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

तुमचा रेपो क्लोन करण्यापूर्वी, AI Agents For Beginners Discord channel मध्ये सामील व्हा. सेटअपसाठी मदत मिळवण्यासाठी, कोर्सबद्दल कोणतेही प्रश्न विचारण्यासाठी किंवा इतर शिकणाऱ्यांशी संपर्क साधण्यासाठी तुम्ही येथे सामील होऊ शकता.

हा रेपो 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 रेपो फोर्क करण्यासाठी लिंकवर क्लिक करा.

आता तुम्हाला या कोर्सची स्वतःची फोर्क केलेली आवृत्ती खालील लिंकवर मिळेल:

शॅलो क्लोन (वर्कशॉप / Codespaces साठी शिफारस केलेले)

पूर्ण रेपो मोठा (~3 GB) असू शकतो जेव्हा तुम्ही पूर्ण इतिहास आणि सर्व फाइल्स डाउनलोड करता. जर तुम्ही फक्त वर्कशॉपमध्ये सहभागी होत असाल किंवा फक्त काही धडा फोल्डर्सची गरज असेल, तर शॅलो क्लोन (किंवा स्पार्स क्लोन) इतिहास कमी करून आणि/किंवा ब्लॉब्स वगळून बहुतेक डाउनलोड टाळतो.

जलद शॅलो क्लोन — कमीतकमी इतिहास, सर्व फाइल्स

खालील कमांड्समध्ये <your-username> बदला तुमच्या फोर्क URL सह (किंवा तुम्हाला आवडत असल्यास अपस्ट्रीम URL).

फक्त नवीनतम कमिट इतिहास क्लोन करण्यासाठी (लहान डाउनलोड):

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

विशिष्ट ब्रांच क्लोन करण्यासाठी:

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

अंशतः (स्पार्स) क्लोन — कमीतकमी ब्लॉब्स + फक्त निवडलेले फोल्डर्स

हे अंशतः क्लोन आणि स्पार्स-चेकआउट वापरते (Git 2.25+ आवश्यक आहे आणि अंशतः क्लोन समर्थनासह आधुनिक Git शिफारस केलेले):

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

रेपो फोल्डरमध्ये जा:

cd ai-agents-for-beginners

त्यानंतर तुम्हाला कोणते फोल्डर्स हवे आहेत ते निर्दिष्ट करा (खालील उदाहरण दोन फोल्डर्स दर्शवते):

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

क्लोनिंग आणि फाइल्स सत्यापित केल्यानंतर, जर तुम्हाला फक्त फाइल्सची गरज असेल आणि जागा मोकळी करायची असेल (कोणताही git इतिहास नाही), तर कृपया रेपो मेटाडेटा हटवा (💀अपरिवर्तनीय — तुम्ही सर्व Git कार्यक्षमता गमवाल: कोणतेही कमिट्स, पुल्स, पुशेस किंवा इतिहास प्रवेश).

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

GitHub Codespaces वापरणे (स्थानिक मोठ्या डाउनलोड्स टाळण्यासाठी शिफारस केलेले)

• GitHub UI द्वारे या रेपोसाठी नवीन Codespace तयार करा.

• नव्याने तयार केलेल्या Codespace च्या टर्मिनलमध्ये, वर दिलेल्या शॅलो/स्पार्स क्लोन कमांड्सपैकी एक चालवा जेणेकरून तुम्हाला फक्त आवश्यक धडा फोल्डर्स Codespace workspace मध्ये मिळतील.
• पर्यायी: Codespaces मध्ये क्लोनिंग केल्यानंतर, अतिरिक्त जागा पुनर्प्राप्त करण्यासाठी .git काढा (वरील काढण्याचे कमांड पहा).
• टीप: जर तुम्हाला रेपो थेट Codespaces मध्ये उघडायचा असेल (अतिरिक्त क्लोनशिवाय), लक्षात ठेवा Codespaces devcontainer वातावरण तयार करेल आणि तरीही तुम्हाला आवश्यकतेपेक्षा जास्त प्रोव्हिजन करू शकते. नवीन Codespace मध्ये शॅलो कॉपी क्लोन करणे तुम्हाला डिस्क वापरावर अधिक नियंत्रण देते.

टिप्स

• जर तुम्हाला संपादित/कमिट करायचे असेल तर नेहमी क्लोन URL तुमच्या फोर्कने बदला.
• जर तुम्हाला नंतर अधिक इतिहास किंवा फाइल्सची गरज असेल, तर तुम्ही त्या फेच करू शकता किंवा स्पार्स-चेकआउट समायोजित करून अतिरिक्त फोल्डर्स समाविष्ट करू शकता.

कोड चालवणे

हा कोर्स Jupyter Notebooks ची मालिका ऑफर करतो ज्याद्वारे तुम्ही AI Agents तयार करण्याचा प्रत्यक्ष अनुभव घेऊ शकता.

कोड नमुने खालीलपैकी कोणत्याहीचा वापर करतात:

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 कोणता सर्वोत्तम कार्य करतो ते पाहता येईल.

तुम्ही कोणता पर्याय निवडता, त्यावर आधारित खाली दिलेल्या सेटअप चरणांचे अनुसरण करावे लागेल:

आवश्यकताः

• Python 3.12+

  • टीप: 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:

    python -m venv venv
    

    नंतर venv वातावरण सक्रिय करा:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: नमुना कोड्स .NET वापरत असल्यास, .NET 10 SDK किंवा नंतरची आवृत्ती स्थापित करा. नंतर, तुमची स्थापित .NET SDK आवृत्ती तपासा:

    dotnet --list-sdks
  

• 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 केली आहे ज्यामध्ये कोड नमुने चालवण्यासाठी आवश्यक असलेल्या सर्व Python पॅकेजेस आहेत.

तुम्ही खालील कमांड चालवून त्या स्थापित करू शकता:

pip install -r requirements.txt

कोणत्याही संघर्ष आणि समस्यांपासून बचाव करण्यासाठी Python व्हर्च्युअल वातावरण तयार करण्याची शिफारस केली जाते.

VSCode सेटअप

VSCode मध्ये योग्य Python आवृत्ती वापरत असल्याची खात्री करा.

GitHub Models वापरून नमुन्यांसाठी सेटअप

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

हा कोर्स GitHub Models Marketplace वापरतो, ज्यामुळे तुम्हाला Large Language Models (LLMs) मोफत मिळतात जे तुम्ही AI Agents तयार करण्यासाठी वापराल.

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

हे तुमच्या GitHub खात्यातील Personal Access Tokens settings वर जाऊन करता येईल.

कृपया Principle of Least Privilege चे अनुसरण करा जेव्हा तुम्ही तुमचा टोकन तयार करता. याचा अर्थ असा की तुम्ही टोकनला फक्त कोर्समधील कोड नमुने चालवण्यासाठी आवश्यक असलेल्या परवानग्या द्याव्यात.

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

   

   नंतर Generate new token निवडा.

   

2. तुमच्या टोकनसाठी त्याच्या उद्देशाचे प्रतिबिंबित करणारे वर्णनात्मक नाव प्रविष्ट करा, ज्यामुळे नंतर ओळखणे सोपे होईल.

   🔐 टोकन कालावधी शिफारस

   शिफारस केलेला कालावधी: 30 दिवस अधिक सुरक्षिततेसाठी, तुम्ही 7 दिवसांसारख्या कमी कालावधीसाठी निवड करू शकता 🛡️ हे वैयक्तिक लक्ष्य सेट करण्याचा आणि कोर्स पूर्ण करण्याचा उत्तम मार्ग आहे 🚀.

   

3. टोकनचा स्कोप तुमच्या 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 साठवण्यासाठी तयार आहात याची खात्री करा, कारण ते तयार केल्यानंतर पुन्हा दाखवले जाणार नाही.

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

चरण 2: तुमची .env फाइल तयार करा

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

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .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 आणि Azure AI Agent Service वापरून नमुन्यांसाठी सेटअप

चरण 1: तुमचा Azure प्रोजेक्ट एंडपॉइंट मिळवा

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 पेजवर जाऊन करता येईल.

चरण 2: तुमची .env फाइल तयार करा

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

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .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.

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 - तुमच्या प्रोजेक्टच्या Overview पेजवरील Project details तपासा.

• AZURE_AI_PROJECT_NAME - तुमच्या प्रोजेक्टच्या Overview पेजच्या शीर्षस्थानी पहा.

• AZURE_OPENAI_SERVICE - Overview पेजवरील Azure OpenAI Service साठी Included capabilities टॅबमध्ये शोधा.

Management Center

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

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

Models + Endpoints Page

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

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - तुमचा चॅट मॉडेल निवडा (उदा., gpt-4o-mini) आणि मॉडेल तपशीलांमधून Deployment name लक्षात ठेवा.

Azure Portal

• AZURE_OPENAI_ENDPOINT - Azure AI services शोधा, त्यावर क्लिक करा, नंतर Resource Management, Keys and Endpoint वर 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 - तुमच्या Azure AI Search संसाधन शोधा, त्यावर क्लिक करा आणि Overview पहा.

• AZURE_SEARCH_API_KEY - नंतर Settings आणि Keys वर जा आणि प्राथमिक किंवा दुय्यम प्रशासकीय की कॉपी करा.

External Webpage

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

keyless authentication सेटअप करा

तुमचे क्रेडेन्शियल्स हार्डकोड करण्याऐवजी, आम्ही Azure OpenAI सह keyless कनेक्शन वापरू. असे करण्यासाठी, आम्ही DefaultAzureCredential आयात करू आणि नंतर DefaultAzureCredential फंक्शन कॉल करून क्रेडेन्शियल मिळवू.

# Python
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

कुठे अडले आहात?

जर तुम्हाला हे सेटअप चालवताना काही अडचणी येत असतील, तर आमच्या Azure AI Community Discord मध्ये सामील व्हा किंवा तक्रार नोंदवा.

पुढचा धडा

तुम्ही आता या कोर्ससाठी कोड चालवायला तयार आहात. AI एजंट्सच्या जगाबद्दल अधिक शिकण्याचा आनंद घ्या!

AI एजंट्स आणि एजंट वापर प्रकरणांची ओळख

---

अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator वापरून 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.

This site is open source. Improve this page.