本課程將介紹如何運行課程中的代碼示例。
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。
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:
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:
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/activate
Windows
venv\Scripts\activate
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。
確保您在 VSCode 中使用正確版本的 Python。
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。
.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。
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。
.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。
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。
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:
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。
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。
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_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。
AZURE_OPENAI_API_VERSION
- 訪問 API 版本生命周期 頁面,查看 最新 GA API 發布。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
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。
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。