Local Ai Agents Microsoft 11

---
name: local-ai-agents
description: "הפעל מיומנות זו כאשר לומד רוצה: - להריץ סוכן מלא במכשיר למען פרטיות, עלות או סיבות לא מקוונות. - להפעיל מודל מקומית עם Foundry Local ולחבר דרך נקודת קצה התומכת ב-OpenAI. - להשתמש במודל Qwen קריאת-פונקציות כדי להניע קריאות כלים מקומיות אמינות. - להוסיף RAG מקומי (Chroma) או שרת MCP מקומי. - לתכנן אסטרטגיית ניתוב היברידית בין מקומי/ענן."
category: ai-agents-and-harness
source_repo: microsoft/ai-agents-for-beginners
source_path: "translations/he/.agents/skills/local-ai-agents/SKILL.md"
source_url: https://github.com/microsoft/ai-agents-for-beginners/blob/HEAD/translations/he/.agents/skills/local-ai-agents/SKILL.md
---
# יצירת סוכני AI מקומיים עם Foundry Local ו-Qwen

> מיומנות מלווה עבור [שיעור 17 – יצירת סוכני AI מקומיים](../../../17-creating-local-ai-agents/README.md).
> השתמש בה כדי לעזור ללומד לבנות סוכן שמבצע ניתוח, קורא לכלים ומחפש
> תיעוד באופן עצמאי לחלוטין במחשב האישי שלו — ללא ניתוח בענן. קבע כל
> המלצה על תוכן השיעור והמחברת הרצה.

## טריגרים

הפעל מיומנות זו כאשר לומד רוצה:
- להריץ סוכן **מלא במכשיר** למען פרטיות, עלות או סיבות לא מקוונות.
- להפעיל מודל מקומית עם **Foundry Local** ולחבר דרך נקודת קצה התומכת ב-OpenAI.
- להשתמש במודל **Qwen קריאת-פונקציות** כדי להניע קריאות כלים מקומיות אמינות.
- להוסיף **RAG מקומי** (Chroma) או **שרת MCP מקומי**.
- לתכנן אסטרטגיית ניתוב **היברידית** בין מקומי/ענן.

## מודל מנטלי מרכזי

SLM סוחרים ברוחב לטובת פרטיות, עלות והפעלה ללא חיבור. האסטרטגיה המנצחת:
**תן ל-SLM לארגן ולתן לכלים לעשות את העבודה הכבדה.** המודל
לא צריך *לדעת* את בסיס הקוד — הוא צריך לדעת מתי לקרוא ל
`read_file` ו-`search_docs`. זה מנצל את חוזק ה-SLM (החלטות ממוקדות
כמו בחירת כלי) ומרחיק מחולשה שלו (ידע רחב, ניתוח ארוך מולטי-הופ).


## למה דווקא החלקים האלה

- **Foundry Local** חושף **נקודת קצה HTTP התואמת ל-OpenAI**, כך שקוד הסוכן בענן עובר שינוי רק ב-`base_url` (ושימוש במפתח API מקומי). הוא גם בוחר אוטומטית בבנייה הטובה ביותר (CPU/GPU/NPU) עבור המכשיר.
- דגמי **Qwen** מאומנים לקריאות פונקציות ומפיקים קריאות כלים בנוסח תקין בעקביות — זה מה שהופך מודל *שיחה* מקומי ל-*סוכן* מקומי.
- **Chroma** פועל בתהליך ושומר וקטורים בדיסק, כך שכל צינור ה-RAG (מיזוג → אחסון → משיכה → ניתוח) נשאר מקומי.
- **MCP** הוא תעבורה, לא שירות בענן: שרת MCP יכול לפעול מקומית דרך `stdio`.

## דרישות התקנה חיוניות

```bash
foundry model run qwen2.5-7b-instruct
foundry service status
```

```python
from foundry_local import FoundryLocalManager
from openai import OpenAI

manager = FoundryLocalManager("qwen2.5-7b-instruct")
client = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # מָקוֹם מְנֻחָה מְקוּמִי
```

מינימום מציאותי של כ-8 גיגהבייט זיכרון; GPU/NPU מסייע אך אינו חובה.

## דפוסי מפתח לשחזור

הפנה את הלומד למחברת
[`17-local-agent-foundry-local.ipynb`](../../../17-creating-local-ai-agents/code_samples/17-local-agent-foundry-local.ipynb):

- **כלים בסביבת סנדבוקס**: כל כלי של קובץ פותר נתיבים ודוחה כל דבר מחוץ לשורש פרויקט יחיד — גם מקומית, כלי פועל בהרשאות המשתמש.
- **לולאת קריאת כלים**: רשם כלים עם סכמת OpenAI, הרץ את הכלים המתבקשים מקומית, הזן את התוצאות חזרה, חזור עד לתשובה סופית.
- **RAG מקומית**: הוסף מסמכים לאוסף Chroma; `search_docs` מחזיר את הקטעים המובילים.
- **MCP מקומית**: התחבר לשרת מקומי דרך `stdio`; הגבל אותו לספריית פרויקט ואמת את הפלט שלו.

## ניתוב היברידי (מקומי כאחד המודלים)

| מצב | היכן זה פועל |
|-----------|---------------|
| נתונים רגישים / אופליין | SLM מקומי |
| משימה פשוטה ומוגבלת | SLM מקומי (זול, מהיר) |
| ניתוח קשה מולטי-הופ על נתונים לא רגישים | מודל ענן |
| תקלה בענן | SLM מקומי (התדרדרות הדרגתית) |

זה משקף את רעיון ניתוב המודלים משיעור 16, עם תחנת עבודה כאחד הנתיבים. העדף עיצובים שנופלים חזרה למקומי כך שהסוכן מתדרדר באיכות ולא נכשל לגמרי.



## גדרות בטחון לעוזר

- שמור שכל פעולה של קובץ/כלי תהיה מוגבלת לספריית פרויקט בסנדבוקס.
- אל תשלח קוד או נתונים לענן כאשר המטרה שהלומד הצהיר עליה היא פרטיות/לא מקוון — שמור על כל הצינור מקומי.
- קבע ציפיות ריאליסטיות לאיכות ה-SLM; נשען על כלים ו-RAG במקום ידע שמור במודל.
- שים לב שלשיעור 17 אין נקודת קצה Foundry Responses, כך שפעלת הבדיקה בענן לא חלה — אמת באמצעות הרצת המחברת מקומית.

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום אוטומטי [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להחשיב את המסמך המקורי בשפתו הטבעית כמקור הסמכות. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אדם. אנו לא אחראים לכל אי-הבנה או פירוש שגוי הנובע מהשימוש בתרגום זה.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

---

**Source:** [`microsoft/ai-agents-for-beginners`](https://github.com/microsoft/ai-agents-for-beginners) → `translations/he/.agents/skills/local-ai-agents/SKILL.md`