ai-agents-for-beginners

Kurssetup

Einführung

In dieser Lektion erfahren Sie, wie Sie die Codebeispiele dieses Kurses ausführen können.

Treten Sie anderen Lernenden bei und holen Sie sich Unterstützung

Bevor Sie Ihr Repository klonen, treten Sie dem AI Agents For Beginners Discord-Kanal bei, um Hilfe bei der Einrichtung zu erhalten, Fragen zum Kurs zu stellen oder sich mit anderen Lernenden zu vernetzen.

Klonen oder Forken dieses Repos

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 können Sie tun, indem Sie auf den Link klicken, um das Repository zu forken.

Sie sollten nun Ihre eigene geforkte Version dieses Kurses unter folgendem Link haben:

Geforktes Repo

Shallow Clone (empfohlen für Workshops / Codespaces)

Das vollständige Repository kann groß sein (~3 GB), wenn Sie die gesamte Historie und alle Dateien herunterladen. Wenn Sie nur am Workshop teilnehmen oder nur einige Lektionenordner benötigen, vermeidet ein Shallow Clone (oder ein Sparse Clone) den Großteil dieses Downloads, indem die Historie gekürzt und/oder Blobs übersprungen werden.

Schneller Shallow Clone — minimale Historie, alle Dateien

Ersetzen Sie <your-username> in den unten stehenden Befehlen durch Ihre Fork-URL (oder die Upstream-URL, falls Sie dies bevorzugen).

Um nur die neueste Commit-Historie zu klonen (kleiner Download):

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

Um einen bestimmten Branch zu klonen:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

Partieller (sparsamer) Clone — minimale Blobs + nur ausgewählte Ordner

Dies verwendet partielles Klonen und Sparse-Checkout (erfordert Git 2.25+ und wird mit moderner Git-Version mit Unterstützung für partielles Klonen empfohlen):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

Wechseln Sie in den Repository-Ordner:

Für Bash:

cd ai-agents-for-beginners

Für Powershell:

Set-Location ai-agents-for-beginners

Geben Sie dann an, welche Ordner Sie möchten (Beispiel unten zeigt zwei Ordner):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

Nachdem Sie die Dateien geklont und überprüft haben, löschen Sie das Repository-Metadaten, wenn Sie nur Dateien benötigen und Speicherplatz freigeben möchten (💀irreversibel — Sie verlieren alle Git-Funktionen: keine Commits, Pulls, Pushes oder Zugriff auf die Historie).

Für Linux/macOS:

rm -rf .git

Für Windows:

Remove-Item -Recurse -Force .git

Verwendung von GitHub Codespaces (empfohlen, um lokale große Downloads zu vermeiden)

Tipps

Ausführen des Codes

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 GitHub-Konto - Kostenlos:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Beschriftet als (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Beschriftet als (autogen.ipynb)

Erfordert Azure-Abonnement: 3) Azure AI Foundry + Azure AI Agent Service. Beschriftet als (azureaiagent.ipynb)

Wir empfehlen Ihnen, alle drei Arten von Beispielen auszuprobieren, um herauszufinden, welche für Sie am besten geeignet ist.

Je nachdem, welche Option Sie wählen, bestimmen Sie, welche Einrichtungsschritte Sie unten befolgen müssen:

Anforderungen

Wir haben eine requirements.txt-Datei im Stammverzeichnis dieses Repositorys enthalten, 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 Repositorys ausführen:

pip install -r requirements.txt

Wir empfehlen, eine Python-virtuelle Umgebung zu erstellen, um Konflikte und Probleme zu vermeiden.

VSCode einrichten

Stellen Sie sicher, dass Sie die richtige Python-Version in VSCode verwenden.

image

Einrichtung für Beispiele mit GitHub-Modellen

Schritt 1: Abrufen Ihres GitHub Personal Access Token (PAT)

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 verwenden, müssen Sie ein GitHub Personal Access Token erstellen.

Dies können Sie tun, indem Sie zu Ihren Einstellungen für persönliche Zugriffstoken in Ihrem GitHub-Konto gehen.

Bitte folgen Sie dem Prinzip der minimalen Rechtevergabe beim Erstellen Ihres Tokens. Das bedeutet, dass Sie dem Token nur die Berechtigungen geben sollten, die es benötigt, um die Codebeispiele in diesem Kurs auszuführen.

  1. 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.

    Token generieren

  2. Geben Sie einen beschreibenden Namen für Ihr Token ein, der seinen Zweck widerspiegelt, damit es später leicht identifiziert werden kann.

    🔐 Empfehlung für Token-Dauer

    Empfohlene Dauer: 30 Tage Für eine sicherere Haltung können Sie eine kürzere Dauer wählen – z. B. 7 Tage 🛡️ Es ist eine großartige Möglichkeit, sich ein persönliches Ziel zu setzen und den Kurs abzuschließen, während Ihre Lernmotivation hoch ist 🚀.

    Token-Name und Ablaufdatum

  3. Begrenzen Sie den Umfang des Tokens auf Ihre Fork dieses Repositorys.

    Umfang auf Fork-Repository begrenzen

  4. Beschränken Sie die Berechtigungen des Tokens: Unter Permissions klicken Sie auf den Tab Account und dann auf die Schaltfläche “+ Add permissions”. Es erscheint ein Dropdown-Menü. Suchen Sie nach Models und aktivieren Sie das Kontrollkästchen dafür. Models-Berechtigung hinzufügen

  5. Überprüfen Sie die erforderlichen Berechtigungen, bevor Sie das Token generieren. Berechtigungen überprüfen

  6. 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. Token sicher speichern

Kopieren Sie Ihr neu erstelltes Token. Sie werden es nun Ihrer .env-Datei hinzufügen, die in diesem Kurs enthalten ist.

Schritt 2: Erstellen Ihrer .env-Datei

Um 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 ausfüllen.

Nachdem Sie Ihr Token kopiert haben, öffnen Sie die .env-Datei in Ihrem bevorzugten Texteditor und fügen Sie Ihr Token in das Feld GITHUB_TOKEN ein. GitHub Token Feld

Sie sollten nun in der Lage sein, die Codebeispiele dieses Kurses auszuführen.

Einrichtung für Beispiele mit Azure AI Foundry und Azure AI Agent Service

Schritt 1: Abrufen Ihres Azure-Projektendpunkts

Befolgen Sie die Schritte zur Erstellung eines Hubs und Projekts in Azure AI Foundry, die hier zu finden sind: Hub-Ressourcenübersicht

Nachdem Sie Ihr Projekt erstellt haben, müssen Sie die Verbindungszeichenfolge für Ihr Projekt abrufen.

Dies können Sie tun, indem Sie zur Übersicht-Seite Ihres Projekts im Azure AI Foundry-Portal gehen.

Projekt-Verbindungszeichenfolge

Schritt 2: Erstellen Ihrer .env-Datei

Um 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 ausfüllen.

Nachdem Sie Ihr Token kopiert haben, öffnen Sie die .env-Datei in Ihrem bevorzugten Texteditor und fügen Sie Ihr Token in das Feld PROJECT_ENDPOINT ein.

Schritt 3: Anmeldung bei Azure

Als Sicherheitsbest-Practice verwenden wir schlüssellose Authentifizierung, um sich mit Microsoft Entra ID bei Azure OpenAI zu authentifizieren.

Öffnen Sie als Nächstes ein Terminal und führen Sie az login --use-device-code aus, um sich bei Ihrem Azure-Konto anzumelden.

Nachdem Sie sich angemeldet haben, wählen Sie Ihr Abonnement im Terminal aus.

Zusätzliche Umgebungsvariablen - Azure Search und Azure OpenAI

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:

Übersichtsseite (Projekt)

Management Center

Modelle + Endpunkte-Seite

Azure-Portal

Externe Webseite

Einrichtung schlüsselloser Authentifizierung

Anstatt Ihre Anmeldeinformationen fest zu codieren, verwenden wir eine schlüssellose Verbindung mit Azure OpenAI. Dazu importieren wir DefaultAzureCredential und rufen später die Funktion DefaultAzureCredential auf, um die Anmeldeinformationen zu erhalten.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Irgendwo festgefahren?

Wenn Sie Probleme beim Ausführen dieses Setups haben, treten Sie unserem Azure AI Community Discord bei oder erstellen Sie ein Issue.

Nächste Lektion

Sie sind jetzt bereit, den Code für diesen Kurs auszuführen. Viel Spaß beim Lernen über die Welt der KI-Agenten!

Einführung in KI-Agenten und Anwendungsfälle von Agenten

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.

This site is open source. Improve this page.