ai-agents-for-beginners

Kursusopsætning

Introduktion

Denne lektion vil dække, hvordan du kører kodeeksemplerne i dette kursus.

Deltag med andre lærende og få hjælp

Før du begynder at klone dit repo, skal du deltage i AI Agents For Beginners Discord-kanalen for at få hjælp til opsætning, stille spørgsmål om kurset eller forbinde med andre lærende.

Klon eller fork dette repo

For at komme i gang skal du klone eller forke 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 for at forke repoet.

Du bør nu have din egen forkede version af dette kursus på følgende link:

Forket Repo

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

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 rigtige version af Python i VSCode.

image

Opsætning af eksempler med GitHub-modeller

Trin 1: Hent din GitHub Personal Access Token (PAT)

Dette kursus bruger 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 dine indstillinger for Personal Access Tokens i din GitHub-konto.

Følg venligst Princippet om mindst privilegium, når du opretter din token. Det betyder, at du kun skal give tokenet de tilladelser, det har brug for til at køre kodeeksemplerne i dette kursus.

  1. Vælg Fine-grained tokens-muligheden på venstre side af skærmen ved at navigere til Developer settings.

    Vælg derefter Generate new token.

    Generer Token

  2. Indtast et beskrivende navn for din token, der afspejler dens formål, så den er nem at identificere senere.

    🔐 Anbefaling for tokenvarighed

    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 læringsmomentum er høj 🚀.

    Tokennavn og udløbsdato

  3. Begræns tokenets rækkevidde til din fork af dette repository.

    Begræns rækkevidde til fork-repository

  4. Begræns tokenets tilladelser: Under Permissions, klik på fanen Account, og klik på knappen “+ Add permissions”. En dropdown-menu vil dukke op. Søg efter Models og marker boksen for det. Tilføj Models-tilladelse

  5. Bekræft de nødvendige tilladelser, før du genererer tokenet. Bekræft tilladelser

  6. Før du genererer tokenet, skal du sikre dig, at du er klar til at gemme tokenet et sikkert sted som en adgangskodehåndteringsvault, da det ikke vil blive vist igen efter oprettelsen. Gem token sikkert

Kopiér dit nye token, som du lige har oprettet. Du vil nu tilføje dette 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 udfylder værdierne for miljøvariablerne.

Med dit token kopieret, skal du åbne .env-filen i din foretrukne teksteditor og indsætte dit token i feltet GITHUB_TOKEN. GitHub Token-felt

Du bør nu kunne køre kodeeksemplerne i dette kursus.

Opsætning af eksempler med Azure AI Foundry og Azure AI Agent Service

Trin 1: Hent din Azure-projektendepunkt

Følg trinnene for at oprette en hub og et projekt i Azure AI Foundry, som findes her: Hub resources overview

Når du har oprettet dit projekt, skal du hente forbindelsesstrengen til dit projekt.

Dette kan gøres ved at gå til Overview-siden for dit projekt i Azure AI Foundry-portalen.

Projektforbindelsesstreng

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 udfylder værdierne for miljøvariablerne.

Med dit token kopieret, skal du åbne .env-filen i din foretrukne teksteditor og indsætte dit token i feltet PROJECT_ENDPOINT.

Trin 3: Log ind på Azure

Som en sikkerhedsbedste praksis 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

For 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)

Management Center

Models + Endpoints-side

Azure Portal

Ekstern webside

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 et sted?

Hvis du har problemer med at køre denne opsætning, kan du hoppe ind i vores Azure AI Community Discord eller oprette en issue.

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 at sikre nøjagtighed, skal det bemærkes, 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 ikke ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.