ai-agents-for-beginners

कोर्स सेटअप

परिचय

या धड्यात तुम्ही या कोर्सचे कोड नमुने कसे चालवायचे ते शिकाल.

इतर शिकणाऱ्यांमध्ये सामील व्हा आणि मदत मिळवा

तुमचे रेपो क्लोन करण्यापूर्वी, AI Agents For Beginners Discord channel मध्ये सामील व्हा. येथे तुम्हाला सेटअपसाठी मदत, कोर्सबद्दल प्रश्न विचारता येतील किंवा इतर शिकणाऱ्यांशी संपर्क साधता येईल.

या रेपोला क्लोन किंवा फोर्क करा

सुरुवात करण्यासाठी, कृपया GitHub Repository क्लोन किंवा फोर्क करा. यामुळे तुम्हाला कोर्स मटेरियलची स्वतःची आवृत्ती मिळेल, ज्यामुळे तुम्ही कोड चालवू, चाचणी करू आणि बदल करू शकाल!

हे करण्यासाठी खालील लिंकवर क्लिक करा:

कोड चालवणे

या कोर्समध्ये Jupyter Notebooks चा एक संच दिला आहे, ज्यामुळे तुम्हाला AI Agents तयार करण्याचा प्रत्यक्ष अनुभव मिळेल.

कोड नमुने खालीलपैकी एक वापरतात:

GitHub खाते आवश्यक - मोफत:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace. (semantic-kernel.ipynb) म्हणून लेबल केलेले. 2) AutoGen Framework + GitHub Models Marketplace. (autogen.ipynb) म्हणून लेबल केलेले.

Azure सदस्यता आवश्यक: 3) Azure AI Foundry + Azure AI Agent Service. (azureaiagent.ipynb) म्हणून लेबल केलेले.

तुम्हाला सर्व तीन प्रकारचे उदाहरणे वापरून पाहण्याची शिफारस केली जाते, जेणेकरून तुमच्यासाठी सर्वात चांगले काय कार्य करते ते तुम्हाला समजेल.

तुम्ही कोणता पर्याय निवडता, त्यावर आधारित खालील सेटअप चरण ठरतील:

आवश्यकताः

• Python 3.12+
  • NOTE: जर तुमच्याकडे Python3.12 स्थापित नसेल, तर ते स्थापित करा. नंतर python3.12 वापरून तुमचे venv तयार करा, जेणेकरून requirements.txt फाइलमधून योग्य आवृत्त्या स्थापित होतील.
• GitHub खाते - GitHub Models Marketplace मध्ये प्रवेशासाठी.
• Azure सदस्यता - Azure AI Foundry मध्ये प्रवेशासाठी.
• Azure AI Foundry खाते - Azure AI Agent Service मध्ये प्रवेशासाठी.

या रेपोच्या मूळ फोल्डरमध्ये requirements.txt फाइल समाविष्ट आहे, ज्यामध्ये कोड नमुने चालवण्यासाठी आवश्यक असलेल्या सर्व Python पॅकेजेस आहेत.

तुम्ही खालील आदेश टर्मिनलमध्ये चालवून त्यांना स्थापित करू शकता:

pip install -r requirements.txt

संघर्ष आणि समस्या टाळण्यासाठी Python virtual environment तयार करण्याची शिफारस केली जाते.

VSCode सेटअप करा

VSCode मध्ये योग्य Python आवृत्ती वापरत असल्याची खात्री करा.

GitHub Models वापरून नमुन्यांसाठी सेटअप करा

चरण 1: तुमचा GitHub Personal Access Token (PAT) मिळवा

हा कोर्स GitHub Models Marketplace वापरतो, ज्यामुळे तुम्हाला Large Language Models (LLMs) मोफत वापरण्याची सुविधा मिळते, ज्याचा उपयोग तुम्ही AI Agents तयार करण्यासाठी करू शकता.

GitHub Models वापरण्यासाठी, तुम्हाला GitHub Personal Access Token तयार करावा लागेल.

हे तुमच्या GitHub खात्यात जाऊन करता येईल.

कृपया Principle of Least Privilege चे पालन करा. याचा अर्थ असा की तुम्ही टोकनला फक्त कोर्सच्या कोड नमुन्यांसाठी आवश्यक असलेल्या परवानग्या द्या.

1. Developer settings मध्ये जाऊन डाव्या बाजूला Fine-grained tokens पर्याय निवडा.

   नंतर Generate new token निवडा.

   

2. टोकनसाठी एक वर्णनात्मक नाव प्रविष्ट करा, जे त्याच्या उद्देशाचे प्रतिबिंबित करते आणि नंतर ओळखणे सोपे होते.

   🔐 टोकन कालावधी शिफारस

   शिफारस केलेला कालावधी: 30 दिवस अधिक सुरक्षिततेसाठी, तुम्ही 7 दिवसांसारखा कमी कालावधी निवडू शकता 🛡️ हे तुमचे वैयक्तिक लक्ष्य सेट करण्याचा आणि कोर्स पूर्ण करण्याचा उत्तम मार्ग आहे 🚀.

   

3. टोकनचा स्कोप या रेपोच्या फोर्कपर्यंत मर्यादित करा.

   

4. टोकनच्या परवानग्या मर्यादित करा: Permissions अंतर्गत, Account टॅबवर क्लिक करा आणि “+ Add permissions” बटणावर क्लिक करा. एक ड्रॉपडाउन दिसेल. कृपया Models शोधा आणि त्यासाठी बॉक्स तपासा.

5. टोकन तयार करण्यापूर्वी आवश्यक परवानग्या सत्यापित करा.

6. टोकन तयार करण्यापूर्वी, तुम्ही टोकन सुरक्षित ठिकाणी जसे की पासवर्ड मॅनेजर व्हॉल्टमध्ये संग्रहित करण्यासाठी तयार आहात याची खात्री करा, कारण ते पुन्हा दाखवले जाणार नाही.

तुम्ही नुकतेच तयार केलेले नवीन टोकन कॉपी करा. आता तुम्ही हे टोकन या कोर्समध्ये समाविष्ट .env फाइलमध्ये जोडाल.

चरण 2: तुमची .env फाइल तयार करा

तुमच्या टर्मिनलमध्ये खालील आदेश चालवून तुमची .env फाइल तयार करा.

cp .env.example .env

हे उदाहरण फाइल कॉपी करेल आणि तुमच्या डिरेक्टरीमध्ये .env तयार करेल, जिथे तुम्ही पर्यावरणीय व्हेरिएबल्ससाठी मूल्ये भराल.

तुमचे टोकन कॉपी केल्यानंतर, तुमच्या आवडत्या टेक्स्ट एडिटरमध्ये .env फाइल उघडा आणि GITHUB_TOKEN फील्डमध्ये तुमचे टोकन पेस्ट करा.

आता तुम्ही या कोर्सचे कोड नमुने चालवू शकता.

Azure AI Foundry आणि Azure AI Agent Service वापरून नमुन्यांसाठी सेटअप करा

चरण 1: तुमचा Azure प्रोजेक्ट Endpoint मिळवा

Azure AI Foundry मध्ये हब आणि प्रोजेक्ट तयार करण्यासाठी Hub resources overview येथे दिलेल्या चरणांचे अनुसरण करा.

तुमचा प्रोजेक्ट तयार केल्यानंतर, तुम्हाला तुमच्या प्रोजेक्टसाठी कनेक्शन स्ट्रिंग मिळवावी लागेल.

हे Azure AI Foundry पोर्टलमध्ये तुमच्या प्रोजेक्टच्या Overview पृष्ठावर जाऊन करता येईल.

चरण 2: तुमची .env फाइल तयार करा

तुमच्या टर्मिनलमध्ये खालील आदेश चालवून तुमची .env फाइल तयार करा.

cp .env.example .env

हे उदाहरण फाइल कॉपी करेल आणि तुमच्या डिरेक्टरीमध्ये .env तयार करेल, जिथे तुम्ही पर्यावरणीय व्हेरिएबल्ससाठी मूल्ये भराल.

तुमचे टोकन कॉपी केल्यानंतर, तुमच्या आवडत्या टेक्स्ट एडिटरमध्ये .env फाइल उघडा आणि PROJECT_ENDPOINT फील्डमध्ये तुमचे टोकन पेस्ट करा.

चरण 3: Azure मध्ये साइन इन करा

सुरक्षिततेच्या सर्वोत्तम पद्धती म्हणून, Microsoft Entra ID सह Azure OpenAI मध्ये keyless authentication वापरू.

पुढे, टर्मिनल उघडा आणि az login --use-device-code चालवून तुमच्या Azure खात्यात साइन इन करा.

तुम्ही लॉग इन केल्यानंतर, टर्मिनलमध्ये तुमची सदस्यता निवडा.

अतिरिक्त पर्यावरणीय व्हेरिएबल्स - Azure Search आणि Azure OpenAI

Agentic RAG Lesson - Lesson 5 साठी काही नमुने Azure Search आणि Azure OpenAI वापरतात.

जर तुम्हाला हे नमुने चालवायचे असतील, तर तुम्हाला तुमच्या .env फाइलमध्ये खालील पर्यावरणीय व्हेरिएबल्स जोडावे लागतील:

Overview Page (Project)

• AZURE_SUBSCRIPTION_ID - Overview पृष्ठावरील Project details तपासा.

• AZURE_AI_PROJECT_NAME - तुमच्या प्रोजेक्टच्या Overview पृष्ठाच्या शीर्षस्थानी पहा.

• AZURE_OPENAI_SERVICE - Overview पृष्ठावरील Azure OpenAI Service च्या Included capabilities टॅबमध्ये शोधा.

Management Center

• AZURE_OPENAI_RESOURCE_GROUP - Management Center च्या Overview पृष्ठावरील Project properties मध्ये जा.

• GLOBAL_LLM_SERVICE - Connected resources अंतर्गत, Azure AI Services कनेक्शन नाव शोधा. जर सूचीबद्ध नसेल, तर तुमच्या संसाधन गटाच्या Azure portal मध्ये AI Services संसाधन नाव तपासा.

Models + Endpoints Page

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - तुमचा embedding मॉडेल निवडा (उदा., text-embedding-ada-002) आणि मॉडेल तपशीलांमधून Deployment name नोंदवा.

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - तुमचा chat मॉडेल निवडा (उदा., gpt-4o-mini) आणि मॉडेल तपशीलांमधून Deployment name नोंदवा.

Azure Portal

• AZURE_OPENAI_ENDPOINT - Azure AI services शोधा, त्यावर क्लिक करा, नंतर Resource Management, Keys and Endpoint मध्ये जा, “Azure OpenAI endpoints” पर्यंत स्क्रोल करा आणि “Language APIs” म्हणणारा कॉपी करा.

• AZURE_OPENAI_API_KEY - त्याच स्क्रीनवरून, KEY 1 किंवा KEY 2 कॉपी करा.

• AZURE_SEARCH_SERVICE_ENDPOINT - तुमचा Azure AI Search संसाधन शोधा, त्यावर क्लिक करा आणि Overview पहा.

• AZURE_SEARCH_API_KEY - नंतर Settings आणि Keys मध्ये जा आणि प्राथमिक किंवा दुय्यम admin key कॉपी करा.

External Webpage

• AZURE_OPENAI_API_VERSION - API version lifecycle पृष्ठावर Latest GA API release अंतर्गत भेट द्या.

Keyless Authentication सेटअप करा

तुमचे credentials हार्डकोड करण्याऐवजी, आम्ही Azure OpenAI सह keyless connection वापरू. यासाठी, आम्ही DefaultAzureCredential आयात करू आणि नंतर DefaultAzureCredential फंक्शन कॉल करून credential मिळवू.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

कुठे अडले आहात?

जर तुम्हाला या सेटअपमध्ये काही समस्या आल्या, तर आमच्या Discord channel मध्ये सामील व्हा.

पुढील धडा

आता तुम्ही या कोर्ससाठी कोड चालवण्यास तयार आहात. AI Agents च्या जगाबद्दल अधिक शिकण्याचा आनंद घ्या!

AI Agents आणि Agent Use Cases ची ओळख

---

अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.

This site is open source. Improve this page.