ai-agents-for-beginners
Nastavení kurzu
Úvod
Tato lekce se zaměří na to, jak spustit ukázky kódu z tohoto kurzu.
Připojte se k ostatním studentům a získejte pomoc
Než začnete klonovat své úložiště, připojte se k Discord kanálu AI Agents For Beginners, kde můžete získat pomoc s nastavením, položit otázky ohledně kurzu nebo se spojit s ostatními studenty.
Klonování nebo forkování tohoto úložiště
Pro začátek prosím klonujte nebo forkněte GitHub úložiště. Tím si vytvoříte vlastní verzi materiálů kurzu, abyste mohli spouštět, testovat a upravovat kód!
To lze provést kliknutím na odkaz na
Spuštění kódu
Tento kurz nabízí sérii Jupyter Notebooků, které si můžete spustit a získat praktické zkušenosti s vytvářením AI agentů.
Ukázky kódu využívají následující možnosti:
Vyžaduje GitHub účet - zdarma:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Označeno jako (semantic-kernel.ipynb)
2) AutoGen Framework + GitHub Models Marketplace. Označeno jako (autogen.ipynb)
Vyžaduje předplatné Azure:
3) Azure AI Foundry + Azure AI Agent Service. Označeno jako (azureaiagent.ipynb)
Doporučujeme vyzkoušet všechny tři typy příkladů, abyste zjistili, který vám nejlépe vyhovuje.
Podle zvolené možnosti se budou lišit kroky nastavení, které je třeba provést níže:
Požadavky
- Python 3.12+
- POZNÁMKA: Pokud nemáte nainstalovaný Python 3.12, ujistěte se, že jej nainstalujete. Poté vytvořte svůj virtuální prostředí pomocí python3.12, aby byly správné verze nainstalovány z requirements.txt souboru.
- GitHub účet - pro přístup k GitHub Models Marketplace
- Předplatné Azure - pro přístup k Azure AI Foundry
- Účet Azure AI Foundry - pro přístup k Azure AI Agent Service
V kořenovém adresáři tohoto úložiště jsme zahrnuli soubor requirements.txt, který obsahuje všechny potřebné Python balíčky pro spuštění ukázek kódu.
Můžete je nainstalovat spuštěním následujícího příkazu v terminálu v kořenovém adresáři úložiště:
pip install -r requirements.txt
Doporučujeme vytvořit Python virtuální prostředí, abyste předešli konfliktům a problémům.
Nastavení VSCode
Ujistěte se, že ve VSCode používáte správnou verzi Pythonu.
Nastavení pro ukázky s využitím GitHub Models
Krok 1: Získání vašeho GitHub Personal Access Token (PAT)
Tento kurz využívá GitHub Models Marketplace, který poskytuje bezplatný přístup k velkým jazykovým modelům (LLMs), které budete používat k vytváření AI agentů.
Pro použití GitHub Models budete muset vytvořit GitHub Personal Access Token.
To lze provést přechodem na váš GitHub účet.
Dodržujte Princip minimálních oprávnění při vytváření tokenu. To znamená, že byste tokenu měli přidělit pouze ta oprávnění, která jsou nezbytná pro spuštění ukázek kódu v tomto kurzu.
-
Na levé straně obrazovky vyberte možnost
Fine-grained tokensv sekci Developer settings.
Poté vyberte
Generate new token.
-
Zadejte popisný název pro váš token, který odráží jeho účel, aby bylo později snadné jej identifikovat.
🔐 Doporučení pro dobu platnosti tokenu
Doporučená doba platnosti: 30 dní
Pro větší bezpečnost můžete zvolit kratší dobu, například 7 dní 🛡️
Je to skvělý způsob, jak si stanovit osobní cíl a dokončit kurz, zatímco máte vysokou motivaci k učení 🚀.
-
Omezte rozsah tokenu na váš fork tohoto úložiště.
-
Omezte oprávnění tokenu: V sekci Permissions klikněte na záložku Account a poté na tlačítko “+ Add permissions”. Zobrazí se rozbalovací nabídka. Vyhledejte Models a zaškrtněte políčko.
-
Před vytvořením tokenu ověřte požadovaná oprávnění.
-
Před vytvořením tokenu se ujistěte, že jste připraveni token uložit na bezpečné místo, například do správce hesel, protože po vytvoření již nebude zobrazen.
Zkopírujte si nový token, který jste právě vytvořili. Nyní jej přidáte do svého .env souboru zahrnutého v tomto kurzu.
Krok 2: Vytvoření vašeho .env souboru
Pro vytvoření .env souboru spusťte následující příkaz v terminálu.
cp .env.example .env
Tím zkopírujete příkladový soubor a vytvoříte .env ve svém adresáři, kde vyplníte hodnoty pro proměnné prostředí.
Se zkopírovaným tokenem otevřete .env soubor ve svém oblíbeném textovém editoru a vložte token do pole GITHUB_TOKEN.
Nyní byste měli být schopni spustit ukázky kódu z tohoto kurzu.
Nastavení pro ukázky s využitím Azure AI Foundry a Azure AI Agent Service
Krok 1: Získání vašeho Azure Project Endpoint
Postupujte podle kroků pro vytvoření hubu a projektu v Azure AI Foundry, které najdete zde: Hub resources overview
Jakmile vytvoříte svůj projekt, budete muset získat připojovací řetězec pro váš projekt.
To lze provést na stránce Overview vašeho projektu v portálu Azure AI Foundry.
Krok 2: Vytvoření vašeho .env souboru
Pro vytvoření .env souboru spusťte následující příkaz v terminálu.
cp .env.example .env
Tím zkopírujete příkladový soubor a vytvoříte .env ve svém adresáři, kde vyplníte hodnoty pro proměnné prostředí.
Se zkopírovaným tokenem otevřete .env soubor ve svém oblíbeném textovém editoru a vložte token do pole PROJECT_ENDPOINT.
Krok 3: Přihlášení do Azure
Jako bezpečnostní nejlepší praxi použijeme autentizaci bez klíče pro přihlášení do Azure OpenAI pomocí Microsoft Entra ID.
Otevřete terminál a spusťte az login --use-device-code pro přihlášení do svého Azure účtu.
Jakmile se přihlásíte, vyberte své předplatné v terminálu.
Další proměnné prostředí - Azure Search a Azure OpenAI
Pro lekci Agentic RAG - Lekce 5 - jsou zde ukázky, které využívají Azure Search a Azure OpenAI.
Pokud chcete tyto ukázky spustit, budete muset přidat následující proměnné prostředí do svého .env souboru:
Stránka Přehled (Projekt)
-
AZURE_SUBSCRIPTION_ID- Zkontrolujte Project details na stránce Overview vašeho projektu. -
AZURE_AI_PROJECT_NAME- Podívejte se na horní část stránky Overview vašeho projektu. -
AZURE_OPENAI_SERVICE- Najděte to na záložce Included capabilities pro Azure OpenAI Service na stránce Overview.
Centrum správy
-
AZURE_OPENAI_RESOURCE_GROUP- Přejděte na Project properties na stránce Overview v Management Center. -
GLOBAL_LLM_SERVICE- V sekci Connected resources najděte název připojení Azure AI Services. Pokud není uveden, zkontrolujte Azure portal ve své skupině prostředků pro název zdroje AI Services.
Stránka Modely + Koncové body
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- Vyberte svůj embedding model (např.text-embedding-ada-002) a poznamenejte si Deployment name z detailů modelu. -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- Vyberte svůj chat model (např.gpt-4o-mini) a poznamenejte si Deployment name z detailů modelu.
Azure Portal
-
AZURE_OPENAI_ENDPOINT- Najděte Azure AI services, klikněte na něj, poté přejděte na Resource Management, Keys and Endpoint, sjeďte dolů na “Azure OpenAI endpoints” a zkopírujte ten, který říká “Language APIs”. -
AZURE_OPENAI_API_KEY- Ze stejné obrazovky zkopírujte KLÍČ 1 nebo KLÍČ 2. -
AZURE_SEARCH_SERVICE_ENDPOINT- Najděte svůj zdroj Azure AI Search, klikněte na něj a podívejte se na Overview. -
AZURE_SEARCH_API_KEY- Poté přejděte na Settings a poté Keys, abyste zkopírovali primární nebo sekundární administrátorský klíč.
Externí webová stránka
AZURE_OPENAI_API_VERSION- Navštivte stránku API version lifecycle pod Latest GA API release.
Nastavení autentizace bez klíče
Místo pevného kódování vašich přihlašovacích údajů použijeme připojení bez klíče s Azure OpenAI. K tomu importujeme DefaultAzureCredential a později zavoláme funkci DefaultAzureCredential pro získání přihlašovacích údajů.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Máte někde problém?
Pokud máte jakékoli problémy s tímto nastavením, připojte se na náš
Další lekce
Nyní jste připraveni spustit kód pro tento kurz. Přejeme vám hodně zábavy při objevování světa AI agentů!
Úvod do AI agentů a jejich využití
Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. Ačkoli se snažíme o přesnost, mějte na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.