု ဆွဲကြိုးတစ်ခုဖြစ်သည်၊\nမော်ဒယ်ကို မဟုတ်ပါ။ အကြံပြုချက်တိုင်းကို အောက်ဖော်ပြပါစိတ်ပါဝင်စားချက်များထဲမှ တစ်ခုနှင့် ကိုက်ညီစေပါ။\n\n| စိတ်ပါဝင်စားချက် | Prototype → Production |\n|---------|------------------------|\n| Hosting | notebook → versioned hosted service |\n| Identity | သင့် `az login` → managed identity + scoped RBAC |\n| State | in-memory → externalised thread\u002Fmemory store |\n| Failure | traceback → retries, fallbacks, alerts |\n| Cost | \"အနည်းငယ်ဆင့်\" → မှတ်တမ်းပြု၍, ဂိတ်ခွဲ၍, cache ထား၍, ဘတ်ဂျက်ချတင်မှု |\n| Quality | မျက်စိကြည့်ခြင်း → automated evaluation gate |\n| Trust | သင့်အတည်ပြုချက် → policy + human-in-the-loop |\n\n## Deployment ပုံစံများ (တစ်ခု ရွေးပါ၊ သို့မဟုတ် ပေါင်းစပ်ပါ)\n\n1. **Client-hosted** — သင်၏ process တွင် reasoning လုပ်ဆောင်မှု လည်ပတ်သည်။ ထိန်းချုပ်ခြင်းအများဆုံး; သင်သည် scaling\u002Fstate ကိုင်တွယ်သည်။\n2. **Hosted agent (Foundry Agent Service)** — Foundry သည် loop ကို ဟုတ်စေပြီး threads တင်သိမ်းကာ RBAC\u002Fcontent လုံခြုံမှု အကောင်အထည်ဖော်၊ ပေါ်တယ်တွင် agent ကို ပြသသည်။ ထိန်းချုပ်မှုနည်းပြီး operation အခက်အခဲလျော့ပါးသည်။\n3. **Agent workflow** — ကြိုးချောစွာ ခွဲခြားခိုင်းမှု၊ အတည်ပြု nodes နှင့် တာရှည်ကြာ checkpoint များပါဝင်သည့် agent\u002Ftools များ ပေါင်းစပ်ထားသည်။\n\n## အသက်သက်သာရွေ့လျားမှု (agent တင်ပို့သည့် loop)\n\n`create → version → evaluate (gate) → deploy hosted → observe online → collect failures → repeat`။\n**Offline သတ်မှတ်ခြင်းသည် တံခါးပေါက်တစ်ခုဖြစ်ပြီး နောက်ပြန်ခံခြင်းမဟုတ်ပါဘူး** — version တစ်ခုသည် သတ်မှတ်ချက်ကျော်မလျှင် မတင်ပို့မည်။\nOnline လေ့လာနိုင်မှုသည် အမှားအပေါ်မွန်သော ထောက်ပံ့မှုကို offline စမ်းသပ်မှုအုပ်စုထဲ ပြန်လည်ထည့်သွင်းသည်။\n\n\n\n\n2. **ရှုပ်ထွေးမှုအလိုက်လမ်းကြောင်း သတ်မှတ်ပါ** — လွယ်ကူသည့်တုံ့ပြန်မှုများအတွက် သေးငယ်\u002Fမြန်ဆန်သော မော်ဒယ်၊ ပိုမိုတုံ့ပြန်မှုလိုအပ်သည့်အတွက် ကြီးမားသောမော်ဒယ် (DIY classifier သို့မဟုတ် Foundry Model Router)အသုံးပြုပါ။\n3. **Cache ထားပါ** — မော်ဒယ်ခေါ်ဆိုခြင်းမဖြစ်ပဲ နီးစပ်လျှင်တူညီသော တုံ့ပြန်မှုများကို ဖြေရှင်းပါ။\n4. **Stateless design + bounded concurrency** — state ကို ပြင်ပသိုလှောင်ပါ; backoff ဖြင့် retry လုပ်ပါ။\n\n\n\n\n[`16-python-agent-framework.ipynb`](..\u002F..\u002F..\u002F16-deploying-scalable-agents\u002Fcode_samples\u002F16-python-agent-framework.ipynb) :\n\n\n- **evaluation gate** : offline စမ်းသပ်မှုအုပ်စုကိုအမှတ်ပေး; `pass_rate >= threshold` ပြန်ပေးပါ၊ ရိုက်ချက်မှန်မှသာ deploy လုပ်ပါ။\n- **လူကြားမှ အတည်ပြုခြင်း** : `@tool(approval_mode=\"always_require\")` ကို Refund ကြီးများအတွက် လုပ်ဆောင်မှုများတွင် အသုံးပြုပါ။\n- **Tracing** : တောင်းဆိုမှုတစ်ခုစီကို `tracer.start_as_current_span(...)` ဖြင့် တူးထွင်ကာ `routed.model`၊ `customer.id` ကဲ့သို့သော attribute များကို သတ်မှတ်ပါ။\n\n\n\n\n[AI Smoke Test](https:\u002F\u002Fgithub.com\u002Fmarketplace\u002Factions\u002Fai-smoke-test) ကို [`.github\u002Fworkflows\u002Fsmoke-test.yml`](..\u002F..\u002F..\u002F..\u002F..\u002F.github\u002Fworkflows\u002Fsmoke-test.yml)မှ တဆင့်အသုံးပြုပါ။\n[`tests\u002F`](..\u002F..\u002F..\u002Ftests\u002FREADME.md)တွင် ပါဝင်သည့် စာရင်းနှင့်အတူ Runner သည် prompt တစ်ခုစီကို `POST {project_endpoint}\u002Fagents\u002F{agent_name}\u002Fendpoint\u002Fprotocols\u002Fopenai\u002Fresponses` သို့ POST ပြုလုပ်ကာ\nတုံ့ပြန်ချက်စာသားကို စစ်ဆေးသည်။ identity သည် Foundry project scope တွင် **Azure AI User** role ရှိရမည်။ token audience သည် `https:\u002F\u002Fai.azure.com\u002F` ဖြစ်ရမည်။\n\nGate များကို အလွှာကွဲထားပါ။ **smoke test** (ရောက်ရှိ\u002Fတုံ့ပြန်မှု, deploy တစ်ကြိမ်စီ)\u002F → **offline evaluation** (တင်ပို့ရန်အတွက် ကောင်းမွန်မှု၊ အဆင့်မြှင့်တင်ရန်မတိုင်မီ) → **online evaluation** (တောင့်တယ်ကွင်းတွင် မည်သို့ ကောင်းစွာ လည်ပတ်နေသည်ကို ဆက်တိုက်စစ်ဆေးခြင်း)။\n\n## စီးပွားရေးအဖွဲ့အစည်း ထိန်းချုပ်မှုများ\n\n- **RBAC** : hosted agent တစ်ခုစီအတွက် managed identity ကို လုံခြုံမှု အနည်းဆုံးအဆင့်ဖြင့် ပေးစွမ်းပါ။\n- **MCP ကို ထုတ်လုပ်မှုတွင်** : MCP server တစ်ခုစီကို untrusted boundary အဖြစ်ဆက်ဆံပါ — version ကို pin တင်ပြီး၊ identity ကို scope သတ်မှတ်ပြီး၊ output များကို အတည်ပြု၊ rate-limit, secrets မဖော်ပြရန်။\n\n\n\n\n- သင်စစ်ဆေးမထားသည့် live-Azure ရလဒ်များကို ကတိမပေးပါနှင့်; deploy တစ်ခုကို အတည်ပြုရန် smoke-test workflow ကို အကြံပြုပါ။\n- စိတ်ချရမှုနှင့် ကုန်ကျစရိတ် အကြံပြုချက်များကို ဆက်စပ်ထားပါ။ စစ်ဆေးမှုသည် အရည်အသွေး အောက်စွန်းသတ်မှတ်ပြီး၊ routing\u002Fcaching သည် ကုန်ကျစရိတ်ကို အောက်စွန်းအနီး၌ ထိန်းထားသည်။\n\n## အကူအညီပေးသူအတွက် လမ်းညွန်ချက်များ\n\n- သင်တန်းတစ်ခုလုံးတွင် အသုံးပြုသော canonical `FoundryChatClient(...)` + `provider.as_agent(...)` ပုံစံကို ပိုမိုနှစ်သက်ပါ။\n- သင်စစ်ဆေးဖူးခြင်းမရှိသေးသော live-Azure ရလဒ်များကို မကတိပေးပါနှင့်; deployment ကို အတည်ပြုရန် smoke-test အလှမ်းကို အကြံပြုပါ။\n- သုံးသပ်ချက်နှင့် ကုန်ကျစရိတ်အကြံဉာဏ်များကို ချိတ်ဆက်ထားရန်: သုံးသပ်ချက်က အရည်အသွေးအခြေခံထားမှုကို သတ်မှတ်ပြီး၊ routing\u002Fcaching က ကုန်ကျစရိတ်ကို ထို အခြေခံ မျက်နှာပြင်အနီးနားမှာ ထိန်းသိမ်းထားသည်။\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**ပြောကြားချက်**\nဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator) အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ စက်ကိရိယာဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ ယုံကြည်စိတ်ချရသော အချက်အလက်အဖြစ် သတ်မှတ်သင့်သည်။ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်သူဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုကွာခြားမှုများ သို့မဟုတ် မမှန်ကန်သော အသုံးပြုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မခံပါ။\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->","# Microsoft Foundry နှင့်အတူ Scalable Agents များဖြန့်ချိခြင်း\n\n> [Lesson 16 – Deploying Scalable Agents](..\u002F..\u002F..\u002F16-deploying-scalable-agents\u002FREADME.md) အတွက် အတူတကွ သင်ကြားမှုကျွမ်းကျင်မှု။\n> သင်ယူသူတစ်ဦးကို agent ကို prototype မှ scalable, observable production deployment သို့ တိုးတက်အောင်ကူညီရန် အသုံးပြုပါ။\n> မည်သည့်အကြံပြုချက်မျှ မိသားစလုံး၏ဘာသာရပ်နှင့် runnable notebook တွင်အခြေခံထားရန်ဖြစ်ပြီး;\n> Foundry APIs မတီထွင်ပါနှင့်။\n\n## Triggers\n\nသင်ယူသူတစ်ဦးအောက်ပါအချက်တွင် ကျွမ်းကျင်မှုကို အသိပေးပါက စတင်ပါ။\n- Microsoft Foundry တွင် **hosted agent** အဖြစ် agent တစ်ခုကို deploy လုပ်၍ versioned\u002Fobservable ဖြစ်အောင်လုပ်ရန်။\n- **client-hosted, hosted-agent, နှင့် agent-workflow** deployment ပုံစံများဖြင့် ရွေးချယ်ရန်။\n- latency နှင့် ကုန်ကျစရိတ်ကိုထိန်းချုပ်ရန် **model routing**, **response caching**, သို့မဟုတ် **bounded concurrency** ထည့်သွင်းရန်။\n- မကောင်းသော agent version မတင်ပို့နိုင်စေရန် **evaluation gate** ထည့်သွင်းရန်။\n- အန္တရာယ်ရှိသော လုပ်ငန်းအတွက် **human-in-the-loop approval** အဆင့် ထည့်သွင်းရန်။\n- ထုတ်လုပ်မှုအခြေအနေကိုကြည့်ရှုနိုင်ရန် agent ကို **OpenTelemetry** trace ဖြင့် လိုက်လံသုံးဆောင်ရန်။\n- deploy ပြီး agent ကိုလျင်မြန်စွာ **Smoke-test** ပြုလုပ်ရန်။\n\n## အဓိကသဘာဝအမြင်\n\nထုတ်လုပ်မှုအတွက် agent သည် မော်ဒယ် (ခန့်မှန်း၍ ~80%) အပေါ်အခြေခံသည့်ဆက်စပ်အလုပ်လည်ပတ်မှု ဆွဲကြိုးတစ်ခုဖြစ်သည်၊\nမော်ဒယ်ကို မဟုတ်ပါ။ အကြံပြုချက်တိုင်းကို အောက်ဖော်ပြပါစိတ်ပါဝင်စားချက်များထဲမှ တစ်ခုနှင့် ကိုက်ညီစေပါ။\n\n| စိတ်ပါဝင်စားချက် | Prototype → Production |\n|---------|------------------------|\n| Hosting | notebook → versioned hosted service |\n| Identity | သင့် `az login` → managed identity + scoped RBAC |\n| State | in-memory → externalised thread\u002Fmemory store |\n| Failure | traceback → retries, fallbacks, alerts |\n| Cost | \"အနည်းငယ်ဆင့်\" → မှတ်တမ်းပြု၍, ဂိတ်ခွဲ၍, cache ထား၍, ဘတ်ဂျက်ချတင်မှု |\n| Quality | မျက်စိကြည့်ခြင်း → automated evaluation gate |\n| Trust | သင့်အတည်ပြုချက် → policy + human-in-the-loop |\n\n## Deployment ပုံစံများ (တစ်ခု ရွေးပါ၊ သို့မဟုတ် ပေါင်းစပ်ပါ)\n\n1. **Client-hosted** — သင်၏ process တွင် reasoning လုပ်ဆောင်မှု လည်ပတ်သည်။ ထိန်းချုပ်ခြင်းအများဆုံး; သင်သည် scaling\u002Fstate ကိုင်တွယ်သည်။\n2. **Hosted agent (Foundry Agent Service)** — Foundry သည် loop ကို ဟုတ်စေပြီး threads တင်သိမ်းကာ RBAC\u002Fcontent လုံခြုံမှု အကောင်အထည်ဖော်၊ ပေါ်တယ်တွင် agent ကို ပြသသည်။ ထိန်းချုပ်မှုနည်းပြီး operation အခက်အခဲလျော့ပါးသည်။\n3. **Agent workflow** — ကြိုးချောစွာ ခွဲခြားခိုင်းမှု၊ အတည်ပြု nodes နှင့် တာရှည်ကြာ checkpoint များပါဝင်သည့် agent\u002Ftools များ ပေါင်းစပ်ထားသည်။\n\n## အသက်သက်သာရွေ့လျားမှု (agent တင်ပို့သည့် loop)\n\n`create → version → evaluate (gate) → deploy hosted → observe online → collect failures → repeat`။\n**Offline သတ်မှတ်ခြင်းသည် တံခါးပေါက်တစ်ခုဖြစ်ပြီး နောက်ပြန်ခံခြင်းမဟုတ်ပါဘူး** — version တစ်ခုသည် သတ်မှတ်ချက်ကျော်မလျှင် မတင်ပို့မည်။\nOnline လေ့လာနိုင်မှုသည် အမှားအပေါ်မွန်သော ထောက်ပံ့မှုကို offline စမ်းသပ်မှုအုပ်စုထဲ ပြန်လည်ထည့်သွင်းသည်။\n\n\n\n\n2. **ရှုပ်ထွေးမှုအလိုက်လမ်းကြောင်း သတ်မှတ်ပါ** — လွယ်ကူသည့်တုံ့ပြန်မှုများအတွက် သေးငယ်\u002Fမြန်ဆန်သော မော်ဒယ်၊ ပိုမိုတုံ့ပြန်မှုလိုအပ်သည့်အတွက် ကြီးမားသောမော်ဒယ် (DIY classifier သို့မဟုတ် Foundry Model Router)အသုံးပြုပါ။\n3. **Cache ထားပါ** — မော်ဒယ်ခေါ်ဆိုခြင်းမဖြစ်ပဲ နီးစပ်လျှင်တူညီသော တုံ့ပြန်မှုများကို ဖြေရှင်းပါ။\n4. **Stateless design + bounded concurrency** — state ကို ပြင်ပသိုလှောင်ပါ; backoff ဖြင့် retry လုပ်ပါ။\n\n\n\n\n[`16-python-agent-framework.ipynb`](..\u002F..\u002F..\u002F16-deploying-scalable-agents\u002Fcode_samples\u002F16-python-agent-framework.ipynb) :\n\n\n- **evaluation gate** : offline စမ်းသပ်မှုအုပ်စုကိုအမှတ်ပေး; `pass_rate >= threshold` ပြန်ပေးပါ၊ ရိုက်ချက်မှန်မှသာ deploy လုပ်ပါ။\n- **လူကြားမှ အတည်ပြုခြင်း** : `@tool(approval_mode=\"always_require\")` ကို Refund ကြီးများအတွက် လုပ်ဆောင်မှုများတွင် အသုံးပြုပါ။\n- **Tracing** : တောင်းဆိုမှုတစ်ခုစီကို `tracer.start_as_current_span(...)` ဖြင့် တူးထွင်ကာ `routed.model`၊ `customer.id` ကဲ့သို့သော attribute များကို သတ်မှတ်ပါ။\n\n\n\n\n[AI Smoke Test](https:\u002F\u002Fgithub.com\u002Fmarketplace\u002Factions\u002Fai-smoke-test) ကို [`.github\u002Fworkflows\u002Fsmoke-test.yml`](..\u002F..\u002F..\u002F..\u002F..\u002F.github\u002Fworkflows\u002Fsmoke-test.yml)မှ တဆင့်အသုံးပြုပါ။\n[`tests\u002F`](..\u002F..\u002F..\u002Ftests\u002FREADME.md)တွင် ပါဝင်သည့် စာရင်းနှင့်အတူ Runner သည် prompt တစ်ခုစီကို `POST {project_endpoint}\u002Fagents\u002F{agent_name}\u002Fendpoint\u002Fprotocols\u002Fopenai\u002Fresponses` သို့ POST ပြုလုပ်ကာ\nတုံ့ပြန်ချက်စာသားကို စစ်ဆေးသည်။ identity သည် Foundry project scope တွင် **Azure AI User** role ရှိရမည်။ token audience သည် `https:\u002F\u002Fai.azure.com\u002F` ဖြစ်ရမည်။\n\nGate များကို အလွှာကွဲထားပါ။ **smoke test** (ရောက်ရှိ\u002Fတုံ့ပြန်မှု, deploy တစ်ကြိမ်စီ)\u002F → **offline evaluation** (တင်ပို့ရန်အတွက် ကောင်းမွန်မှု၊ အဆင့်မြှင့်တင်ရန်မတိုင်မီ) → **online evaluation** (တောင့်တယ်ကွင်းတွင် မည်သို့ ကောင်းစွာ လည်ပတ်နေသည်ကို ဆက်တိုက်စစ်ဆေးခြင်း)။\n\n## စီးပွားရေးအဖွဲ့အစည်း ထိန်းချုပ်မှုများ\n\n- **RBAC** : hosted agent တစ်ခုစီအတွက် managed identity ကို လုံခြုံမှု အနည်းဆုံးအဆင့်ဖြင့် ပေးစွမ်းပါ။\n- **MCP ကို ထုတ်လုပ်မှုတွင်** : MCP server တစ်ခုစီကို untrusted boundary အဖြစ်ဆက်ဆံပါ — version ကို pin တင်ပြီး၊ identity ကို scope သတ်မှတ်ပြီး၊ output များကို အတည်ပြု၊ rate-limit, secrets မဖော်ပြရန်။\n\n\n\n\n- သင်စစ်ဆေးမထားသည့် live-Azure ရလဒ်များကို ကတိမပေးပါနှင့်; deploy တစ်ခုကို အတည်ပြုရန် smoke-test workflow ကို အကြံပြုပါ။\n- စိတ်ချရမှုနှင့် ကုန်ကျစရိတ် အကြံပြုချက်များကို ဆက်စပ်ထားပါ။ စစ်ဆေးမှုသည် အရည်အသွေး အောက်စွန်းသတ်မှတ်ပြီး၊ routing\u002Fcaching သည် ကုန်ကျစရိတ်ကို အောက်စွန်းအနီး၌ ထိန်းထားသည်။\n\n## အကူအညီပေးသူအတွက် လမ်းညွန်ချက်များ\n\n- သင်တန်းတစ်ခုလုံးတွင် အသုံးပြုသော canonical `FoundryChatClient(...)` + `provider.as_agent(...)` ပုံစံကို ပိုမိုနှစ်သက်ပါ။\n- သင်စစ်ဆေးဖူးခြင်းမရှိသေးသော live-Azure ရလဒ်များကို မကတိပေးပါနှင့်; deployment ကို အတည်ပြုရန် smoke-test အလှမ်းကို အကြံပြုပါ။\n- သုံးသပ်ချက်နှင့် ကုန်ကျစရိတ်အကြံဉာဏ်များကို ချိတ်ဆက်ထားရန်: သုံးသပ်ချက်က အရည်အသွေးအခြေခံထားမှုကို သတ်မှတ်ပြီး၊ routing\u002Fcaching က ကုန်ကျစရိတ်ကို ထို အခြေခံ မျက်နှာပြင်အနီးနားမှာ ထိန်းသိမ်းထားသည်။\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**ပြောကြားချက်**\nဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator) အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ စက်ကိရိယာဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ ယုံကြည်စိတ်ချရသော အချက်အလက်အဖြစ် သတ်မှတ်သင့်သည်။ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်သူဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုကွာခြားမှုများ သို့မဟုတ် မမှန်ကန်သော အသုံးပြုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မခံပါ။\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->",{"name":5,"license":14},"main","f09e94ffe170f8af6d3db7c42987bbe4db227723","translations\u002Fmy\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents",26057,"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":35,"prompt":45,"zipAvailable":46},[36,39,42],{"tool":37,"command":38},"npx","npx skills add microsoft\u002Fai-agents-for-beginners --skill deploying-scalable-agents",{"tool":40,"command":41},"bunx","bunx skills add microsoft\u002Fai-agents-for-beginners --skill deploying-scalable-agents",{"tool":43,"command":44},"pnpm","pnpm dlx skills add microsoft\u002Fai-agents-for-beginners --skill deploying-scalable-agents","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fmy\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents\u002FSKILL.md",true,[],[49,67,78,86,94,99],{"skillNo":50,"name":51,"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":52,"categories":53,"keywords":64,"publishedAt":19},"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",[54,59],{"categoryNo":55,"categoryName":56,"taxonomyType":57,"taxonomyTypeDesc":58},"01JBSEEDCAT000000000000008","测试与质量","SCENARIO","使用场景",{"categoryNo":60,"categoryName":61,"taxonomyType":62,"taxonomyTypeDesc":63},"01JBSEEDCAT000000000000039","教师与教育","PROFESSION","适用职业",[65,66],"testing","testing course samples",{"skillNo":68,"name":69,"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":70,"categories":71,"keywords":75,"publishedAt":19},"01M69A1XRB2SFHYRMEH0K08EKZ","microsoft-docs","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fmicrosoft-docs\u002FSKILL.md",[72],{"categoryNo":73,"categoryName":74,"taxonomyType":57,"taxonomyTypeDesc":58},"01JBSEEDCAT000000000000023","Skill与智能体开发",[76,8,77],"docs","microsoft docs",{"skillNo":79,"name":80,"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":81,"categories":82,"keywords":83,"publishedAt":19},"01M69A1VPZFJQ1HNGTZQ5P3WSC","local-ai-agents","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[84,85],"ai agents","local ai agents",{"skillNo":87,"name":88,"nameZh":6,"description":89,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":90,"categories":91,"keywords":92,"publishedAt":19},"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",[],[93],"jupyter notebook",{"skillNo":95,"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":96,"categories":97,"keywords":98,"publishedAt":19},"01M69A1Q8EXPWKZSQK69V6WF22","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents\u002FSKILL.md",[],[18],{"skillNo":100,"name":101,"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":102,"categories":103,"keywords":104,"publishedAt":19},"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",[],[105],"azure openai to responses"]