ai-agents-for-beginners
Kursusopsætning
Introduktion
Denne lektion dækker, hvordan du kan køre kodeeksemplerne fra dette kursus.
Deltag med andre kursister og få hjælp
Før du begynder at klone dit repo, skal du tilmelde dig AI Agents For Beginners Discord-kanalen for at få hjælp til opsætning, stille spørgsmål om kurset eller komme i kontakt med andre kursister.
Klon eller fork dette repo
For at komme i gang skal du klone eller fork GitHub-repositoriet. Dette vil give dig din egen version af kursusmaterialet, så du kan køre, teste og tilpasse koden!
Dette kan gøres ved at klikke på linket til
Du bør nu have din egen forkede version af dette kursus på følgende link:
Kør koden
Dette kursus tilbyder en række Jupyter Notebooks, som du kan køre for at få praktisk erfaring med at bygge AI-agenter.
Kodeeksemplerne bruger enten:
Kræver GitHub-konto - Gratis:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Markeret som (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Markeret som (autogen.ipynb)
Kræver Azure-abonnement: 3) Azure AI Foundry + Azure AI Agent Service. Markeret som (azureaiagent.ipynb)
Vi opfordrer dig til at prøve alle tre typer eksempler for at se, hvilken der fungerer bedst for dig.
Uanset hvilken mulighed du vælger, vil det afgøre, hvilke opsætningsinstruktioner du skal følge nedenfor:
Krav
- Python 3.12+
- NOTE: Hvis du ikke har Python 3.12 installeret, skal du sørge for at installere det. Opret derefter din venv ved hjælp af python3.12 for at sikre, at de korrekte versioner installeres fra requirements.txt-filen.
- En GitHub-konto - For adgang til GitHub Models Marketplace
- Azure-abonnement - For adgang til Azure AI Foundry
- Azure AI Foundry-konto - For adgang til Azure AI Agent Service
Vi har inkluderet en requirements.txt-fil i roden af dette repository, som indeholder alle de nødvendige Python-pakker for at køre kodeeksemplerne.
Du kan installere dem ved at køre følgende kommando i din terminal i roden af repositoriet:
pip install -r requirements.txt
Vi anbefaler at oprette et Python-virtuelt miljø for at undgå konflikter og problemer.
Opsætning af VSCode
Sørg for, at du bruger den korrekte version af Python i VSCode.
Opsætning til eksempler med GitHub-modeller
Trin 1: Hent din GitHub Personal Access Token (PAT)
Dette kursus benytter GitHub Models Marketplace, som giver gratis adgang til Large Language Models (LLMs), som du vil bruge til at bygge AI-agenter.
For at bruge GitHub-modellerne skal du oprette en GitHub Personal Access Token.
Dette kan gøres ved at gå til din GitHub-konto.
Følg venligst Principle of Least Privilege, når du opretter din token. Det betyder, at du kun skal give token de tilladelser, der er nødvendige for at køre kodeeksemplerne i dette kursus.
-
Vælg
Fine-grained tokens-muligheden i venstre side af skærmen ved at navigere til Developer settings.
Vælg derefter
Generate new token.
-
Indtast et beskrivende navn til din token, der afspejler dens formål, så den er nem at identificere senere.
🔐 Anbefaling for token-varighed
Anbefalet varighed: 30 dage
For en mere sikker tilgang kan du vælge en kortere periode—såsom 7 dage 🛡️
Det er en god måde at sætte et personligt mål og gennemføre kurset, mens din læringsmotivation er høj 🚀.
-
Begræns tokenens rækkevidde til din fork af dette repository.
-
Begræns tokenens tilladelser: Under Permissions, klik på Account-fanen, og klik på knappen “+ Add permissions”. En dropdown-menu vil dukke op. Søg efter Models og marker boksen for det.
-
Bekræft de nødvendige tilladelser, før du genererer token.
-
Før du genererer token, skal du sørge for at gemme den på et sikkert sted som en password manager, da den ikke vil blive vist igen efter oprettelsen.
Kopiér din nye token, som du lige har oprettet. Du skal nu tilføje denne til din .env-fil, der er inkluderet i dette kursus.
Trin 2: Opret din .env-fil
For at oprette din .env-fil skal du køre følgende kommando i din terminal.
cp .env.example .env
Dette vil kopiere eksempel-filen og oprette en .env i din mappe, hvor du kan udfylde værdierne for miljøvariablerne.
Med din token kopieret, skal du åbne .env-filen i din foretrukne teksteditor og indsætte din token i GITHUB_TOKEN-feltet.
Du bør nu kunne køre kodeeksemplerne fra dette kursus.
Opsætning til eksempler med Azure AI Foundry og Azure AI Agent Service
Trin 1: Hent din Azure-projekt-endpoint
Følg trinnene til at oprette en hub og et projekt i Azure AI Foundry, som beskrevet her: Hub resources overview
Når du har oprettet dit projekt, skal du hente forbindelsesstrengen for dit projekt.
Dette kan gøres ved at gå til Overview-siden for dit projekt i Azure AI Foundry-portalen.
Trin 2: Opret din .env-fil
For at oprette din .env-fil skal du køre følgende kommando i din terminal.
cp .env.example .env
Dette vil kopiere eksempel-filen og oprette en .env i din mappe, hvor du kan udfylde værdierne for miljøvariablerne.
Med din token kopieret, skal du åbne .env-filen i din foretrukne teksteditor og indsætte din token i PROJECT_ENDPOINT-feltet.
Trin 3: Log ind på Azure
Som en sikkerhedsforanstaltning vil vi bruge keyless authentication til at autentificere til Azure OpenAI med Microsoft Entra ID.
Åbn derefter en terminal og kør az login --use-device-code for at logge ind på din Azure-konto.
Når du er logget ind, skal du vælge dit abonnement i terminalen.
Yderligere miljøvariabler - Azure Search og Azure OpenAI
Til Agentic RAG-lektionen - Lektion 5 - er der eksempler, der bruger Azure Search og Azure OpenAI.
Hvis du vil køre disse eksempler, skal du tilføje følgende miljøvariabler til din .env-fil:
Oversigtsside (Projekt)
-
AZURE_SUBSCRIPTION_ID- Tjek Project details på Overview-siden for dit projekt. -
AZURE_AI_PROJECT_NAME- Se øverst på Overview-siden for dit projekt. -
AZURE_OPENAI_SERVICE- Find dette under Included capabilities-fanen for Azure OpenAI Service på Overview-siden.
Management Center
-
AZURE_OPENAI_RESOURCE_GROUP- Gå til Project properties på Overview-siden for Management Center. -
GLOBAL_LLM_SERVICE- Under Connected resources, find navnet på Azure AI Services-forbindelsen. Hvis det ikke er angivet, skal du tjekke Azure portal under din ressourcegruppe for navnet på AI Services-ressourcen.
Models + Endpoints-side
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- Vælg din embedding-model (f.eks.text-embedding-ada-002) og noter Deployment name fra modeldetaljerne. -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- Vælg din chat-model (f.eks.gpt-4o-mini) og noter Deployment name fra modeldetaljerne.
Azure Portal
-
AZURE_OPENAI_ENDPOINT- Find Azure AI services, klik på det, gå derefter til Resource Management, Keys and Endpoint, scroll ned til “Azure OpenAI endpoints”, og kopier den, der siger “Language APIs”. -
AZURE_OPENAI_API_KEY- Fra samme skærm, kopier KEY 1 eller KEY 2. -
AZURE_SEARCH_SERVICE_ENDPOINT- Find din Azure AI Search-ressource, klik på den, og se Overview. -
AZURE_SEARCH_API_KEY- Gå derefter til Settings og derefter Keys for at kopiere den primære eller sekundære admin-nøgle.
Ekstern webside
AZURE_OPENAI_API_VERSION- Besøg siden API version lifecycle under Latest GA API release.
Opsætning af keyless authentication
I stedet for at hardkode dine legitimationsoplysninger, vil vi bruge en keyless-forbindelse med Azure OpenAI. For at gøre dette vil vi importere DefaultAzureCredential og senere kalde funktionen DefaultAzureCredential for at få legitimationsoplysningerne.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Sidder du fast?
Hvis du har problemer med at køre denne opsætning, så hop ind i vores
Næste lektion
Du er nu klar til at køre koden for dette kursus. God fornøjelse med at lære mere om AI-agenter!
Introduktion til AI-agenter og agentanvendelser
Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.