Този урок ще обхване как да стартирате примерите с код от този курс.
Преди да започнете да клонирате вашето хранилище, присъединете се към Discord канала AI Agents For Beginners, за да получите помощ с настройката, да зададете въпроси относно курса или да се свържете с други обучаващи се.
За да започнете, моля, клонирайте или създайте форк на GitHub хранилището. Това ще създаде ваша собствена версия на материалите от курса, за да можете да стартирате, тествате и променяте кода!
Това може да се направи, като кликнете върху линка за форк на хранилището.
Сега трябва да имате ваша собствена форкната версия на този курс на следния линк:
Този курс предлага серия от Jupyter Notebooks, които можете да стартирате, за да получите практически опит в изграждането на AI агенти.
Примерите с код използват следното:
Изисква GitHub акаунт - Безплатно:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Обозначено като (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Обозначено като (autogen.ipynb)
Изисква абонамент за Azure: 3) Azure AI Foundry + Azure AI Agent Service. Обозначено като (azureaiagent.ipynb)
Препоръчваме ви да изпробвате и трите типа примери, за да видите кой работи най-добре за вас.
Изборът ви ще определи кои стъпки за настройка трябва да следвате по-долу:
NOTE: Ако нямате инсталиран Python 3.12, уверете се, че го инсталирате. След това създайте вашата venv, използвайки python3.12, за да гарантирате, че правилните версии са инсталирани от файла requirements.txt.
Пример
Създайте директория за Python venv:
python3 -m venv venv
След това активирайте venv средата за:
macOS и Linux
source venv/bin/activate
Windows
venv\Scripts\activate
В корена на това хранилище сме включили файл requirements.txt
, който съдържа всички необходими Python пакети за стартиране на примерите с код.
Можете да ги инсталирате, като изпълните следната команда в терминала в корена на хранилището:
pip install -r requirements.txt
Препоръчваме създаването на Python виртуална среда, за да избегнете конфликти и проблеми.
Уверете се, че използвате правилната версия на Python в VSCode.
Този курс използва GitHub Models Marketplace, предоставяйки безплатен достъп до големи езикови модели (LLMs), които ще използвате за изграждане на AI агенти.
За да използвате GitHub моделите, трябва да създадете GitHub Personal Access Token.
Това може да се направи, като отидете на настройките за Personal Access Tokens във вашия GitHub акаунт.
Моля, следвайте Принципа на минималните привилегии, когато създавате вашия токен. Това означава, че трябва да дадете на токена само разрешенията, които са необходими за стартиране на примерите с код в този курс.
Изберете опцията Fine-grained tokens
от лявата страна на екрана, като преминете към Developer settings.
След това изберете Generate new token
.
Въведете описателно име за вашия токен, което отразява неговата цел, за да бъде лесно разпознаваем по-късно.
🔐 Препоръка за продължителност на токена
Препоръчителна продължителност: 30 дни
За по-сигурна настройка можете да изберете по-кратък период, например 7 дни 🛡️
Това е чудесен начин да си поставите лична цел и да завършите курса, докато вашият обучителен импулс е висок 🚀.
Ограничете обхвата на токена до вашия форк на това хранилище.
Ограничете разрешенията на токена: Под Permissions, кликнете върху таба Account и натиснете бутона “+ Add permissions”. Ще се появи падащо меню. Моля, потърсете Models и поставете отметка в квадратчето за него.
Проверете необходимите разрешения, преди да генерирате токена.
Преди да генерирате токена, уверете се, че сте готови да го съхраните на сигурно място, като например сейф за пароли, тъй като той няма да бъде показан отново след създаването му.
Копирайте новия токен, който току-що създадохте. Сега ще го добавите към вашия .env
файл, включен в този курс.
.env
файлЗа да създадете вашия .env
файл, изпълнете следната команда в терминала.
cp .env.example .env
Това ще копира примерния файл и ще създаде .env
във вашата директория, където ще попълните стойностите за променливите на средата.
С копирания токен отворете .env
файла в любимия си текстов редактор и го поставете в полето GITHUB_TOKEN
.
Сега трябва да можете да стартирате примерите с код от този курс.
Следвайте стъпките за създаване на хъб и проект в Azure AI Foundry, описани тук: Hub resources overview
След като създадете вашия проект, ще трябва да получите низ за връзка към вашия проект.
Това може да се направи, като отидете на страницата Overview на вашия проект в портала Azure AI Foundry.
.env
файлЗа да създадете вашия .env
файл, изпълнете следната команда в терминала.
cp .env.example .env
Това ще копира примерния файл и ще създаде .env
във вашата директория, където ще попълните стойностите за променливите на средата.
С копирания токен отворете .env
файла в любимия си текстов редактор и го поставете в полето PROJECT_ENDPOINT
.
Като най-добра практика за сигурност ще използваме автентикация без ключове, за да се удостоверим в Azure OpenAI с Microsoft Entra ID.
След това отворете терминал и изпълнете az login --use-device-code
, за да влезете във вашия Azure акаунт.
След като влезете, изберете вашия абонамент в терминала.
За урока Agentic RAG - Урок 5 - има примери, които използват Azure Search и Azure OpenAI.
Ако искате да стартирате тези примери, ще трябва да добавите следните променливи на средата към вашия .env
файл:
AZURE_SUBSCRIPTION_ID
- Проверете Project details на страницата Overview на вашия проект.
AZURE_AI_PROJECT_NAME
- Вижте горната част на страницата Overview за вашия проект.
AZURE_OPENAI_SERVICE
- Намерете това в таба Included capabilities за Azure OpenAI Service на страницата Overview.
AZURE_OPENAI_RESOURCE_GROUP
- Отидете на Project properties на страницата Overview на Management Center.
GLOBAL_LLM_SERVICE
- Под Connected resources, намерете името на връзката Azure AI Services. Ако не е изброено, проверете Azure portal под вашата ресурсна група за името на ресурса AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- Изберете вашия модел за вграждане (например text-embedding-ada-002
) и отбележете Deployment name от детайлите на модела.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- Изберете вашия чат модел (например gpt-4o-mini
) и отбележете Deployment name от детайлите на модела.
AZURE_OPENAI_ENDPOINT
- Намерете Azure AI services, кликнете върху него, след това отидете на Resource Management, Keys and Endpoint, превъртете надолу до “Azure OpenAI endpoints” и копирайте този, който казва “Language APIs”.
AZURE_OPENAI_API_KEY
- От същия екран копирайте KEY 1 или KEY 2.
AZURE_SEARCH_SERVICE_ENDPOINT
- Намерете вашия Azure AI Search ресурс, кликнете върху него и вижте Overview.
AZURE_SEARCH_API_KEY
- След това отидете на Settings и след това Keys, за да копирате основния или вторичния администраторски ключ.
AZURE_OPENAI_API_VERSION
- Посетете страницата API version lifecycle под Latest GA API release.Вместо да твърдо кодирате вашите идентификационни данни, ще използваме връзка без ключове с Azure OpenAI. За целта ще импортираме DefaultAzureCredential
и по-късно ще извикаме функцията DefaultAzureCredential
, за да получим идентификационните данни.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Ако имате проблеми със стартирането на тази настройка, присъединете се към нашия Azure AI Community Discord или създайте проблем.
Сега сте готови да стартирате кода за този курс. Приятно обучение за света на AI агентите!
Въведение в AI агентите и техните приложения
Отказ от отговорност:
Този документ е преведен с помощта на AI услуга за превод Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за недоразумения или погрешни интерпретации, произтичащи от използването на този превод.