ai-agents-for-beginners

कोर्स सेटअप

परिचय

यो पाठले यस कोर्सका कोड नमूनाहरू कसरी चलाउने भन्ने कुरा समेट्नेछ।

अन्य सिक्नेहरूमा सामेल हुनुहोस् र सहयोग प्राप्त गर्नुहोस्

तपाईंको रिपोजिटरी क्लोन गर्न सुरु गर्नु अघि, AI Agents For Beginners Discord च्यानल मा सामेल हुनुहोस्। यहाँ सेटअपमा सहयोग, कोर्ससँग सम्बन्धित प्रश्नहरू, वा अन्य सिक्नेहरूसँग जडान गर्न सकिन्छ।

यो रिपोजिटरी क्लोन वा फोर्क गर्नुहोस्

सुरु गर्न, कृपया GitHub रिपोजिटरी क्लोन वा फोर्क गर्नुहोस्। यसले तपाईंलाई कोर्स सामग्रीको आफ्नै संस्करण बनाउने अनुमति दिनेछ ताकि तपाईं कोड चलाउन, परीक्षण गर्न, र परिमार्जन गर्न सक्नुहुन्छ।

यो गर्नको लागि रिपोजिटरी फोर्क गर्नुहोस् लिंकमा क्लिक गर्नुहोस्।

अब तपाईंको फोर्क गरिएको कोर्सको संस्करण निम्न लिंकमा उपलब्ध हुनेछ:

कोड चलाउने

यो कोर्सले Jupyter Notebooks को श्रृंखला प्रदान गर्दछ जसले तपाईंलाई AI एजेन्टहरू निर्माण गर्न व्यावहारिक अनुभव प्राप्त गर्न अनुमति दिन्छ।

कोड नमूनाहरू निम्न प्रयोग गर्छन्:

GitHub खाता आवश्यक - निःशुल्क:

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

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

हामी तपाईंलाई तीन प्रकारका उदाहरणहरू प्रयास गर्न प्रोत्साहित गर्छौं ताकि कुन तपाईंको लागि उत्तम काम गर्छ भनेर थाहा पाउन सक्नुहोस्।

तपाईंले कुन विकल्प चयन गर्नुहुन्छ, त्यसले तलका सेटअप चरणहरू निर्धारण गर्नेछ:

आवश्यकताहरू

• Python 3.12+

  • NOTE: यदि तपाईंले Python3.12 स्थापना गर्नुभएको छैन भने, कृपया यसलाई स्थापना गर्नुहोस्। त्यसपछि python3.12 प्रयोग गरेर आफ्नो venv सिर्जना गर्नुहोस् ताकि requirements.txt फाइलबाट सही संस्करणहरू स्थापना गरियोस्।

    उदाहरण

    Python venv डाइरेक्टरी सिर्जना गर्नुहोस्:

    python3 -m venv venv
    

    त्यसपछि venv वातावरण सक्रिय गर्नुहोस्:

    macOS र Linux

    source venv/bin/activate
    

    Windows

    venv\Scripts\activate
    

• GitHub खाता - GitHub Models Marketplace पहुँचको लागि
• Azure सदस्यता - Azure AI Foundry पहुँचको लागि
• Azure AI Foundry खाता - Azure AI Agent Service पहुँचको लागि

हामीले यस रिपोजिटरीको मूलमा requirements.txt फाइल समावेश गरेका छौं जसमा कोड नमूनाहरू चलाउन आवश्यक सबै Python प्याकेजहरू छन्।

तपाईं यसलाई निम्न आदेश चलाएर स्थापना गर्न सक्नुहुन्छ:

pip install -r requirements.txt

हामी कुनै पनि द्वन्द्व र समस्याहरूबाट बच्न Python भर्चुअल वातावरण सिर्जना गर्न सिफारिस गर्छौं।

VSCode सेटअप

VSCode मा सही Python संस्करण प्रयोग गरिरहेको सुनिश्चित गर्नुहोस्।

GitHub Models प्रयोग गरेर नमूनाहरूको सेटअप

चरण 1: GitHub Personal Access Token (PAT) प्राप्त गर्नुहोस्

यो कोर्सले GitHub Models Marketplace प्रयोग गर्दछ, जसले तपाईंलाई AI एजेन्टहरू निर्माण गर्न प्रयोग गरिने Large Language Models (LLMs) मा निःशुल्क पहुँच प्रदान गर्दछ।

GitHub Models प्रयोग गर्न, तपाईंले GitHub Personal Access Token सिर्जना गर्न आवश्यक छ।

यो तपाईंको Personal Access Tokens सेटिङ्स मा जानुहोस्।

कृपया Principle of Least Privilege पालना गर्नुहोस्। यसको मतलब तपाईंले टोकनलाई यस कोर्सका कोड नमूनाहरू चलाउन आवश्यक अनुमति मात्र दिनुपर्छ।

1. Developer settings मा गएर Fine-grained tokens विकल्प चयन गर्नुहोस्।

   त्यसपछि Generate new token चयन गर्नुहोस्।

   

2. टोकनको उद्देश्यलाई प्रतिबिम्बित गर्ने वर्णनात्मक नाम प्रविष्ट गर्नुहोस्।

   🔐 टोकन अवधि सिफारिस

   सिफारिस गरिएको अवधि: 30 दिन अधिक सुरक्षित दृष्टिकोणको लागि, तपाईं छोटो अवधि चयन गर्न सक्नुहुन्छ—जस्तै 7 दिन 🛡️ यो व्यक्तिगत लक्ष्य सेट गर्न र उच्च सिक्ने गति कायम राख्दै कोर्स पूरा गर्न राम्रो तरिका हो 🚀।

   

3. टोकनको स्कोपलाई यस रिपोजिटरीको फोर्कमा सीमित गर्नुहोस्।

   

4. टोकनको अनुमति सीमित गर्नुहोस्: Permissions अन्तर्गत, Account ट्याबमा क्लिक गर्नुहोस्, र “+ Add permissions” बटनमा क्लिक गर्नुहोस्। ड्रपडाउन देखा पर्नेछ। कृपया Models खोज्नुहोस् र यसलाई चयन गर्नुहोस्।

5. टोकन सिर्जना गर्नु अघि आवश्यक अनुमति पुष्टि गर्नुहोस्।

6. टोकन सिर्जना गर्नु अघि, सुनिश्चित गर्नुहोस् कि तपाईंले टोकनलाई सुरक्षित स्थानमा जस्तै पासवर्ड म्यानेजर भल्टमा भण्डारण गर्न तयार हुनुहुन्छ।

तपाईंले सिर्जना गरेको नयाँ टोकन प्रतिलिपि गर्नुहोस्। अब यो टोकनलाई .env फाइलमा थप्नुहोस्।

चरण 2: आफ्नो .env फाइल सिर्जना गर्नुहोस्

.env फाइल सिर्जना गर्न निम्न आदेश चलाउनुहोस्:

cp .env.example .env

यसले उदाहरण फाइललाई प्रतिलिपि गर्नेछ र .env फाइल सिर्जना गर्नेछ जहाँ तपाईं वातावरण चरहरूको मानहरू भर्न सक्नुहुन्छ।

टोकन प्रतिलिपि गरेर, .env फाइल खोल्नुहोस् र GITHUB_TOKEN फिल्डमा टोकन पेस्ट गर्नुहोस्।

अब तपाईं यस कोर्सका कोड नमूनाहरू चलाउन सक्षम हुनुहुन्छ।

Azure AI Foundry र Azure AI Agent Service प्रयोग गरेर नमूनाहरूको सेटअप

चरण 1: Azure प्रोजेक्ट Endpoint प्राप्त गर्नुहोस्

Azure AI Foundry मा हब र प्रोजेक्ट सिर्जना गर्ने चरणहरू यहाँ पालना गर्नुहोस्: Hub resources overview

प्रोजेक्ट सिर्जना गरेपछि, तपाईंले प्रोजेक्टको कनेक्शन स्ट्रिङ प्राप्त गर्न आवश्यक छ।

यो Azure AI Foundry पोर्टलमा प्रोजेक्टको Overview पृष्ठमा जानुहोस्।

चरण 2: आफ्नो .env फाइल सिर्जना गर्नुहोस्

.env फाइल सिर्जना गर्न निम्न आदेश चलाउनुहोस्:

cp .env.example .env

यसले उदाहरण फाइललाई प्रतिलिपि गर्नेछ र .env फाइल सिर्जना गर्नेछ जहाँ तपाईं वातावरण चरहरूको मानहरू भर्न सक्नुहुन्छ।

टोकन प्रतिलिपि गरेर, .env फाइल खोल्नुहोस् र PROJECT_ENDPOINT फिल्डमा टोकन पेस्ट गर्नुहोस्।

चरण 3: Azure मा साइन इन गर्नुहोस्

सुरक्षा उत्तम अभ्यासको रूपमा, हामी keyless authentication प्रयोग गर्नेछौं।

टर्मिनल खोल्नुहोस् र az login --use-device-code चलाएर Azure खातामा साइन इन गर्नुहोस्।

साइन इन गरेपछि, टर्मिनलमा आफ्नो सदस्यता चयन गर्नुहोस्।

अतिरिक्त वातावरण चरहरू - Azure Search र Azure OpenAI

Agentic RAG पाठ - पाठ 5 - मा Azure Search र Azure OpenAI प्रयोग गर्ने नमूनाहरू छन्।

यदि तपाईं यी नमूनाहरू चलाउन चाहनुहुन्छ भने, तपाईंले निम्न वातावरण चरहरू .env फाइलमा थप्न आवश्यक छ:

Overview पृष्ठ (प्रोजेक्ट)

• AZURE_SUBSCRIPTION_ID - Overview पृष्ठको Project details मा जाँच गर्नुहोस्।

• AZURE_AI_PROJECT_NAME - Overview पृष्ठको शीर्षमा प्रोजेक्ट नाम हेर्नुहोस्।

• AZURE_OPENAI_SERVICE - Overview पृष्ठको Included capabilities ट्याबमा Azure OpenAI Service हेर्नुहोस्।

Management Center

• AZURE_OPENAI_RESOURCE_GROUP - Management Center को Overview पृष्ठमा Project properties मा जानुहोस्।

• GLOBAL_LLM_SERVICE - Connected resources अन्तर्गत Azure AI Services कनेक्शन नाम फेला पार्नुहोस्। यदि सूचीबद्ध छैन भने, Azure portal मा आफ्नो स्रोत समूह अन्तर्गत AI Services स्रोत नाम जाँच गर्नुहोस्।

Models + Endpoints पृष्ठ

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - आफ्नो embedding मोडेल चयन गर्नुहोस् (जस्तै, text-embedding-ada-002) र मोडेल विवरणबाट Deployment name नोट गर्नुहोस्।

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - आफ्नो chat मोडेल चयन गर्नुहोस् (जस्तै, gpt-4o-mini) र मोडेल विवरणबाट Deployment name नोट गर्नुहोस्।

Azure Portal

• AZURE_OPENAI_ENDPOINT - Azure AI services हेर्नुहोस्, त्यसपछि Resource Management, Keys and Endpoint मा जानुहोस्, “Azure OpenAI endpoints” मा स्क्रोल गर्नुहोस्, र “Language APIs” को एक प्रतिलिपि गर्नुहोस्।

• AZURE_OPENAI_API_KEY - त्यही स्क्रिनबाट KEY 1 वा KEY 2 प्रतिलिपि गर्नुहोस्।

• AZURE_SEARCH_SERVICE_ENDPOINT - आफ्नो Azure AI Search स्रोत फेला पार्नुहोस्, यसमा क्लिक गर्नुहोस्, र Overview हेर्नुहोस्।

• AZURE_SEARCH_API_KEY - त्यसपछि Settings मा जानुहोस् र Keys मा गएर प्राथमिक वा द्वितीयक प्रशासक कुञ्जी प्रतिलिपि गर्नुहोस्।

बाह्य वेबपेज

• AZURE_OPENAI_API_VERSION - API version lifecycle पृष्ठमा Latest GA API release अन्तर्गत जानुहोस्।

Keyless authentication सेटअप

तपाईंको प्रमाणहरू हार्डकोड नगरी, हामी Azure OpenAI सँग keyless कनेक्शन प्रयोग गर्नेछौं। यसका लागि, हामी DefaultAzureCredential आयात गर्नेछौं र पछि DefaultAzureCredential फंक्शनलाई प्रमाण प्राप्त गर्न कल गर्नेछौं।

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

कतै अडिनुभएको छ?

यदि तपाईंलाई यो सेटअप चलाउन कुनै समस्या छ भने, हाम्रो Azure AI Community Discord मा जानुहोस् वा issue सिर्जना गर्नुहोस्।

अर्को पाठ

अब तपाईं यस कोर्सका कोड चलाउन तयार हुनुहुन्छ। AI एजेन्टहरूको संसारबारे सिक्न शुभकामना!

AI एजेन्टहरू र एजेन्ट प्रयोग केसहरूको परिचय

---

अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी यथार्थताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।

This site is open source. Improve this page.