ai-agents-for-beginners

কোর্স সেটআপ

পরিচিতি

এই পাঠে আমরা এই কোর্সের কোড নমুনাগুলি কীভাবে চালাতে হয় তা আলোচনা করব।

অন্যান্য শিক্ষার্থীদের সাথে যোগ দিন এবং সাহায্য নিন

আপনার রিপোজিটরি ক্লোন করার আগে, AI Agents For Beginners Discord চ্যানেলে যোগ দিন। এখানে আপনি সেটআপে সাহায্য পেতে পারেন, কোর্স সম্পর্কিত যেকোনো প্রশ্ন করতে পারেন, এবং অন্যান্য শিক্ষার্থীদের সাথে সংযোগ স্থাপন করতে পারেন।

এই রিপোজিটরি ক্লোন বা ফর্ক করুন

শুরু করার জন্য, অনুগ্রহ করে GitHub রিপোজিটরি ক্লোন বা ফর্ক করুন। এটি আপনার নিজের কোর্স উপকরণের একটি সংস্করণ তৈরি করবে যাতে আপনি কোড চালাতে, পরীক্ষা করতে এবং পরিবর্তন করতে পারেন!

এটি করতে, রিপোজিটরি ফর্ক করুন লিঙ্কে ক্লিক করুন।

এখন আপনার এই কোর্সের ফর্ক করা সংস্করণটি নিম্নলিখিত লিঙ্কে থাকবে:

শ্যালো ক্লোন (ওয়ার্কশপ / কোডস্পেসের জন্য সুপারিশকৃত)

সম্পূর্ণ রিপোজিটরি ডাউনলোড করলে এটি বড় (~৩ জিবি) হতে পারে। যদি আপনি শুধুমাত্র ওয়ার্কশপে অংশগ্রহণ করেন বা কিছু নির্দিষ্ট পাঠের ফোল্ডার প্রয়োজন হয়, তাহলে শ্যালো ক্লোন (বা স্পার্স ক্লোন) ব্যবহার করে অধিকাংশ ডাউনলোড এড়িয়ে যেতে পারেন।

দ্রুত শ্যালো ক্লোন — সর্বশেষ ইতিহাস, সব ফাইল

নিচের কমান্ডে <your-username> আপনার ফর্ক URL (অথবা আপস্ট্রিম URL) দিয়ে প্রতিস্থাপন করুন।

শুধুমাত্র সর্বশেষ কমিট ইতিহাস ক্লোন করতে:

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

নির্দিষ্ট একটি ব্রাঞ্চ ক্লোন করতে:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

আংশিক (স্পার্স) ক্লোন — কম ব্লব + শুধুমাত্র নির্বাচিত ফোল্ডার

এটি আংশিক ক্লোন এবং স্পার্স-চেকআউট ব্যবহার করে (Git 2.25+ প্রয়োজন এবং আধুনিক Git সহ আংশিক ক্লোন সমর্থিত):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

রিপোজিটরি ফোল্ডারে প্রবেশ করুন:

cd ai-agents-for-beginners

তারপর আপনি কোন ফোল্ডারগুলো চান তা নির্দিষ্ট করুন (নিচের উদাহরণে দুটি ফোল্ডার দেখানো হয়েছে):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

ক্লোন এবং ফাইল যাচাই করার পরে, যদি শুধুমাত্র ফাইল প্রয়োজন হয় এবং জায়গা খালি করতে চান (কোনো git ইতিহাস ছাড়াই), তাহলে রিপোজিটরি মেটাডেটা মুছে ফেলুন (💀অপ্রত্যাবর্তনযোগ্য — আপনি সমস্ত Git কার্যকারিতা হারাবেন: কোনো কমিট, পুল, পুশ বা ইতিহাস অ্যাক্সেস থাকবে না)।

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

GitHub Codespaces ব্যবহার করা (স্থানীয় বড় ডাউনলোড এড়াতে সুপারিশকৃত)

• GitHub UI এর মাধ্যমে এই রিপোজিটরির জন্য একটি নতুন কোডস্পেস তৈরি করুন।

• নতুন তৈরি কোডস্পেসের টার্মিনালে, উপরের শ্যালো/স্পার্স ক্লোন কমান্ডগুলির একটি চালান যাতে শুধুমাত্র প্রয়োজনীয় পাঠের ফোল্ডারগুলো কোডস্পেস ওয়ার্কস্পেসে আনা যায়।
• ঐচ্ছিক: কোডস্পেসে ক্লোন করার পরে, .git মুছে ফেলুন অতিরিক্ত জায়গা পুনরুদ্ধার করতে (উপরের মুছে ফেলার কমান্ড দেখুন)।
• নোট: যদি আপনি কোডস্পেসে রিপোজিটরি সরাসরি খুলতে চান (অতিরিক্ত ক্লোন ছাড়া), মনে রাখবেন কোডস্পেস ডেভকন্টেইনার পরিবেশ তৈরি করবে এবং হয়তো আপনার প্রয়োজনের চেয়ে বেশি প্রভিশন করবে। একটি নতুন কোডস্পেসে শ্যালো ক্লোন করা ডিস্ক ব্যবহারের উপর আরও নিয়ন্ত্রণ দেয়।

টিপস

• যদি আপনি সম্পাদনা/কমিট করতে চান, তাহলে সবসময় ক্লোন URL আপনার ফর্ক দিয়ে প্রতিস্থাপন করুন।
• যদি পরে আরও ইতিহাস বা ফাইল প্রয়োজন হয়, আপনি সেগুলো ফেচ করতে পারেন বা স্পার্স-চেকআউট সামঞ্জস্য করতে পারেন অতিরিক্ত ফোল্ডার অন্তর্ভুক্ত করতে।

কোড চালানো

এই কোর্সে Jupyter Notebooks এর একটি সিরিজ রয়েছে যা আপনাকে AI Agents তৈরি করার হাতে-কলম অভিজ্ঞতা দেবে।

কোড নমুনাগুলি ব্যবহার করে:

GitHub অ্যাকাউন্ট প্রয়োজন - বিনামূল্যে:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace। লেবেল করা হয়েছে (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace। লেবেল করা হয়েছে (autogen.ipynb)

Azure সাবস্ক্রিপশন প্রয়োজন: 3) Azure AI Foundry + Azure AI Agent Service। লেবেল করা হয়েছে (azureaiagent.ipynb)

আমরা আপনাকে তিনটি ধরনের উদাহরণ চেষ্টা করার জন্য উৎসাহিত করি যাতে আপনি বুঝতে পারেন কোনটি আপনার জন্য সবচেয়ে ভালো কাজ করে।

আপনি যেটি বেছে নেবেন, সেটি নির্ধারণ করবে যে নিচের কোন সেটআপ ধাপগুলি আপনাকে অনুসরণ করতে হবে:

প্রয়োজনীয়তা

• Python 3.12+

  • NOTE: যদি আপনার Python3.12 ইনস্টল না থাকে, তাহলে এটি ইনস্টল করুন। তারপর requirements.txt ফাইল থেকে সঠিক সংস্করণগুলি ইনস্টল করতে python3.12 ব্যবহার করে আপনার venv তৈরি করুন।

    উদাহরণ

    Python venv ডিরেক্টরি তৈরি করুন:

    python -m venv venv
    

    তারপর venv পরিবেশ সক্রিয় করুন:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: .NET ব্যবহার করে নমুনা কোডগুলির জন্য, নিশ্চিত করুন যে আপনি .NET 10 SDK বা পরবর্তী সংস্করণ ইনস্টল করেছেন। তারপর আপনার ইনস্টল করা .NET SDK সংস্করণ পরীক্ষা করুন:

    dotnet --list-sdks
  

• একটি GitHub অ্যাকাউন্ট - GitHub Models Marketplace অ্যাক্সেসের জন্য
• Azure সাবস্ক্রিপশন - Azure AI Foundry অ্যাক্সেসের জন্য
• Azure AI Foundry অ্যাকাউন্ট - Azure AI Agent Service অ্যাক্সেসের জন্য

আমরা এই রিপোজিটরির মূল ফোল্ডারে একটি requirements.txt ফাইল অন্তর্ভুক্ত করেছি যা কোড নমুনাগুলি চালানোর জন্য প্রয়োজনীয় সমস্ত Python প্যাকেজের তালিকা দেয়।

আপনার টার্মিনালে রিপোজিটরির মূল ফোল্ডারে নিম্নলিখিত কমান্ড চালিয়ে সেগুলি ইনস্টল করতে পারেন:

pip install -r requirements.txt

আমরা Python ভার্চুয়াল পরিবেশ তৈরি করার সুপারিশ করি যাতে কোনো সংঘর্ষ বা সমস্যা এড়ানো যায়।

VSCode সেটআপ

নিশ্চিত করুন যে আপনি VSCode-এ সঠিক সংস্করণের Python ব্যবহার করছেন।

GitHub Models ব্যবহার করে নমুনাগুলির জন্য সেটআপ

ধাপ ১: আপনার GitHub ব্যক্তিগত অ্যাক্সেস টোকেন (PAT) সংগ্রহ করুন

এই কোর্সটি GitHub Models Marketplace ব্যবহার করে, যা আপনাকে বিনামূল্যে Large Language Models (LLMs) অ্যাক্সেস দেয় যা আপনি AI Agents তৈরি করতে ব্যবহার করবেন।

GitHub Models ব্যবহার করতে, আপনাকে একটি GitHub ব্যক্তিগত অ্যাক্সেস টোকেন তৈরি করতে হবে।

এটি আপনার GitHub অ্যাকাউন্টের Personal Access Tokens settings এ গিয়ে করা যেতে পারে।

আপনার টোকেন তৈরি করার সময় Principle of Least Privilege অনুসরণ করুন। এর অর্থ হলো, টোকেনকে শুধুমাত্র এই কোর্সের কোড নমুনাগুলি চালানোর জন্য প্রয়োজনীয় অনুমতিগুলি দিন।

1. Developer settings-এ গিয়ে বাম পাশে Fine-grained tokens অপশনটি নির্বাচন করুন।

   

   তারপর Generate new token নির্বাচন করুন।

   

2. আপনার টোকেনের জন্য একটি বর্ণনামূলক নাম লিখুন যা এর উদ্দেশ্য প্রতিফলিত করে, যাতে পরে এটি সহজে চিহ্নিত করা যায়।

   🔐 টোকেনের মেয়াদকাল সুপারিশ

   সুপারিশকৃত মেয়াদকাল: ৩০ দিন আরও নিরাপদ অবস্থানের জন্য, আপনি একটি ছোট সময়সীমা বেছে নিতে পারেন—যেমন ৭ দিন 🛡️ এটি একটি ব্যক্তিগত লক্ষ্য নির্ধারণ করার এবং কোর্সটি সম্পন্ন করার একটি চমৎকার উপায় 🚀।

   

3. টোকেনের স্কোপ আপনার রিপোজিটরির ফর্কে সীমাবদ্ধ করুন।

   

4. টোকেনের অনুমতিগুলি সীমিত করুন: Permissions এর অধীনে, Account ট্যাবে ক্লিক করুন এবং “+ Add permissions” বোতামে ক্লিক করুন। একটি ড্রপডাউন উপস্থিত হবে। অনুগ্রহ করে Models অনুসন্ধান করুন এবং এর জন্য বক্সটি চেক করুন।

   

5. টোকেন তৈরি করার আগে প্রয়োজনীয় অনুমতিগুলি যাচাই করুন।

6. টোকেন তৈরি করার আগে নিশ্চিত করুন যে আপনি এটি একটি নিরাপদ স্থানে সংরক্ষণ করতে প্রস্তুত, যেমন একটি পাসওয়ার্ড ম্যানেজার ভল্ট, কারণ এটি তৈরি করার পরে এটি আবার দেখানো হবে না।

আপনার নতুন তৈরি টোকেনটি কপি করুন। এখন আপনি এটি এই কোর্সে অন্তর্ভুক্ত .env ফাইলে যোগ করবেন।

ধাপ ২: আপনার .env ফাইল তৈরি করুন

আপনার টার্মিনালে নিম্নলিখিত কমান্ড চালিয়ে .env ফাইল তৈরি করুন।

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

এটি উদাহরণ ফাইলটি কপি করবে এবং আপনার ডিরেক্টরিতে একটি .env তৈরি করবে যেখানে আপনি পরিবেশ ভেরিয়েবলের জন্য মানগুলি পূরণ করবেন।

আপনার টোকেন কপি করার পরে, আপনার প্রিয় টেক্সট এডিটরে .env ফাইলটি খুলুন এবং আপনার টোকেনটি GITHUB_TOKEN ফিল্ডে পেস্ট করুন।

এখন আপনি এই কোর্সের কোড নমুনাগুলি চালাতে সক্ষম হবেন।

Azure AI Foundry এবং Azure AI Agent Service ব্যবহার করে নমুনাগুলির জন্য সেটআপ

ধাপ ১: আপনার Azure প্রকল্পের এন্ডপয়েন্ট সংগ্রহ করুন

Azure AI Foundry-তে একটি হাব এবং প্রকল্প তৈরি করার ধাপগুলি অনুসরণ করুন এখানে: Hub resources overview

আপনার প্রকল্প তৈরি করার পরে, আপনাকে আপনার প্রকল্পের জন্য সংযোগ স্ট্রিংটি সংগ্রহ করতে হবে।

এটি Azure AI Foundry পোর্টালের Overview পৃষ্ঠায় গিয়ে করা যেতে পারে।

ধাপ ২: আপনার .env ফাইল তৈরি করুন

আপনার টার্মিনালে নিম্নলিখিত কমান্ড চালিয়ে .env ফাইল তৈরি করুন।

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

এটি উদাহরণ ফাইলটি কপি করবে এবং আপনার ডিরেক্টরিতে একটি .env তৈরি করবে যেখানে আপনি পরিবেশ ভেরিয়েবলের জন্য মানগুলি পূরণ করবেন।

আপনার টোকেন কপি করার পরে, আপনার প্রিয় টেক্সট এডিটরে .env ফাইলটি খুলুন এবং আপনার টোকেনটি PROJECT_ENDPOINT ফিল্ডে পেস্ট করুন।

ধাপ ৩: Azure-এ সাইন ইন করুন

নিরাপত্তার সেরা অনুশীলন হিসাবে, আমরা keyless authentication ব্যবহার করব Microsoft Entra ID সহ Azure OpenAI-তে প্রমাণীকরণের জন্য।

পরবর্তী ধাপে, একটি টার্মিনাল খুলুন এবং az login --use-device-code চালান আপনার Azure অ্যাকাউন্টে সাইন ইন করতে।

আপনার লগইন সম্পন্ন হলে, টার্মিনালে আপনার সাবস্ক্রিপশন নির্বাচন করুন।

অতিরিক্ত পরিবেশ ভেরিয়েবল - Azure Search এবং Azure OpenAI

Agentic RAG Lesson - Lesson 5 এর জন্য - এখানে কিছু নমুনা রয়েছে যা Azure Search এবং Azure OpenAI ব্যবহার করে।

যদি আপনি এই নমুনাগুলি চালাতে চান, তাহলে আপনাকে আপনার .env ফাইলে নিম্নলিখিত পরিবেশ ভেরিয়েবলগুলি যোগ করতে হবে:

Overview Page (Project)

• AZURE_SUBSCRIPTION_ID - আপনার প্রকল্পের Overview পৃষ্ঠার Project details চেক করুন।

• AZURE_AI_PROJECT_NAME - আপনার প্রকল্পের Overview পৃষ্ঠার শীর্ষে দেখুন।

• AZURE_OPENAI_SERVICE - Overview পৃষ্ঠার Included capabilities ট্যাবে Azure OpenAI Service এর জন্য এটি খুঁজুন।

Management Center

• AZURE_OPENAI_RESOURCE_GROUP - Management Center এর Overview পৃষ্ঠার Project properties এ যান।

• GLOBAL_LLM_SERVICE - Connected resources এর অধীনে, Azure AI Services সংযোগের নাম খুঁজুন। যদি তালিকাভুক্ত না থাকে, তাহলে Azure portal এ আপনার রিসোর্স গ্রুপের অধীনে AI Services রিসোর্সের নাম চেক করুন।

Models + Endpoints Page

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - আপনার এমবেডিং মডেল (যেমন, text-embedding-ada-002) নির্বাচন করুন এবং মডেল বিবরণ থেকে Deployment name নোট করুন।

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - আপনার চ্যাট মডেল (যেমন, gpt-4o-mini) নির্বাচন করুন এবং মডেল বিবরণ থেকে Deployment name নোট করুন।

Azure Portal

• AZURE_OPENAI_ENDPOINT - Azure AI services খুঁজুন, এটি ক্লিক করুন, তারপর Resource Management, Keys and Endpoint এ যান, “Azure OpenAI endpoints” এ স্ক্রোল করুন এবং “Language APIs” এরটি কপি করুন।

• AZURE_OPENAI_API_KEY - একই স্ক্রিন থেকে KEY 1 বা KEY 2 কপি করুন।

• AZURE_SEARCH_SERVICE_ENDPOINT - আপনার Azure AI Search রিসোর্স খুঁজুন, এটি ক্লিক করুন, এবং Overview দেখুন।

• AZURE_SEARCH_API_KEY - তারপর Settings এবং Keys এ যান এবং প্রাইমারি বা সেকেন্ডারি অ্যাডমিন কী কপি করুন।

External Webpage

• AZURE_OPENAI_API_VERSION - API version lifecycle পৃষ্ঠায় যান Latest GA API release এর অধীনে।

Keyless authentication সেটআপ করুন

আপনার ক্রেডেনশিয়াল হার্ডকোড করার পরিবর্তে, আমরা Azure OpenAI-এর সাথে একটি keyless connection ব্যবহার করব। এটি করতে, আমরা DefaultAzureCredential ইমপোর্ট করব এবং পরে DefaultAzureCredential ফাংশন কল করব ক্রেডেনশিয়াল পেতে।

# Python
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

কোথাও আটকে গেছেন?

যদি এই সেটআপ চালানোর সময় কোনো সমস্যা হয়, আমাদের Azure AI Community Discord এ যোগ দিন অথবা একটি সমস্যা তৈরি করুন।

পরবর্তী পাঠ

আপনি এখন এই কোর্সের কোড চালানোর জন্য প্রস্তুত। AI এজেন্টদের জগৎ সম্পর্কে আরও শিখতে শুভকামনা!

AI এজেন্ট এবং এজেন্ট ব্যবহারের ক্ষেত্রে পরিচিতি

---

অস্বীকৃতি:
এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতা নিশ্চিত করার চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।

This site is open source. Improve this page.