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範例。

加入其他學習者並獲得幫助

在開始克隆您的倉庫之前，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，或與其他學習者交流。

克隆或分叉此倉庫

首先，請克隆或分叉 GitHub 倉庫。這樣您就可以擁有課程材料的自己的版本，方便運行、測試和調整代碼！

您可以通過點擊以下鏈接來 分叉倉庫

現在，您應該擁有課程的分叉版本，鏈接如下：

淺克隆（建議用於工作坊 / Codespaces）

完整倉庫可能很大（約 3 GB），當您下載完整歷史記錄和所有文件時。如果您只參加工作坊或只需要部分課程文件夾，淺克隆（或稀疏克隆）可以避免大部分下載，通過截斷歷史記錄和/或跳過文件。

快速淺克隆 — 最小歷史記錄，所有文件

在以下命令中將 <your-username> 替換為您的分叉 URL（或如果您更喜歡，使用上游 URL）。

僅克隆最新提交歷史記錄（小下載量）：

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

克隆特定分支：

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

部分（稀疏）克隆 — 最小文件 + 僅選擇的文件夾

此方法使用部分克隆和稀疏檢出（需要 Git 2.25+，建議使用支持部分克隆的現代 Git）：

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

進入倉庫文件夾：

cd ai-agents-for-beginners

然後指定您需要的文件夾（以下示例顯示兩個文件夾）：

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

克隆並驗證文件後，如果您只需要文件並希望釋放空間（無 git 歷史記錄），請刪除倉庫元數據（💀不可逆 — 您將失去所有 Git 功能：無提交、拉取、推送或歷史記錄訪問）。

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

使用 GitHub Codespaces（建議避免本地大下載）

• 通過 GitHub UI 為此倉庫創建新的 Codespace。

• 在新創建的 Codespace 的終端中，運行上述淺克隆/稀疏克隆命令，僅將您需要的課程文件夾帶入 Codespace 工作區。
• 可選：在 Codespaces 中克隆後，移除 .git 以回收額外空間（請參考上述移除命令）。
• 注意：如果您更喜歡直接在 Codespaces 中打開倉庫（無需額外克隆），請注意 Codespaces 會構建開發容器環境，可能仍然會配置超出您需要的內容。在新的 Codespace 中克隆淺拷貝可以更好地控制磁盤使用。

提示

• 如果您想編輯/提交，請始終替換克隆 URL 為您的分叉。
• 如果您之後需要更多歷史記錄或文件，可以提取它們或調整稀疏檢出以包含其他文件夾。

運行代碼

本課程提供了一系列 Jupyter Notebook，您可以通過它們實際操作來構建 AI Agents。

代碼範例使用以下方式：

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範例，看看哪一種最適合您。

無論您選擇哪種選項，都將決定您需要遵循的設置步驟：

要求

• Python 3.12+

  • 注意：如果您尚未安裝 Python3.12，請確保安裝它。然後使用 python3.12 創建您的 venv，以確保從 requirements.txt 文件中安裝正確的版本。

    示例

    創建 Python venv 目錄：

    python -m venv venv
    

    然後激活 venv 環境：

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: 對於使用 .NET 的代碼範例，請確保安裝 .NET 10 SDK 或更高版本。然後檢查您安裝的 .NET SDK 版本：

    dotnet --list-sdks
  

• 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

我們在此倉庫的根目錄中包含了一個 requirements.txt 文件，其中包含運行代碼範例所需的所有 Python 包。

您可以在倉庫根目錄的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 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 的範例設置

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 最小特權原則 創建令牌。這意味著您應僅授予令牌運行本課程代碼範例所需的權限。

1. 在屏幕左側的 開發者設置 中選擇 Fine-grained tokens 選項。

   

   然後選擇 Generate new token。

   

2. 為您的令牌輸入一個描述性名稱，反映其用途，方便以後識別。

   🔐 令牌有效期建議

   建議有效期：30 天 為了更安全，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 🚀。

   

3. 將令牌的範圍限制為此倉庫的分叉。

   

4. 限制令牌的權限：在 Permissions 下，點擊 Account 標籤，然後點擊 “+ Add permissions” 按鈕。會出現一個下拉菜單。請搜索 Models 並勾選它。

   

5. 在生成令牌之前，驗證所需的權限。

6. 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。現在，您需要將其添加到本課程包含的 .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。

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .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。

複製您的令牌後，打開您喜歡的文本編輯器，將令牌粘貼到 .env 文件中的 GITHUB_TOKEN 字段。

現在，您應該能夠運行本課程的代碼範例。

使用 Azure AI Foundry 和 Azure AI Agent Service 的範例設置

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。

您可以通過訪問 Azure AI Foundry 入口網站中項目的 概述 頁面來完成此操作。

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。

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .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。

複製您的令牌後，打開您喜歡的文本編輯器，將令牌粘貼到 .env 文件中的 PROJECT_ENDPOINT 字段。

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 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

對於 Agentic RAG 課程 - 第 5 課 - 有使用 Azure Search 和 Azure OpenAI 的範例。

如果您想運行這些範例，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 中檢查。

• AZURE_AI_PROJECT_NAME - 查看項目 概述 頁面頂部。

• 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，請檢查 Azure 入口網站 中資源組下的 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，密鑰和端點，向下滾動到 “Azure OpenAI endpoints”，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，然後查看 概述。

• AZURE_SEARCH_API_KEY - 然後進入 設置，然後 密鑰，複製主密鑰或次密鑰。

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

為避免硬編碼您的憑據，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。

# Python
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

遇到困難？

如果您在執行此設置時遇到任何問題，可以加入我們的 Azure AI Community Discord 或 建立問題。

下一課程

您現在已準備好運行本課程的代碼。祝您愉快地學習更多有關 AI Agents 的知識！

AI Agents 及其使用案例介紹

---

免責聲明：
此文件已使用 AI 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。我們不對因使用此翻譯而引起的任何誤解或誤釋承擔責任。

This site is open source. Improve this page.