ai-agents-for-beginners

Ρύθμιση Μαθήματος

Εισαγωγή

Αυτό το μάθημα θα καλύψει πώς να εκτελέσετε τα παραδείγματα κώδικα αυτού του μαθήματος.

Εγγραφείτε με Άλλους Μαθητές και Ζητήστε Βοήθεια

Πριν ξεκινήσετε να κλωνοποιείτε το αποθετήριο σας, εγγραφείτε στο κανάλι Discord για Αρχάριους στους AI Agents για να λάβετε βοήθεια με τη ρύθμιση, να κάνετε ερωτήσεις σχετικά με το μάθημα ή να συνδεθείτε με άλλους μαθητές.

Κλωνοποιήστε ή Δημιουργήστε Fork σε αυτό το Αποθετήριο

Για να ξεκινήσετε, παρακαλώ κλωνοποιήστε ή δημιουργήστε fork στο GitHub Repository. Αυτό θα δημιουργήσει τη δική σας έκδοση του υλικού του μαθήματος, ώστε να μπορείτε να εκτελείτε, να δοκιμάζετε και να τροποποιείτε τον κώδικα!

Αυτό μπορεί να γίνει κάνοντας κλικ στον σύνδεσμο για να

Θα πρέπει τώρα να έχετε τη δική σας έκδοση fork αυτού του μαθήματος στον παρακάτω σύνδεσμο:

Forked Repo

Εκτέλεση του Κώδικα

Αυτό το μάθημα προσφέρει μια σειρά από Jupyter Notebooks που μπορείτε να εκτελέσετε για να αποκτήσετε πρακτική εμπειρία στη δημιουργία AI Agents.

Τα παραδείγματα κώδικα χρησιμοποιούν είτε:

Απαιτεί Λογαριασμό GitHub - Δωρεάν:

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

Απαιτεί Συνδρομή Azure:
3) Azure AI Foundry + Azure AI Agent Service. Ετικετοποιημένο ως (azureaiagent.ipynb)

Σας ενθαρρύνουμε να δοκιμάσετε και τους τρεις τύπους παραδειγμάτων για να δείτε ποιος σας ταιριάζει καλύτερα.

Όποια επιλογή κι αν επιλέξετε, αυτή θα καθορίσει ποια βήματα ρύθμισης πρέπει να ακολουθήσετε παρακάτω:

Απαιτήσεις

Έχουμε συμπεριλάβει ένα αρχείο requirements.txt στη ρίζα αυτού του αποθετηρίου που περιέχει όλα τα απαραίτητα πακέτα Python για την εκτέλεση των παραδειγμάτων κώδικα.

Μπορείτε να τα εγκαταστήσετε εκτελώντας την παρακάτω εντολή στο τερματικό σας στη ρίζα του αποθετηρίου:

pip install -r requirements.txt

Συνιστούμε τη δημιουργία ενός εικονικού περιβάλλοντος Python για να αποφύγετε τυχόν συγκρούσεις και προβλήματα.

Ρύθμιση VSCode

Βεβαιωθείτε ότι χρησιμοποιείτε τη σωστή έκδοση Python στο VSCode.

image

Ρύθμιση για Παραδείγματα που Χρησιμοποιούν GitHub Models

Βήμα 1: Ανάκτηση του Προσωπικού Access Token (PAT) του GitHub

Αυτό το μάθημα χρησιμοποιεί το GitHub Models Marketplace, παρέχοντας δωρεάν πρόσβαση σε Μεγάλα Γλωσσικά Μοντέλα (LLMs) που θα χρησιμοποιήσετε για να δημιουργήσετε AI Agents.

Για να χρησιμοποιήσετε τα GitHub Models, θα χρειαστεί να δημιουργήσετε ένα Προσωπικό Access Token του GitHub.

Αυτό μπορεί να γίνει πηγαίνοντας στον λογαριασμό σας στο GitHub.

Παρακαλώ ακολουθήστε την Αρχή της Ελάχιστης Απαραίτητης Πρόσβασης κατά τη δημιουργία του token σας. Αυτό σημαίνει ότι θα πρέπει να δώσετε στο token μόνο τις άδειες που χρειάζεται για να εκτελέσει τα παραδείγματα κώδικα αυτού του μαθήματος.

  1. Επιλέξτε την επιλογή Fine-grained tokens στην αριστερή πλευρά της οθόνης σας πηγαίνοντας στις Ρυθμίσεις Προγραμματιστή

    Στη συνέχεια, επιλέξτε Generate new token.

    Generate Token

  2. Εισάγετε ένα περιγραφικό όνομα για το token σας που να αντικατοπτρίζει τον σκοπό του, ώστε να είναι εύκολο να το αναγνωρίσετε αργότερα.

    🔐 Σύσταση Διάρκειας Token

    Συνιστώμενη διάρκεια: 30 ημέρες
    Για μεγαλύτερη ασφάλεια, μπορείτε να επιλέξετε μικρότερη περίοδο—όπως 7 ημέρες 🛡️
    Είναι ένας εξαιρετικός τρόπος να θέσετε έναν προσωπικό στόχο και να ολοκληρώσετε το μάθημα ενώ η μαθησιακή σας ορμή είναι υψηλή 🚀.

    Token Name and Expiration

  3. Περιορίστε το πεδίο εφαρμογής του token στο fork αυτού του αποθετηρίου.

    Limit scope to fork repository

  4. Περιορίστε τα δικαιώματα του token: Στην καρτέλα Permissions, κάντε κλικ στην Account και πατήστε το κουμπί “+ Add permissions”. Θα εμφανιστεί ένα αναδυόμενο μενού. Αναζητήστε Models και επιλέξτε το κουτάκι για αυτό.
    Add Models Permission

  5. Επαληθεύστε τα απαιτούμενα δικαιώματα πριν δημιουργήσετε το token. Verify Permissions

  6. Πριν δημιουργήσετε το token, βεβαιωθείτε ότι είστε έτοιμοι να αποθηκεύσετε το token σε ασφαλές μέρος, όπως ένα θησαυροφυλάκιο διαχείρισης κωδικών πρόσβασης, καθώς δεν θα εμφανιστεί ξανά μετά τη δημιουργία του. Store Token Securely

Αντιγράψτε το νέο token που μόλις δημιουργήσατε. Τώρα θα το προσθέσετε στο αρχείο .env που περιλαμβάνεται σε αυτό το μάθημα.

Βήμα 2: Δημιουργήστε το Αρχείο .env

Για να δημιουργήσετε το αρχείο .env, εκτελέστε την παρακάτω εντολή στο τερματικό σας.

cp .env.example .env

Αυτό θα αντιγράψει το αρχείο παραδείγματος και θα δημιουργήσει ένα .env στον κατάλογό σας, όπου θα συμπληρώσετε τις τιμές για τις μεταβλητές περιβάλλοντος.

Με το token σας αντιγραμμένο, ανοίξτε το αρχείο .env στον αγαπημένο σας επεξεργαστή κειμένου και επικολλήστε το token στο πεδίο GITHUB_TOKEN.
GitHub Token Field

Τώρα θα πρέπει να μπορείτε να εκτελέσετε τα παραδείγματα κώδικα αυτού του μαθήματος.

Ρύθμιση για Παραδείγματα που Χρησιμοποιούν Azure AI Foundry και Azure AI Agent Service

Βήμα 1: Ανάκτηση του Endpoint του Έργου σας στο Azure

Ακολουθήστε τα βήματα για τη δημιουργία ενός hub και ενός έργου στο Azure AI Foundry που περιγράφονται εδώ: Επισκόπηση Πόρων Hub

Αφού δημιουργήσετε το έργο σας, θα χρειαστεί να ανακτήσετε τη συμβολοσειρά σύνδεσης για το έργο σας.

Αυτό μπορεί να γίνει πηγαίνοντας στη σελίδα Επισκόπηση του έργου σας στην πύλη Azure AI Foundry.

Project Connection String

Βήμα 2: Δημιουργήστε το Αρχείο .env

Για να δημιουργήσετε το αρχείο .env, εκτελέστε την παρακάτω εντολή στο τερματικό σας.

cp .env.example .env

Αυτό θα αντιγράψει το αρχείο παραδείγματος και θα δημιουργήσει ένα .env στον κατάλογό σας, όπου θα συμπληρώσετε τις τιμές για τις μεταβλητές περιβάλλοντος.

Με το token σας αντιγραμμένο, ανοίξτε το αρχείο .env στον αγαπημένο σας επεξεργαστή κειμένου και επικολλήστε το token στο πεδίο PROJECT_ENDPOINT.

Βήμα 3: Συνδεθείτε στο Azure

Ως βέλτιστη πρακτική ασφαλείας, θα χρησιμοποιήσουμε keyless authentication για να πιστοποιηθούμε στο Azure OpenAI με το Microsoft Entra ID.

Στη συνέχεια, ανοίξτε ένα τερματικό και εκτελέστε az login --use-device-code για να συνδεθείτε στον λογαριασμό σας στο Azure.

Αφού συνδεθείτε, επιλέξτε τη συνδρομή σας στο τερματικό.

Πρόσθετες Μεταβλητές Περιβάλλοντος - Azure Search και Azure OpenAI

Για το μάθημα Agentic RAG - Μάθημα 5 - υπάρχουν παραδείγματα που χρησιμοποιούν Azure Search και Azure OpenAI.

Εάν θέλετε να εκτελέσετε αυτά τα παραδείγματα, θα χρειαστεί να προσθέσετε τις παρακάτω μεταβλητές περιβάλλοντος στο αρχείο .env σας:

Σελίδα Επισκόπησης (Έργο)

Κέντρο Διαχείρισης

Σελίδα Μοντέλων + Endpoints

Πύλη Azure

Εξωτερική Ιστοσελίδα

Ρύθμιση keyless authentication

Αντί να κωδικοποιήσουμε τα διαπιστευτήριά σας, θα χρησιμοποιήσουμε μια σύνδεση χωρίς κλειδί με το Azure OpenAI. Για να το κάνουμε αυτό, θα εισάγουμε το DefaultAzureCredential και αργότερα θα καλέσουμε τη συνάρτηση DefaultAzureCredential για να λάβουμε το διαπιστευτήριο.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Κολλήσατε Κάπου;

Εάν αντιμετωπίζετε οποιοδήποτε πρόβλημα με τη ρύθμιση, μπείτε στο

ή

Επόμενο Μάθημα

Τώρα είστε έτοιμοι να εκτελέσετε τον κώδικα για αυτό το μάθημα. Καλή διασκέδαση μαθαίνοντας περισσότερα για τον κόσμο των AI Agents!

Εισαγωγή στους AI Agents και Χρήσεις τους

Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI Co-op Translator. Παρόλο που καταβάλλουμε κάθε προσπάθεια για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.

This site is open source. Improve this page.