讓企業資料
成為 Agent 能理解的世界。

向 coach 取得 Client ID、Tenant ID、Client Secret 與 Azure OpenAI API Key。Secret 與 Key 不可放進群聊、截圖、Issue 或 Git。

read -r -p "Client ID: " AZURE_CLIENT_ID
read -r -p "Tenant ID: " AZURE_TENANT_IDCopy

azd auth login \
  --client-id "$AZURE_CLIENT_ID" \
  --tenant-id "$AZURE_TENANT_ID" \
  --client-secret ""

azd auth login --check-statusCopy

read -r -s -p "Client Secret: " AZURE_CLIENT_SECRET
echo
az login \
  --service-principal \
  --username "$AZURE_CLIENT_ID" \
  --password "$AZURE_CLIENT_SECRET" \
  --tenant "$AZURE_TENANT_ID" \
  --output none
unset AZURE_CLIENT_SECRETCopy

cd code
cp agents/.env.example agents/.env
chmod 600 agents/.envCopy

填入模型 endpoint、deployment 名稱、API version 與 Key；確認檔案被 Git 忽略。

cd ..
git check-ignore code/agents/.env
cd code/agents
python test_workflow.py --live \
  "What is the total budget by program status? Draw a bar chart."Copy

python -c "import mcp, matplotlib; print('ready')"Copy

若失敗，建立並啟用虛擬環境，再安裝兩份鎖版 requirements。

python3 -m venv .venv
source .venv/bin/activate
pip install -r code/mcp/requirements.txt \
  -r code/agents/requirements.txtCopy

在 `code/dataIQ/ontology/frontier.rdf` 找到 3 個 `owl:Class`、識別欄位與 `funds` / `has_task` 關係；再到 `data-bindings.json` 查看關係如何映射外鍵。

cd code
python mcp/server.py --selftestCopy

確認 3 個實體、2 個關係，且 active / done 預算聚合結果正確。

1. 新增 `code/dataIQ/data/team.json`，放入 Pretraining 與 Inference 團隊。
2. 替每個 Project 增加 `teamId` 外鍵。
3. 在 `ontology.json` 增加 Team entity type 與 `Team → Project` 的 `owns` 關係。
4. 在 `data-bindings.json` 加入 Team 資料源與 relationship binding。

python mcp/server.py --selftest
python -c "
import sys; sys.path.insert(0,'mcp')
import server as s, json
print(json.dumps(
  s.get_related('Team','TEAM-01','owns'),
  ensure_ascii=False, indent=2
))
"Copy

cd code
python -c "
import sys; sys.path.insert(0,'mcp')
import server as s, json
print(json.dumps(
  s.aggregate('Project','budget','sum','status'),
  indent=2
))
print(json.dumps(
  s.get_related('Project','PRJ-002','funds'),
  indent=2
))
"Copy

觀察 `get_related` 可以反向遍歷；數字聚合由伺服器完成，不交給模型算。

VS Code 使用 `.vscode/mcp.json` 的 `servers`；Claude Code 使用根目錄 `.mcp.json` 的 `mcpServers`，並建議指向虛擬環境 Python 的絕對路徑。

echo "$PWD/.venv/bin/python"
echo "$PWD/code/mcp/server.py"

claude mcp add frontier-ontology -s project -- \
  "$PWD/.venv/bin/python" \
  "$PWD/code/mcp/server.py"

claude mcp listCopy

要求 Copilot 參照 `aggregate` 風格新增 `top_n(entity_type, value_field, n=3, descending=True)`，並人工檢查三個邊界：

• 用 `STORE.resolve_entity()` 處理大小寫與未知實體。
• 錯誤回傳結構化 `{"error": ...}`，而不是讓服務崩潰。
• 排序前過濾非數字欄位。

python -c "
import sys; sys.path.insert(0,'mcp')
import server as s, json
print(json.dumps(s.top_n('Project','budget',2), indent=2))
print(s.top_n('Nope','budget'))
"Copy

查看 `workflow.py` 的 `SequentialBuilder` 與 MCP 生命週期，再看 `config.py` 如何以同一個 `DefaultAzureCredential` 同時支援本地登入與雲端工作負載身份。

cd code/agents
python test_workflow.py

python test_workflow.py --live \
  "What is the total budget by program status? Draw a bar chart."Copy

確認答案包含 active=25500000、done=2400000，且 `ontology_charts/` 產生 PNG。

python test_workflow.py --live \
  "What is the total committed engineering effort per funding pool? Draw a bar chart."Copy

預期 FP-001 = 1560 小時、FP-002 = 240 小時。觀察助理如何多次調用工具完成跨域遍歷。

1. 暫時刪除 Assistant 指示中要求輸出 `label=value` 的規則。
2. 同一問題執行多次，觀察分析師間歇性畫錯或無法畫圖。
3. 恢復契約，再替 Analyst 增加「總體組成優先 pie」的偏好。

cd code/agents
uvicorn api:app --port 8000Copy

開啟 `http://127.0.0.1:8000/`，API 與靜態網站由同一個程序提供。

1. 哪些專案正在推進？
2. 哪個資金池在支撐哪些專案？
3. 按專案狀態統計預算並畫柱狀圖。
4. 每個資金池名下的總投入工時？

第 4 題會多次調用工具，速度較慢；答案必須與 self-test 的數字一致。

curl -s -X POST http://127.0.0.1:8000/ask \
  -H "Content-Type: application/json" \
  -d '{"question":"Which programs does the compute capital pool fund?"}' \
  | python -m json.toolCopy

比較 AssistantAgent 與 DataAnalystAgent 的 transcript。若 ACS 已設定，可在回答下方填入地址寄送文字與圖表。

cd code/cloud
cp workshop-web.env.example workshop-web.envCopy

編輯 `WEB_APP_NAME`，只能使用小寫字母、數字與連字號，長度 3–32，且不可與同學重複。

export WEB_APP_NAME=iq-web-your-alias
source workshop-web.envCopy

bash scripts/deploy-web-only.shCopy

腳本會檢查共享 ACA、ACR、Agent API 與遠端 MCP，使用既有托管身份拉取映像，建立或原地更新個人 App，並限制為 0–1 副本、0.25 CPU / 0.5 GiB。

1. 用腳本輸出的 HTTPS URL 開啟網站。
2. 詢問 compute capital pool 支援哪些專案。
3. 詢問依狀態統計預算並要求圖表。

az containerapp show \
  -g "$RG" \
  -n "$WEB_APP_NAME" \
  --query '{
    image:properties.template.containers[0].image,
    backend:properties.template.containers[0].env[?name==`AGENTS_BACKEND_URL`].value | [0],
    minReplicas:properties.template.scale.minReplicas,
    maxReplicas:properties.template.scale.maxReplicas
  }' -o jsonCopy

az containerapp delete \
  -g "$RG" \
  -n "$WEB_APP_NAME" \
  --yesCopy

刪除前確認名稱是自己的 App；不可刪除講師的共享環境、Agent API、MCP 或其他學員資源。