ai-agents-for-beginners
課程設置
簡介
這一課將涵蓋如何運行本課程的代碼示例。
加入其他學員並獲取幫助
在開始克隆你的倉庫之前，請加入 AI Agents For Beginners Discord 頻道，以獲取設置幫助、解答課程相關問題，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。這樣你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！
可以通過點擊以下鏈接完成：
你現在應該在以下鏈接中擁有課程的分叉版本：
運行代碼
本課程提供了一系列 Jupyter Notebook，讓你可以親自體驗如何構建 AI Agents。
代碼示例使用以下選項之一：
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)
我們鼓勵你嘗試所有三種類型的示例，看看哪一種最適合你。
無論選擇哪種選項，都將決定你需要遵循以下哪個設置步驟：
要求
- Python 3.12+
- 注意：如果你尚未安裝 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。
- 一個 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，其中包含運行代碼示例所需的所有 Python 包。
你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
我們建議創建一個 Python 虛擬環境以避免任何衝突和問題。
設置 VSCode
確保你在 VSCode 中使用正確版本的 Python。
使用 GitHub Models 的示例設置
步驟 1：獲取你的 GitHub Personal Access Token (PAT)
本課程利用 GitHub Models Marketplace，提供免費訪問大型語言模型 (LLMs)，你將使用它們來構建 AI Agents。
要使用 GitHub Models，你需要創建一個 GitHub Personal Access Token。
這可以通過進入你的 GitHub 帳戶完成。
請在創建令牌時遵循 最小權限原則。這意味著你應該僅賦予令牌運行本課程代碼示例所需的權限。
-
在屏幕左側的 Developer settings 中選擇
Fine-grained tokens選項
然後選擇
Generate new token。
-
為你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
如果希望更安全，可以選擇更短的期限，例如 7 天 🛡️
這是一個很好的方式，幫助你在學習動力高漲時完成課程 🚀。
-
將令牌的作用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。會出現一個下拉菜單。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，確保你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。
複製你剛剛創建的新令牌。現在，你需要將其添加到本課程包含的 .env 文件中。
步驟 2：創建 .env 文件
在終端中運行以下命令來創建 .env 文件：
cp .env.example .env
這將複製示例文件並在你的目錄中創建 .env 文件，然後你需要填寫環境變量的值。
複製令牌後，打開你喜歡的文本編輯器，將令牌粘貼到 .env 文件中的 GITHUB_TOKEN 字段。
現在你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：獲取你的 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，你需要獲取項目的連接字符串。
這可以通過進入 Azure AI Foundry 門戶中項目的 Overview 頁面完成。
步驟 2：創建 .env 文件
在終端中運行以下命令來創建 .env 文件：
cp .env.example .env
這將複製示例文件並在你的目錄中創建 .env 文件，然後你需要填寫環境變量的值。
複製令牌後，打開你喜歡的文本編輯器，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 驗證到 Azure OpenAI。
接下來，打開終端並運行 az login --use-device-code 登錄到你的 Azure 帳戶。
登錄後，在終端中選擇你的訂閱。
額外的環境變量 - Azure Search 和 Azure OpenAI
在第 5 課的 Agentic RAG 課程中，有一些示例使用了 Azure Search 和 Azure OpenAI。
如果你想運行這些示例，需要將以下環境變量添加到 .env 文件中：
項目概覽頁面
AZURE_SUBSCRIPTION_ID- 查看項目 Overview 頁面的 Project details。AZURE_AI_PROJECT_NAME- 查看項目 Overview 頁面頂部的名稱。AZURE_OPENAI_SERVICE- 在 Overview 頁面的 Included capabilities 標籤中找到 Azure OpenAI Service。
管理中心
AZURE_OPENAI_RESOURCE_GROUP- 在 Management Center 的 Overview 頁面中，進入 Project properties。GLOBAL_LLM_SERVICE- 在 Connected resources 下找到 Azure AI Services 的連接名稱。如果未列出，請檢查 Azure 入口網站中資源組的 AI Services 資源名稱。
模型 + 端點頁面
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- 選擇你的嵌入模型（例如text-embedding-ada-002），並記下模型詳情中的 Deployment name。AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- 選擇你的聊天模型（例如gpt-4o-mini），並記下模型詳情中的 Deployment name。
Azure 入口網站
AZURE_OPENAI_ENDPOINT- 查找 Azure AI services，點擊它，然後進入 Resource Management，選擇 Keys and Endpoint，向下滾動到 “Azure OpenAI endpoints”，複製 “Language APIs” 的端點。AZURE_OPENAI_API_KEY- 在同一屏幕中，複製 KEY 1 或 KEY 2。AZURE_SEARCH_SERVICE_ENDPOINT- 找到你的 Azure AI Search 資源，點擊它，然後查看 Overview。AZURE_SEARCH_API_KEY- 然後進入 Settings，選擇 Keys，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 Latest GA API release。
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
卡住了嗎？
如果在運行設置時遇到任何問題，請加入我們的
下一課
現在你已準備好運行本課程的代碼。祝你在探索 AI Agents 的世界中學習愉快！
免責聲明：
此文件已使用人工智能翻譯服務 Co-op Translator 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。