ai-agents-for-beginners

Oppsett av kurs

Introduksjon

Denne leksjonen vil dekke hvordan du kan kjøre kodeeksemplene i dette kurset.

Bli med andre deltakere og få hjelp

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.

Klon eller fork dette repoet

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:

Shallow Clone (anbefales for workshop / Codespaces)

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.

Rask shallow clone — minimal historikk, alle filer

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

Delvis (sparse) clone — minimale blobs + kun utvalgte mapper

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

Bruke GitHub Codespaces (anbefales for å unngå store lokale nedlastinger)

• Opprett en ny Codespace for dette repoet via GitHub UI.

• I terminalen til den nyopprettede Codespace, kjør en av shallow/sparse clone-kommandoene ovenfor for å hente kun de leksjonsmappene du trenger inn i Codespace-arbeidsområdet.
• Valgfritt: Etter kloning inne i Codespaces, fjern .git for å frigjøre ekstra plass (se fjerningskommandoene ovenfor).
• Merk: Hvis du foretrekker å åpne repoet direkte i Codespaces (uten en ekstra kloning), vær oppmerksom på at Codespaces vil konstruere devcontainer-miljøet og kan fortsatt provisionere mer enn du trenger. Å klone en shallow kopi inne i en ny Codespace gir deg mer kontroll over diskbruken.

Tips

• Erstatt alltid klone-URL-en med din fork hvis du ønsker å redigere/committe.
• Hvis du senere trenger mer historikk eller filer, kan du hente dem eller justere sparse-checkout for å inkludere flere mapper.

Kjøre koden

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:

Krav

• Python 3.12+

  • 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
    

• En GitHub-konto - For tilgang til GitHub Models Marketplace
• Azure-abonnement - For tilgang til Azure AI Foundry
• Azure AI Foundry-konto - For tilgang til Azure AI Agent Service

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.

Oppsett av VSCode

Sørg for at du bruker riktig versjon av Python i VSCode.

Oppsett for eksempler som bruker GitHub-modeller

Steg 1: Hent din GitHub Personal Access Token (PAT)

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.

1. Velg alternativet Fine-grained tokens på venstre side av skjermen ved å navigere til Developer settings.

   Deretter velger du Generate new token.

   

2. 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 🚀.

   

3. Begrens tokenets omfang til din fork av dette repositoriet.

   

4. 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.

5. Verifiser de nødvendige tillatelsene før du genererer tokenet.

6. 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.

Steg 2: Opprett din .env-fil

For 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.

Oppsett for eksempler som bruker Azure AI Foundry og Azure AI Agent Service

Steg 1: Hent din Azure-prosjektendepunkt

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.

Steg 2: Opprett din .env-fil

For 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.

Steg 3: Logg inn på Azure

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.

Ekstra miljøvariabler - Azure Search og Azure OpenAI

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:

Oversiktsside (Prosjekt)

• 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.

Administrasjonssenter

• 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.

Modeller + Endepunktside

• 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 Portal

• 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.

Ekstern nettside

• AZURE_OPENAI_API_VERSION - Besøk siden API versjonslivssyklus under Siste GA API-utgivelse.

Oppsett nøkkelfri autentisering

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

Sitter du fast et sted?

Hvis du har problemer med å kjøre denne oppsettet, kan du bli med i vår Azure AI Community Discord eller opprette en sak.

Neste leksjon

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.

This site is open source. Improve this page.