ai-agents-for-beginners

Configuration du cours

Introduction

Cette leçon explique comment exécuter les exemples de code de ce cours.

Rejoignez d’autres apprenants et obtenez de l’aide

Avant de commencer à cloner votre dépôt, rejoignez le canal Discord AI Agents For Beginners pour obtenir de l’aide sur la configuration, poser des questions sur le cours ou entrer en contact avec d’autres apprenants.

Cloner ou forker ce dépôt

Pour commencer, veuillez cloner ou forker le dépôt GitHub. Cela vous permettra de créer votre propre version du matériel du cours afin de pouvoir exécuter, tester et modifier le code !

Cela peut être fait en cliquant sur le lien pour

Vous devriez maintenant avoir votre propre version forkée de ce cours au lien suivant :

Dépôt forké

Exécution du code

Ce cours propose une série de notebooks Jupyter que vous pouvez exécuter pour acquérir une expérience pratique dans la création d’agents d’IA.

Les exemples de code utilisent :

Requiert un compte GitHub - Gratuit :

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

Requiert un abonnement Azure : 3) Azure AI Foundry + Azure AI Agent Service. Étiqueté comme (azureaiagent.ipynb)

Nous vous encourageons à essayer les trois types d’exemples pour voir lequel fonctionne le mieux pour vous.

L’option que vous choisissez déterminera les étapes de configuration que vous devez suivre ci-dessous :

Prérequis

Nous avons inclus un fichier requirements.txt à la racine de ce dépôt contenant tous les packages Python nécessaires pour exécuter les exemples de code.

Vous pouvez les installer en exécutant la commande suivante dans votre terminal à la racine du dépôt :

pip install -r requirements.txt

Nous recommandons de créer un environnement virtuel Python pour éviter tout conflit ou problème.

Configuration de VSCode

Assurez-vous d’utiliser la bonne version de Python dans VSCode.

image

Configuration pour les exemples utilisant les modèles GitHub

Étape 1 : Récupérez votre jeton d’accès personnel GitHub (PAT)

Ce cours utilise le GitHub Models Marketplace, qui offre un accès gratuit à des modèles de langage étendu (LLMs) que vous utiliserez pour créer des agents d’IA.

Pour utiliser les modèles GitHub, vous devrez créer un jeton d’accès personnel GitHub.

Cela peut être fait en accédant à votre compte GitHub.

Veuillez suivre le principe du moindre privilège lors de la création de votre jeton. Cela signifie que vous ne devez donner au jeton que les permissions nécessaires pour exécuter les exemples de code de ce cours.

  1. Sélectionnez l’option Fine-grained tokens sur le côté gauche de votre écran en accédant aux Paramètres du développeur.

    Ensuite, sélectionnez Generate new token.

    Générer un jeton

  2. Entrez un nom descriptif pour votre jeton qui reflète son objectif, afin qu’il soit facile à identifier plus tard.

    🔐 Recommandation de durée du jeton

    Durée recommandée : 30 jours
    Pour une posture plus sécurisée, vous pouvez opter pour une période plus courte, comme 7 jours 🛡️
    C’est une excellente façon de se fixer un objectif personnel et de terminer le cours tout en maintenant votre élan d’apprentissage 🚀.

    Nom et expiration du jeton

  3. Limitez la portée du jeton à votre fork de ce dépôt.

    Limiter la portée au dépôt forké

  4. Restreignez les permissions du jeton : Sous l’onglet Permissions, cliquez sur le bouton “+ Add permissions”. Un menu déroulant apparaîtra. Recherchez Models et cochez la case correspondante. Ajouter la permission Models

  5. Vérifiez les permissions requises avant de générer le jeton. Vérifier les permissions

  6. Avant de générer le jeton, assurez-vous d’être prêt à le stocker dans un endroit sécurisé comme un gestionnaire de mots de passe, car il ne sera plus affiché après sa création. Stocker le jeton en toute sécurité

Copiez votre nouveau jeton que vous venez de créer. Vous allez maintenant l’ajouter à votre fichier .env inclus dans ce cours.

Étape 2 : Créez votre fichier .env

Pour créer votre fichier .env, exécutez la commande suivante dans votre terminal.

cp .env.example .env

Cela copiera le fichier exemple et créera un fichier .env dans votre répertoire où vous remplirez les valeurs des variables d’environnement.

Avec votre jeton copié, ouvrez le fichier .env dans votre éditeur de texte préféré et collez votre jeton dans le champ GITHUB_TOKEN. Champ du jeton GitHub

Vous devriez maintenant être en mesure d’exécuter les exemples de code de ce cours.

Configuration pour les exemples utilisant Azure AI Foundry et Azure AI Agent Service

Étape 1 : Récupérez votre point de terminaison de projet Azure

Suivez les étapes pour créer un hub et un projet dans Azure AI Foundry ici : Vue d’ensemble des ressources du hub

Une fois que vous avez créé votre projet, vous devrez récupérer la chaîne de connexion pour votre projet.

Cela peut être fait en accédant à la page Vue d’ensemble de votre projet dans le portail Azure AI Foundry.

Chaîne de connexion du projet

Étape 2 : Créez votre fichier .env

Pour créer votre fichier .env, exécutez la commande suivante dans votre terminal.

cp .env.example .env

Cela copiera le fichier exemple et créera un fichier .env dans votre répertoire où vous remplirez les valeurs des variables d’environnement.

Avec votre jeton copié, ouvrez le fichier .env dans votre éditeur de texte préféré et collez votre jeton dans le champ PROJECT_ENDPOINT.

Étape 3 : Connectez-vous à Azure

En tant que bonne pratique de sécurité, nous utiliserons l’authentification sans clé pour nous authentifier auprès d’Azure OpenAI avec Microsoft Entra ID.

Ensuite, ouvrez un terminal et exécutez az login --use-device-code pour vous connecter à votre compte Azure.

Une fois connecté, sélectionnez votre abonnement dans le terminal.

Variables d’environnement supplémentaires - Azure Search et Azure OpenAI

Pour la leçon Agentic RAG - Leçon 5 - il existe des exemples qui utilisent Azure Search et Azure OpenAI.

Si vous souhaitez exécuter ces exemples, vous devrez ajouter les variables d’environnement suivantes à votre fichier .env :

Page Vue d’ensemble (Projet)

Centre de gestion

Page Modèles + Points de terminaison

Portail Azure

Page externe

Configuration de l’authentification sans clé

Plutôt que de coder en dur vos identifiants, nous utiliserons une connexion sans clé avec Azure OpenAI. Pour ce faire, nous importerons DefaultAzureCredential et appellerons ensuite la fonction DefaultAzureCredential pour obtenir l’identifiant.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Vous êtes bloqué ?

Si vous rencontrez des problèmes pour exécuter cette configuration, rejoignez notre

Leçon suivante

Vous êtes maintenant prêt à exécuter le code de ce cours. Bonne découverte du monde des agents d’IA !

Introduction aux agents d’IA et cas d’utilisation des agents

Avertissement :
Ce document a été traduit à l’aide du service de traduction automatique Co-op Translator. Bien que nous nous efforcions d’assurer l’exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous déclinons toute responsabilité en cas de malentendus ou d’interprétations erronées résultant de l’utilisation de cette traduction.

This site is open source. Improve this page.