このレッスンでは、このコースのコードサンプルを実行する方法について説明します。
リポジトリをクローンする前に、AI Agents For Beginners Discordチャンネルに参加してください。セットアップに関するサポートを受けたり、コースに関する質問をしたり、他の学習者とつながることができます。
まず、GitHubリポジトリをクローンまたはフォークしてください。これにより、コース教材の自分専用のバージョンを作成し、コードを実行、テスト、調整することができます!
以下のリンクをクリックして、リポジトリをフォークしてください。
これで、以下のリンクにこのコースのフォークされたバージョンが作成されます。

リポジトリ全体をダウンロードすると、完全な履歴とすべてのファイルを含むため、サイズが大きくなる場合があります(約3GB)。ワークショップに参加する場合や一部のレッスンフォルダのみが必要な場合は、浅いクローン(またはスパースクローン)を使用することで、履歴の大部分を省略したり、不要なファイルをスキップしたりしてダウンロードを最小限に抑えることができます。
以下のコマンドで<your-username>をフォークURL(または希望する場合は上流URL)に置き換えてください。
最新のコミット履歴のみをクローンするには(ダウンロードが小さくなります):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
特定のブランチをクローンするには:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
これは部分クローンとスパースチェックアウトを使用します(Git 2.25+が必要で、部分クローンサポートを備えた最新のGitを推奨します)。
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
リポジトリフォルダに移動します:
bashの場合:
cd ai-agents-for-beginners
Powershellの場合:
Set-Location ai-agents-for-beginners
次に、必要なフォルダを指定します(以下の例では2つのフォルダを示しています):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
クローンしてファイルを確認した後、ファイルのみが必要で、スペースを解放したい場合(Git履歴は不要)、リポジトリのメタデータを削除してください(💀不可逆的 — すべてのGit機能を失います: コミット、プル、プッシュ、履歴アクセスができなくなります)。
Linux/macOSの場合:
rm -rf .git
Windowsの場合:
Remove-Item -Recurse -Force .git
GitHub UIを通じて、このリポジトリの新しいCodespaceを作成します。
このコースでは、AIエージェントを構築する実践的な経験を得るための一連のJupyter Notebookを提供しています。
コードサンプルは以下のいずれかを使用します:
GitHubアカウントが必要 - 無料:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace(semantic-kernel.ipynbとしてラベル付け) 2) AutoGen Framework + GitHub Models Marketplace(autogen.ipynbとしてラベル付け)
Azureサブスクリプションが必要: 3) Azure AI Foundry + Azure AI Agent Service(azureaiagent.ipynbとしてラベル付け)
3つの例すべてを試して、どれが自分に最適かを確認することをお勧めします。
どのオプションを選択するかによって、以下のセットアップ手順が異なります。
注意: Python3.12がインストールされていない場合は、インストールしてください。その後、python3.12を使用してvenvを作成し、requirements.txtファイルから正しいバージョンをインストールしてください。
例
Python venvディレクトリを作成:
python3 -m venv venv
次に、venv環境を有効化:
macOSおよびLinuxの場合
source venv/bin/activate
Windowsの場合
venv\Scripts\activate
このリポジトリのルートには、コードサンプルを実行するために必要なPythonパッケージがすべて含まれたrequirements.txtファイルが含まれています。
以下のコマンドをリポジトリのルートでターミナルに入力してインストールできます:
pip install -r requirements.txt
Python仮想環境を作成して、競合や問題を回避することをお勧めします。
VSCodeで正しいバージョンのPythonを使用していることを確認してください。
このコースではGitHub Models Marketplaceを活用しており、これによりAIエージェントを構築するために使用する大規模言語モデル(LLM)への無料アクセスが提供されます。
GitHub Modelsを使用するには、GitHub個人アクセストークンを作成する必要があります。
これは、GitHubアカウントの個人アクセストークン設定にアクセスして行うことができます。
トークンを作成する際は、最小権限の原則に従ってください。つまり、このコースのコードサンプルを実行するために必要な権限のみをトークンに付与するべきです。
開発者設定に移動し、画面左側のFine-grained tokensオプションを選択します。

次に、Generate new tokenを選択します。

トークンの目的を反映した説明的な名前を入力し、後で簡単に識別できるようにします。
🔐 トークンの有効期間の推奨
推奨される有効期間: 30日
より安全な設定を希望する場合は、7日間などの短い期間を選択することもできます 🛡️
これは、学習の勢いを保ちながらコースを完了するための良い方法です 🚀。

トークンのスコープをこのリポジトリのフォークに制限します。

トークンの権限を制限します: Permissionsの下にあるAccountタブをクリックし、+ Add permissionsボタンをクリックします。ドロップダウンが表示されます。Modelsを検索し、チェックボックスをオンにしてください。

トークンを生成する前に、必要な権限を確認してください。 
トークンを生成する前に、パスワードマネージャーの保管庫などの安全な場所にトークンを保存する準備ができていることを確認してください。トークンを作成した後は再表示されません。 
作成した新しいトークンをコピーしてください。このトークンをこのコースに含まれる.envファイルに追加します。
.envファイルの作成ターミナルで以下のコマンドを実行して、.envファイルを作成します。
cp .env.example .env
これにより、サンプルファイルがコピーされ、ディレクトリ内に.envファイルが作成されます。このファイルに環境変数の値を入力します。
コピーしたトークンを使用して、お気に入りのテキストエディタで.envファイルを開き、GITHUB_TOKENフィールドにトークンを貼り付けてください。

これで、このコースのコードサンプルを実行できるようになります。
Azure AI Foundryでのハブとプロジェクトの作成手順については、こちらを参照してください: ハブリソースの概要
プロジェクトを作成したら、プロジェクトの接続文字列を取得する必要があります。
これは、Azure AI Foundryポータルのプロジェクトの概要ページに移動することで行えます。

.envファイルの作成ターミナルで以下のコマンドを実行して、.envファイルを作成します。
cp .env.example .env
これにより、サンプルファイルがコピーされ、ディレクトリ内に.envファイルが作成されます。このファイルに環境変数の値を入力します。
コピーしたトークンを使用して、お気に入りのテキストエディタで.envファイルを開き、PROJECT_ENDPOINTフィールドにトークンを貼り付けてください。
セキュリティのベストプラクティスとして、キーなし認証を使用してMicrosoft Entra IDでAzure OpenAIに認証します。
次に、ターミナルを開き、az login --use-device-codeを実行してAzureアカウントにサインインします。
ログインしたら、ターミナルでサブスクリプションを選択してください。
エージェンティックRAGレッスン - レッスン5 - では、Azure SearchとAzure OpenAIを使用するサンプルがあります。
これらのサンプルを実行するには、以下の環境変数を.envファイルに追加する必要があります。
AZURE_SUBSCRIPTION_ID - プロジェクトの概要ページのプロジェクト詳細を確認してください。
AZURE_AI_PROJECT_NAME - プロジェクトの概要ページの上部を確認してください。
AZURE_OPENAI_SERVICE - 概要ページの含まれる機能タブでAzure OpenAI Serviceを探してください。
AZURE_OPENAI_RESOURCE_GROUP - 管理センターの概要ページでプロジェクトプロパティを確認してください。
GLOBAL_LLM_SERVICE - 接続されたリソースの下でAzure AI Services接続名を見つけてください。リストにない場合は、リソースグループ内のAzureポータルでAI Servicesリソース名を確認してください。
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - 埋め込みモデル(例: text-embedding-ada-002)を選択し、モデル詳細からデプロイメント名を確認してください。
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - チャットモデル(例: gpt-4o-mini)を選択し、モデル詳細からデプロイメント名を確認してください。
AZURE_OPENAI_ENDPOINT - Azure AI servicesを探し、それをクリックして、リソース管理、キーとエンドポイントに移動し、「Azure OpenAIエンドポイント」の下にある「Language APIs」をコピーしてください。
AZURE_OPENAI_API_KEY - 同じ画面から、KEY 1またはKEY 2をコピーしてください。
AZURE_SEARCH_SERVICE_ENDPOINT - Azure AI Searchリソースを見つけてクリックし、概要を確認してください。
AZURE_SEARCH_API_KEY - 次に設定、キーに移動して、プライマリまたはセカンダリ管理キーをコピーしてください。
AZURE_OPENAI_API_VERSION - APIバージョンライフサイクルページの最新のGA APIリリースを参照してください。資格情報をハードコーディングする代わりに、Azure OpenAIとのキーなし接続を使用します。そのために、DefaultAzureCredentialをインポートし、後でDefaultAzureCredential関数を呼び出して資格情報を取得します。
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
セットアップの実行に問題がある場合は、Azure AI Community Discordに参加するか、問題を作成してください。
これで、このコースのコードを実行する準備が整いました。AIエージェントの世界についてさらに学ぶことを楽しんでください!
免責事項:
この文書は、AI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知ください。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当方は責任を負いません。