Esta lição abordará como executar os exemplos de código deste curso.
Antes de começar a clonar seu repositório, junte-se ao canal Discord AI Agents For Beginners para obter ajuda com a configuração, tirar dúvidas sobre o curso ou se conectar com outros alunos.
Para começar, clone ou faça um fork do repositório GitHub. Isso criará sua própria versão do material do curso para que você possa executar, testar e ajustar o código!
Isso pode ser feito clicando no link para fazer um fork do repositório.
Agora você deve ter sua própria versão com fork deste curso no seguinte link:

O repositório completo pode ser grande (~3 GB) ao baixar todo o histórico e todos os arquivos. Se você estiver apenas participando do workshop ou precisar de apenas algumas pastas de lições, um clone superficial (ou um clone esparso) evita a maior parte desse download, truncando o histórico e/ou ignorando blobs.
Substitua <your-username> nos comandos abaixo pelo URL do seu fork (ou o URL upstream, se preferir).
Para clonar apenas o histórico do último commit (download pequeno):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
Para clonar um branch específico:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
Isso utiliza clone parcial e sparse-checkout (requer Git 2.25+ e Git moderno recomendado com suporte a clone parcial):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
Acesse a pasta do repositório:
Para bash:
cd ai-agents-for-beginners
Para Powershell:
Set-Location ai-agents-for-beginners
Em seguida, especifique quais pastas você deseja (o exemplo abaixo mostra duas pastas):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
Após clonar e verificar os arquivos, se você precisar apenas dos arquivos e quiser liberar espaço (sem histórico do Git), exclua os metadados do repositório (💀irreversível — você perderá toda a funcionalidade do Git: sem commits, pulls, pushes ou acesso ao histórico).
Para Linux/macOS:
rm -rf .git
Para Windows:
Remove-Item -Recurse -Force .git
Crie um novo Codespace para este repositório via a interface do GitHub.
Este curso oferece uma série de Jupyter Notebooks que você pode executar para obter experiência prática na construção de Agentes de IA.
Os exemplos de código utilizam:
Requer Conta GitHub - Gratuita:
1) Framework Semantic Kernel Agent + GitHub Models Marketplace. Identificado como (semantic-kernel.ipynb) 2) Framework AutoGen + GitHub Models Marketplace. Identificado como (autogen.ipynb)
Requer Assinatura Azure: 3) Azure AI Foundry + Azure AI Agent Service. Identificado como (azureaiagent.ipynb)
Incentivamos você a experimentar todos os três tipos de exemplos para ver qual funciona melhor para você.
Qualquer que seja a opção escolhida, ela determinará quais etapas de configuração você precisará seguir abaixo:
NOTA: Se você não tiver o Python 3.12 instalado, certifique-se de instalá-lo. Em seguida, crie seu venv usando python3.12 para garantir que as versões corretas sejam instaladas a partir do arquivo requirements.txt.
Exemplo
Crie o diretório do ambiente virtual Python:
python3 -m venv venv
Em seguida, ative o ambiente venv para:
macOS e Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Incluímos um arquivo requirements.txt na raiz deste repositório que contém todos os pacotes Python necessários para executar os exemplos de código.
Você pode instalá-los executando o seguinte comando no terminal na raiz do repositório:
pip install -r requirements.txt
Recomendamos criar um ambiente virtual Python para evitar conflitos e problemas.
Certifique-se de que está usando a versão correta do Python no VSCode.
Este curso utiliza o GitHub Models Marketplace, fornecendo acesso gratuito a Modelos de Linguagem Grande (LLMs) que você usará para construir Agentes de IA.
Para usar os Modelos do GitHub, você precisará criar um Token de Acesso Pessoal do GitHub.
Isso pode ser feito acessando as configurações de Tokens de Acesso Pessoal na sua conta GitHub.
Por favor, siga o Princípio do Menor Privilégio ao criar seu token. Isso significa que você deve conceder ao token apenas as permissões necessárias para executar os exemplos de código deste curso.
Selecione a opção Fine-grained tokens no lado esquerdo da tela, navegando até as Configurações de Desenvolvedor.

Em seguida, selecione Generate new token.

Insira um nome descritivo para seu token que reflita seu propósito, facilitando sua identificação posteriormente.
🔐 Recomendação de Duração do Token
Duração recomendada: 30 dias
Para uma postura mais segura, você pode optar por um período mais curto — como 7 dias 🛡️
É uma ótima maneira de estabelecer uma meta pessoal e concluir o curso enquanto sua motivação está alta 🚀.

Limite o escopo do token ao seu fork deste repositório.

Restrinja as permissões do token: Em Permissions, clique na aba Account e no botão “+ Add permissions”. Um menu suspenso aparecerá. Procure por Models e marque a caixa correspondente.

Verifique as permissões necessárias antes de gerar o token. 
Antes de gerar o token, certifique-se de que está pronto para armazená-lo em um local seguro, como um cofre de gerenciador de senhas, pois ele não será exibido novamente após sua criação. 
Copie seu novo token que acabou de criar. Agora você o adicionará ao arquivo .env incluído neste curso.
.envPara criar seu arquivo .env, execute o seguinte comando no terminal.
cp .env.example .env
Isso copiará o arquivo de exemplo e criará um .env no seu diretório, onde você preencherá os valores das variáveis de ambiente.
Com seu token copiado, abra o arquivo .env no seu editor de texto favorito e cole seu token no campo GITHUB_TOKEN.

Agora você deve conseguir executar os exemplos de código deste curso.
Siga os passos para criar um hub e projeto no Azure AI Foundry encontrados aqui: Visão geral dos recursos do Hub
Depois de criar seu projeto, você precisará recuperar a string de conexão para seu projeto.
Isso pode ser feito acessando a página Overview do seu projeto no portal Azure AI Foundry.

.envPara criar seu arquivo .env, execute o seguinte comando no terminal.
cp .env.example .env
Isso copiará o arquivo de exemplo e criará um .env no seu diretório, onde você preencherá os valores das variáveis de ambiente.
Com seu token copiado, abra o arquivo .env no seu editor de texto favorito e cole seu token no campo PROJECT_ENDPOINT.
Como prática recomendada de segurança, usaremos autenticação sem chave para autenticar no Azure OpenAI com Microsoft Entra ID.
Em seguida, abra um terminal e execute az login --use-device-code para fazer login na sua conta Azure.
Depois de fazer login, selecione sua assinatura no terminal.
Para a lição Agentic RAG - Lição 5 - há exemplos que utilizam Azure Search e Azure OpenAI.
Se você quiser executar esses exemplos, precisará adicionar as seguintes variáveis de ambiente ao seu arquivo .env:
AZURE_SUBSCRIPTION_ID - Verifique Detalhes do Projeto na página Overview do seu projeto.
AZURE_AI_PROJECT_NAME - Veja no topo da página Overview do seu projeto.
AZURE_OPENAI_SERVICE - Encontre isso na aba Included capabilities para Azure OpenAI Service na página Overview.
AZURE_OPENAI_RESOURCE_GROUP - Vá para Propriedades do Projeto na página Overview do Centro de Gerenciamento.
GLOBAL_LLM_SERVICE - Em Recursos Conectados, encontre o nome da conexão Azure AI Services. Se não estiver listado, verifique no portal Azure sob seu grupo de recursos o nome do recurso AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Selecione seu modelo de embedding (por exemplo, text-embedding-ada-002) e anote o Nome de Implantação nos detalhes do modelo.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Selecione seu modelo de chat (por exemplo, gpt-4o-mini) e anote o Nome de Implantação nos detalhes do modelo.
AZURE_OPENAI_ENDPOINT - Procure por Azure AI services, clique nele, vá para Gerenciamento de Recursos, Chaves e Endpoint, role para baixo até “Endpoints do Azure OpenAI” e copie o que diz “APIs de Linguagem”.
AZURE_OPENAI_API_KEY - Na mesma tela, copie a CHAVE 1 ou CHAVE 2.
AZURE_SEARCH_SERVICE_ENDPOINT - Encontre seu recurso Azure AI Search, clique nele e veja Overview.
AZURE_SEARCH_API_KEY - Em seguida, vá para Configurações e depois Chaves para copiar a chave de administrador primária ou secundária.
AZURE_OPENAI_API_VERSION - Visite a página Ciclo de vida da versão da API em Última versão GA da API.Em vez de codificar suas credenciais, usaremos uma conexão sem chave com Azure OpenAI. Para isso, importaremos DefaultAzureCredential e posteriormente chamaremos a função DefaultAzureCredential para obter a credencial.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Se você tiver algum problema ao executar esta configuração, entre no nosso Discord da Comunidade Azure AI ou crie um problema.
Agora você está pronto para executar o código deste curso. Aproveite para aprender mais sobre o mundo dos Agentes de IA!
Introdução aos Agentes de IA e Casos de Uso de Agentes
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.