ai-agents-for-beginners
Persiapan Kursus
Pendahuluan
Pelajaran ini akan membahas cara menjalankan contoh kode dari kursus ini.
Bergabung dengan Peserta Lain dan Dapatkan Bantuan
Sebelum Anda mulai mengkloning repositori, bergabunglah dengan AI Agents For Beginners Discord channel untuk mendapatkan bantuan terkait pengaturan, pertanyaan tentang kursus, atau untuk terhubung dengan peserta lainnya.
Kloning atau Fork Repositori Ini
Untuk memulai, silakan kloning atau fork repositori GitHub. Ini akan membuat versi Anda sendiri dari materi kursus sehingga Anda dapat menjalankan, menguji, dan menyesuaikan kode!
Ini dapat dilakukan dengan mengklik tautan berikut:
Menjalankan Kode
Kursus ini menawarkan serangkaian Jupyter Notebooks yang dapat Anda jalankan untuk mendapatkan pengalaman langsung dalam membangun AI Agents.
Contoh kode menggunakan:
Memerlukan Akun GitHub - Gratis:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Ditandai sebagai (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Ditandai sebagai (autogen.ipynb)
Memerlukan Langganan Azure: 3) Azure AI Foundry + Azure AI Agent Service. Ditandai sebagai (azureaiagent.ipynb)
Kami mendorong Anda untuk mencoba ketiga jenis contoh ini untuk melihat mana yang paling cocok untuk Anda.
Pilihan yang Anda pilih akan menentukan langkah-langkah pengaturan yang perlu Anda ikuti di bawah ini:
Persyaratan
- Python 3.12+
- NOTE: Jika Anda belum menginstal Python3.12, pastikan untuk menginstalnya. Kemudian buat venv menggunakan python3.12 untuk memastikan versi yang benar diinstal dari file requirements.txt.
- Akun GitHub - Untuk akses ke GitHub Models Marketplace
- Langganan Azure - Untuk akses ke Azure AI Foundry
- Akun Azure AI Foundry - Untuk akses ke Azure AI Agent Service
Kami telah menyertakan file requirements.txt di root repositori ini yang berisi semua paket Python yang diperlukan untuk menjalankan contoh kode.
Anda dapat menginstalnya dengan menjalankan perintah berikut di terminal Anda di root repositori:
pip install -r requirements.txt
Kami merekomendasikan membuat lingkungan virtual Python untuk menghindari konflik dan masalah.
Pengaturan VSCode
Pastikan Anda menggunakan versi Python yang benar di VSCode.
Pengaturan untuk Contoh Menggunakan GitHub Models
Langkah 1: Dapatkan GitHub Personal Access Token (PAT) Anda
Kursus ini memanfaatkan GitHub Models Marketplace, yang menyediakan akses gratis ke Large Language Models (LLMs) yang akan Anda gunakan untuk membangun AI Agents.
Untuk menggunakan GitHub Models, Anda perlu membuat GitHub Personal Access Token.
Ini dapat dilakukan dengan masuk ke akun GitHub Anda.
Harap ikuti Prinsip Privilege Minimum saat membuat token Anda. Artinya, Anda hanya perlu memberikan token izin yang diperlukan untuk menjalankan contoh kode dalam kursus ini.
-
Pilih opsi
Fine-grained tokensdi sisi kiri layar Anda dengan masuk ke Developer settings
Kemudian pilih
Generate new token.
-
Masukkan nama deskriptif untuk token Anda yang mencerminkan tujuannya, sehingga mudah diidentifikasi nanti.
š Rekomendasi Durasi Token
Rekomendasi durasi: 30 hari Untuk keamanan yang lebih baik, Anda dapat memilih periode yang lebih pendekāseperti 7 hari š”ļø Ini adalah cara yang bagus untuk menetapkan target pribadi dan menyelesaikan kursus sambil menjaga momentum belajar Anda tetap tinggi š.
-
Batasi cakupan token ke fork repositori ini.
-
Batasi izin token: Di bawah Permissions, klik tab Account, dan klik tombol ā+ Add permissionsā. Dropdown akan muncul. Cari Models dan centang kotaknya.
-
Verifikasi izin yang diperlukan sebelum membuat token.
-
Sebelum membuat token, pastikan Anda siap menyimpan token di tempat yang aman seperti password manager vault, karena token tidak akan ditampilkan lagi setelah Anda membuatnya.
Salin token baru yang baru saja Anda buat. Anda sekarang akan menambahkan ini ke file .env yang disertakan dalam kursus ini.
Langkah 2: Buat File .env Anda
Untuk membuat file .env, jalankan perintah berikut di terminal Anda.
cp .env.example .env
Ini akan menyalin file contoh dan membuat .env di direktori Anda, di mana Anda mengisi nilai untuk variabel lingkungan.
Dengan token Anda yang telah disalin, buka file .env di editor teks favorit Anda dan tempelkan token Anda ke bidang GITHUB_TOKEN.
Anda sekarang seharusnya dapat menjalankan contoh kode dari kursus ini.
Pengaturan untuk Contoh Menggunakan Azure AI Foundry dan Azure AI Agent Service
Langkah 1: Dapatkan Endpoint Proyek Azure Anda
Ikuti langkah-langkah untuk membuat hub dan proyek di Azure AI Foundry yang dapat ditemukan di sini: Hub resources overview
Setelah Anda membuat proyek Anda, Anda perlu mendapatkan string koneksi untuk proyek Anda.
Ini dapat dilakukan dengan masuk ke halaman Overview proyek Anda di portal Azure AI Foundry.
Langkah 2: Buat File .env Anda
Untuk membuat file .env, jalankan perintah berikut di terminal Anda.
cp .env.example .env
Ini akan menyalin file contoh dan membuat .env di direktori Anda, di mana Anda mengisi nilai untuk variabel lingkungan.
Dengan token Anda yang telah disalin, buka file .env di editor teks favorit Anda dan tempelkan token Anda ke bidang PROJECT_ENDPOINT.
Langkah 3: Masuk ke Azure
Sebagai praktik keamanan terbaik, kita akan menggunakan keyless authentication untuk autentikasi ke Azure OpenAI dengan Microsoft Entra ID.
Selanjutnya, buka terminal dan jalankan az login --use-device-code untuk masuk ke akun Azure Anda.
Setelah Anda masuk, pilih langganan Anda di terminal.
Variabel Lingkungan Tambahan - Azure Search dan Azure OpenAI
Untuk pelajaran Agentic RAG - Pelajaran 5 - terdapat contoh yang menggunakan Azure Search dan Azure OpenAI.
Jika Anda ingin menjalankan contoh ini, Anda perlu menambahkan variabel lingkungan berikut ke file .env Anda:
Halaman Overview (Proyek)
-
AZURE_SUBSCRIPTION_ID- Periksa Project details di halaman Overview proyek Anda. -
AZURE_AI_PROJECT_NAME- Lihat bagian atas halaman Overview proyek Anda. -
AZURE_OPENAI_SERVICE- Temukan ini di tab Included capabilities untuk Azure OpenAI Service di halaman Overview.
Management Center
-
AZURE_OPENAI_RESOURCE_GROUP- Pergi ke Project properties di halaman Overview di Management Center. -
GLOBAL_LLM_SERVICE- Di bawah Connected resources, temukan nama koneksi Azure AI Services. Jika tidak terdaftar, periksa Azure portal di bawah grup sumber daya Anda untuk nama sumber daya AI Services.
Halaman Models + Endpoints
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- Pilih model embedding Anda (misalnya,text-embedding-ada-002) dan catat Deployment name dari detail model. -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- Pilih model chat Anda (misalnya,gpt-4o-mini) dan catat Deployment name dari detail model.
Azure Portal
-
AZURE_OPENAI_ENDPOINT- Cari Azure AI services, klik, lalu pergi ke Resource Management, Keys and Endpoint, gulir ke bawah ke āAzure OpenAI endpointsā, dan salin yang bertuliskan āLanguage APIsā. -
AZURE_OPENAI_API_KEY- Dari layar yang sama, salin KEY 1 atau KEY 2. -
AZURE_SEARCH_SERVICE_ENDPOINT- Temukan sumber daya Azure AI Search Anda, klik, dan lihat Overview. -
AZURE_SEARCH_API_KEY- Kemudian pergi ke Settings dan kemudian Keys untuk menyalin kunci admin utama atau sekunder.
Halaman Eksternal
AZURE_OPENAI_API_VERSION- Kunjungi halaman API version lifecycle di bawah Latest GA API release.
Pengaturan keyless authentication
Daripada menyimpan kredensial Anda secara hardcode, kita akan menggunakan koneksi tanpa kunci dengan Azure OpenAI. Untuk melakukannya, kita akan mengimpor DefaultAzureCredential dan kemudian memanggil fungsi DefaultAzureCredential untuk mendapatkan kredensial.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Ada Masalah?
Jika Anda mengalami masalah saat menjalankan pengaturan ini, bergabunglah dengan kami di Discord untuk mendapatkan bantuan.
Pelajaran Selanjutnya
Anda sekarang siap untuk menjalankan kode dari kursus ini. Selamat belajar lebih banyak tentang dunia AI Agents!
Introduction to AI Agents and Agent Use Cases
Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berusaha untuk memberikan hasil yang akurat, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.