ai-agents-for-beginners

コースセットアップ

はじめに

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。

他の学習者と交流し、助けを得る

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ヘルプやコースに関する質問、他の学習者との交流ができます。

リポジトリをクローンまたはフォークする

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。
リポジトリをフォークする

これで、以下のリンクに自分専用のフォーク版コースが作成されます。

フォークされたリポジトリ

シャロークローン（ワークショップ / Codespacesに推奨）

リポジトリ全体をダウンロードすると、履歴や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特定のレッスンフォルダのみが必要な場合、シャロークローン（またはスパースクローン）を使用すると、履歴を短縮したり、不要なデータをスキップすることでダウンロード量を減らすことができます。

簡易シャロークローン — 最小限の履歴、すべてのファイル

以下のコマンドで<your-username>をフォークURL（または上流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場合（ダウンロード量が少ない）:

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場合:

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

部分（スパース）クローン — 最小限のデータ + 選択したフォルダのみ

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、部分クローンをサポートする最新のGitを推奨）。

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:

cd 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

ファイルをクローンして確認した後、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）、リポジトリメタデータを削除してください（💀不可逆 — Git機能はすべて失われます: 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）。

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

GitHub Codespacesを使用する（ローカルでの大容量ダウンロードを避けるために推奨）

ヒント

コードの実行

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 Notebooks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みて、どれが最適かを確認することをお勧めします。

選択したオプションに応じて、以下のセットアップ手順が必要になります。

必要条件

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パッケージを含む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で実行することでインストールできます:

pip install -r requirements.txt

Python仮想環境を作成することで、競合や問題を回避することをお勧めします。

VSCodeのセットアップ

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。

image

GitHub Modelsを使用するサンプルのセットアップ

ステップ1: GitHub個人アクセストークン（PAT）の取得

このコースではGitHub Models Marketplaceを活用し、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）への無料アクセスを提供します。

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。

GitHubアカウントの個人アクセストークン設定に移動して作成してください。

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。

  1. 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。

    開発者設定

    次に新しいトークンを生成を選択します。

    トークン生成

  2. 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

    推奨期間: 30日
    より安全な設定を希望する場合は、7日などの短期間を選択することもできます 🛡️
    これは個人的な目標を設定し、学習の勢いが高い間にコースを完了する素晴らしい方法です 🚀。

    トークン名と有効期限

  3. トークンのスコープをこのリポジトリのフォークに限定します。

    フォークリポジトリへのスコープ制限

  4. トークンの権限を制限します: Permissionsの下で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。

    Models権限を追加

  5. 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。 権限確認

  6. 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。生成後は再表示されません。 トークンを安全に保存

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。

ステップ2: .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。

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

これにより、例のファイルがコピーされ、ディレクトリ内に.envが作成されます。環境変数の値を記入してください。

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ます。

GitHubトークンフィールド

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とAzure AI Agent Serviceを使用するサンプルのセットアップ

ステップ1: Azureプロジェクトエンドポイントの取得

Azure AI Foundryでハブとプロジェクトを作成する手順については、ハブリソースの概要をご覧ください。

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。

プロジェクト接続文字列

ステップ2: .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。

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

これにより、例のファイルがコピーされ、ディレクトリ内に.envが作成されます。環境変数の値を記入してください。

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ます。

ステップ3: Azureにサインイン

セキュリティのベストプラクティスとして、Microsoft Entra IDを使用してAzure OpenAIに認証するためにキーなし認証を使用します。

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。

サインイン後、ターミナルでサブスクリプションを選択します。

追加の環境変数 - Azure SearchとAzure OpenAI

エージェント型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。

概要ページ（プロジェクト）

管理センター

モデル + エンドポイントページ

Azureポータル

外部ウェブページ

キーなし認証のセットアップ

資格情報をハードコードする代わりに、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。

# Python
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

どこかで詰まっていますか？

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。

次のレッスン

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！

AIエージェントとエージェントのユースケースの紹介

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ります。元の言語で記載された文書を正式な情報源としてご参照ください。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認について、当方は一切の責任を負いません。

This site is open source. Improve this page.