Chatbot with Microsoft Agent Framework

This is a test to use GitHub Copilot to create a chatbot with Microsoft Agent Framework.

Azure DevOps Pipeline per Chatbot Agent su Azure AI Foundry

Questa repository include una pipeline CI/CD per il deploy di un chatbot come agente su Azure AI Foundry, integrando Cosmos DB e Azure AI Search.

File principali YAML

• azure-pipelines.yml: Definisce la pipeline Azure DevOps con le seguenti fasi:

  • Test: installa le dipendenze e lancia i test (es. pytest).
  • Deploy: effettua il provisioning delle risorse Azure (Cosmos DB, AI Search) e il deploy dell'agente su AI Foundry.
  • Personalizza i comandi di deploy in base al tuo agente/modello.

• pipeline-parameters.yml: Contiene i parametri personalizzabili per la pipeline, tra cui:

  • azureSubscription: Nome della sottoscrizione Azure.
  • resourceGroup: Nome del resource group.
  • location: Regione Azure.
  • cosmosDbName: Nome del database Cosmos DB.
  • aiSearchName: Nome del servizio Azure AI Search.
  • aiFoundryName: Nome dell'istanza AI Foundry.

Come usare la pipeline

1. Configura i parametri in pipeline-parameters.yml secondo la tua infrastruttura Azure.
2. Personalizza i comandi di deploy in azure-pipelines.yml per adattarli al tuo agente e modello.
3. Esegui la pipeline su Azure DevOps per testare e deployare il chatbot agent.

Esempio di configurazione parametri

parameters:
	- name: azureSubscription
		type: string
		default: 'AZURE_SUBSCRIPTION_ID'
	- name: resourceGroup
		type: string
		default: 'chatbot-rg'
	- name: location
		type: string
		default: 'westeurope'
	- name: cosmosDbName
		type: string
		default: 'chatbot-cosmosdb'
	- name: aiSearchName
		type: string
		default: 'chatbot-search'
	- name: aiFoundryName
		type: string
		default: 'chatbot-foundry'

Personalizzazione deploy agente

Nel file azure-pipelines.yml, aggiungi lo script o task specifico per il deploy del tuo agente su Azure AI Foundry, ad esempio:

		- script: |
			az ai foundry agent deploy --name ${{ parameters.aiFoundryName }} --resource-group ${{ parameters.resourceGroup }} --model-path ./agent
			displayName: 'Deploy Chatbot Agent su AI Foundry'

Sostituisci il comando con quello adatto al tuo agente/modello.

Note

• Assicurati di avere i permessi necessari sulla sottoscrizione Azure.
• Puoi estendere la pipeline aggiungendo step di test end-to-end, validazione, o deploy di altri componenti.

Chatbot Agent

Il codice dell'agente è organizzato nella cartella agent/ e utilizza Azure Agent Framework per orchestrare il chatbot con Azure AI Foundry, Azure AI Search e Cosmos DB.

Struttura del progetto

• main.py: File principale con la classe ChatbotAgent che gestisce le interazioni.
• config.py: Configurazione con variabili d'ambiente.
• cosmos_client.py: Client per interagire con Cosmos DB (seguendo best practices di data modeling).
• ai_search_client.py: Client per Azure AI Search con ricerca vettoriale.
• requirements.txt: Dipendenze Python.

Configurazione

Imposta le seguenti variabili d'ambiente:

eport AZURE_AI_PROJECT_ENDPOINT="https://your-project.azure.com"
export AZURE_AI_MODEL_DEPLOYMENT_NAME="gpt-4o"
export COSMOS_ENDPOINT="https://your-cosmos.documents.azure.com:443/"
export COSMOS_KEY="your-cosmos-key"
export COSMOS_DATABASE="chatbot-db"
export COSMOS_CONTAINER="conversations"
export AI_SEARCH_ENDPOINT="https://your-search.search.windows.net"
export AI_SEARCH_KEY="your-search-key"
export AI_SEARCH_INDEX="knowledge-base"

Utilizzo

from agent import ChatbotAgent

async def main():
    chatbot = ChatbotAgent()
    response = await chatbot.chat("user123", "Hello, search for AI news")
    print(response)

asyncio.run(main())

Features

• Orchestrazione: Utilizza Azure Agent Framework per coordinare i servizi.
• Ricerca vettoriale: Integra Azure AI Search per RAG (Retrieval-Augmented Generation).
• Persistenza conversazioni: Salva e recupera lo storico chat su Cosmos DB con partizionamento per utente.
• Scalabilità: Architettura cloud-native pronta per il deploy su Azure.