Denne leksjonen vil dekke hvordan du kjører 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 koble deg med andre elever.
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:
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 oppsettsteg du må følge nedenfor:
NOTE: Hvis du ikke har Python3.12 installert, sørg for å installere det. Deretter opprett din venv ved hjelp av python3.12 for å sikre at de riktige versjonene installeres fra requirements.txt-filen.
Eksempel
Opprett Python venv-katalog:
python3 -m venv venv
Deretter aktiver 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 bruker 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 velg Generate new token
.
Skriv inn et beskrivende navn for tokenet som reflekterer dets formål, slik at det er enkelt å identifisere senere.
🔐 Anbefaling for tokenvarighet
Anbefalt varighet: 30 dager
For en mer sikker tilnærming kan du velge en kortere periode—som 7 dager 🛡️
Det er en flott 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 merk 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 token kopiert, åpne .env
-filen i din favoritt tekstredigerer og lim inn tokenet i GITHUB_TOKEN
-feltet.
Du bør nå kunne kjøre kodeeksemplene i dette kurset.
Følg stegene for å opprette en hub og prosjekt i Azure AI Foundry som beskrevet her: Oversikt over hub-ressurser
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 token kopiert, åpne .env
-filen i din favoritt tekstredigerer og lim inn tokenet i PROJECT_ENDPOINT
-feltet.
Som en sikkerhetsbest praksis, vil vi bruke nøkkelfri autentisering for å autentisere til Azure OpenAI med Microsoft Entra ID.
Åpne deretter en terminal og kjør 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 Azure AI Services-tilkoblingsnavnet. Hvis det ikke er oppført, sjekk Azure-portalen under din ressursgruppe for AI Services-ressursnavnet.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- Velg din embedding-modell (f.eks. text-embedding-ada-002
) og noter Deployment name fra modellens detaljer.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- Velg din chat-modell (f.eks. gpt-4o-mini
) og noter Deployment name fra modellens detaljer.
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-versjon livssyklus 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 dette oppsettet, hopp inn i vår Azure AI Community Discord eller opprett en sak.
Du er nå klar til å kjøre koden for dette kurset. Lykke til med å lære mer om AI-agenter!
Introduksjon til AI-agenter og agentbrukstilfeller
Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi tilstreber nøyaktighet, vær oppmerksom på at automatiserte oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.