In dieser Lektion erfahren Sie, wie Sie die Codebeispiele dieses Kurses ausführen können.
Bevor Sie Ihr Repository klonen, treten Sie dem AI Agents For Beginners Discord-Kanal bei, um Unterstützung bei der Einrichtung zu erhalten, Fragen zum Kurs zu stellen oder sich mit anderen Lernenden zu vernetzen.
Um zu beginnen, klonen oder forken Sie bitte das GitHub-Repository. Dadurch erstellen Sie Ihre eigene Version des Kursmaterials, sodass Sie den Code ausführen, testen und anpassen können!
Dies kann durch Klicken auf den Link erfolgen, um
Sie sollten nun Ihre eigene geforkte Version dieses Kurses unter folgendem Link haben:
Dieser Kurs bietet eine Reihe von Jupyter Notebooks, die Sie ausführen können, um praktische Erfahrungen beim Erstellen von KI-Agenten zu sammeln.
Die Codebeispiele verwenden entweder:
Erfordert ein kostenloses GitHub-Konto:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Gekennzeichnet als (semantic-kernel.ipynb)
2) AutoGen Framework + GitHub Models Marketplace. Gekennzeichnet als (autogen.ipynb)
Erfordert ein Azure-Abonnement:
3) Azure AI Foundry + Azure AI Agent Service. Gekennzeichnet als (azureaiagent.ipynb)
Wir empfehlen Ihnen, alle drei Arten von Beispielen auszuprobieren, um herauszufinden, welche für Sie am besten geeignet ist.
Die von Ihnen gewählte Option bestimmt, welche Einrichtungsschritte Sie im Folgenden ausführen müssen:
Wir haben eine requirements.txt
-Datei im Stammverzeichnis dieses Repositories bereitgestellt, die alle erforderlichen Python-Pakete enthält, um die Codebeispiele auszuführen.
Sie können diese installieren, indem Sie den folgenden Befehl in Ihrem Terminal im Stammverzeichnis des Repositories ausführen:
pip install -r requirements.txt
Wir empfehlen, eine Python-virtuelle Umgebung zu erstellen, um Konflikte und Probleme zu vermeiden.
Stellen Sie sicher, dass Sie die richtige Python-Version in VSCode verwenden.
Dieser Kurs nutzt den GitHub Models Marketplace, der kostenlosen Zugang zu großen Sprachmodellen (LLMs) bietet, die Sie zum Erstellen von KI-Agenten verwenden werden.
Um die GitHub-Modelle zu nutzen, müssen Sie ein GitHub Personal Access Token erstellen.
Dies kann in Ihrem GitHub-Konto erfolgen.
Bitte befolgen Sie das Prinzip der minimalen Rechtevergabe, wenn Sie Ihr Token erstellen. Das bedeutet, dass Sie dem Token nur die Berechtigungen geben sollten, die es benötigt, um die Codebeispiele in diesem Kurs auszuführen.
Wählen Sie die Option Fine-grained tokens
auf der linken Seite Ihres Bildschirms, indem Sie zu den Entwicklereinstellungen navigieren.
Wählen Sie dann Generate new token
.
Geben Sie einen beschreibenden Namen für Ihr Token ein, der seinen Zweck widerspiegelt, damit es später leicht zu identifizieren ist.
🔐 Empfohlene Token-Dauer
Empfohlene Dauer: 30 Tage
Für eine sicherere Vorgehensweise können Sie eine kürzere Dauer wählen – z. B. 7 Tage 🛡️
Das ist eine großartige Möglichkeit, sich ein persönliches Ziel zu setzen und den Kurs abzuschließen, während Ihre Lernmotivation hoch ist 🚀.
Beschränken Sie den Geltungsbereich des Tokens auf Ihren Fork dieses Repositories.
Beschränken Sie die Berechtigungen des Tokens: Unter Permissions klicken Sie auf den Tab Account und dann auf die Schaltfläche “+ Add permissions”. Ein Dropdown-Menü erscheint. Suchen Sie nach Models und aktivieren Sie das Kästchen dafür.
Überprüfen Sie die erforderlichen Berechtigungen, bevor Sie das Token generieren.
Bevor Sie das Token generieren, stellen Sie sicher, dass Sie bereit sind, das Token an einem sicheren Ort wie einem Passwort-Manager-Tresor zu speichern, da es nach der Erstellung nicht erneut angezeigt wird.
Kopieren Sie Ihr neu erstelltes Token. Sie werden es nun in Ihre .env
-Datei einfügen, die in diesem Kurs enthalten ist.
.env
-DateiUm Ihre .env
-Datei zu erstellen, führen Sie den folgenden Befehl in Ihrem Terminal aus:
cp .env.example .env
Dies kopiert die Beispieldatei und erstellt eine .env
-Datei in Ihrem Verzeichnis, in der Sie die Werte für die Umgebungsvariablen eintragen.
Öffnen Sie Ihre .env
-Datei in Ihrem bevorzugten Texteditor und fügen Sie Ihr kopiertes Token in das Feld GITHUB_TOKEN
ein.
Sie sollten nun in der Lage sein, die Codebeispiele dieses Kurses auszuführen.
Befolgen Sie die Schritte zur Erstellung eines Hubs und Projekts in Azure AI Foundry, die hier beschrieben sind: Hub-Ressourcenübersicht
Sobald Sie Ihr Projekt erstellt haben, müssen Sie die Verbindungszeichenfolge für Ihr Projekt abrufen.
Dies kann auf der Übersichtsseite Ihres Projekts im Azure AI Foundry-Portal erfolgen.
.env
-DateiUm Ihre .env
-Datei zu erstellen, führen Sie den folgenden Befehl in Ihrem Terminal aus:
cp .env.example .env
Dies kopiert die Beispieldatei und erstellt eine .env
-Datei in Ihrem Verzeichnis, in der Sie die Werte für die Umgebungsvariablen eintragen.
Öffnen Sie Ihre .env
-Datei in Ihrem bevorzugten Texteditor und fügen Sie Ihre Verbindungszeichenfolge in das Feld PROJECT_ENDPOINT
ein.
Als Sicherheitsbest-Practice verwenden wir schlüssellose Authentifizierung, um uns bei Azure OpenAI mit Microsoft Entra ID zu authentifizieren.
Öffnen Sie anschließend ein Terminal und führen Sie az login --use-device-code
aus, um sich bei Ihrem Azure-Konto anzumelden.
Sobald Sie sich angemeldet haben, wählen Sie Ihr Abonnement im Terminal aus.
Für die Agentic RAG-Lektion – Lektion 5 – gibt es Beispiele, die Azure Search und Azure OpenAI verwenden.
Wenn Sie diese Beispiele ausführen möchten, müssen Sie die folgenden Umgebungsvariablen zu Ihrer .env
-Datei hinzufügen:
AZURE_SUBSCRIPTION_ID
– Überprüfen Sie Projektdetails auf der Übersichtsseite Ihres Projekts.AZURE_AI_PROJECT_NAME
– Schauen Sie oben auf der Übersichtsseite Ihres Projekts nach.AZURE_OPENAI_SERVICE
– Finden Sie dies im Tab Eingeschlossene Funktionen für Azure OpenAI Service auf der Übersichtsseite.AZURE_OPENAI_RESOURCE_GROUP
– Gehen Sie zu Projekteigenschaften auf der Übersichtsseite des Verwaltungszentrums.GLOBAL_LLM_SERVICE
– Unter Verbundene Ressourcen finden Sie den Verbindungsnamen für Azure AI Services. Falls nicht aufgeführt, überprüfen Sie das Azure-Portal unter Ihrer Ressourcengruppe nach dem Ressourcennamen der KI-Dienste.AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
– Wählen Sie Ihr Einbettungsmodell (z. B. text-embedding-ada-002
) und notieren Sie den Bereitstellungsnamen aus den Modelldetails.AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
– Wählen Sie Ihr Chat-Modell (z. B. gpt-4o-mini
) und notieren Sie den Bereitstellungsnamen aus den Modelldetails.AZURE_OPENAI_ENDPOINT
– Suchen Sie nach Azure AI Services, klicken Sie darauf, gehen Sie dann zu Ressourcenverwaltung, Schlüssel und Endpunkt, scrollen Sie zu den “Azure OpenAI-Endpunkten” und kopieren Sie denjenigen, der “Language APIs” sagt.AZURE_OPENAI_API_KEY
– Kopieren Sie auf demselben Bildschirm SCHLÜSSEL 1 oder SCHLÜSSEL 2.AZURE_SEARCH_SERVICE_ENDPOINT
– Finden Sie Ihre Azure AI Search-Ressource, klicken Sie darauf und sehen Sie Übersicht.AZURE_SEARCH_API_KEY
– Gehen Sie dann zu Einstellungen und dann Schlüssel, um den primären oder sekundären Administrationsschlüssel zu kopieren.AZURE_OPENAI_API_VERSION
– Besuchen Sie die Seite API-Version-Lebenszyklus unter Neueste GA-API-Version.Anstatt Ihre Anmeldedaten fest zu codieren, verwenden wir eine schlüssellose Verbindung mit Azure OpenAI. Dazu importieren wir DefaultAzureCredential
und rufen später die Funktion DefaultAzureCredential
auf, um die Anmeldedaten abzurufen.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Falls Sie Probleme bei der Einrichtung haben, treten Sie unserem
oder
Sie sind nun bereit, den Code für diesen Kurs auszuführen. Viel Spaß beim Lernen über die Welt der KI-Agenten!
Einführung in KI-Agenten und Anwendungsfälle
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.