ai-agents-for-beginners

Cursusinstellingen

Introductie

Deze les behandelt hoe je de codevoorbeelden van deze cursus kunt uitvoeren.

Sluit je aan bij andere cursisten en krijg hulp

Voordat je je repo gaat klonen, kun je lid worden van het AI Agents For Beginners Discord-kanaal om hulp te krijgen bij de installatie, vragen over de cursus te stellen of in contact te komen met andere cursisten.

Clone of Fork deze Repo

Om te beginnen, kun je de GitHub Repository klonen of forken. Hiermee maak je je eigen versie van het cursusmateriaal, zodat je de code kunt uitvoeren, testen en aanpassen!

Dit kan door op de link te klikken om de repo te forken.

Je zou nu je eigen geforkte versie van deze cursus moeten hebben via de volgende link:

Geforkte Repo

Shallow Clone (aanbevolen voor workshop / Codespaces)

De volledige repository kan groot zijn (~3 GB) wanneer je de volledige geschiedenis en alle bestanden downloadt. Als je alleen de workshop bijwoont of slechts een paar lesmappen nodig hebt, vermijd je met een shallow clone (of een sparse clone) het grootste deel van die download door de geschiedenis in te korten en/of blobs over te slaan.

Snelle shallow clone — minimale geschiedenis, alle bestanden

Vervang <your-username> in de onderstaande commando’s door je fork-URL (of de upstream-URL als je dat liever hebt).

Om alleen de nieuwste commitgeschiedenis te klonen (kleine download):

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

Om een specifieke branch te klonen:

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

Gedeeltelijke (sparse) clone — minimale blobs + alleen geselecteerde mappen

Dit gebruikt een gedeeltelijke clone en sparse-checkout (vereist Git 2.25+ en aanbevolen moderne Git met ondersteuning voor gedeeltelijke clone):

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

Ga naar de repo-map:

Voor bash:

cd ai-agents-for-beginners

Voor Powershell:

Set-Location ai-agents-for-beginners

Specificeer vervolgens welke mappen je wilt (voorbeeld hieronder toont twee mappen):

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

Na het klonen en verifiëren van de bestanden, als je alleen bestanden nodig hebt en ruimte wilt vrijmaken (geen git-geschiedenis), kun je de repository-metadata verwijderen (💀onherroepelijk — je verliest alle Git-functionaliteit: geen commits, pulls, pushes of toegang tot geschiedenis).

Voor Linux/macOS:

rm -rf .git

Voor Windows:

Remove-Item -Recurse -Force .git

Gebruik GitHub Codespaces (aanbevolen om lokale grote downloads te vermijden)

Tips

Code uitvoeren

Deze cursus biedt een reeks Jupyter Notebooks die je kunt uitvoeren om praktische ervaring op te doen met het bouwen van AI Agents.

De codevoorbeelden gebruiken:

Vereist een GitHub-account - Gratis:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Gelabeld als (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Gelabeld als (autogen.ipynb)

Vereist een Azure-abonnement: 3) Azure AI Foundry + Azure AI Agent Service. Gelabeld als (azureaiagent.ipynb)

We raden je aan om alle drie soorten voorbeelden uit te proberen om te zien welke het beste bij je past.

Welke optie je ook kiest, dit bepaalt welke installatie-instructies je hieronder moet volgen:

Vereisten

We hebben een requirements.txt-bestand opgenomen in de root van deze repository dat alle vereiste Python-pakketten bevat om de codevoorbeelden uit te voeren.

Je kunt ze installeren door het volgende commando in je terminal in de root van de repository uit te voeren:

pip install -r requirements.txt

We raden aan om een Python virtual environment te maken om conflicten en problemen te voorkomen.

VSCode instellen

Zorg ervoor dat je de juiste versie van Python gebruikt in VSCode.

image

Instellen voor voorbeelden met GitHub Models

Stap 1: Haal je GitHub Personal Access Token (PAT) op

Deze cursus maakt gebruik van de GitHub Models Marketplace, die gratis toegang biedt tot Large Language Models (LLM’s) die je zult gebruiken om AI Agents te bouwen.

Om de GitHub Models te gebruiken, moet je een GitHub Personal Access Token aanmaken.

Dit kan worden gedaan door naar je instellingen voor Personal Access Tokens te gaan in je GitHub-account.

Volg alsjeblieft het Principe van Minimale Machtiging bij het aanmaken van je token. Dit betekent dat je het token alleen de rechten moet geven die nodig zijn om de codevoorbeelden in deze cursus uit te voeren.

  1. Selecteer de optie Fine-grained tokens aan de linkerkant van je scherm door naar de Developer settings te gaan.

    Selecteer vervolgens Generate new token.

    Token genereren

  2. Voer een beschrijvende naam in voor je token die het doel ervan weerspiegelt, zodat het later gemakkelijk te identificeren is.

    🔐 Aanbevolen duur van het token

    Aanbevolen duur: 30 dagen Voor een veiliger aanpak kun je kiezen voor een kortere periode—zoals 7 dagen 🛡️ Het is een geweldige manier om een persoonlijk doel te stellen en de cursus te voltooien terwijl je leerproces in volle gang is 🚀.

    Token naam en vervaldatum

  3. Beperk de scope van het token tot je fork van deze repository.

    Scope beperken tot fork repository

  4. Beperk de machtigingen van het token: Onder Permissions, klik op het tabblad Account en klik op de knop “+ Add permissions”. Er verschijnt een dropdownmenu. Zoek naar Models en vink het vakje aan. Models-machtiging toevoegen

  5. Controleer de vereiste machtigingen voordat je het token genereert. Machtigingen controleren

  6. Voordat je het token genereert, zorg ervoor dat je klaar bent om het token op een veilige plaats op te slaan, zoals een wachtwoordmanager, omdat het niet opnieuw wordt weergegeven nadat je het hebt aangemaakt. Token veilig opslaan

Kopieer je nieuwe token dat je zojuist hebt aangemaakt. Je zult dit nu toevoegen aan je .env-bestand dat bij deze cursus is inbegrepen.

Stap 2: Maak je .env-bestand

Om je .env-bestand te maken, voer je het volgende commando uit in je terminal.

cp .env.example .env

Dit kopieert het voorbeeldbestand en maakt een .env in je map waar je de waarden voor de omgevingsvariabelen invult.

Met je gekopieerde token open je het .env-bestand in je favoriete teksteditor en plak je je token in het veld GITHUB_TOKEN. GitHub Token Field

Je zou nu de codevoorbeelden van deze cursus moeten kunnen uitvoeren.

Instellen voor voorbeelden met Azure AI Foundry en Azure AI Agent Service

Stap 1: Haal je Azure Project Endpoint op

Volg de stappen om een hub en project te maken in Azure AI Foundry die hier te vinden zijn: Hub resources overview

Zodra je je project hebt aangemaakt, moet je de verbindingsstring voor je project ophalen.

Dit kan worden gedaan door naar de Overzicht-pagina van je project in het Azure AI Foundry-portaal te gaan.

Project Connection String

Stap 2: Maak je .env-bestand

Om je .env-bestand te maken, voer je het volgende commando uit in je terminal.

cp .env.example .env

Dit kopieert het voorbeeldbestand en maakt een .env in je map waar je de waarden voor de omgevingsvariabelen invult.

Met je gekopieerde token open je het .env-bestand in je favoriete teksteditor en plak je je token in het veld PROJECT_ENDPOINT.

Stap 3: Inloggen bij Azure

Als een beveiligingsmaatregel gebruiken we keyless authentication om in te loggen bij Azure OpenAI met Microsoft Entra ID.

Open vervolgens een terminal en voer az login --use-device-code uit om in te loggen bij je Azure-account.

Zodra je bent ingelogd, selecteer je je abonnement in de terminal.

Extra omgevingsvariabelen - Azure Search en Azure OpenAI

Voor de Agentic RAG-les - Les 5 - zijn er voorbeelden die gebruik maken van Azure Search en Azure OpenAI.

Als je deze voorbeelden wilt uitvoeren, moet je de volgende omgevingsvariabelen toevoegen aan je .env-bestand:

Overzichtspagina (Project)

Management Center

Modellen + Eindpuntenpagina

Azure Portal

Externe webpagina

Keyless authenticatie instellen

In plaats van je inloggegevens hard te coderen, gebruiken we een keyless verbinding met Azure OpenAI. Hiervoor importeren we DefaultAzureCredential en roepen we later de functie DefaultAzureCredential aan om de inloggegevens te verkrijgen.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Zit je ergens vast?

Als je problemen hebt met het uitvoeren van deze setup, ga dan naar onze Azure AI Community Discord of maak een issue aan.

Volgende Les

Je bent nu klaar om de code voor deze cursus uit te voeren. Veel plezier met het leren over de wereld van AI Agents!

Introductie tot AI Agents en Gebruikscases


Disclaimer:
Dit document is vertaald met behulp van de AI-vertalingsservice Co-op Translator. Hoewel we streven naar nauwkeurigheid, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor kritieke informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor eventuele misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.