Bir Microsoft Agent Framework bildirimsel ajanını içe aktarma
Bu adım adım kılavuz, Microsoft Agent Framework’e ait bildirimsel bir ajanı — bir MCP sunucusu aracılığıyla aradığı belgelerden soruları yanıtlayan bir asistanı — içe aktarır ve uygulamayı Docker Compose için derler. İçe aktarma, derlemenin okuduğu her dosyanın taslağını hazırlar: ajan ve modeli, ajanın modele sunduğu anahtarı gösteren bir değişken başvurusu ve her birinin gerçekleştirimleri. Hiçbir bildirimsel ajanın içermediği tek değeri, yani uygulamanızın çalıştığı imajı bir kez sorar. Aşağıdaki her dosya ve her çıktı bloğu gerçek bir çalıştırmadan gelir; bildirimsel ajan ve kılavuzun her aşaması import-agent-framework örneğinde yer alır; orada bir denetim betiği içe aktarmayı yeniden çalıştırır, yazdıklarını, yazdırdıklarını ve bu sayfanın alıntıladığı blokları orada saklanan dosyalarla karşılaştırır ve içe aktarmanın yazdıklarını doğrulayıp derler.
Örneği oluşturun
Bu içe aktarmayı bu sayfadaki komutlarla çalıştırabilir ya da yapay zekâ asistanınıza sizin için çalıştırtabilirsiniz.
Örneği, adını taşıyan yeni bir klasöre yazın:
aggrega scaffold --example import-agent-frameworkArdından sırada çalıştırılacak komutları yazdırır. İlki yeni klasöre geçer; ondan sonraki, aşağıda, yeni klasörün içindeki, bu sayfanın içe aktardıklarını barındıran ve içe aktarmanın çalıştığı yer olan source klasörüne geçer:
cd import-agent-framework
Proje
Agent Framework üzerine kurulmuş bir uygulama, bir ajanı bildirimsel bir ajandan yükleyebilir: ajanın modelini, talimatlarını ve araçlarını adlandıran, Prompt türünde bir YAML belgesi. Bu kılavuz için yazılmış olan bu belge, OpenAI’ın gpt-4.1-mini modelini ve Microsoft Learn’ün yayımladığı MCP sunucusunu adlandırır:
kind: Promptname: SupportAgentdisplayName: Support Assistantdescription: Answers a customer's question about the product from its documentation.instructions: You answer customers' questions about the product, from its documentation only.model: id: gpt-4.1-mini provider: OpenAI apiType: Responses options: temperature: 0.2 connection: kind: key key: =Env.OPENAI_API_KEYtools: - kind: mcp name: microsoft_learn description: Search Microsoft's documentation on Microsoft Learn. url: https://learn.microsoft.com/api/mcp approvalMode: kind: never allowedTools: - microsoft_docs_search - microsoft_docs_fetchModelin anahtarı =Env.OPENAI_API_KEY olarak yazılır, dolayısıyla dosya hiçbir anahtar içermez. Agent Framework bu ifadeyi OPENAI_API_KEY ortam değişkeninden yalnızca uygulamanın bildirimsel ajanı Agent Framework’ün kendi güvenlik ayarı olan AgentFactory(safe_mode=False) ile yüklediği ve bir .NET çalışma zamanının bulunduğu yerde okur; aksi takdirde anahtar, ifadenin yazıldığı haliyle metnidir. Bildirimsel ajanı yükleyen uygulama kodu içe aktarma tarafından asla okunmaz ve örneğin bir parçası değildir. Dosyanın yanındaki bir .aggrega-config.yaml, klasörü bir çalışma alanı yapar:
# The workspace key marks this directory as the workspace root, so an import run# here writes its drafts beside support-agent.yaml.workspace: {}# The registry the importer is fetched from the first time an import needs it.default_registry: hub.aggrega.aiİçe aktarma, kataloğun Agent Framework ajanı ve OpenAI modeli Components’ine başvurur ve --target onun Recipes’inden bir Manifest taslağı hazırlar. Çalışma alanı hiçbir katalog klasörü belirtmez, bu nedenle içe aktarma standart kütüphane kataloğunu, içe aktarıcısını getirdiği kayıt defterinden okur: bu, yayımlanmış kataloğun imzalı bir anlık görüntüsüdür; ilk içe aktarma tarafından getirilir, doğrulanır ve çalışma alanının içerik önbelleğinde tutulur, içe aktarmanın taslaklarının yanına yazdığı kayıtta da özet değeriyle adlandırılır. Kendi katalog klasörlerini — AGGREGA_CATALOG_DIRS içinde veya workspace.catalog_dirs altında — belirten bir çalışma alanı bunun yerine onlara karşı içe aktarır.
İçe aktarmanın sordukları
Bildirimsel bir ajan modelini adlandırır, uygulamanın çalıştığı imajı asla adlandırmaz: bu imajı projenizden siz derlersiniz. Katalog, Agent Framework üzerine kurulmuş bir uygulama için varsayılan imaj içermez; bu nedenle içe aktarma onu sorar. Elde bir yanıt olmadan bir terminalde çalıştırıldığında şunu sorar:
The drafts leave values empty that the source cannot hold. Answer each one, or press Enter to leave it for later in the answers file:
release.yaml spec.components.supportagent.infra.image Container image running the application built on Microsoft Agent Framework.>ve yanıtı taslaklara ve support-agent.yaml dosyasının yanındaki import-answers.yaml dosyasına yazar; böylece sonraki içe aktarma yanıtı oradan okur ve hiçbir şey sormaz. Terminal olmadığında — sürekli entegrasyonda veya bir boru üzerinden — hiçbir şey sormaz: dosyayı anahtarı boş olarak yazar ve dosyayı adlandırarak durur. Örnek, imajın yanıtlandığı dosyayı zaten içerir: ghcr.io/example/support-agent:1.0.0; bu, sizin derlediğiniz imajın yerini tutar:
# Values the import could not draft from the source, keyed by the drafted file and the key path inside# it. Write each one beside its key; an import of the same source, and a sync, read them from here and# ask nothing. A secret is never written here: its key asks where the secret comes from — a variable# name, ${NAME}, or the name of a Kubernetes Secret.release.yaml: # Container image running the application built on Microsoft Agent Framework. spec.components.supportagent.infra.image: "ghcr.io/example/support-agent:1.0.0" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.supportagent.uses.model.gpt-4-1-mini.features.credential.infra.origin: "openai-api-key"İkinci yanıt, --target helm ile Kubernetes için yapılan bir derleme içindir: orada ajan OpenAI anahtarını bir Kubernetes Secret’ından okur ve yanıt anahtarın kendisi değil, Secret’ın adıdır: openai-api-key. Docker Compose için yapılan bir derleme ise anahtarı kabuğunuzdan okur; bu nedenle bu içe aktarma o yanıtı kullanmaz. İçe aktarma yanıtları dosyası dosyayı, soruları ve bir gizli bilginin yanıtına ilişkin kuralları açıklar.
aggrega import, komutun aldığı her bayrağı listeler; bunlar arasında başka bir yerde tutulan bir yanıtlar dosyasını adlandıran --answers da vardır.
source klasörüne geçin:
cd sourceİçe aktarmayı çalıştırma
Bildirimsel ajanın dosyasını belirtin. İçe aktarma her bildirimsel ajanı kendi başına bir dosya olarak okur, asla bir dizin olarak değil:
aggrega import support-agent.yaml --target composeStandart çıktıda yazdıklarını listeler:
wrote aggregate.yamlwrote release.yamlwrote manifest.yamlwrote .aggrega-import.jsonStandart hatada, <workspace> onu çalıştırdığınız klasörü temsil edecek şekilde:
[… omitted: a warning that the importer runs unverified, printed where its module is read from beside its Plugin entity in a catalog folder rather than fetched]read as the agent-framework format, with drafted paths relative to <workspace>warn: the value of tools.microsoft_learn.url of node SupportAgent is carried as written in the Release the draft writes: the field belongs to an MCP server's configuration, which can carry a key, and setting empty_credentials to marked or all writes it emptyinfo: the answers file <workspace>/import-answers.yaml also answers spec.components.supportagent.uses.model.gpt-4-1-mini.features.credential.infra.origin in release.yaml, which these drafts do not leave empty; those answers are kept there and not appliedmapped SupportAgent (agent) to core/ai-agent/agent-framework as a reference, NONEmapped gpt-4.1-mini (model) to core/ai-model/openai as a reference, NONEmade no choice for SupportAgent#microsoft_learn (tool)Pull complete: <workspace>/release.lock (entities=8, source_artifacts=0, external_inputs=0)
warnsatırı, anahtar taşıyabilen bir değeri — bir MCP sunucusunun adresini — adlandırır ve yazıldığı gibi taşındığını söyler. Bu adres hiçbir anahtar taşımaz.infosatırı, Docker Compose taslaklarının kullanmadığı ve Kubernetes için bir derlemeye yönelik olarak yanıtlar dosyasında tutulan yanıtı adlandırır.mappedsatırları, ajanın standart kütüphanenin Agent Framework ajanıcore/ai-agent/agent-frameworkörneği olduğunu ve modelinincore/ai-model/openaiörneği olduğunu söyler. Bunların düzeyiNONEolarak görünür: Agent Framework içe aktarması bu Components’e, her birini katalogla karşılaştırarak değil, bildirimsel ajanın adlandırdıklarına göre başvurur.made no choicesatırı, içe aktarmanın hiçbir Component olarak taslağını hazırlamadığı MCP sunucusudur; nedeniaggregate.yamliçindeki yorumlarda belirtilir.Pull completesatırı, içe aktarmanın taslağı oluşturulan Release’in bağlı olduğu şeyleriaggrega pullgibirelease.lockiçine getirmesidir; böylece taslaklar hemen doğrulanır ve derlenir.--offlineile içe aktarma hiçbir şey çekmez ve çalıştırılacakaggrega pullkomutunu belirtir.
Ne yazar
Aggregate, Release ve Manifest, ajanın name değeri olan SupportAgent değerinin supportagent biçimine indirgenmesiyle imported/supportagent olarak adlandırılır — displayName okunmaz — ve içe aktarıcının target_namespace ayarının belirlediği ad alanı altında yer alır; bu ad alanı, başka birini ayarlamadığınız sürece imported olur (Ayarlar).
aggregate.yaml — sunduğu anahtar bağlantı üzerinde bildirilmiş olarak modeline bağlanmış ajan ve model:
# Not read: the application's code, which loads each declarative agent and binds the functions of its function tools; the application runs in the image the Release names for each instance, and loads its declarative agents itself.apiVersion: aggrega.ai/v1beta1kind: Aggregatemetadata: name: imported/supportagent version: 0.1.0 description: Draft Aggregate imported from a source in the agent-framework format.spec: components: # The declarative agent SupportAgent. # Read by the application from the declarative agent, and taken by no key of core/ai-agent/agent-framework: instructions, the options of its model requests (temperature). # The MCP server microsoft_learn, drafted as no Component and no connection, since Agent Framework sends it to the model's provider as a hosted tool, and the provider, not the application, reaches it at its url, which must therefore be reachable from the provider; its url is written above supportagent's entry in the Release. # Stated by the declarative agent for microsoft_learn: its description, "Search Microsoft's documentation on Microsoft Learn."; its approval mode, never; the tools of the server it allows, microsoft_docs_search, microsoft_docs_fetch. supportagent: type: core/ai-agent/agent-framework values: display_name: "Support Assistant" description: "Answers a customer's question about the product from its documentation." uses: model: gpt-4-1-mini: target: gpt-4-1-mini # For the compose target, the lines below declare credential on gpt-4-1-mini: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. features: credential: type: core/secret-value values: key: OPENAI_API_KEY # The model gpt-4.1-mini, which SupportAgent names with the OpenAI provider. gpt-4-1-mini: type: core/ai-model/openai values: model: "gpt-4.1-mini"MCP sunucusu ne bir Component ne de ajanın bir bağlantısıdır: Agent Framework onu barındırılan bir araç olarak modelin sağlayıcısına gönderir ve ona url adresinden uygulama değil sağlayıcı ulaşır; bu nedenle bu adres sağlayıcıdan erişilebilir olmalıdır. Talimatlar, modele yapılan isteklerin seçenekleri ve sunucunun açıklaması, onay modu ve izin verilen araçları, uygulamanın okuduğu bildirimsel ajanda kalır; yorumlar her birini adlandırır. OpenAI’nin API’si barındırılan bir hizmettir, bu nedenle ajanın Component’i ona yönelik, hiçbir kimlik bilgisi taşımayan bir bağlantıyı reddeder; bağlantı, bildirimsel ajanın anahtarını okuduğu değişken olan OPENAI_API_KEY anahtarı altında bir kimlik bilgisi bildirir.
release.yaml — ortam, imaj, yayımlanan bağlantı noktası ve anahtarın nereden geldiği:
apiVersion: aggrega.ai/v1beta1kind: Releasemetadata: name: imported/supportagent # environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to. environment: development version: 0.1.0 description: Draft Release imported from a source in the agent-framework format.spec: aggregate: imported/supportagent manifest: imported/supportagent components: # The declarative agent also states these values for its model and its MCP servers, written here for review: # - model.connection.key, written as =Env.OPENAI_API_KEY, which Agent Framework reads from the environment variable OPENAI_API_KEY only where the application loads the declarative agent with AgentFactory(safe_mode=False), Agent Framework's own security setting, and a .NET runtime is present; otherwise the value is the expression's text as written # - tools.microsoft_learn.url: "https://learn.microsoft.com/api/mcp" supportagent: infra: # Left for the Release, since the source cannot supply it: infra.image, the container image running the application built on Agent Framework, holding its declarative agent image: "ghcr.io/example/support-agent:1.0.0" # Published on this machine's loopback address, 127.0.0.1: reachable from this machine only, by any process running on it. Delete this line to keep the service internal. published_port: 8000 uses: model: gpt-4-1-mini: features: credential: type: core/secret-value infra: # Attached by reference, never as a value: the credential supportagent presents to gpt-4-1-mini on its model connection, read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${OPENAI_API_KEY}" gpt-4-1-mini: {}Ortam, development, hiçbir bildirimsel ajan bir ortam adlandırmadığı için içe aktarmanın yazdığı bir varsayılandır; Release başka bir yere dağıtım yapıyorsa onu değiştirin. İmaj, içe aktarmanın import-answers.yaml dosyasından okuduğu yanıttır. Ajan, makinenizin geri döngü adresinde 8000 numaralı bağlantı noktasında yayımlanır ve programının dinlediği bağlantı noktasına, infra.port’a, siz ayarlamadıkça 8000’e yönlendirir. Anahtar, bildirimsel ajanın okuduğu değişkenin adını taşıyan ${OPENAI_API_KEY} değişken başvurusudur, asla bir değer değildir. MCP sunucusunun adresi, inceleme için bildirimsel ajanın belirttiği gibi yazılır ve başka hiçbir yerde ayarlanmaz: Agent Framework onu modele yaptığı istekte sağlayıcıya iletir.
manifest.yaml — ajanın ve modelin Compose Recipe’si ile anahtarın değişken başvurusunu Compose dosyasına yazıldığı gibi yazan gerçekleştirme:
apiVersion: aggrega.ai/v1beta1kind: Manifestmetadata: name: imported/supportagent version: 0.1.0spec: mappings: components: type: core/ai-agent/agent-framework: compose/agent-framework core/ai-model/openai: compose/openai features: type: core/secret-value: compose/dotenv-secretrelease.lock, Release’in çözümlendiği katalog varlıklarını özetleriyle (digest) kaydeder; .aggrega-import.json ise içe aktarmanın yazdıklarının kaydıdır ve sonraki bir aggrega import --sync onu okur.
Doğrulama ve derleme
aggrega validate --release release.yamlaggrega build --release release.yaml

Doğrulama şunu yazdırır:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)release dependency validation passed: release.yaml (schema-pillar + dependency pillars)ve derleme; burada <workspace>, onu çalıştırdığınız klasörü temsil eder:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)[… omitted: a total build time, which differs per run]Build completed: 1 file written to <workspace>/distnotice satırı yalnızca bilgilendirme amaçlıdır: gizli bilgi Feature’ı kendi origin değerini Aggregate’in values alanından ya da Release’in infra alanından kabul eder ve bildirim, bir yaprağın ikisinde de bildirildiğini raporlar. Hiçbir kararı değiştirmez.
dist/compose/docker-compose.yaml içindeki ajan hizmeti:
services: supportagent: image: ghcr.io/example/support-agent:1.0.0 environment: OPENAI_BASE_URL: https://api.openai.com/v1 OPENAI_MODEL: gpt-4.1-mini OPENAI_API_KEY: ${OPENAI_API_KEY} ports: - 127.0.0.1:8000:8000 [… omitted: the labels the build writes on every service, naming the Aggregate, the component, the environment and the compiler's version] networks: - composeUygulama, modelin adresini, adını ve anahtarını Agent Framework’ün OpenAI istemcilerinin okuduğu değişkenlerde alır; böylece uygulamanın ajanı Proje bölümünün anlattığı şekilde yüklediği yerde, bildirimsel ajanın =Env.OPENAI_API_KEY ifadesi Release’in eklediği anahtarı okur. Hiçbir değişken, sağlayıcının ulaştığı MCP sunucusunun adresini taşımaz. Model kendine ait bir hizmet almaz: ajan OpenAI API’sine API’nin kendi adresinden ulaşır. Anahtar, yığın başladığında kabuğunuzdan doldurulan bir değişken başvurusudur. Hizmet, bağlantı noktasını yalnızca 127.0.0.1 üzerinde yayımlar.
Bir yapay zekâ asistanıyla
Aggrega’nın araçlarıyla kurulmuş bir yapay zekâ asistanı da aynısını yapabilir: bu istemi ona yapıştırın.
Yalnızca Aggrega araçlarını kullanın ve kendiniz hiçbir klasör oluşturmayın. Workspace klasöründe henüz bir `import-agent-framework` klasörü yoksa, `example` değerini `import-agent-framework` olarak ayarlayıp `dir` vermeden `scaffold` aracını bir kez çağırın: araç, örneği yeni bir `import-agent-framework` klasörüne yazar; bu klasörün `source` klasörü, bu sayfanın içe aktardığı içeriği barındırır. Ardından `workspace_root` değerini `import-agent-framework/source`, `source` değerini `support-agent.yaml` ve `target` değerini `compose` olarak ayarlayıp `import` aracını çağırın: araç, ihtiyaç duyduğu yanıtları `support-agent.yaml` dosyasının yanındaki `import-answers.yaml` dosyasından okur, taslaklarını `import-agent-framework/source` içine yazar ve taslakların ihtiyaç duyduğu şeyleri çeker. Ardından `workspace_root` değerini `import-agent-framework/source` ve `release` değerini `release.yaml` olarak ayarlayıp `validate` aracını, `workspace_root` değerini `import-agent-framework/source`, `release` değerini `release.yaml` ve `write` değerini true olarak ayarlayıp `build` aracını çağırın. Derlemenin hangi dosyaları yazdığını bana söyleyin; dosyalar `import-agent-framework/source/dist/` altındadır.VS Code’da açın
Visual Studio Code için Aggrega uzantısı yüklüyken, içe aktarmanın taslaklarını yazdığı import-agent-framework/source klasörünü VS Code’da açın. Klasörde tek bir Release, yani taslak release.yaml bulunur; bu nedenle düzenleyici onu sizin için seçer ve siz taslakları düzenlerken onları bu Release’e göre denetler, bulduklarını dosyada ve Sorunlar panelinde işaretler. Komut Paleti’ndeki Aggrega: Show topology graph, Release’in bileşenlerini ve aralarındaki bağlantıları çizer. Aggrega: Build, Aggrega: Preview build ve Aggrega: Pull aynı Release üzerinde çalışır ve her biri etkinlik çubuğundaki Aggrega görünümünün Commands panelinde bir düğmedir de; Build dosyalarını klasörün dist/ dizinine yazar. Gerisini Aggrega’yı Visual Studio Code’da kullanma anlatır.
Çalıştırın
İmajı projeden, kendi Dockerfile’ınızla oluşturursunuz: Agent Framework kurulu ve bildirimsel ajan içinde olan uygulama kodu. Recipe hiçbir komut ayarlamadığından Docker Compose imajın kendi komutunu ajanın hizmeti olarak çalıştırır; bu nedenle bu komut çalışmaya devam etmeli ve ajana ulaşmak istiyorsanız istekleri karşılamalıdır. Adresi, rotayı ve yanıtı programınız belirler.
Aşağıdaki çalıştırma böyle bir imaj kullandı: Agent Framework’ün agent-framework-core, agent-framework-openai ve agent-framework-declarative paketleriyle Python, bir .NET çalışma zamanı — imaj DOTNET_ROOT’u onun dizinine ayarladı ve DOTNET_SYSTEM_GLOBALIZATION_INVARIANT=1 tanımladı — support-agent.yaml ve imajın komutu olarak programın kendine ait, 8000 numaralı bağlantı noktasında çalışan küçük bir HTTP sunucusu. Sunucu bildirimsel ajanı AgentFactory(safe_mode=False) ile yükler, böylece onun =Env.OPENAI_API_KEY ifadesi derlemenin teslim ettiği anahtarı okur ve her POST /ask için ajanı bir kez çalıştırır. İmajınızı projenin kökünde oluşturun, adını import-answers.yaml içindeki ghcr.io/example/support-agent:1.0.0 yerine yazın ve yeni yanıtı taslaklara yazıp yeniden çeken --sync ile yeniden içe aktarın; ardından derleyin:
docker build -t docs-assistant:local .aggrega import support-agent.yaml --syncaggrega build --release release.yamlYanıt olarak docs-assistant:local verildiğinde, eşitleme yazdırdığı satırlar arasında değiştirdiği tek değeri adlandırır:
changed spec.components.supportagent.infra.image in release.yamlArdından anahtarı kabuğunuzda ayarlayın ve stack’i başlatın:
export OPENAI_API_KEY='your OpenAI key'docker compose -p docs-assistant -f dist/compose/docker-compose.yaml up -d --wait-p, Bir içe aktarma nasıl çalışır bölümünün çalıştırma adımında açıklandığı gibi projeyi adlandırır.
Test edin
Aşağıdaki istek, bu kılavuzdaki imajın çalıştırdığı programa ulaşır: 8000 numaralı porttaki küçük bir HTTP sunucusunun arkasında duran ve POST /ask isteğini yanıtlayan bildirimsel ajan. Kendi programınız kendi rotasına ve yanıtına kendisi karar verir. Program dinlemeye başladığında, yani yığın başladıktan birkaç saniye sonra, isteği published_port’un yayımladığı adres olan http://127.0.0.1:8000’e gönderin:
curl -sS -X POST http://127.0.0.1:8000/ask -H 'Content-Type: application/json' \ -d '{"question": "In one short sentence: what is Azure Container Apps?"}'{"error": "the agent failed: ChatClientException: (\"<class 'agent_framework_openai._chat_client.OpenAIChatClient'> service failed to complete the prompt: Error code: 401 - Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key, and the same error repeated as the exception it wraps]"}Bu çalıştırma OPENAI_API_KEY değerini bir yer tutucuya ayarladı; bu nedenle yanıt, OpenAI’ın bunu reddetmesidir ve program tarafından iletilir. OpenAI’ın reddettiği anahtar, maskelenmiş olarak gösterilen o yer tutucudur; dolayısıyla bildirimsel ajanın =Env.OPENAI_API_KEY ifadesi onu derlemenin sağladığı ortamdan okumuştur.
Stack’i şu komutla durdurun:
docker compose -p docs-assistant -f dist/compose/docker-compose.yaml downKubernetes’te --target helm ile içe aktarın ve imajı, kümenizin imaj çektiği bir registry’ye gönderip adını import-answers.yaml içinde belirtin. Ardından Bir içe aktarma nasıl çalışır bölümünün çalıştırma adımında anlatıldığı gibi openai-api-key Secret’ını oluşturun ve derlemeyi uygulayın. Ajanın Deployment’ının Service’i yoktur; bu nedenle yerel bir portu ona yönlendirin. Komut, siz durdurana kadar çalışır:
kubectl port-forward deploy/supportagent 8000:8000Forwarding from 127.0.0.1:8000 -> 8000Forwarding from [::1]:8000 -> 8000Başka bir terminalden aynı isteği yönlendirilen porta gönderin:
curl -sS -X POST http://127.0.0.1:8000/ask -H 'Content-Type: application/json' \ -d '{"question": "In one short sentence: what is Azure Container Apps?"}'{"error": "the agent failed: ChatClientException: (\"<class 'agent_framework_openai._chat_client.OpenAIChatClient'> service failed to complete the prompt: Error code: 401 - Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key, and the same error repeated as the exception it wraps]"}