ai-agents-for-beginners
課程設置
簡介
本課程將介紹如何運行課程中的代碼示例。
加入其他學員並獲得幫助
在克隆您的倉庫之前，請加入 AI Agents For Beginners Discord 頻道，以獲得設置幫助、課程相關問題的解答，或與其他學員交流。
克隆或分叉此倉庫
首先，請克隆或分叉 GitHub 倉庫。這將創建您自己的課程材料版本，方便您運行、測試和調整代碼！
您可以點擊以下鏈接來 分叉倉庫。
現在，您應該擁有課程的分叉版本，鏈接如下：
運行代碼
本課程提供了一系列 Jupyter Notebook，讓您能夠親身體驗構建 AI Agents 的過程。
代碼示例使用以下選項：
需要 GitHub 帳戶 - 免費：
1) Semantic Kernel Agent Framework + GitHub Models Marketplace，標記為 (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace，標記為 (autogen.ipynb)
需要 Azure 訂閱： 3) Azure AI Foundry + Azure AI Agent Service，標記為 (azureaiagent.ipynb)
我們鼓勵您嘗試所有三種類型的示例，以了解哪一種最適合您。
無論您選擇哪個選項，都將決定您需要遵循以下的設置步驟：
要求
- Python 3.12+
-
注意：如果您尚未安裝 Python 3.12，請確保安裝它。然後使用 python3.12 創建虛擬環境，以確保從 requirements.txt 文件中安裝正確的版本。
示例
創建 Python 虛擬環境目錄：
python3 -m venv venv然後激活虛擬環境：
macOS 和 Linux
source venv/bin/activateWindows
venv\Scripts\activate
-
- GitHub 帳戶 - 用於訪問 GitHub Models Marketplace
- Azure 訂閱 - 用於訪問 Azure AI Foundry
- Azure AI Foundry 帳戶 - 用於訪問 Azure AI Agent Service
我們在倉庫的根目錄中包含了一個 requirements.txt 文件，其中列出了運行代碼示例所需的所有 Python 包。
您可以在終端中運行以下命令來安裝它們：
pip install -r requirements.txt
我們建議創建一個 Python 虛擬環境，以避免任何衝突和問題。
設置 VSCode
確保您在 VSCode 中使用正確版本的 Python。
使用 GitHub Models 的示例設置
步驟 1：獲取您的 GitHub 個人訪問令牌 (PAT)
本課程利用 GitHub Models Marketplace，提供免費訪問大型語言模型 (LLMs)，您將使用它們來構建 AI Agents。
要使用 GitHub Models，您需要創建 GitHub 個人訪問令牌。
您可以通過訪問 GitHub 帳戶中的 個人訪問令牌設置 來完成此操作。
請遵循 最小權限原則 創建令牌。這意味著您應僅授予令牌運行本課程代碼示例所需的權限。
-
在屏幕左側選擇
Fine-grained tokens選項，進入 Developer settings。
然後選擇
Generate new token。
-
為您的令牌輸入一個描述性名稱，反映其用途，方便日後識別。
🔐 令牌有效期建議
建議有效期：30 天
為了更安全，您可以選擇更短的期限，例如 7 天 🛡️
這是一個很好的方式來設置個人目標，並在學習動力高漲時完成課程 🚀。
-
將令牌的範圍限制為此倉庫的分叉版本。
-
限制令牌的權限：在 Permissions 下，點擊 Account 標籤，然後點擊 “+ Add permissions” 按鈕。下拉菜單會出現，請搜索 Models 並勾選它。
-
在生成令牌之前，驗證所需的權限。
-
在生成令牌之前，確保您準備好將令牌存儲在安全的地方，例如密碼管理器保險庫，因為生成後將無法再次查看。
複製您剛剛創建的新令牌。接下來，您需要將其添加到課程中包含的 .env 文件中。
步驟 2：創建您的 .env 文件
要創建 .env 文件，請在終端中運行以下命令：
cp .env.example .env
這將複製示例文件並在您的目錄中創建 .env 文件，您需要在其中填寫環境變量的值。
複製您的令牌，然後使用您喜愛的文本編輯器打開 .env 文件，將令牌粘貼到 GITHUB_TOKEN 字段中。
現在，您應該能夠運行本課程的代碼示例。
使用 Azure AI Foundry 和 Azure AI Agent Service 的示例設置
步驟 1：獲取您的 Azure 項目端點
按照此處的步驟創建 Azure AI Foundry 中的 hub 和項目：Hub 資源概述
創建項目後，您需要獲取項目的連接字符串。
您可以在 Azure AI Foundry 入口網站的項目 概述 頁面找到它。
步驟 2：創建您的 .env 文件
要創建 .env 文件，請在終端中運行以下命令：
cp .env.example .env
這將複製示例文件並在您的目錄中創建 .env 文件，您需要在其中填寫環境變量的值。
複製您的令牌，然後使用您喜愛的文本編輯器打開 .env 文件，將令牌粘貼到 PROJECT_ENDPOINT 字段中。
步驟 3：登錄 Azure
作為安全最佳實踐，我們將使用 無密鑰身份驗證 通過 Microsoft Entra ID 驗證到 Azure OpenAI。
接下來，打開終端並運行 az login --use-device-code 登錄到您的 Azure 帳戶。
登錄後，在終端中選擇您的訂閱。
額外的環境變量 - Azure Search 和 Azure OpenAI
在 Agentic RAG 課程 - 第 5 課中，有一些示例使用了 Azure Search 和 Azure OpenAI。
如果您希望運行這些示例，您需要在 .env 文件中添加以下環境變量：
概述頁面（項目）
-
AZURE_SUBSCRIPTION_ID- 在項目 概述 頁面的 項目詳情 中查看。 -
AZURE_AI_PROJECT_NAME- 在項目 概述 頁面的頂部查看。 -
AZURE_OPENAI_SERVICE- 在 概述 頁面的 包含的功能 標籤中找到 Azure OpenAI Service。
管理中心
-
AZURE_OPENAI_RESOURCE_GROUP- 在 管理中心 的 概述 頁面的 項目屬性 中查看。 -
GLOBAL_LLM_SERVICE- 在 連接的資源 下找到 Azure AI Services 連接名稱。如果未列出，請在 Azure 入口網站 中查看您的資源組下的 AI Services 資源名稱。
模型 + 端點頁面
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- 選擇您的嵌入模型（例如text-embedding-ada-002），並記下模型詳情中的 部署名稱。 -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- 選擇您的聊天模型（例如gpt-4o-mini），並記下模型詳情中的 部署名稱。
Azure 入口網站
-
AZURE_OPENAI_ENDPOINT- 查找 Azure AI Services，點擊它，然後進入 資源管理，選擇 密鑰和端點，向下滾動到 “Azure OpenAI 端點”，複製標記為 “Language APIs” 的端點。 -
AZURE_OPENAI_API_KEY- 在同一屏幕中，複製密鑰 1 或密鑰 2。 -
AZURE_SEARCH_SERVICE_ENDPOINT- 找到您的 Azure AI Search 資源，點擊它，查看 概述。 -
AZURE_SEARCH_API_KEY- 然後進入 設置，選擇 密鑰，複製主要或次要管理密鑰。
外部網頁
AZURE_OPENAI_API_VERSION- 訪問 API 版本生命周期 頁面，查看 最新 GA API 發布。
設置無密鑰身份驗證
為避免硬編碼憑據，我們將使用 Azure OpenAI 的無密鑰連接。為此，我們將導入 DefaultAzureCredential，稍後調用 DefaultAzureCredential 函數以獲取憑據。
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
遇到問題？
如果您在設置過程中遇到任何問題，請加入我們的 Azure AI 社區 Discord 或 創建問題。
下一課程
您現在已準備好運行本課程的代碼。祝您在 AI Agents 的世界中學習愉快！
免責聲明：
本文件已使用人工智能翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。