ai-agents-for-beginners

ಕೋರ್ಸ್ সেটಪ್

ಪರಿಚಯ

ಈ ಪಾಠದಲ್ಲಿ ಈ ಕೋರ್ಸ್‌ನ ಕೋಡ್ ಮಾದರಿಗಳನ್ನು ಹೇಗೆ ಸಂಚಾಲಿಸಲು ಎಂಬುದನ್ನು ತಿಳಿಸಲಾಗುವುದು.

ಇತರ ಕಲಿಯುವವರ ಜೊತೆಗೆ ಚೇತರಿಕೊಳ್ಳಿ ಮತ್ತು ಸಹಾಯ ಪಡೆಯಿರಿ

ನಿಮ್ಮ ರೆಪೊನನ್ನು ಕ್ಲೋನ್ ಮಾಡುವ ಮೊದಲು, ಸೆಟಪ್ ಸಂಬಂಧಿತ ಯಾವುದೇ ಸಹಾಯ, ಕೋರ್ಸ್ ಸಂಬಂಧಿತ ಪ್ರಶ್ನೆಗಳು ಅಥವಾ ಇತರ ಕಲಿಯುವವರೊಂದಿಗೆ ಸಂಪರ್ಕ ಸಾಧಿಸಲು AI Agents For Beginners Discord ಚಾನೆಲ್ ನಿಗೆ ಸೇರಿಕೊಳ್ಳಿ.

ಈ ರೆಪೊ ಕ್ಲೋನ್ ಅಥವಾ ಫೋರ್ಕ್ ಮಾಡಿ

ಪ್ರಾರಂಭಿಸಲು, ದಯವಿಟ್ಟು GitHub ರೆಪೊಸಿಟೋರಿಯನ್ನು ಕ್ಲೋನ್ ಅಥವಾ ಫೋರ್ಕ್ ಮಾಡಿ. ಇದರಿಂದ ನೀವು ಕೋರ್ಸ್ ಸಾಮಾಗ್ರಿಯ ನಿಮ್ಮದೇ ಶಾಖೆಯನ್ನು ಹೊಂದಿ, ಅದನ್ನು ಓಡಿಸಿ, ಪರೀಕ್ಷಿಸಿ ಮತ್ತು ಮಾದರಿಯನ್ನು ತಿದ್ದುಪಡಿ ಮಾಡಬಹುದು!

ನೀವು ರಿಪೊ ಫೋರ್ಕ್ ಮಾಡಲುಲಿಂಕ್ ಕ್ಲಿಕ್ ಮಾಡುವ ಮೂಲಕ ಇದನ್ನು ಮಾಡಬಹುದು

ಈಗ ನೀವು ಈ ಕೋರ್ಸ್‌ನ ನಿಮ್ಮದೇ ಫೋರ್ಕ್ ಆವೃತ್ತಿಯನ್ನು ಈ ಕೆಳಗಿನ ಲಿಂಕ್‌ನಲ್ಲಿ ಹೊಂದಿರಬೇಕು:

ಶಾಲೋ ಕ್ಲೋನ್ (ಕಾರ್ಯಾಗಾರ / ಕೋಡ್‌ಸ್ಪೇಸ್‌ಗಳಿಗೆ ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ)

ಪೂರ್ಣ ರೆಪೊ (~3 GB ಕ್ಕಿಂತ ಹೆಚ್ಚು) ಫುಲ್ ಇತಿಹಾಸ ಮತ್ತು ಎಲ್ಲಾ ಫೈಲ್‌ಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುವಾಗ ಬೃಹತ್ ಆಗಿರಬಹುದು. ನೀವು ಕಾರ್ಯಾಗಾರಕ್ಕೆ ಮಾತ್ರ ಹಾಜರಾಗುತ್ತಿದ್ದರೆ ಅಥವಾ ಕೇವಲ ಕೆಲವು ಪಾಠ ಫೋಲ್ಡರ್‌ಗಳ ಅವಶ್ಯಕತೆ ಇದ್ದರೆ, ಶಾಲೋ ಕ್ಲೋನ್ (ಅಥವಾ ಸ್ಫರ್ಧ ಕ್ಲೋನ್) ಇತಿಹಾಸವನ್ನು ಕತ್ತರಿಸುವುದು ಮತ್ತು/ಅಥವಾ ಬ್ಲಾಬ್‌ಗಳನ್ನು ಸ್ಕಿಪ್ ಮಾಡುವುದರಿಂದ ಡೌನ್‌ಲೋಡ್‌ನ ಬಹುತೇಕ ಭಾಗವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ.

ಕ್ವಿಕ್ ಶಾಲೋ ಕ್ಲೋನ್ — ಮಿನಿಮಲ್ ಇತಿಹಾಸ, ಎಲ್ಲಾ ಫೈಲ್‌ಗಳು

ಕೆಳಗಿನ ಆದೇಶಗಳಲ್ಲಿ <your-username> ಅನ್ನು ನಿಮ್ಮ ಫೋರ್ಕ್ URL (ಅಥವಾ ಇಷ್ಟಪಟ್ಟರೆ ಅಪ್ಸ್ಟ್ರೀಮ್ URL) ಮೂಲಕ ಬದಲಿಸಿ.

ಇತ್ತೀಚಿನ ಕಮಿಟ್ ಇತಿಹಾಸವನ್ನು ಮಾತ್ರ ಕ್ಲೋನ್ ಮಾಡಲು (ಚಿಕ್ಕ ಡೌನ್‌ಲೋಡ್):

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

ನಿರ್ದಿಷ್ಟ ಶಾಖೆಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಲು:

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

ಭಾಗಶಃ (ಸ್ಪಾರ್ಸ್) ಕ್ಲೋನ್ — ಮಿನಿಮಲ್ ಬ್ಲಾಬ್‌ಗಳು + ಆಯ್ದ ಫೋಲ್ಡರ್‌ಗಳು ಮಾತ್ರ

ಇದು ಭಾಗಶಃ ಕ್ಲೋನ್ ಮತ್ತು ಸ್ಪಾರ್ಸ್-ಚೆಕ್‌ಔಟ್ ಬಳಸುತ್ತದೆ (Git 2.25+ ಬೇಕಾಗುತ್ತದೆ ಮತ್ತು ಭಾಗಶಃ ಕ್ಲೋನ್ ಅಸ್ತಿತ್ವದಿರುವ ಆಧುನಿಕ Git ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

ರೆಪೊ ಫೋಲ್ಡರ್‌ಗೆ ಪ್ರವೇಶಿಸಿ:

cd ai-agents-for-beginners

ನಂತರ ನೀವು ಯಾವ ಫೋಲ್ಡರ್‌ಗಳನ್ನು ಬಯಸುತ್ತೀರೋ ಅವುಗಳನ್ನು ಸೂಚಿಸಿ (ಕೆಳಗಿನ ಉದಾಹರಣೆ ಎರಡು ಫೋಲ್ಡರ್‌ಗಳನ್ನು ತೋರಿಸುತ್ತದೆ):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

ಕ್ಲೋನ್ ಮಾಡಿ ಫೈಲ್‌ಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ ನಂತರ, ನೀವು ಕೇವಲ ಫೈಲ್‌ಗಳು ಬೇಕಾದರೆ ಮತ್ತು ಜಾಗವನ್ನು ಮುಕ್ತಗೊಳಿಸಲು ಬಯಸಿದರೆ (ಯಾವುದೇ git ಇತಿಹಾಸವಿಲ್ಲದೆ), ದಯವಿಟ್ಟು ರೆಪೊ ಮೆಟಾಡೇಟಾವನ್ನು ಅಳಿಸಿ (💀 ಮರಳಿ ಸಾಧ್ಯವಿಲ್ಲ — ನೀವು ಎಲ್ಲಾ Git ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತೀರಿ: ಯಾವುದೇ ಕಮಿಟ್ಸ್, ಪುಲ್‌ಗಳು, ಪುಷ್‌ಗಳು ಅಥವಾ ಇತಿಹಾಸ ಪ್ರವೇಶವಿಲ್ಲ).

# zsh/bash
rm -rf .git

# ಪವರ್‌ಶೆಲ್
Remove-Item -Recurse -Force .git

GitHub Codespaces ಬಳಸಿ (ಸ್ಥಳೀಯ ದೊಡ್ಡ ಡೌನ್‌ಲೋಡ್‌ಗಳನ್ನು ತಪ್ಪಿಸಲು ಶಿಫಾರಸು)

• ಈ ರೆಪೋಗೆ GitHub UI ಮೂಲಕ ಹೊಸ Codespace ರಚಿಸಿ.

• ಹೊಸದಾಗಿ ರಚಿಸಿದ ಕೋಡ್‌ಸ್ಪೇಸ್‌ನ ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ, ಮೇಲಿನ ಶಾಲೋ/ಸ್ಪಾರ್ಸ್ ಕ್ಲೋನ್ ಆದೇಶಗಳಿಂದ ಒಂದು ಆಕ್ರಮಿಸಿ ನಿಮಗೆ ಬೇಕಾದ ಪಾಠ ಫೋಲ್ಡರ್‌ಗಳನ್ನು ಮಾತ್ರ ಕೋಡ್‌ಸ್ಪೇಸ್ ವರ್ಕ್‌ಸ್ಪೇಸ್‌ಗೆ ತಗೊಂಡು ಬರುವುದು.
• ಆಯ್ಕೆಗೆ: Codespaces ಒಳಗೆ ಕ್ಲೋನ್ ಮಾಡಿದ ನಂತರ, ಹೆಚ್ಚುವರಿ ಜಾಗ ವಾಪಸಾಗಿಸಲು .git ಅಳಿಸಿ (ಮೇಲೆ ಉಲ್ಲೇಖಿಸಿದ ಅಳಿಸುವ ಆದೇಶಗಳನ್ನು ನೋಡಿ).
• ಟಿಪ್ಪಣಿ: ನೀವು ರೆಪೊವನ್ನು ನೇರವಾಗಿ Codespaces (ಹೆಚ್ಚಿನ ಕ್ಲೋನ್ ಇಲ್ಲದೇ) ನಲ್ಲಿ ತೆರೆಯಲು ಇಚ್ಛಿಸಿದರೆ, Codespaces ಡೆವ್‌ಕಂಟೇನರ್ ಪರಿಸರವನ್ನು ರಚಿಸುತ್ತದೆ ಮತ್ತು ನೀವು ಬೇಕಾದಕ್ಕಿಂತ ಹೆಚ್ಚು ಸವಲತ್ತುಗಳನ್ನು ಒದಗಿಸಬಹುದು. ಹೊಸ Codespace ಒಳಗೆ ಶಾಲೋ ಪ್ರತಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡುವುದರಿಂದ ಡಿಸ್ಕ್ ಬಳಕೆ ಮೇಲೆ ಹೆಚ್ಚಿನ ನಿಯಂತ್ರಣ ಸಿಗುತ್ತದೆ.

ಸಲಹೆಗಳು

• ನೀವು ಸಂಪಾದನೆ/ಕಮಿಟ್ ಮಾಡಲು ಇಚ್ಛಿಸುವಲ್ಲಿ, ಸದಾ ಕ್ಲೋನ್ URL ಅನ್ನು ನಿಮ್ಮ ಫೋರ್ಕ್‌ನೊಂದಿಗೆ ಬದಲಿಸಿ.
• ನಂತರ ನೀವು ಹೆಚ್ಚಿನ ಇತಿಹಾಸ ಅಥವಾ ಫೈಲ್‌ಗಳನ್ನು ಅಗತ್ಯವಿದ್ದರೆ, ಅವುಗಳನ್ನು ಫೆಚ್ ಮಾಡಲು ಅಥವಾ ಸ್ಪಾರ್ಸ್-ಚೆಕ್‌ಔಟ್ ಅನ್ನು ಹೆಚ್ಚುವರಿ ಫೋಲ್ಡರ್‌ಗಳನ್ನು ಸೇರಿಸಲು ಹೊಂದಿಸಬಹುದು.

ಕೋಡ್ ಸಂಚಾಲನೆ

ಈ ಕೋರ್ಸ್‌ನಲ್ಲಿ ನೀವು ಕೈಪಯೋಗದ ಅನುಭವ ಪಡೆಯಲು ಜ್ಯೂಪಿಟರ್ ನೋಟ್‌ಬುಕ್‌ಗಳ ಸರಣಿಯನ್ನು ಸಂಚಲಿಸಬಹುದು.

ಕೋಡ್ ಮಾದರಿಗಳು Microsoft Agent Framework (MAF) ಅನ್ನು FoundryChatClient ಜೊತೆಗೆ ಬಳಸುತ್ತವೆ, ಇದು Microsoft Foundry ಮೂಲಕ Microsoft Foundry Agent Service V2 (Responses API) ಗೆ ಸಂಪರ್ಕ ಹೊಂದುತ್ತದೆ.

ಎಲ್ಲಾ ಪೈಥಾನ್ ನೋಟ್‌ಬುಕ್‌ಗಳಿಗೆ *-python-agent-framework.ipynb ಎಂದು ಲೇಬಲ್ ಮಾಡಲಾಗಿದೆ.

ಅವಶ್ಯಕತೆಗಳು

• Python 3.12+

  • ಗಮನಿಸಿ: ನೀವು Python3.12 ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡದಿದ್ದರೆ, ಅದನ್ನು ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ. ನಂತರ requirements.txt ಫೈಲ್‌ನಲ್ಲಿ ಸರಿಯಾದ ಆವೃತ್ತಿಗಳನ್ನು ಖಚಿತಪಡಿಸಲು python3.12 ಬಳಸಿ venv ರಚಿಸಿ.

    ಉದಾಹರಣೆ

    ಪೈಥಾನ್ venv ಡೈರೆಕ್ಟರಿ ರಚಿಸಿ:

    python -m venv venv
    

    ನಂತರ venv ಪರಿಸರವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: .NET ಬಳಸಿ ಉದಾಹರಣೆ ಕೋಡ್‌ಗಳಿಗೆ .NET 10 SDK ಅಥವಾ ನಂತರದ ಆವೃತ್ತಿ ಅನ್ನು ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ. ನಂತರ ನಿಮ್ಮ ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿದ .NET SDK ಆವೃತ್ತಿಯನ್ನು ಪರಿಶೀಲಿಸಿ:

    dotnet --list-sdks
  

• Azure CLI — ದೃಷ್ಟಿ ಪರಿಶೀಲನೆಗಾಗಿ. aka.ms/installazurecli ನಿಂದ ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ.
• Azure Subscription — Microsoft Foundry ಮತ್ತು Microsoft Foundry Agent Service ಗೆ ಪ್ರವೇಶಕ್ಕಾಗಿ.
• Microsoft Foundry ಪ್ರಾಜೆಕ್ಟ್ — ನಿಯೋಜಿಸಲಾದ ಮಾದರಿಯನ್ನು ಒಳಗೊಂಡ ಒಂದು ಪ್ರಾಜೆಕ್ಟ್ (ಉದಾಹರಣೆ, gpt-5-mini). ಕೆಳಗಿನ ಹಂತ 1 ನೋಡಿ.

ಈ ರೆಪೊ ಮೂಲತಳದಲ್ಲಿ ಕೋಡ್ ಮಾದರಿಗಳನ್ನು ಸಂಚಲಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಪೈಥಾನ್ ಪ್ಯಾಕೇಜ್‌ಗಳನ್ನು ಹೊಂದಿರುವ requirements.txt ಫೈಲ್ ಅನ್ನು ಸೇರಿಸಲಾಗಿದೆ.

ನೀವು ಈ ಕೆಳಗಿನ ಆದೇಶವನ್ನು ರೆಪೊ ಮೂಲದಲ್ಲಿ ನಿಮ್ಮ ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ ನಡಿಸಿ ಇವುಗಳನ್ನು ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಬಹುದು:

pip install -r requirements.txt

ಪೈಥಾನ್ ವರ್ಚುವಲ್ ಪರಿಸರವನ್ನು (virtual environment) ರಚಿಸಲು ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ ಇದು ಯಾವುದೇ ಸಂಘರ್ಷ ಅಥವಾ ಸಮಸ್ಯೆಯನ್ನು ತಪ್ಪಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

VSCode ಸೆಟಪ್ ಮಾಡಿ

ನೀವು VSCode ನಲ್ಲಿ ಸರಿಯಾದ ಪೈಥಾನ್ ಆವೃತ್ತಿಯನ್ನು ಬಳಸುತ್ತಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.

Microsoft Foundry ಮತ್ತು Microsoft Foundry Agent Service ಅನ್ನು ಸೆಟ್ ಅಪ್ ಮಾಡಿ

ಹಂತ 1: Microsoft Foundry ಪ್ರಾಜೆಕ್ಟ್ ರಚಿಸಿ

ನೀವು ಜ್ಯೂಪಿಟರ್ ನೋಟ್‌ಬುಕ್‌ಗಳು ಸಂಚಲಿಸಲು ನಿಯೋಜಿಸಲಾದ ಮಾದರಿಯೊಂದಿಗೆ Microsoft Foundry ಹಬ್ ಮತ್ತು ಪ್ರಾಜೆಕ್ಟ್ ಅವಶ್ಯಕ.

1. ai.azure.com ಗೆ ಹೋಗಿ ಮತ್ತು ನಿಮ್ಮ ಅಜ್ಯೂರ್ ಖಾತೆಯಿಂದ ಲಾಗಿನ್ ಆಗಿ.
2. ಹಬ್ ರಚಿಸಿ (ಅಥವಾ ಈಗಿರುವ ಒಂದನ್ನು ಬಳಸಿ). ನೋಡಿ: Hub resources overview.
3. ಹಬ್ ಒಳಗೆ ಪ್ರಾಜೆಕ್ಟ್ ರಚಿಸಿ.
4. ಮಾದರಿಗಳನ್ನು ನಿಯೋಜಿಸಿ ಮೂಲಕ (ಉದಾಹರಣೆಗೆ, gpt-5-mini) Models + Endpoints → Deploy model ಅನ್ನು ಬಳಸಿ.

ಹಂತ 2: ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಎಂಡ್ಪಾಯಿಂಟ್ ಮತ್ತು ಮಾದರಿ ನಿಯೋಜನೆಯ ಹೆಸರು ಪಡೆದುಕೊಳ್ಳಿ

Microsoft Foundry ಪೋರ್ಟಲ್‌ನ ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್‌ನಿಂದ:

• ಪ್ರಾಜೆಕ್ಟ್ ಎಂಡ್ಪಾಯಿಂಟ್ — Overview ಪುಟಕ್ಕೆ ಹೋಗಿ, ಎಂಡ್ಪಾಯಿಂಟ್ URL ನವನ್ನು ನಕಲಿಸಿ.

• ಮಾದರಿ ನಿಯೋಜನೆಯ ಹೆಸರು — Models + Endpoints ಗೆ ಹೋಗಿ, ನಿಮ್ಮ ನಿಯೋಜಿಸಲಾದ ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡಿ, ಮತ್ತು Deployment name (ಉದಾಹರಣೆಗೆ gpt-5-mini) ಗಮನಿಸಿ.

ಹಂತ 3: az login ಬಳಸಿ ಅಜ್ಯೂರ್‌ಗೆ ಲಾಗಿನ್ ಆಗಿ

ಎಲ್ಲಾ ನೋಟ್‌ಬುಕ್‌ಗಳು AzureCliCredential ಮೂಲಕ ಪ್ರಮಾಣೀಕರಣ ಮಾಡುತ್ತವೆ — ಯಾವುದೇ API ಕೀಲಿಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಅವಶ್ಯಕತೆ ಇಲ್ಲ. ಇದಕ್ಕಾಗಿ ನೀವು ಅಜ್ಯೂರ್ CLI ಮೂಲಕ ಲಾಗಿನ್ ಆಗಿರಬೇಕು.

1. ನೀವು ಹೊಂದಿಲ್ಲ ಅಂದರೆ Azure CLI ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ: aka.ms/installazurecli

2. ಲಾಗಿನ್ ಆಗಿ:

    az login
   

   ಅಥವಾ ನೀವು ಬ್ರೌಸರ್ ಇಲ್ಲದ ದೂರಸ್ಥ/ಕೋಡ್ಸ್ಪೇಸ್ ಪರಿಸರದಲ್ಲಿದ್ದರೆ:

    az login --use-device-code
   

3. ಕೇಳಿದರೆ ನಿಮ್ಮ ಸೆಬ್ಸ್ಕ್ರಿಪ್ಷನ್ ಆಯ್ಕೆಮಾಡಿ — ನೀವು ಹೊಂದಿರುವ ಫೌಂಡ್ರಿ ಪ್ರಾಜೆಕ್ಟ್ ಇದ್ದದ್ದು ಆಯ್ಕೆಮಾಡಿ.

4. ನೀವು ಲಾಗಿನ್ ಆಗಿದ್ದೀರಾ ಎಂದು ಪರಿಶೀಲಿಸಿ:

    az account show
   

ಎಕ್ಕಾಗಿ az login? ನೋಟ್‌ಬುಕ್‌ಗಳು AzureCliCredential (azure-identity ಪ್ಯಾಕೇಜ್) ಬಳಸಿ ಪ್ರಮಾಣೀಕರಣ ಮಾಡುತ್ತವೆ. ಇದರಿಂದ ನಿಮ್ಮ ಅಜ್ಯೂರ್ CLI ಸೆಶನ್ ಕ್ರೆಡೆನ್ಶಿಯಲ್ಸ್ ನೀಡುತ್ತದೆ — ಯಾವುದೇ API ಕೀಲಿಗಳು ಅಥವಾ ಗುಪ್ತಪದಗಳು ನಿಮ್ಮ .env ಫೈಲ್‌ನಲ್ಲಿ ಇರಲಾರೆ. ಇದು ಭದ್ರತಾ ಉತ್ತಮ ಅಭ್ಯಾಸ.

ಹಂತ 4: ನಿಮ್ಮ .env ಫೈಲ್ ರಚಿಸಿ

ಮಾದರಿ ಫೈಲ್ ನಕಲಿಸಿ:

# zsh/bash
cp .env.example .env

# ಪವರ್‌ಶೆಲ್
Copy-Item .env.example .env

.env ತೆರೆಯಿರಿ ಮತ್ತು ಈ ಎರಡು ಮೌಲ್ಯಗಳನ್ನು ತುಂಬಿ:

AZURE_AI_PROJECT_ENDPOINT=https://<your-project>.services.ai.azure.com/api/projects/<your-project-id>
AZURE_AI_MODEL_DEPLOYMENT_NAME=gpt-5-mini

ವ್ಯತ್ಯಯಕಾರಿ	ಅದು ಎಲ್ಲಿಗೆ ಉಪಯುಕ್ತವಾಗುತ್ತದೆ
AZURE_AI_PROJECT_ENDPOINT	Foundry ಪೋರ್ಟಲ್ → ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ → Overview ಪುಟ
AZURE_AI_MODEL_DEPLOYMENT_NAME	Foundry ಪೋರ್ಟಲ್ → Models + Endpoints → ನಿಮ್ಮ ನಿಯೋಜಿಸಲಾದ ಮಾದರಿಯ ಹೆಸರು

ಬಹುತೇಕ ಪಾಠಗಳಿಗೆ ಇದು ಸಾಕು! ನೋಟ್‌ಬುಕ್‌ಗಳು ನಿಮ್ಮ az login ಸೆಶನ್ ಮೂಲಕ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪ್ರಮಾಣೀಕರಿಸಲಾಗುವುದು.

ಹಂತ 5: ಪೈಥಾನ್ ಅವಶ್ಯಕತೆಗಳ ಇನ್‌ಸ್ಟಲೇಶನ್

pip install -r requirements.txt

ನಾವು ಈ ಆದೇಶವನ್ನು ನೀವು ಮೊದಲು ರಚಿಸಿದ ವರ್ಚುವಲ್ ಪರಿಸರದಲ್ಲಿ ನಡೆಸಿಬೇಕೆಂದು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

ಪಾಠ 5 (Agentic RAG)ಗೆ ಹೆಚ್ಚುವರಿ ಸೆಟಪ್

ಪಾಠ 5 Azure AI Search ಅನ್ನು ರಿಟ್ರಿವಲ್-ಆಗ್ಮೆಂಟ್ ಜನರೇಷನ್‌ಗಾಗಿ ಬಳಸುತ್ತದೆ. ನೀವು ಆ ಪಾಠವನ್ನು ಓಡಿಸುವ ಯೋಜನೆಯಲ್ಲಿ ಇದ್ದರೆ, ಈ ವ್ಯತ್ಯಯಕಾರಿಗಳನ್ನು ನಿಮ್ಮ .env ಫೈಲ್‌ನಲ್ಲಿ ಸೇರಿಸಿ:

ವ್ಯತ್ಯಯಕಾರಿ	ಅದು ಎಲ್ಲಿಗೆ ಉಪಯುಕ್ತವಾಗುತ್ತದೆ
AZURE_SEARCH_SERVICE_ENDPOINT	Azure ಪೋರ್ಟಲ್ → ನಿಮ್ಮ Azure AI Search ಸಂಪನ್ಮೂಲ → Overview → URL
AZURE_SEARCH_API_KEY	Azure ಪೋರ್ಟಲ್ → ನಿಮ್ಮ Azure AI Search ಸಂಪನ್ಮೂಲ → Settings → Keys → ಪ್ರಾಥಮಿಕ ಅಡ್ಮಿನ್ ಕೀ

ಪಾಠಗಳು 6 ಮತ್ತು 8 ನಲ್ಲಿರುವ ನೇರವಾಗಿ Azure OpenAI ಬಳಸುವವರಿಗೆ ಹೆಚ್ಚುವರಿ ಸೆಟಪ್

ಪಾಠ 6 ಮತ್ತು 8 ರ ಕೆಲವು ನೋಟ್‌ಬುಕ್‌ಗಳು ನೇರವಾಗಿ Azure OpenAI (Responses API ಬಳಸಿ) ಕರೆದೊಯ್ಯುತ್ತವೆ, Microsoft Foundry ಪ್ರಾಜೆಕ್ಟ್ ಮೂಲಕ ಹೋಗದೇ. ಈ ಮಾದರಿಗಳು ಹಿಂದಿನ GitHub Models ಬಳಸುತಿದ್ದವು, ಅದು 2026 ಜುಲೈನಲ್ಲಿ ಸೇವೆಯಿಂದ ದೂರ ಮಾಡಲಾಗುತ್ತಿದೆ ಮತ್ತು Responses API ಬೆಂಬಲಿಸುವುದಿಲ್ಲ. ನೀವು ಆ ಮಾದರಿಗಳನ್ನು ಓಡಿಸಲು ಹೊರಟಿದ್ದರೆ, ಈ ವ್ಯತ್ಯಯಕಾರಿಗಳನ್ನು ನಿಮ್ಮ .env ಫೈಲ್‌ಗೆ ಸೇರಿಸಿ:

ವ್ಯತ್ಯಯಕಾರಿ	ಅದು ಎಲ್ಲಿಗೆ ಉಪಯುಕ್ತವಾಗುತ್ತದೆ
AZURE_OPENAI_ENDPOINT	Azure ಪೋರ್ಟಲ್ → ನಿಮ್ಮ Azure OpenAI ಸಂಪನ್ಮೂಲ → Keys and Endpoint → ಎಂಡ್ಪಾಯಿಂಟ್ (ಉದಾಹರಣೆ https://<your-resource>.openai.azure.com)
AZURE_OPENAI_DEPLOYMENT	Responses API ಬೆಂಬಲಿಸುವ ನಿಯೋಜಿಸಲಾದ ಮಾದರಿಯ ಹೆಸರು (ಉದಾಹರಣೆ gpt-5-mini)
AZURE_OPENAI_API_KEY	ಐಚ್ಛಿಕ — ನೀವು az login / Entra ID ಬದಲಾಗಿ ಕೀ ಆಧಾರಿತ ಪ್ರಮಾಣೀಕರಣ ಬಳಸದಿದ್ದರೆ ಮಾತ್ರ

Responses API ಸ್ಥಿರ /openai/v1/ ಎಂಡ್ಪಾಯಿಂಟ್ ಬಳಕೆ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ api-version ಅಗತ್ಯವಿಲ್ಲ. ಕೀಲಿಯಿಲ್ಲದ Entra ID ಪ್ರಮಾಣೀಕರಣಕ್ಕಾಗಿ az login ಬಳಸಿ.

ಪರ್ಯಾಯ ಪೂರೈಕೆದಾರ: MiniMax (OpenAI-ಅನುರೂಪ)

MiniMax ದೊಡ್ಡ ಸಂಧರ್ಭದ ಮಾದರಿಗಳನ್ನು (204K ಟೋಕನ್‌ಗಳವರೆಗೆ) OpenAI-ಅನುರೂಪ API ಮೂಲಕ ಒದಗಿಸುತ್ತದೆ. Microsoft Agent Framework ನ OpenAIChatClient ಯಾವುದೇ OpenAI-ಅನುರೂಪ ಎಂಡ್ಪಾಯಿಂಟ್ ಜೊತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಕಾರಣ, MiniMax ಅನ್ನು Azure OpenAI ಅಥವಾ OpenAI ಗೆ ಡ್ರಾಪ್-ಇನ್ ಪರ್ಯಾಯವಾಗಿ ಬಳಸಬಹುದು.

ಈ ವ್ಯತ್ಯಯಕಾರಿಗಳನ್ನು ನಿಮ್ಮ .env ಫೈಲ್‌ಗೆ ಸೇರಿಸಿ:

ವ್ಯತ್ಯಯಕಾರಿ	ಅದು ಎಲ್ಲಿಗೆ ಉಪಯುಕ್ತವಾಗುತ್ತದೆ
MINIMAX_API_KEY	MiniMax Platform → API ಕೀಗಳು
MINIMAX_BASE_URL	https://api.minimax.io/v1 (ಸರಿಸಮಾನ ಮೌಲ್ಯ) ಬಳಸಿ
MINIMAX_MODEL_ID	ಬಳಸಬೇಕಾದ ಮಾದರಿಯ ಹೆಸರು (ಉದಾಹರಣೆ, MiniMax-M3)

ಉದಾಹರಣೆಯ ಮಾದರಿಗಳು: MiniMax-M3 (ಶಿಫಾರಸು ಮಾಡಲ್ಪಟ್ಟ), MiniMax-M2.7, MiniMax-M2.7-highspeed (ತ್ವರಿತ ಪ್ರತಿಕ್ರಿಯೆಗಳು). ಮಾದರಿ ಹೆಸರುಗಳು ಮತ್ತು ಲಭ್ಯತೆ ಕಾಲಕಾಲಕ್ಕೆ ಬದಲಾಗಬಹುದು, ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಮಾದರಿಗೆ ಪ್ರವೇಶ ನಿಮ್ಮ ಖಾತೆ ಅಥವಾ ಪ್ರದೇಶದ ಆಧಾರಕ್ಕೆ ಅವಲಂಬಿತವಾಗಿರಬಹುದು — ನೀವೇ MiniMax Platform ನಲ್ಲಿ ಪ್ರಸ್ತುತ ಪಟ್ಟಿಯನ್ನು ಪರಿಶೀಲಿಸಿ. ನಿಮ್ಮ ಖಾತೆಗೆ MiniMax-M3 ಲಭ್ಯವಿಲ್ಲದಿದ್ದರೆ, ನೀವು ಪ್ರಾಪ್ತಿಪಡಿಸಬಹುದಾದ ಒಂದು ಮಾದರಿಯ (ಉದಾಹರಣೆಗೆ MiniMax-M2.7) ಹೆಸರು MINIMAX_MODEL_ID ಗೆ ನೀಡಿ.

OpenAIChatClient ಬಳಸದ ಕೋಡ್ ಮಾದರಿಗಳು (ಉದಾಹರಣೆಗೆ ಪಾಠ 14 ಹೋಟೆಲಿನ ಬುಕ್ಕಿಂಗ್ ವರ್ಕ್‌ಫ್ಲೋ) ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಿಮ್ಮ MiniMax ಸಂರಚನೆಯನ್ನು MINIMAX_API_KEY ಸೆಟ್ ಆಗಿದ್ದಾಗ ಪತ್ತೆಮಾಡಿ ಬಳಸುತ್ತಾರೆ.

ಪರ್ಯಾಯ ಪೂರೈಕೆದಾರ: Foundry Local (ಮಾದರಿಗಳನ್ನು ಉಪಕರಣದಲ್ಲಿ ಓಡಿಸಿ)

Foundry Local ಒಂದು ಲಘು ತೂಕದ ರನ್‌ಟೈಮ್ ಆಗಿದ್ದು, OpenAI-ಅನುರೂಪ API ಮೂಲಕ ಭಾಷಾ ಮಾದರಿಗಳನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಯಂತ್ರದಲ್ಲಿ ಸಂಪೂರ್ಣವಾಗಿ ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ, ನಿರ್ವಹಣೆ ಮಾಡಿ ಮತ್ತು ಸೇವೆ ಒದಗಿಸುತ್ತದೆ — ಕ್ಲೌಡ್ ಇಲ್ಲ, ಅಜ್ಯೂರ್ ಸಬ್ಸ್ಕ್ರಿಪ್ಷನ್ ಇಲ್ಲ ಮತ್ತು ಯಾವುದೇ API ಕೀಲಿಗಳು ಇಲ್ಲ. ಇದು ಆಫ್‌ಲೈನ್ ಅಭಿವೃದ್ಧಿ, ಕ್ಲೌಡ್ ವೆಚ್ಚವಿಲ್ಲದೆ ಪ್ರಯೋಗ ಮಾಡುವುದು ಅಥವಾ ಡೇಟಾವನ್ನು ಸಾಧನದಲ್ಲೇ ಕಾಯ್ದುಕೊಳ್ಳಲು ಉತ್ತಮ ಆಯ್ಕೆಯಾಗಿದ್ದುದು.

Microsoft Agent Framework ನ OpenAIChatClient ಯಾವುದೇ OpenAI-ಅನುರೂಪ ಎಂಡ್ಪಾಯಿಂಟ್ ಜೊತೆ ಕೆಲಸ ಮಾಡುವ ಕಾರಣ, Foundry Local ಅಜ್ಯೂರ್ OpenAI ಗೆ ಸ್ಥಳೀಯ ಡ್ರಾಪ್-ಇನ್ ಪರ್ಯಾಯವಾಗಿದೆ.

1. Foundry Local ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ

# ವಿಂಡೋಸ್
winget install Microsoft.FoundryLocal

# ಮ್ಯಾಕ್‌ಒಎಸ್
brew install foundrylocal

2. ಮಾದರಿಯನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ ಮತ್ತು ಚಲಾಯಿಸಿ (ಇದರಿಂದ ಸ್ಥಳೀಯ ಸೇವೆ ಆರಂಭವಾಗುತ್ತದೆ):

foundry model list          # ಲಭ್ಯವಿರುವ ಮಾದರಿಗಳನ್ನು ನೋಡಿ
foundry model run phi-4-mini

3. ಸ್ಥಳೀಯ ಎಂಡ್ಪಾಯಿಂಟ್ ಕಂಡುಹಿಡಿಯಲು ಬಳಸುವ Python SDK ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ:

pip install foundry-local-sdk

4. Microsoft Agent Framework ನ ರೈLocal ಮಾದರಿಯನ್ನು ಪಾಯಿಂಟ್ ಮಾಡಿ:

from foundry_local import FoundryLocalManager
from agent_framework.openai import OpenAIChatClient

# ಮಾದರಿಯನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಡೌನ್‌ಲೋಡ್ (ಅಗತ್ಯವಿದ್ದರೆ) ಮತ್ತು ಸೇವೆ ನೀಡುತ್ತದೆ, ನಂತರ ಎಂಡ್‌ಪಾಯಿಂಟ್/ಪೋರ್ಟ್ ಅನ್ನು ಕಂಡುಹಿಡಿಯುತ್ತದೆ.
manager = FoundryLocalManager("phi-4-mini")

chat_client = OpenAIChatClient(
    base_url=manager.endpoint,      # ಉದಾಹರಣೆಗೆ http://localhost:<port>/v1
    api_key=manager.api_key,        # ಫೌಂಡ್ರಿ ಸ್ಥಳೀಯಕ್ಕಾಗಿ ಸದಾ "ಅಗತ್ಯವಿಲ್ಲ"
    model_id=manager.get_model_info("phi-4-mini").id,
)

agent = chat_client.as_agent(
    name="LocalAgent",
    instructions="You are a helpful assistant running fully on-device.",
)

ಗಮನಿಸಿ: Foundry Local OpenAI-ಅನುರೂಪ Chat Completions ಎಂಡ್ಪಾಯಿಂಟ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ. ಸ್ಥಳೀಯ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಆಫ್‌ಲೈನ್ ಪ್ರಸಂಗಗಳಿಗೆ ಇದನ್ನು ಬಳಸಿ. ಪೂರ್ಣ Responses API ವೈಶಿಷ್ಟ್ಯಗಳಿಗಾಗಿ (ಸ್ಥಿತಿಗತಿಯ ಸಂಭಾಷಣೆಗಳು, ಆಳವಾದ ಸಾಧನ ಸಂಯೋಜನೆ, ಮತ್ತು ಏಜೆಂಟ್ ಶೈಲಿಯ ಅಭಿವೃದ್ಧಿ) Azure OpenAI ಅಥವಾ Microsoft Foundry ಪ್ರಾಜೆಕ್ಟ್ ಗೆ ನೋಡುವಂತೆ ಪಾಠಗಳಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ. ಪ್ರಸ್ತುತ ಮಾದರಿ ಕ್ಯಾಲٽಲಾಗ್ ಮತ್ತು ವೇದಿಕೆ ಬೆಂಬಲಕ್ಕಾಗಿ Foundry Local ದಸ್ತಾವೇಜು ನೋಡಿ.

ಪಾಠ 8 (Bing Grounding Workflow) ಗೆ ಹೆಚ್ಚುವರಿ ಸೆಟಪ್

ಪಾಠ 8ರ ಶರತ್ತುಗೊಳಿಸಿದ ವರ್ಕ್‌ಫ್ಲೋ ನೋಟ್ಬುಕ್ ಮைக್ರೋಸಾಫ್ಟ್ ಫೌಂಡ್ರಿಯ ಮೂಲಕ ಬಿಂಗ್ ಗ್ರೌಂಡಿಂಗ್ ಅನ್ನು ಬಳಸುತ್ತದೆ. ನೀವು ಆ ಮಾದರಿಯನ್ನು ಚಾಲನೆ ಮಾಡಲು ಯೋಜನೆ ಮಾಡುತ್ತಿದ್ದರೆ, ನಿಮ್ಮ .env ಫೈಲ್‌ಗೆ ಈ ಚರವನ್ನು ಸೇರಿಸಿ:

ಚರ	ಎಲ್ಲಿಂದ ಪಡೆಯುವುದು
BING_CONNECTION_ID	ಮைக್ರೋಸಾಫ್ಟ್ ಫೌಂಡ್ರಿ ಪೋರ್ಟಲ್ → ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ → Management → Connected resources → ನಿಮ್ಮ ಬಿಂಗ್ ಸಂಪರ್ಕ → ಸಂಪರ್ಕ ID ನಕಲಿಸಿ

ಸಮಸ್ಯೆ ಪರಿಹಾರ

ಮೆಕ್‌ಒಎಸ್‌ನಲ್ಲಿ SSL ಪ್ರಮಾಣಪತ್ರ ಪರಿಶೀಲನಾ ದೋಷಗಳು

ನೀವು ಮೆಕ್‌ಒಎಸ್‌ನಲ್ಲಿ ಇದ್ದರೆ ಮತ್ತು ಈ ರೀತಿಯ ದೋಷ ಎದುರಿಸಿದರೆ:

ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain

ಇದು ಮೆಕ್‌ಒಎಸ್‌ನಲ್ಲಿ ಪೈಥಾನ್‌ನ ಜೊತೆ ಪರಿಚಿತ ಸಮಸ್ಯೆ, ಇಲ್ಲಿ ಸಿಸ್ಟಂ SSL ಪ್ರಮಾಣಪತ್ರಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಂಬಲಾಗುವುದಿಲ್ಲ. ಕೆಳಗಿನ ಪರಿಹಾರಗಳನ್ನು ಕ್ರಮವಾಗಿ ಪ್ರಯತ್ನಿಸಿ:

ಆಯ್ಕೆ 1: ಪೈಥಾನ್‌ನ Install Certificates ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡಿರಿ (ಶಿಫಾರಸು ಮಾಡಲ್ಪಟ್ಟದ್ದು)

# ನಿಮ್ಮ ಸ್ಥಾಪಿತ ಪೈಥಾನ್ ಆವೃತ್ತಿಯನ್ನು 3.XX‌ನೊಂದಿಗೆ ಬದಲಾಯಿಸಿ (ಉದಾ., 3.12 ಅಥವಾ 3.13):
/Applications/Python\ 3.XX/Install\ Certificates.command

ಆಯ್ಕೆ 2: ನಿಮ್ಮ ನೋಟ್ಬುಕ್‌ನಲ್ಲಿ connection_verify=False ಉಪಯೋಗಿಸಿ (GitHub Models ನೋಟ್ಬುಕ್‌ಗಳಿಗೆ ಮಾತ್ರ)

ಪಾಠ 6 ನೋಟ್ಬುಕ್‌ನಲ್ಲಿ (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb), ಟಿಪ್ಪಣಿ ಮಾಡಿಕೊಂಡಿರುವ ತಾತ್ಕಾಲಿಕ ಪರಿಹಾರ ಈಗಾಗಲೇ ಸೇರಿಸಲಾಗಿದೆ. ಕ್ಲೈಯಂಟ್ ರಚಿಸುವಾಗ connection_verify=False ಅನ್ನು ಅನ್‌ಕಾಮೆಂಟ್ ಮಾಡಿ:

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # ಪ್ರಮಾಣಪತ್ರ ದೋಷಗಳನ್ನು ಎದುರಿಸಿದರೆ SSL ಪರಿಶೀಲನೆ ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಿ
)

⚠️ ದೈಹಿಕ ಸೂಚನೆ: SSL ಪರಿಶೀಲನೆಯನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸುವುದು (connection_verify=False) ಪ್ರಮಾಣಪತ್ರ ಪರಿಶೀಲನೆಯನ್ನು ತಲ ಸಂಪೂರ್ಣತೆ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಇದನ್ನು ಬೆಳವಣಿಗೆ ಪರಿಸರಗಳಲ್ಲಿ ತಾತ್ಕಾಲಿಕ ಪರಿಹಾರವಾಗಿ ಮಾತ್ರ ಬಳಸಿ, ಉತ್ಪಾದನೆಯಲ್ಲಿ ಎಂದಿಗೂ ಬಳಸಬೇಡಿ.

ಆಯ್ಕೆ 3: truststore ಅನ್ನು ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ ಮತ್ತು ಬಳಸಿರಿ

pip install truststore

ನಂತರ ನಿಮ್ಮ ನೋಟ್ಬುಕ್ ಅಥವಾ ಸ್ಕ್ರಿಪ್ಟ್‌ನ ಶೀರ್ಷಿಕೆಯಲ್ಲಿ ಯಾವುದೇ ನೆಟ್‌ವರ್ಕ್ ಕರೆಗಳನ್ನು ಮಾಡುವ ಮೊದಲು ಕೆಳಕಂಡವನ್ನು ಸೇರಿಸಿ:

import truststore
truststore.inject_into_ssl()

ಎಲ್ಲಿ ಸಿಲುಕಿದ್ದೀರಾ?

ಈ ಸೆಟ್‌ಅಪ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡುವಲ್ಲಿ ಯಾವುದೇ ಸಮಸ್ಯೆಗಳು ಇದ್ದರೆ, ನಮ್ಮ Azure AI Community Discord ಗೆ ಸೇರಿ ಅಥವಾ ಇಷ್ಯೂ ಸೃಷ್ಟಿಸಿ.

ಮುಂದಿನ ಪಾಠ

ಈ ಕೋರ್ಸ್‌ನ ಕೋಡ್ ಅನ್ನು ಈಗ ನೀವು ಚಾಲನೆ ಮಾಡಲು ಸಿದ್ಧರಾಗಿದ್ದೀರಿ. AI ಏಜೆಂಟುಗಳ ಪ್ರಪಂಚವನ್ನು ಹೆಚ್ಚು ತಿಳಿದುಕೊಳ್ಳಲು ಪಾಠ ಮಾಡಿರಿ!

Introduction to AI Agents and Agent Use Cases

---

ಅಸ್ವೀಕಾರ: ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ದಯವಿಟ್ಟು ಗಮನಿಸಿ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸಡ್ಡೆಗಳು ಇರಬಹುದು. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜು ಪ್ರಾಮಾಣಿಕ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದವನ್ನು ಬಳಸುವ ಮೂಲಕ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಗಳ ಅಥವಾ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳ ಬಗ್ಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.

This site is open source. Improve this page.