ai-agents-for-beginners

Course Setup

အကြောင်းအရာသိရှိခြင်း

ဒီသင်ခန်းစာမှာ သင်ခန်းစာရဲ့ ကုဒ်နမူနာများကို မည်သို့ ပြေးဆွဲရမည်ကို ဖော်ပြပါမည်။

အခြားသင်ယူသူတွေနဲ့ ပူးပေါင်းပြီး ကူညီမှု ရယူပါ

သင့်ရဲ့ repo ကို clone လုပ်ရန် စတင်ခင်မှာ AI Agents For Beginners Discord channel ကို ဝင်ရောက်ပြီး setup ဆိုင်ရာကူညီမှုများ၊ သင်ခန်းစာဆိုင်ရာမေးခွန်းများအတွက် သို့မဟုတ် အခြားသင်ယူသူများနှင့် ချိတ်ဆက်ရန် ပါဝင်ပါ။

ဒီ Repo ကို Clone သို့မဟုတ် Fork ပြုလုပ်ပါ

စတင်ရန်အတွက် GitHub Repository ကို clone သို့မဟုတ် fork လုပ်ပါ။ ဒါက သင့်ကိုယ်ပိုင် သင်ခန်းစာပစ္စည်း ဗားရှင်းကို ဖန်တီးပေးပြီး ကုဒ်များကို run၊ စမ်းသပ်ပြီး ပြင်ဆင်နိုင်ပါလိမ့်မယ်။

ဤသည်ကို repo ကို fork လုပ်ရန် ဖြင့် နှိပ်၍ ပြုလုပ်နိုင်သည်။

အခု သင်မှာ ဒီသင်ခန်းစာရဲ့ ကိုယ်ပိုင် fork လုပ်ထားသော ဗားရှင်းကို အောက်ပါလင့်ခ်တွင် ပိုင်ဆိုင်ထားသည်။

Shallow Clone (Workshop / Codespaces များအတွက် အကြံပြုသည်)

အပြည့်အစုံ repository သည် သမိုင်းကြောင်းနှင့် ဖိုင်အားလုံးကိုဒေါင်းလုပ်လုပ်ရာတွင် (ဟားiz ေလာင်) 3 GB ခန့် အရွယ်အစားကြီးနိုင်သည်။ သင်က Workshop တက်သည် သို့မဟုတ် သင်ခန်းစာအဖွဲ့အစည်းအနည်းငယ်သာ လိုအပ်လျှင် shallow clone (သို့) sparse clone သည် သမိုင်းကြောင်းအားဖြတ်၍ သို့မဟုတ် blobs တချို့ကို ကင်းလွတ်၍ ဒေါင်းလုပ်အများစုကို ကာကွယ်ပေးသည်။

အလျင်မြန်ဆုံး shallow clone — သမိုင်းကြောင်းအနည်းဆုံး၊ ဖိုင်အားလုံး

အောက်ပါ command များတွင် <your-username> ကို သင့် fork URL (သို့) upstream URL ဖြင့် ပြောင်းသုံးပါ။

နောက်ဆုံး commit သမိုင်းကြောင်းသာ clone ရန် (ဒေါင်းလုပ်ငယ်):

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

branch တစ်ခုကိုသာ clone လုပ်ရန်:

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

အပိုင်းအစ (sparse) clone — blobs အနည်းဆုံး + ရွေးချယ်ထားသော ဖိုင်ဖိုဒါများသာ

ဒါက partial clone နှင့် sparse-checkout ကို အသုံးပြုသည် (Git 2.25+ လိုအပ်ပြီး partial clone ကိုထောက်ပံ့သည့် နောက်ဆုံး Git အတွက် အကြံပြုသည်):

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

repo ဖိုဒါထဲသို့ ဝင်ပါ:

cd ai-agents-for-beginners

ပြီးနောက်လိုအပ်သည့် ဖိုဒါများကို ဖော်ပြပါ (နမူနာအောက်တွင် ဖိုဒါနှစ်ခုကို ပြထားသည်):

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

clone ပြီး ဖိုင်များကို အတည်ပြုပြီးနောက် သင် ဖိုင်များသာလိုအပ်ပြီး နေရာ မဖြည့်လိုပါက (git သမိုင်းကြောင်းမလိုလျှင်) repository ရဲ့ metadata ကိုဖျက်ပစ်ပါ (💀ပြန်လည်မရသေး — git လုပ်ဆောင်ချက်များအားလုံး မရရှိတော့ပါမည်: commit များ၊ pull များ၊ push များ သမိုင်းကြောင်းလမ်းကြောင်းများခြင်း မရှိတော့ပါ):

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

GitHub Codespaces ကို အသုံးပြုခြင်း (local ဒေါင်းလုပ်ဆွဲမှုကြီးများ ရှောင်ရှားရန် အကြံပြုသည်)

• ဒီ repo အတွက် GitHub UI ကနေ Codespace အသစ် ဖန်တီးပါ။

• Codespace အသစ်ထဲ ရှိ terminal ဖြင့် အထက်ပါ shallow/sparse clone command များထဲမှ တခုကို run လုပ်၍ သင်လိုအပ်သော သင်ခန်းစာဖိုဒါများကိုသာ Codespace workspace ထဲသို့ ဦးတည်ယူပါ။
• ရွေးချယ်မှု: Codespaces ထဲ clone ပြီးနောက် .git ဖိုင်ဖိုဒါ ကို ဖျက်ပစ်၍ နေရာပြန်လည်ရယူပါ (ဖျက်စရာ command များကို အထက်တွင်ဖော်ပြပြီး)။
• သတိပြုရန်: သင် repo ကို Codespaces ထဲတန်းနေတယ်ဆိုရင် (clone လုပ်ခြင်းမရှိဘဲ) Codespaces က devcontainer ပတ်ဝန်းကျင်ကို တည်ဆောက်ပေးမှာ ဖြစ်ပြီး သင့်လိုအပ်ချက်ထက်ပို၍ provision ပေးနိုင်သည်။ Fresh Codespace မှာ shallow copy clone လုပ်ခြင်းက disk အသုံးပြုမှုကို ပိုမိုထိန်းချုပ်နိုင်စေသည်။

အကြံပြုချက်များ

• သင်ပြင်ဆင်/commit ပြုလုပ်ချင်ပါက clone URL ကို သင့် fork URL ဖြင့် အမြဲသီးခြားထည့်ပါ။
• နောက်ပိုင်း သမိုင်းကြောင်း သို့မဟုတ် ဖိုင်များပိုမိုလိုလျှင် fetch ပြုလုပ်နိုင်ပြီး sparse-checkout ကိုရိုက်ချက်ပြီး ဖိုဒါအသစ်များ ထည့်နိုင်သည်။

ကုဒ်ကို run ဆွဲခြင်း

ဒီသင်ခန်းစာမှာ Jupyter Notebooks များစီးရီးရှိပြီး AI Agents တည်ဆောက်ရာတွင် လက်တွေ့ လေ့ကျင့်နိုင်ပါသည်။

ကုဒ်နမူနာများသည် Microsoft Agent Framework (MAF) တွင် AzureAIProjectAgentProvider ကို အသုံးပြုကာ Azure AI Agent Service V2 (Responses API) ကို Microsoft Foundry ဖြင့် ဆက်သွယ်ထားသည်။

Python notebooks တို့အားလုံးကို *-python-agent-framework.ipynb ဟုပြထားသည်။

လိုအပ်ချက်များ

• Python 3.12+

  • ဖော်ပြချက်: Python3.12 မရှိရင် ထည့်သွင်းပါ။ ထို့နောက် သတ်မှတ်ထားသော version များကို requirements.txt ဖိုင်မှ ထည့်သွင်းရန် python3.12 ဖြင့် venv ဖန်တီးပါ။

    နမူနာ

    Python venv directory ဖန်တီးရန်:

    python -m venv venv
    

    ထို့နောက် venv ပတ်ဝန်းကျင်ကို အောက်ပါအတိုင်းဖွင့်ပါ:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: .NET ကို အသုံးပြုသော sample code များအတွက် .NET 10 SDK (သို့) မကြာခဏ ပိုမိုမြင့်မားသော version ထည့်သွင်းထားရန် သေချာပါစေ။ .NET SDK ရဲ့ version တစ်ခုကို စစ်ဆေးရန်:

    dotnet --list-sdks
  

• Azure CLI — အတည်ပြုရန် လိုအပ်သည်။ aka.ms/installazurecli မှ ထည့်သွင်းပါ။
• Azure Subscription — Microsoft Foundry နှင့် Azure AI Agent Service ကို ဝင်ရောက် သုံးစွဲရန်လိုအပ်သည်။
• Microsoft Foundry Project — deployed လုပ်ထားသော မော်ဒယ်တစ်ခုပါရှိသော project (ဥပမာ gpt-4o)။ အောက်ပါ Step 1 ကိုကြည့်ပါ။

ဒီ repo ရဲ့ မျက်နှာပြင်မှာရှိတဲ့ requirements.txt ဖိုင်ထဲတွင် ကုဒ်နမူနာများကို run ကုန်သော Python package များ ပါဝင်သည်။

သင်တို့ terminal တွင် အောက်ပါ command ဖြင့် ထည့်သွင်းနိုင်သည်။

pip install -r requirements.txt

Python virtual environment တစ်ခု ဖန်တီးထားရန် အကြံပြုသည်။ ဘာကြောင့်ဆိုတော့ မတူညီသော package တွေအကြား ချိန်ညှိမှု မကျေမနပ်မှုများမှ ကာကွယ်ရာတွင် ကူညီပေးမည်ဖြစ်သည်။

VSCode ကို Setup ပြုလုပ်ပါ

VSCode တွင် သင်သုံးနေသော Python version မှန်ကန်သည်ကို သေချာစေရန်။

Microsoft Foundry နှင့် Azure AI Agent Service ကို Setup ပြုလုပ်ခြင်း

အဆင့် ၁: Microsoft Foundry Project ဖန်တီးခြင်း

notebooks များ run ဆွဲရန် Azure AI Foundry hub နှင့် project တို့အတွက် deployed မော်ဒယ်လိုအပ်သည်။

1. ai.azure.com သို့ ဝင်၍ Azure အကောင့်ဖြင့် သွင်းပါ။
2. hub တစ်ခု ဖန်တီးပါ (သို့) ရှိပြီးသား hub ကို အသုံးပြုပါ။ ကြည့်ရန်: Hub resources overview။
3. hub အတွင်းမှာ project ဖန်တီးပါ။
4. Models + Endpoints → Deploy model ကနေ မော်ဒယ်တစ်ခု (ဥပမာ gpt-4o) ကို deploy ပြုလုပ်ပါ။

အဆင့် ၂: Project Endpoint နှင့် Model Deployment Name ရယူခြင်း

Microsoft Foundry portal တွင် သင့် project မှ:

• Project Endpoint — Overview စာမျက်နှာသို့ သွား၍ endpoint URL ကို ကူးယူပါ။

• Model Deployment Name — Models + Endpoints ထဲသို့ သွား၍ deployed မော်ဒယ်ကို ရွေးချယ်ပြီး Deployment name ကို မှတ်သားပါ (ဥပမာ gpt-4o)။

အဆင့် ၃: az login ဖြင့် Azure သို့ သွင်းပါ

notebooks အားလုံးတွင် AzureCliCredential ဖြင့် authentication ပြုလုပ်သည် — API key မလိုအပ်ပါ။ Azure CLI အသုံးပြု၍ သင် signed in ရမည်။

1. Azure CLI ထည့်သွင်းပါ (မရှိပါက): aka.ms/installazurecli

2. အောက်ပါ command ဖြင့် sign in လုပ်ပါ:

    az login
   

   browser မပါသော remote/Codespace ပတ်ဝန်းကျင်တွင် အသုံးပြုမည်ဆိုပါက:

    az login --use-device-code
   

3. အကောင့်ရွေးရန် တောင်းဆိုပါက သင့် Foundry project ပါဝင်သော subscription ကို ရွေးချယ်ပါ။

4. သင် signed in ဖြစ်ကြောင်း အတည်ပြုပါ:

    az account show
   

ဘာကြောင့် az login လဲ? notebooks များတွင် azure-identity package နဲ့ AzureCliCredential ဖြင့် အတည်ပြုမှု ပြုလုပ်သည်။ အဓိကတော့ Azure CLI session က အသုံးပြုသူအချက်အလက် ရရှိစေပြီး .env ဖိုင်အတွင်း API keys သို့မဟုတ် secrets မလိုအပ်ပါ။ ဤသည်မှာ လုံခြုံရေးအကောင်းဆုံးလေ့လာမှု ဖြစ်သည်။

အဆင့် ၄: သင့် .env ဖိုင် ဖန်တီးပါ

နမူနာဖိုင်ကို ကူးယူပါ:

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

.env ဖိုင်ကို ဖွင့်ပြီး အောက်ပါ တန်ဖိုးများထည့်ပြီး ဖြည့်စွက်ပါ:

AZURE_AI_PROJECT_ENDPOINT=https://<your-project>.services.ai.azure.com/api/projects/<your-project-id>
AZURE_AI_MODEL_DEPLOYMENT_NAME=gpt-4o

Variable	ရှာဖွေရမည့်နေရာ
AZURE_AI_PROJECT_ENDPOINT	Foundry portal → သင့် project → Overview စာမျက်နှာ
AZURE_AI_MODEL_DEPLOYMENT_NAME	Foundry portal → Models + Endpoints → deployed မော်ဒယ်အမည်

ဒါဆိုသင်သည် သင်ခန်းစာများအတွက် အများစုမှာ ပြီးပါပြီ။ notebooks များသည် သင့် az login session ဖြင့် အလိုအလျောက် အတည်ပြုလုပ်မည်။

အဆင့် ၅: Python Dependencies များ ထည့်သွင်းပါ

pip install -r requirements.txt

ဤကို သင့် virtual environment အတွင်း run ဖို့ အကြံပြုပါ။

သင်ခန်းစာ 5 (Agentic RAG) အတွက် အပို Setup

သင်ခန်းစာ 5 တွင် Azure AI Search ကို retrieval-augmented generation အတွက် အသုံးပြုသည်။ သင်သည် သင်ခန်းစာအဲဒီကို run ဆွဲမည်ဆိုပါက .env ဖိုင်တွင် အောက်ပါ variable များ ထည့်သွင်းပါ။

Variable	ရှာရမည့်နေရာ
AZURE_SEARCH_SERVICE_ENDPOINT	Azure portal → သင့် Azure AI Search resource → Overview → URL
AZURE_SEARCH_API_KEY	Azure portal → သင့် Azure AI Search resource → Settings → Keys → primary admin key

သင်ခန်းစာ 6 နှင့် 8 (GitHub Models) အတွက် အပို Setup

သင်ခန်းစာ 6 နှင့် 8 ရဲ့ notebooks အချို့မှာ GitHub Models ကို Azure AI Foundry ထက်အသုံးပြုသည်။ သင်သည် ဤနမူနာများကို run လုပ်မည်ဆိုပါက .env ဖိုင်တွင် အောက်ပါ variable များ ထည့်သွင်းပါ။

Variable	ရှာဖွေရမည့်နေရာ
GITHUB_TOKEN	GitHub → Settings → Developer settings → Personal access tokens
GITHUB_ENDPOINT	https://models.inference.ai.azure.com အသုံးပြုပါ (default တန်ဖိုး)
GITHUB_MODEL_ID	အသုံးပြုမည့် မော်ဒယ်အမည် (ဥပမာ gpt-4o-mini)

အခြား provider: MiniMax (OpenAI-Compatible)

MiniMax သည် OpenAI-compatible API ဖြင့် context size ကြီးသော မော်ဒယ်များ (204K tokens အထိ) ပေးသည်။ Microsoft Agent Framework ၏ OpenAIChatClient သည် OpenAI-compatible endpoint များကိုအဆင်ပြေသဖြင့် GitHub Models သို့မဟုတ် OpenAI အတွက် MiniMax ကိုလည်း အသုံးပြုနိုင်သည်။

.env ဖိုင်တွင် အောက်ပါ variable များထည့်ပါ။

Variable	ရှာဖွေရမည့်နေရာ
MINIMAX_API_KEY	MiniMax Platform → API Keys
MINIMAX_BASE_URL	https://api.minimax.io/v1 အသုံးပြုပါ (default တန်ဖိုး)
MINIMAX_MODEL_ID	အသုံးပြုမည့် မော်ဒယ်အမည် (ဥပမာ MiniMax-M2.7)

ရရှိနိုင်သော မော်ဒယ်များ: MiniMax-M2.7 (အကြံပြု), MiniMax-M2.7-highspeed (ထွက်ပြီးလျင်မြန်သည်)

OpenAIChatClient သုံးသည့် ကုဒ်နမူနာများ၊ ဥပမာ Lesson 14 hotel booking workflow တွင် MINIMAX_API_KEY သတ်မှတ်ထားပါက MiniMax configuration ကို အလိုအလျောက် တွေ့ရှိ၍ အသုံးပြုမည်ဖြစ်သည်။

သင်ခန်းစာ 8 (Bing Grounding Workflow) အတွက် အပို Setup

သင်ခန်းစာ 8 တွင် conditional workflow notebook သည် Azure AI Foundry မှ Bing grounding ကို အသုံးပြုသည်။ သင်သည် ဤနမူနာကို run ခြင်းဆောင်ရွက်မည်ဆိုပါက .env ဖိုင်တွင် အောက်ပါ variable ကိုထည့်သွင်းပါ။

Variable	ရှာဖွေရမည့်နေရာ
BING_CONNECTION_ID	Azure AI Foundry portal → သင့် project → Management → Connected resources → Bing connection ကို ရွေးပြီး connection ID ကို ကူးယူပါ

ပြဿနာဖြေရှင်းခြင်း

macOS တွင် SSL Certificate Verification Error များ

macOS တွင် Python SSL certificate များကို အလိုအလျောက် ယုံကြည်ခြင်း မရှိသောပြဿနာ ဖြစ်ပေါ်နိုင်ပြီး အောက်ပါအတိုင်းဖြေရှင်းပါ:

ရွေးချယ်စရာ ၁: Python Install Certificates script ကို run လုပ်ပါ (အကြံပြု)

# သင့်ထည့်သွင်းထားသော Python ဗားရှင်းနံပါတ်ဖြင့် 3.XX ကိုအစားထိုးပါ (ဥပမာ၊ 3.12 သို့မဟုတ် 3.13):
/Applications/Python\ 3.XX/Install\ Certificates.command

ရွေးချယ်စရာ ၂: စာနမူနာထားသော connection_verify=False ကို သုံးပါ (GitHub Models notebooks များအတွက်သာ)

Lesson 6 notebook (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb) တွင်မှတ်ချက်ထည့်ထားသော workaround ရှိပါသည်။ client ဖန်တီးရာတွင် connection_verify=False ကို uncomment ပြောင်းပါ။

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # သင်သည် အသိအမှတ်ပြုလက္ခဏာအမှားများကို တွေ့ရှိပါက SSL စစ်ဆေးမှုကို ပိတ်ထားပါ။
)

⚠️ သတိပေးချက်: SSL ကြည့်ရှုမှု ပယ်ဖျက်ခြင်းသည် လုံခြုံရေး လျော့နည်းသောကြောင့် development ပတ်ဝန်းကျင်များတွင်သာ ယာယီ အသုံးပြုရန်ဖြစ်သည်။ တရားဝင် production ပတ်ဝန်းကျင်တွင် မသုံးပါနှင့်။

ရွေးချယ်စရာ ၃: truststore ကို ထည့်သွင်း၍ အသုံးပြုပါ

pip install truststore

ပြီးနောက် notebook သို့မဟုတ် script ထိပ်တွင် အောက်ပါအတိုင်း ထည့်ပါ၊ network call မပြုလုပ်မီ:

import truststore
truststore.inject_into_ssl()

ဘာမှ မရောက်နိုင်ဘူး?

ဒီ setup ကို run ခြင်းတွင် ပြဿနာရှိပါက Azure AI Community Discord သို့ ဝင်ရောက်ဆွေးနွေးပါ၊ သို့မဟုတ် issue တခုဖန်တီးပါ။

နောက်တစ်ခန်းစာ

သင်အားဖြင့် ဒီသင်ခန်းစာရဲ့ ကုဒ်များကို ပျော်ရွှင်စွာ run ဆွဲရန် ပြင်ဆင်ပြီးပါပြီ။ AI Agents ကမ္ဘာအကြောင်းကို ပိုမိုလေ့လာရာတွင် ပျော်ရွှင်ပါစေ!

Introduction to AI Agents and Agent Use Cases

---

ကြေညာချက်
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှုဖြစ်သော Co-op Translator ဖြင့် ဘာသာပြန်ထားပါသည်။ မှန်ကန်မှုအတွက် ကြိုးပမ်းဆောင်ရွက်ထားသော်လည်း၊ အလိုအလျောက်ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မှန်ကန်မှုမရှိမှုများ ရှိနိုင်၍ ရှိနိုင်ကြောင်း သတိပြုပါ။ မူရင်းစာတမ်းကို ဒေသန္တာဘာသာဖြင့်သာ မှန်ကန်ပြီး ယုံကြည်စိတ်ချရသောရင်းမြစ်အဖြစ်စဉ်းစားသင့်ပါသည်။ အရေးကြီးသတင်းအချက်အလက်များအတွက် လူကြီးမင်းအနေဖြင့် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်ခြင်းကို အကြံပြုပါသည်။ ဤဘာသာပြန်ခြင်းကို အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်လာနိုင်သည့် နားမလည်မှုများ သို့မဟုတ် မမှန်ကန်သောအဓိပ္ပါယ်ဖတ်ရှုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မယူပါ။

This site is open source. Improve this page.