Denne leksjonen vil dekke hvordan du kan kjøre kodeeksemplene i dette kurset.
Før du begynner å klone ditt repo, bli med i AI Agents For Beginners Discord-kanalen for å få hjelp med oppsett, stille spørsmål om kurset, eller for å komme i kontakt med andre deltakere.
For å komme i gang, vennligst klon eller fork GitHub-repositoriet. Dette vil lage din egen versjon av kursmaterialet slik at du kan kjøre, teste og tilpasse koden!
Dette kan gjøres ved å klikke på lenken for å forke repoet.
Du bør nå ha din egen forkede versjon av dette kurset på følgende lenke:

Det fullstendige repositoriet kan være stort (~3 GB) når du laster ned hele historikken og alle filene. Hvis du bare deltar på workshop eller kun trenger noen få leksjonsmapper, kan en shallow clone (eller en sparse clone) unngå mesteparten av den nedlastingen ved å kutte historikken og/eller hoppe over blobs.
Erstatt <your-username> i kommandoene nedenfor med din fork-URL (eller upstream-URL hvis du foretrekker det).
For å klone kun den nyeste commit-historikken (liten nedlasting):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
For å klone en spesifikk gren:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
Dette bruker delvis kloning og sparse-checkout (krever Git 2.25+ og anbefales med moderne Git som støtter delvis kloning):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
Gå inn i repo-mappen:
For bash:
cd ai-agents-for-beginners
For Powershell:
Set-Location ai-agents-for-beginners
Deretter spesifiser hvilke mapper du ønsker (eksempelet nedenfor viser to mapper):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
Etter kloning og verifisering av filene, hvis du kun trenger filene og vil frigjøre plass (ingen git-historikk), kan du slette repositoriets metadata (💀irreversibelt — du vil miste all Git-funksjonalitet: ingen commits, pulls, pushes eller tilgang til historikk).
For Linux/macOS:
rm -rf .git
For Windows:
Remove-Item -Recurse -Force .git
Opprett en ny Codespace for dette repoet via GitHub UI.
Dette kurset tilbyr en serie Jupyter Notebooks som du kan kjøre for å få praktisk erfaring med å bygge AI-agenter.
Kodeeksemplene bruker enten:
Krever GitHub-konto - Gratis:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Merket som (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Merket som (autogen.ipynb)
Krever Azure-abonnement: 3) Azure AI Foundry + Azure AI Agent Service. Merket som (azureaiagent.ipynb)
Vi oppfordrer deg til å prøve alle tre typer eksempler for å se hvilken som fungerer best for deg.
Uansett hvilket alternativ du velger, vil det avgjøre hvilke oppsettstrinn du må følge nedenfor:
NOTE: Hvis du ikke har Python3.12 installert, sørg for å installere det. Opprett deretter din venv ved å bruke python3.12 for å sikre at riktige versjoner installeres fra requirements.txt-filen.
Eksempel
Opprett Python venv-katalog:
python3 -m venv venv
Aktiver deretter venv-miljøet for:
macOS og Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Vi har inkludert en requirements.txt-fil i roten av dette repositoriet som inneholder alle nødvendige Python-pakker for å kjøre kodeeksemplene.
Du kan installere dem ved å kjøre følgende kommando i terminalen i roten av repositoriet:
pip install -r requirements.txt
Vi anbefaler å opprette et Python-virtuelt miljø for å unngå konflikter og problemer.
Sørg for at du bruker riktig versjon av Python i VSCode.
Dette kurset benytter GitHub Models Marketplace, som gir gratis tilgang til Large Language Models (LLMs) som du vil bruke til å bygge AI-agenter.
For å bruke GitHub-modellene, må du opprette en GitHub Personal Access Token.
Dette kan gjøres ved å gå til Innstillinger for Personal Access Tokens i din GitHub-konto.
Vennligst følg Prinsippet om minst privilegium når du oppretter tokenet. Dette betyr at du kun bør gi tokenet de tillatelsene det trenger for å kjøre kodeeksemplene i dette kurset.
Velg alternativet Fine-grained tokens på venstre side av skjermen ved å navigere til Developer settings.

Deretter velger du Generate new token.

Skriv inn et beskrivende navn for tokenet som reflekterer formålet, slik at det er enkelt å identifisere senere.
🔐 Anbefaling for token-varighet
Anbefalt varighet: 30 dager For en mer sikker tilnærming kan du velge en kortere periode—som 7 dager 🛡️ Det er en fin måte å sette et personlig mål og fullføre kurset mens læringsmomentet er høyt 🚀.

Begrens tokenets omfang til din fork av dette repositoriet.

Begrens tokenets tillatelser: Under Permissions, klikk på Account-fanen, og klikk på “+ Add permissions”-knappen. En rullegardinmeny vil vises. Søk etter Models og kryss av for det.

Verifiser de nødvendige tillatelsene før du genererer tokenet. 
Før du genererer tokenet, sørg for at du er klar til å lagre tokenet på et sikkert sted som en passordhåndteringshvelv, da det ikke vil bli vist igjen etter at du har opprettet det. 
Kopier ditt nye token som du nettopp har opprettet. Du vil nå legge dette til din .env-fil som er inkludert i dette kurset.
.env-filFor å opprette din .env-fil, kjør følgende kommando i terminalen.
cp .env.example .env
Dette vil kopiere eksempel-filen og opprette en .env i katalogen din, hvor du fyller inn verdiene for miljøvariablene.
Med ditt kopierte token, åpne .env-filen i din favoritt tekstredigerer og lim inn tokenet i feltet GITHUB_TOKEN.

Du bør nå kunne kjøre kodeeksemplene i dette kurset.
Følg trinnene for å opprette en hub og et prosjekt i Azure AI Foundry som du finner her: Hubressurser oversikt
Når du har opprettet prosjektet ditt, må du hente tilkoblingsstrengen for prosjektet ditt.
Dette kan gjøres ved å gå til Oversikt-siden for prosjektet ditt i Azure AI Foundry-portalen.

.env-filFor å opprette din .env-fil, kjør følgende kommando i terminalen.
cp .env.example .env
Dette vil kopiere eksempel-filen og opprette en .env i katalogen din, hvor du fyller inn verdiene for miljøvariablene.
Med ditt kopierte token, åpne .env-filen i din favoritt tekstredigerer og lim inn tokenet i feltet PROJECT_ENDPOINT.
Som en sikkerhetsbest praksis, vil vi bruke nøkkelfri autentisering for å autentisere til Azure OpenAI med Microsoft Entra ID.
Deretter åpner du en terminal og kjører az login --use-device-code for å logge inn på din Azure-konto.
Når du har logget inn, velg ditt abonnement i terminalen.
For Agentic RAG-leksjonen - Leksjon 5 - finnes det eksempler som bruker Azure Search og Azure OpenAI.
Hvis du ønsker å kjøre disse eksemplene, må du legge til følgende miljøvariabler i din .env-fil:
AZURE_SUBSCRIPTION_ID - Sjekk Prosjektdetaljer på Oversikt-siden for prosjektet ditt.
AZURE_AI_PROJECT_NAME - Se øverst på Oversikt-siden for prosjektet ditt.
AZURE_OPENAI_SERVICE - Finn dette i Inkluderte kapabiliteter-fanen for Azure OpenAI Service på Oversikt-siden.
AZURE_OPENAI_RESOURCE_GROUP - Gå til Prosjektegenskaper på Oversikt-siden for Administrasjonssenteret.
GLOBAL_LLM_SERVICE - Under Tilkoblede ressurser, finn tilkoblingsnavnet for Azure AI Services. Hvis det ikke er oppført, sjekk Azure-portalen under din ressursgruppe for AI Services ressursnavn.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Velg din embedding-modell (f.eks. text-embedding-ada-002) og noter Deployment name fra modelldetaljene.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Velg din chat-modell (f.eks. gpt-4o-mini) og noter Deployment name fra modelldetaljene.
AZURE_OPENAI_ENDPOINT - Se etter Azure AI services, klikk på det, gå deretter til Ressursadministrasjon, Nøkler og Endepunkt, bla ned til “Azure OpenAI endpoints”, og kopier den som sier “Language APIs”.
AZURE_OPENAI_API_KEY - Fra samme skjerm, kopier NØKKEL 1 eller NØKKEL 2.
AZURE_SEARCH_SERVICE_ENDPOINT - Finn din Azure AI Search-ressurs, klikk på den, og se Oversikt.
AZURE_SEARCH_API_KEY - Gå deretter til Innstillinger og deretter Nøkler for å kopiere den primære eller sekundære administrasjonsnøkkelen.
AZURE_OPENAI_API_VERSION - Besøk siden API versjonslivssyklus under Siste GA API-utgivelse.I stedet for å hardkode dine legitimasjoner, vil vi bruke en nøkkelfri tilkobling med Azure OpenAI. For å gjøre dette, vil vi importere DefaultAzureCredential og senere kalle funksjonen DefaultAzureCredential for å hente legitimasjonen.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Hvis du har problemer med å kjøre denne oppsettet, kan du bli med i vår Azure AI Community Discord eller opprette en sak.
Du er nå klar til å kjøre koden for dette kurset. Lykke til med å lære mer om verdenen av AI-agenter!
Introduksjon til AI-agenter og bruksområder for agenter
Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi streber etter nøyaktighet, vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på dets opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.