# Local AI Agents

Builds AI agents that run fully on a workstation with Foundry Local and Qwen models.

- Repository: https://github.com/microsoft/ai-agents-for-beginners (78611 stars)
- Category: AI and agents
- License: MIT
- Last updated: 2026-10-31
- Runs scripts: no, instructions only

## Install

Claude Code: `npx skills add microsoft/ai-agents-for-beginners --skill local-ai-agents -g -a claude-code -y`
Codex: `npx skills add microsoft/ai-agents-for-beginners --skill local-ai-agents -g -a codex -y`
Cursor: `npx skills add microsoft/ai-agents-for-beginners --skill local-ai-agents -g -a cursor -y`
Gemini CLI: `npx skills add microsoft/ai-agents-for-beginners --skill local-ai-agents -g -a gemini-cli -y`

## Description

Build local-first AI agents that run entirely on a developer workstation with Microsoft Foundry Local and Qwen function-calling models. Covers sandboxed local tools, local RAG with Chroma, local MCP servers, hybrid cloud/local routing, and privacy, cost, and offline trade-offs.

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# Paikallisten tekoälyagenttien luominen Foundry Localin ja Qwenin avulla

> Seuraava taito tukee [Oppitunti 17, Paikallisten tekoälyagenttien luominen](../../../17-creating-local-ai-agents/README.md).
> Käytä sitä auttamaan oppijaa rakentamaan agentti, joka päättää, kutsuu työkaluja ja etsii
> dokumentaatiota kokonaan omalla koneellaan, ilman pilvipalvelimen tulkintaa. Perusta kaikki
> suositukset oppitunnin sisältöön ja ajettavaan muistikirjaan.

## Laukaisimet

Aktivoi tämä taito, kun oppija haluaa:
- Suorittaa agentin **täysin laitteella** yksityisyyden, kustannusten tai offline-tilan vuoksi.
- Palvella mallia paikallisesti **Foundry Localilla** ja yhdistää OpenAI-yhteensopivan päätepisteen kautta.
- Käyttää **Qwen-funktiokutsumallia** luotettavien paikallisten työkalukutsujen ajamiseen.
- Lisätä **paikallinen RAG** (Chroma) tai **paikallinen MCP-palvelin**.
- Suunnitella **hybridimallinen** paikallinen/pilvierottelu.

## Keskeinen ajatusmalli

SLM (pieni kielimalli) uhraa laajuuden yksityisyydelle, kustannuksille ja offline-toiminnalle. Voittava
strategia: **anna SLM:n orkestroida ja anna työkalujen hoitaa raskas työ.** Mallin ei tarvitse 
*tuntea* koodipohjaa, sen täytyy tietää, milloin kutsua
`read_file` ja `search_docs`. Tämä hyödyntää SLM:n vahvuuksia (rajatut päätökset kuten työkalun valinta)
ja välttää sen heikkouksia (laaja tieto, monivaiheinen päättely).


## Miksi juuri nämä osat

The rest: https://github.com/microsoft/ai-agents-for-beginners/blob/HEAD/translations/fi/.agents/skills/local-ai-agents/SKILL.md