이 강의에서는 코스의 코드 샘플을 실행하는 방법을 다룹니다.
저장소를 복제하기 전에 AI Agents For Beginners Discord 채널에 가입하세요. 설정에 대한 도움을 받거나, 코스에 대한 질문을 하거나, 다른 학습자들과 연결할 수 있습니다.
시작하려면 GitHub 저장소를 복제하거나 포크하세요. 이렇게 하면 코스 자료의 자신의 버전을 만들어 코드 실행, 테스트 및 수정이 가능합니다!
저장소를 포크하려면 여기를 클릭하세요.
이제 아래 링크에서 이 코스의 포크된 버전을 확인할 수 있습니다:

전체 저장소는 모든 기록과 파일을 다운로드할 경우 크기가 클 수 있습니다 (~3 GB). 워크숍에 참석하거나 몇 개의 강의 폴더만 필요한 경우, 얕은 복제(또는 희소 복제)를 통해 대부분의 다운로드를 피할 수 있습니다.
아래 명령에서 <your-username>을 자신의 포크 URL(또는 선호하는 경우 업스트림 URL)로 바꾸세요.
최신 커밋 기록만 복제하려면(작은 다운로드):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
특정 브랜치를 복제하려면:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
이 방법은 부분 복제와 희소 체크아웃을 사용합니다(Git 2.25+ 필요, 부분 복제 지원이 있는 최신 Git 권장):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
저장소 폴더로 이동:
bash의 경우:
cd ai-agents-for-beginners
Powershell의 경우:
Set-Location ai-agents-for-beginners
그런 다음 필요한 폴더를 지정하세요(아래 예는 두 개의 폴더를 보여줍니다):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
파일을 복제하고 확인한 후, 파일만 필요하고 공간을 확보하려면(기록 없음), 저장소 메타데이터를 삭제하세요(💀복구 불가 — 모든 Git 기능을 잃게 됩니다: 커밋, 풀, 푸시 또는 기록 액세스 불가).
Linux/macOS의 경우:
rm -rf .git
Windows의 경우:
Remove-Item -Recurse -Force .git
GitHub UI를 통해 이 저장소에 대한 새 Codespace를 생성하세요.
이 코스는 AI 에이전트를 구축하는 실습 경험을 제공하는 일련의 Jupyter 노트북을 제공합니다.
코드 샘플은 다음을 사용합니다:
GitHub 계정 필요 - 무료:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. (semantic-kernel.ipynb로 표시됨) 2) AutoGen Framework + GitHub Models Marketplace. (autogen.ipynb로 표시됨)
Azure 구독 필요: 3) Azure AI Foundry + Azure AI Agent Service. (azureaiagent.ipynb로 표시됨)
세 가지 예제를 모두 시도해보고 자신에게 가장 적합한 것을 확인해보길 권장합니다.
선택한 옵션에 따라 아래의 설정 단계를 따라야 합니다:
참고: Python3.12가 설치되어 있지 않다면 설치하세요. 그런 다음 requirements.txt 파일에서 올바른 버전을 설치하려면 python3.12를 사용하여 venv를 생성하세요.
예시
Python venv 디렉토리 생성:
python3 -m venv venv
그런 다음 venv 환경을 활성화하세요:
macOS 및 Linux
source venv/bin/activate
Windows
venv\Scripts\activate
이 저장소의 루트에는 코드 샘플을 실행하는 데 필요한 모든 Python 패키지가 포함된 requirements.txt 파일이 있습니다.
다음 명령을 저장소 루트의 터미널에서 실행하여 설치할 수 있습니다:
pip install -r requirements.txt
Python 가상 환경을 생성하여 충돌 및 문제를 방지하는 것을 권장합니다.
VSCode에서 올바른 Python 버전을 사용하고 있는지 확인하세요.
이 코스는 GitHub Models Marketplace를 활용하여 AI 에이전트를 구축하는 데 사용할 무료 대형 언어 모델(LLM)을 제공합니다.
GitHub Models를 사용하려면 GitHub 개인 액세스 토큰을 생성해야 합니다.
GitHub 계정의 개인 액세스 토큰 설정으로 이동하여 생성할 수 있습니다.
토큰을 생성할 때 최소 권한 원칙을 따르세요. 즉, 이 코스의 코드 샘플을 실행하는 데 필요한 권한만 토큰에 부여해야 합니다.
개발자 설정으로 이동하여 화면 왼쪽에서 세분화된 토큰 옵션을 선택하세요.

그런 다음 새 토큰 생성을 선택하세요.

토큰의 목적을 반영하는 설명 이름을 입력하여 나중에 쉽게 식별할 수 있도록 하세요.
🔐 토큰 기간 추천
추천 기간: 30일 더 안전한 설정을 원한다면 7일과 같은 짧은 기간을 선택할 수 있습니다 🛡️ 이는 개인 목표를 설정하고 학습 동기가 높은 상태에서 코스를 완료하는 좋은 방법입니다 🚀.

토큰의 범위를 이 저장소의 포크로 제한하세요.

토큰의 권한을 제한하세요: 권한 아래에서 계정 탭을 클릭하고 “+ 권한 추가” 버튼을 클릭하세요. 드롭다운이 나타납니다. 모델을 검색하고 체크박스를 선택하세요.

토큰을 생성하기 전에 필요한 권한을 확인하세요. 
토큰을 생성하기 전에 비밀번호 관리자 금고와 같은 안전한 장소에 토큰을 저장할 준비가 되었는지 확인하세요. 생성 후에는 다시 표시되지 않습니다. 
방금 생성한 새 토큰을 복사하세요. 이제 이 코스에 포함된 .env 파일에 추가합니다.
.env 파일 생성터미널에서 다음 명령을 실행하여 .env 파일을 생성하세요.
cp .env.example .env
이 명령은 예제 파일을 복사하여 .env를 디렉토리에 생성하며 환경 변수 값을 채울 수 있습니다.
복사한 토큰을 사용하여 좋아하는 텍스트 편집기에서 .env 파일을 열고 GITHUB_TOKEN 필드에 토큰을 붙여넣으세요.

이제 이 코스의 코드 샘플을 실행할 수 있습니다.
Azure AI Foundry에서 허브와 프로젝트를 생성하는 단계는 여기에서 확인하세요: 허브 리소스 개요
프로젝트를 생성한 후, 프로젝트의 연결 문자열을 가져와야 합니다.
이는 Azure AI Foundry 포털에서 프로젝트의 개요 페이지로 이동하여 수행할 수 있습니다.

.env 파일 생성터미널에서 다음 명령을 실행하여 .env 파일을 생성하세요.
cp .env.example .env
이 명령은 예제 파일을 복사하여 .env를 디렉토리에 생성하며 환경 변수 값을 채울 수 있습니다.
복사한 토큰을 사용하여 좋아하는 텍스트 편집기에서 .env 파일을 열고 PROJECT_ENDPOINT 필드에 토큰을 붙여넣으세요.
보안 모범 사례로, Microsoft Entra ID를 사용하여 Azure OpenAI에 키 없는 인증을 사용할 것입니다.
다음으로 터미널을 열고 az login --use-device-code를 실행하여 Azure 계정에 로그인하세요.
로그인한 후, 터미널에서 구독을 선택하세요.
Agentic RAG Lesson - Lesson 5에서는 Azure Search 및 Azure OpenAI를 사용하는 샘플이 포함되어 있습니다.
이 샘플을 실행하려면 .env 파일에 다음 환경 변수를 추가해야 합니다:
AZURE_SUBSCRIPTION_ID - 프로젝트의 개요 페이지에서 프로젝트 세부 정보를 확인하세요.
AZURE_AI_PROJECT_NAME - 프로젝트의 개요 페이지 상단을 확인하세요.
AZURE_OPENAI_SERVICE - 개요 페이지의 Azure OpenAI Service 탭에서 포함된 기능을 확인하세요.
AZURE_OPENAI_RESOURCE_GROUP - 관리 센터의 개요 페이지에서 프로젝트 속성으로 이동하세요.
GLOBAL_LLM_SERVICE - 연결된 리소스에서 Azure AI Services 연결 이름을 찾으세요. 나열되지 않은 경우, 리소스 그룹에서 AI Services 리소스 이름을 확인하세요.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - 임베딩 모델(예: text-embedding-ada-002)을 선택하고 모델 세부 정보에서 배포 이름을 확인하세요.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - 채팅 모델(예: gpt-4o-mini)을 선택하고 모델 세부 정보에서 배포 이름을 확인하세요.
AZURE_OPENAI_ENDPOINT - Azure AI Services를 찾고 클릭한 다음 리소스 관리, 키 및 엔드포인트로 이동하여 “Azure OpenAI 엔드포인트”를 스크롤하여 “언어 API”를 복사하세요.
AZURE_OPENAI_API_KEY - 동일한 화면에서 KEY 1 또는 KEY 2를 복사하세요.
AZURE_SEARCH_SERVICE_ENDPOINT - Azure AI Search 리소스를 찾고 클릭한 다음 개요를 확인하세요.
AZURE_SEARCH_API_KEY - 그런 다음 설정으로 이동하여 키에서 기본 또는 보조 관리자 키를 복사하세요.
AZURE_OPENAI_API_VERSION - API 버전 수명 주기 페이지에서 최신 GA API 릴리스를 확인하세요.자격 증명을 하드코딩하는 대신, Azure OpenAI와 키 없는 연결을 사용합니다. 이를 위해 DefaultAzureCredential을 가져오고 나중에 DefaultAzureCredential 함수를 호출하여 자격 증명을 가져옵니다.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
설정을 실행하는 데 문제가 있다면, Azure AI 커뮤니티 Discord에 참여하거나 이슈를 생성해 주세요.
이제 이 강좌의 코드를 실행할 준비가 되었습니다. AI 에이전트의 세계에 대해 더 많이 배우는 즐거운 시간을 보내세요!
면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.