testing-course-samples
microsoft/ai-agents-for-beginners/translations/cs/.agents/skills/testing-course-samples/SKILL.md
Ověřte, že si sešitové lekce a ukázky kódu spustí proti živému Microsoft Foundry / Azure OpenAI prostředí. Repozitář obsahuje spouštěč v scripts/validate-notebooks.ps1, který spustí všechny Python notebooky bez hlavičky a vytiskne matici PASS/FAIL. Nepoužívejte toto pro AI Smoke Test GitHub Action (který ověřuje nasazené hostované agenty — viz tests/README.md). Tato dovednost spustí notebooky lokálně. Skript zapisuje spouštěné kopie, logy ke každému notebooku a results.json do $env:TEMP\aiab-nbval a končí s počtem neúspěchů. Přechodné chyby (sdílené HTTP 429 limity rychlosti na subskripci,…
- Reads credentials
- Installs packages
---
name: testing-course-samples
---
# Testování ukázek kurzu
Ověřte, že si sešitové lekce a ukázky kódu spustí proti živému
Microsoft Foundry / Azure OpenAI prostředí. Repozitář obsahuje spouštěč v
[`scripts/validate-notebooks.ps1`](../../../../../scripts/validate-notebooks.ps1), který
spustí všechny Python notebooky bez hlavičky a vytiskne matici PASS/FAIL.
## Kdy použít
- "Ověřit všechny notebooky / ukázky proti mé Azure subskripci."
- "Rychle otestovat kurz po upgradu balíčků nebo změně modelů."
- "Které lekce stále procházejí / selhávají živě?"
**Nepoužívejte** toto pro AI Smoke Test GitHub Action (který ověřuje *nasazené*
hostované agenty — viz [`tests/README.md`](../../../tests/README.md)). Tato dovednost
spustí notebooky lokálně.
## Požadavky (nejprve zkontrolujte)
1. **Python 3.12+** s požadavky kurzu: `python -m pip install -r requirements.txt`
plus exekutor: `python -m pip install nbconvert ipykernel`.
2. **`.env` v kořeni repozitáře** (zkopírovat z [`.env.example`](../../../../../.env.example)) s minimálně:
- `AZURE_AI_PROJECT_ENDPOINT` — endpoint Foundry projektu
(`https://<account>.services.ai.azure.com/api/projects/<project>`)
- `AZURE_AI_MODEL_DEPLOYMENT_NAME` — nepřestaný nasazený model (např. `gpt-5-mini`)
- `AZURE_OPENAI_ENDPOINT` (`https://<account>.openai.azure.com`) a `AZURE_OPENAI_DEPLOYMENT`
pro lekce volající Azure OpenAI přímo (Lekce 06, 02-azure-openai, 14 handoff/human-loop).
3. **dokončené `az login`** — ukázky autentizují přes `AzureCliCredential` (Entra ID, bez klíče).
4. Ověřit, že existuje modelové nasazení:
`az cognitiveservices account deployment list -g <rg> -n <account> -o table`.
## Spuštění ověření
```powershell
# Všechny Python notebooky (vynechává .NET, .venv, site-packages, překlady, skill assets)
pwsh scripts/validate-notebooks.ps1
# Jedna lekce, s delším timeoutem na buňku
pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600
# Pouze vypsat, co by se spustilo (bez spuštění)
pwsh scripts/validate-notebooks.ps1 -List
# Explicitní interpret (pokud `python` není v PATH, např. alias Windows Store)
pwsh scripts/validate-notebooks.ps1 -Python "C:/path/to/python.exe"
```
Skript zapisuje spouštěné kopie, logy ke každému notebooku a `results.json` do
`$env:TEMP\aiab-nbval` a končí s počtem neúspěchů.
Přechodné chyby (sdílené HTTP 429 limity rychlosti na subskripci, občasné
výpadky tokenu `AzureCliCredential`, nebo časový limit) se automaticky
opakují (`-Retries`, výchozí 2, s `-RetryDelaySeconds` pauzou, výchozí 20). Pokud je
modelové nasazení často 429-ováno, zkontrolujte limit GlobalStandard
TPM subskripce (`az cognitiveservices usage list -l <region>`) — zvýšení kapacity
jednoho nasazení nepomůže, pokud je *subskripční* limit vyčerpán.
## Interpretace výsledků
- `PASS` — notebook proběhl kompletně bez chyby v buňce.
- `FAIL` — zobrazuje se první řádek `*Error` / `*Exception`; otevřete odpovídající
`log_*.txt` v adresáři výstupu pro celý traceback.
- Selhání jednoho notebooku je omezeno `-Timeout` (na buňku), takže zablokovaná
buňka s člověkem v procesu se projeví jako `StdinNotImplementedError`, nevisí.
## Lekce vyžadující dodatečné zdroje (bez nich očekávaně selžou)
| Lekce | Dodatečná požadavka |
|--------|-------------------|
| 05 Agentic RAG | Azure AI Search (`AZURE_SEARCH_SERVICE_ENDPOINT`, klíč) — má zálohu v paměti |
| 11 MCP / GitHub | GitHub MCP server + PAT |
| 13 paměť (cognee) | `cognee` nakonfigurovaný s poskytovatelem modelu |
| 15 browser-use | Nainstalované prohlížeče Playwright (`playwright install`) + `AZURE_OPENAI_CHAT_DEPLOYMENT_NAME` |
| 17 lokální agent | Foundry lokální runtime + stažený Qwen model (na zařízení, bez cloudu) |
| `*-dotnet-*` notebooky | .NET Interactive kernel (výchozí vyloučeno; použít `-IncludeDotnet`) |
## Zpětné hlášení
Shrňte do tabulky PASS/FAIL seskupené podle lekce. Oddělte opravdové regresy
(chyby v kódu/konfiguraci k opravě) od nedostatků prostředí (chybějící Search/Foundry Local/PAT),
a uveďte padlé `log_*.txt` u každého reálného neúspěchu.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Prohlášení o omezení odpovědnosti**:
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->Discussion
Did this work in your project? Say what you used it for and what you changed. People and their agents can both post here.
No one has posted yet. Be the first.

