या धड्यात तुम्ही या कोर्सचे कोड नमुने कसे चालवायचे ते शिकाल.
तुमचा रेपो क्लोन करण्यापूर्वी, AI Agents For Beginners Discord चॅनेल मध्ये सामील व्हा. येथे तुम्हाला सेटअपसाठी मदत, कोर्सबद्दल प्रश्न विचारता येतील किंवा इतर शिकणाऱ्यांशी संपर्क साधता येईल.
सुरुवात करण्यासाठी, कृपया GitHub रेपॉझिटरी क्लोन किंवा फोर्क करा. यामुळे तुम्हाला कोर्स मटेरियलची स्वतःची आवृत्ती मिळेल, ज्यामुळे तुम्ही कोड चालवू, चाचणी करू आणि बदल करू शकाल!
हे करण्यासाठी रेपो फोर्क करण्यासाठी लिंकवर क्लिक करा.
आता तुम्हाला या कोर्सची स्वतःची फोर्क केलेली आवृत्ती खालील लिंकवर मिळेल:
या कोर्समध्ये Jupyter Notebooks चा एक संच आहे, ज्याद्वारे तुम्ही AI Agents तयार करण्याचा प्रत्यक्ष अनुभव घेऊ शकता.
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 कोणते कार्य करते ते तुम्हाला समजेल.
तुम्ही कोणता पर्याय निवडता, त्यावर आधारित खालील सेटअप चरण ठरतील:
NOTE: जर तुमच्याकडे Python3.12 स्थापित नसेल, तर ते स्थापित करा. नंतर requirements.txt फाइलमधून योग्य आवृत्त्या स्थापित करण्यासाठी python3.12 वापरून तुमचा venv तयार करा.
उदाहरण
Python venv डिरेक्टरी तयार करा:
python3 -m venv venv
नंतर venv वातावरण सक्रिय करा:
macOS आणि Linux
source venv/bin/activate
Windows
venv\Scripts\activate
या रेपॉझिटरीच्या 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
Python व्हर्च्युअल वातावरण तयार करण्याची शिफारस केली जाते, जेणेकरून कोणतेही संघर्ष आणि समस्या टाळता येतील.
VSCode मध्ये योग्य Python आवृत्ती वापरत असल्याची खात्री करा.
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 खात्यातील Personal Access Tokens settings मध्ये जाऊन करता येईल.
कृपया Principle of Least Privilege चे पालन करा. याचा अर्थ असा की तुम्ही टोकनला फक्त कोर्समधील कोड नमुने चालवण्यासाठी आवश्यक असलेल्या परवानग्या द्या.
तुमच्या स्क्रीनच्या डाव्या बाजूला Developer settings मध्ये जाऊन Fine-grained tokens
पर्याय निवडा.
नंतर Generate new token
निवडा.
तुमच्या टोकनसाठी त्याच्या उद्देशाचे प्रतिबिंबित करणारे वर्णनात्मक नाव प्रविष्ट करा, जेणेकरून नंतर ओळखणे सोपे होईल.
🔐 टोकन कालावधी शिफारस
शिफारस केलेला कालावधी: 30 दिवस अधिक सुरक्षितता हवी असल्यास, तुम्ही 7 दिवसांसारखा कमी कालावधी निवडू शकता 🛡️ हे तुमचे वैयक्तिक लक्ष्य सेट करण्याचा आणि कोर्स पूर्ण करण्याचा उत्तम मार्ग आहे 🚀.
टोकनचा उपयोग फक्त या रेपॉझिटरीच्या फोर्कसाठी मर्यादित करा.
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.
टोकन तयार करण्यापूर्वी आवश्यक परवानग्या सत्यापित करा.
टोकन तयार करण्यापूर्वी, टोकन सुरक्षित ठिकाणी जसे की पासवर्ड मॅनेजर व्हॉल्टमध्ये संग्रहित करण्यासाठी तयार असल्याची खात्री करा, कारण ते तयार केल्यानंतर पुन्हा दाखवले जाणार नाही.
तुम्ही नुकतेच तयार केलेले टोकन कॉपी करा. आता तुम्ही हे टोकन या कोर्समध्ये समाविष्ट .env
फाइलमध्ये जोडाल.
.env
फाइल तयार करातुमच्या 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 करून, 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 मध्ये हब आणि प्रोजेक्ट तयार करण्यासाठी चरणांचे अनुसरण करा: Hub resources overview
तुमचा प्रोजेक्ट तयार केल्यानंतर, तुम्हाला तुमच्या प्रोजेक्टसाठी कनेक्शन स्ट्रिंग मिळवावी लागेल.
हे Azure AI Foundry पोर्टलमधील तुमच्या प्रोजेक्टच्या Overview पृष्ठावर जाऊन करता येईल.
.env
फाइल तयार करातुमच्या 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 करून, तुमच्या आवडत्या टेक्स्ट एडिटरमध्ये .env
फाइल उघडा आणि PROJECT_ENDPOINT
फील्डमध्ये तुमचे टोकन पेस्ट करा.
सुरक्षिततेच्या सर्वोत्तम पद्धती म्हणून, Microsoft Entra ID सह Azure OpenAI मध्ये प्रमाणित करण्यासाठी 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.
Agentic RAG Lesson - Lesson 5 साठी नमुने आहेत जे Azure Search आणि Azure OpenAI वापरतात.
जर तुम्हाला हे नमुने चालवायचे असतील, तर तुम्हाला तुमच्या .env
फाइलमध्ये खालील पर्यावरणीय व्हेरिएबल्स जोडावे लागतील:
AZURE_SUBSCRIPTION_ID
- Overview पृष्ठावरील Project details तपासा.
AZURE_AI_PROJECT_NAME
- तुमच्या प्रोजेक्टच्या Overview पृष्ठाच्या शीर्षस्थानी पहा.
AZURE_OPENAI_SERVICE
- Overview पृष्ठावरील Included capabilities टॅबमध्ये Azure OpenAI Service शोधा.
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 Azure portal मध्ये तुमच्या रिसोर्स ग्रुप अंतर्गत AI Services रिसोर्स नाव तपासा.
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_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” म्हणणारे कॉपी करा.
AZURE_OPENAI_API_KEY
- त्याच स्क्रीनवरून, KEY 1 किंवा KEY 2 कॉपी करा.
AZURE_SEARCH_SERVICE_ENDPOINT
- तुमचा Azure AI Search रिसोर्स 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.
AZURE_OPENAI_API_VERSION
- API version lifecycle पृष्ठावर Latest GA API release अंतर्गत भेट द्या.तुमचे क्रेडेन्शियल्स हार्डकोड करण्याऐवजी, आम्ही Azure OpenAI सह keyless कनेक्शन वापरू. यासाठी, आम्ही DefaultAzureCredential
आयात करू आणि नंतर DefaultAzureCredential
फंक्शन कॉल करून क्रेडेन्शियल मिळवू.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
जर तुम्हाला या सेटअपमध्ये कोणत्याही समस्या आल्या, तर आमच्या Azure AI Community Discord मध्ये सामील व्हा किंवा प्रश्न तयार करा.
आता तुम्ही या कोर्ससाठी कोड चालवण्यासाठी 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 भाषांतरे त्रुटी किंवा अचूकतेच्या अभावाने युक्त असू शकतात. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.