Microsoft Foundry क्या है और इसे क्यों बनाया गया

Microsoft Foundry portal, SDK और docs में एक ही शब्दावली बार-बार आती है। पहले ये शब्द सीख लें, क्योंकि इस कोर्स की बाद की अवधारणाएँ इन्हें जानने पर टिकी हैं। पुराने लेखों में Azure AI Studio या Azure AI Foundry नाम मिल सकते हैं; Microsoft की docs इन्हें उसी platform के पुराने नाम बताती हैं, जिसे अब Microsoft Foundry कहते हैं।

Microsoft Foundry Azure पर models, agents और tools जोड़कर AI applications बनाने और चलाने की एकीकृत जगह है। सीधे शब्दों में, यह इन सब को एक ही छत के नीचे संभालता है, जिसमें tracing, monitoring और evaluations पहले से जुड़े हैं। पहुँच, नेटवर्क और policies एक जगह सेट होते हैं, हर AI service के लिए अलग admin screen खोलने की बजाय।

रोज़ के काम में Foundry resource नियम तय करता है: कौन से models deploy हैं, नेटवर्क कैसा है, किसे अनुमति है। Foundry projects वह जगह हैं जहाँ डेवलपर काम करते हैं — agents, evaluation runs, uploaded files और project से जुड़ा दूसरा काम यहीं रहता है। Storage, Key Vault और Azure AI Search जैसी connected Azure services अलग resources रहती हैं, अपने नियमों के साथ; Foundry connections से उन्हें जोड़ता है, और आप उनकी policies Foundry resource के साथ संभालते हैं।

Microsoft Foundry portal model catalog देखने, playgrounds इस्तेमाल करने, prompt agents बनाने, evaluations चलाने और resources संभालने का मुख्य website है। SDKs, Azure Developer CLI और Visual Studio Code extensions भी हैं, लेकिन ज़्यादातर beginners code लिखने से पहले portal से रास्ता समझते हैं।

Production AI feature को सिर्फ model API से काम नहीं चलता। Online shop के support agent को हर बार consistent instructions, orders ढूँढने वाला tool, ग्राहकों को दिखाने से पहले जवाब test करने का तरीका, tool fail होने पर logs, और production settings बदलने की सही पहुँच चाहिए। Platform के बिना team model hosting, secret storage, search, monitoring और identity खुद जोड़ती है।

• Model access और deployments, quotas और region availability सहित।
• Foundry Agent Service के ज़रिए agents चलाना, बातचीत की state और tools का इस्तेमाल।
• File search, vector stores या Azure AI Search indexes के ज़रिए अपने data से जवाब निकालना।
• उसी project से जुड़े tracing, metrics और evaluations के ज़रिए observability।
• भूमिका के हिसाब से अनुमति, guardrails और (बड़े पैमाने पर) Foundry Control Plane fleet views के ज़रिए governance।

Foundry जानबूझकर layers में बँटा है। IT और security teams Foundry resource पर centralized controls लगाती हैं, जबकि product teams projects के अंदर आज़माती हैं बिना हर बार shared model capacity फिर से setup किए। Microsoft single developer exploration के लिए एक Foundry resource और एक project को default starting point मानता है।

Foundry में agent development lifecycle creation से production monitoring तक जाता है: agent type चुनें, Agents playground या code में बनाएँ और test करें, tools जोड़ें, versions save करें, runs trace करें, quality evaluate करें, stable endpoint publish करें, फिर monitor करके सुधार करें। पहले दिन सब steps ज़रूरी नहीं, लेकिन यह क्रम बताता है कि portal models, agents और evaluations को एक साथ क्यों रखता है।

• Microsoft Foundry portal में sign in करें। preview के दौरान instant access models के लिए New Foundry toggle on रखें और Foundry (new) में काम करें, classic portal में नहीं।
• Foundry resource और Foundry project बनाएँ या खोलें। इस कोर्स की अवधारणा 2 screens दिखाती है; guided setup के लिए Go deeper में quickstart link है।
• Foundry Models catalog या model playground में models देखें। Portal में model deploy करते ही आप उस model के playground पर पहुँचते हैं, prompts ठीक करने और outputs की तुलना करने के लिए।
• Models कॉल करने का तरीका चुनें: deployment name के साथ model deployment बनाएँ, या preview में West US 3 project में instant access models से gpt-5-mini जैसे supported model names बिना deployment बनाए कॉल करें।
• SDK या code पर जाते समय welcome screen या project details से project endpoint copy करें; source code में long-lived keys embed करने की बजाय Microsoft Entra से sign in करें।

एक छोटी e-commerce team chat assistant चाहती है जो "Where is my order?" पर असली order data से जवाब दे, विनम्र और विषय पर रहे, refunds humans को भेज दे। Team अपने containers खुद होस्ट करने के लिए तैयार नहीं, इसलिए Foundry Agent Service में prompt agent से शुरू करती है।

• Catalog से model चुनें (या preview में West US 3 में instant access model name) और instructions सेट करें — लहजा, agent क्या वादा कर सकता है, staff को कब hand off करना है।
• Tools जोड़ें: policy documents के लिए file search या Azure AI Search, और shop backend से order status ढूँढने वाला function या API tool।
• Agents playground में test करें, व्यवहार ठीक लगे तो version save करें, customers को दिखाने से पहले evaluation dataset चलाएँ।
• Tracing से जाँचें agent order tool को सही arguments के साथ कॉल करता है, metrics स्थिर लगें तो publish करें।

वही Foundry project agent definition, evaluation runs और traces रखता है, जबकि Foundry resource shared model deployments और security settings देता है। Foundry को एक ही छत के नीचे संभालने का व्यावहारिक मतलब यही है: डेवलपर project के अंदर काम सुधारते हैं; administrators resource level पर नियम लगाते हैं।

Foundry platform explore और इस्तेमाल करने के लिए मुफ़्त है। Foundry के अंदर जो product इस्तेमाल करते हैं — model inference, Agent Service usage, Azure AI Search — वह अपनी normal rate पर bill होता है। Microsoft की pricing FAQ कहती है explore के लिए Azure account ज़रूरी नहीं, लेकिन agents बनाने से पहले Azure subscription चाहिए।

• बड़े evaluations या high-traffic deployments से पहले Microsoft Foundry pricing pages और Azure pricing calculator से खर्च का अनुमान लगाएँ।
• Instant access models (preview) supported models को model name से बिना deployment कॉल करने देते हैं। वही SDKs और clients काम करते हैं; deployment name की जगह gpt-5-mini जैसा name भेजें।
• Preview के दौरान instant access सिर्फ West US 3 में Foundry projects के लिए है। Reserved throughput, custom content filters, data residency या दूसरी enterprise deployment settings चाहिए तो deployments सही choice रहते हैं।
• Preview features supplemental terms के तहत हैं; region और scenario की support confirm किए बिना production workloads के लिए recommend नहीं।

Catalog बार-बार बढ़ता है, इसलिए exact count बदलती रहती है। व्यावहारिक बात: deployment पर अंतिम निर्णय से पहले catalog और benchmarks में models compare करें; बड़े पैमाने पर cost और quality के फैसले के लिए model router जैसी features बाद की अवधारणाओं में आती हैं।

• Explore मुफ़्त है = inference मुफ़्त है, ऐसा मान लेना। Model tokens, agent runtime और connected services use पर bill होते हैं।
• Playground में agents बनाकर versions save न करना। Microsoft Foundry portal छोड़ने पर बिना save किए बदलाव खो जाते हैं; पूरी evaluation और monitoring workflows के लिए saved versions चाहिए।
• Production code में catalog model name कॉल करना जब सिर्फ deployment है, या instant access preview गलत region में use करना।
• Storage, Key Vault या Azure AI Search को Foundry resource का हिस्सा समझना। ये connected resources हैं, अलग networking और access rules के साथ।
• सबको पूरी admin अनुमति दे देना। Docs developers के लिए resource पर Foundry User role शुरुआती सुझाव बताती हैं; deployment बनाना admin जैसा काम है, agent चलाना रोज़ का काम है, और ये अनुमतियाँ अलग-अलग दी जा सकती हैं।

इस कोर्स की अवधारणा 2 दिखाती है Microsoft Foundry portal में कहाँ काम करते हैं — projects, playgrounds, Manage बनाम Operate, और वह यहाँ बताए resource hierarchy से कैसे मेल खाता है।

• Platform का official overview, Azure AI Studio से evolution, और नए developers के लिए suggested paths: What is Microsoft Foundry?
• Resources, projects, roles, deployments और connected services कैसे जुड़ते हैं — और detail: Microsoft Foundry architecture
• Resource, project और पहला model deployment step-by-step: Create Foundry resources
• Free exploration, subscriptions और हर service की billing पर FAQ: Microsoft Foundry pricing