ai-agents-for-beginners

Konfiguracja kursu

Wprowadzenie

W tej lekcji dowiesz się, jak uruchomić przykłady kodu z tego kursu.

Dołącz do innych uczestników i uzyskaj pomoc

Zanim zaczniesz klonować repozytorium, dołącz do kanału Discord AI Agents For Beginners, aby uzyskać pomoc w konfiguracji, odpowiedzi na pytania dotyczące kursu lub nawiązać kontakt z innymi uczestnikami.

Sklonuj lub zrób fork repozytorium

Na początek sklonuj lub zrób fork repozytorium GitHub. Dzięki temu będziesz mieć własną wersję materiałów kursowych, aby móc uruchamiać, testować i modyfikować kod!

Możesz to zrobić, klikając link do fork repozytorium.

Teraz powinieneś mieć własną wersję tego kursu pod następującym linkiem:

Uruchamianie kodu

Ten kurs oferuje serię notatników Jupyter, które możesz uruchomić, aby zdobyć praktyczne doświadczenie w budowaniu agentów AI.

Przykłady kodu wykorzystują:

Wymaga konta GitHub - Bezpłatne:

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

Wymaga subskrypcji Azure: 3) Azure AI Foundry + Azure AI Agent Service. Oznaczone jako (azureaiagent.ipynb)

Zachęcamy do wypróbowania wszystkich trzech typów przykładów, aby zobaczyć, który z nich najlepiej Ci odpowiada.

Opcja, którą wybierzesz, określi, jakie kroki konfiguracji musisz wykonać poniżej:

Wymagania

• Python 3.12+

  • UWAGA: Jeśli nie masz zainstalowanego Python3.12, upewnij się, że go zainstalujesz. Następnie utwórz wirtualne środowisko (venv) za pomocą python3.12, aby upewnić się, że odpowiednie wersje zostaną zainstalowane z pliku requirements.txt.

    Przykład

    Utwórz katalog wirtualnego środowiska Python:

    python3 -m venv venv
    

    Następnie aktywuj środowisko venv dla:

    macOS i Linux

    source venv/bin/activate
    

    Windows

    venv\Scripts\activate
    

• Konto GitHub - Dostęp do GitHub Models Marketplace
• Subskrypcja Azure - Dostęp do Azure AI Foundry
• Konto Azure AI Foundry - Dostęp do Azure AI Agent Service

Do repozytorium dołączono plik requirements.txt, który zawiera wszystkie wymagane pakiety Python do uruchomienia przykładów kodu.

Możesz je zainstalować, uruchamiając następujące polecenie w terminalu w katalogu głównym repozytorium:

pip install -r requirements.txt

Zalecamy utworzenie wirtualnego środowiska Python, aby uniknąć konfliktów i problemów.

Konfiguracja VSCode

Upewnij się, że używasz odpowiedniej wersji Python w VSCode.

Konfiguracja dla przykładów z użyciem GitHub Models

Krok 1: Pobierz swój GitHub Personal Access Token (PAT)

Ten kurs wykorzystuje GitHub Models Marketplace, oferując bezpłatny dostęp do dużych modeli językowych (LLM), które będziesz używać do budowy agentów AI.

Aby korzystać z GitHub Models, musisz utworzyć GitHub Personal Access Token.

Możesz to zrobić, przechodząc do ustawień Personal Access Tokens w swoim koncie GitHub.

Postępuj zgodnie z zasadą Minimalnych Uprawnień podczas tworzenia tokena. Oznacza to, że token powinien mieć tylko te uprawnienia, które są potrzebne do uruchomienia przykładów kodu w tym kursie.

1. Wybierz opcję Fine-grained tokens po lewej stronie ekranu, przechodząc do Developer settings.

   Następnie wybierz Generate new token.

   

2. Wprowadź opisową nazwę dla swojego tokena, która odzwierciedla jego cel, aby łatwo go później zidentyfikować.

   🔐 Rekomendacja dotycząca czasu trwania tokena

   Zalecany czas trwania: 30 dni Dla większego bezpieczeństwa możesz wybrać krótszy okres, na przykład 7 dni 🛡️ To świetny sposób na wyznaczenie sobie celu i ukończenie kursu, gdy Twoje tempo nauki jest wysokie 🚀.

   

3. Ogranicz zakres tokena do swojego forka tego repozytorium.

   

4. Ogranicz uprawnienia tokena: W sekcji Permissions, kliknij zakładkę Account, a następnie przycisk “+ Add permissions”. Pojawi się rozwijane menu. Wyszukaj Models i zaznacz odpowiednie pole.

5. Zweryfikuj wymagane uprawnienia przed wygenerowaniem tokena.

6. Przed wygenerowaniem tokena upewnij się, że jesteś gotowy do przechowywania tokena w bezpiecznym miejscu, takim jak menedżer haseł, ponieważ nie będzie on ponownie wyświetlany po jego utworzeniu.

Skopiuj nowo utworzony token. Teraz dodasz go do pliku .env dołączonego do tego kursu.

Krok 2: Utwórz plik .env

Aby utworzyć plik .env, uruchom następujące polecenie w terminalu.

cp .env.example .env

To polecenie skopiuje plik przykładowy i utworzy .env w Twoim katalogu, gdzie wypełnisz wartościami zmienne środowiskowe.

Po skopiowaniu tokena otwórz plik .env w swoim ulubionym edytorze tekstu i wklej token w polu GITHUB_TOKEN.

Teraz powinieneś być w stanie uruchomić przykłady kodu z tego kursu.

Konfiguracja dla przykładów z użyciem Azure AI Foundry i Azure AI Agent Service

Krok 1: Pobierz punkt końcowy projektu Azure

Postępuj zgodnie z krokami tworzenia huba i projektu w Azure AI Foundry opisanymi tutaj: Przegląd zasobów hub

Po utworzeniu projektu musisz pobrać ciąg połączenia dla swojego projektu.

Możesz to zrobić, przechodząc do strony Overview swojego projektu w portalu Azure AI Foundry.

Krok 2: Utwórz plik .env

Aby utworzyć plik .env, uruchom następujące polecenie w terminalu.

cp .env.example .env

To polecenie skopiuje plik przykładowy i utworzy .env w Twoim katalogu, gdzie wypełnisz wartościami zmienne środowiskowe.

Po skopiowaniu tokena otwórz plik .env w swoim ulubionym edytorze tekstu i wklej token w polu PROJECT_ENDPOINT.

Krok 3: Zaloguj się do Azure

Jako najlepszą praktykę bezpieczeństwa użyjemy uwierzytelniania bez klucza, aby uwierzytelnić się w Azure OpenAI za pomocą Microsoft Entra ID.

Następnie otwórz terminal i uruchom az login --use-device-code, aby zalogować się do swojego konta Azure.

Po zalogowaniu wybierz swoją subskrypcję w terminalu.

Dodatkowe zmienne środowiskowe - Azure Search i Azure OpenAI

Dla lekcji Agentic RAG - Lekcja 5 - dostępne są przykłady wykorzystujące Azure Search i Azure OpenAI.

Jeśli chcesz uruchomić te przykłady, musisz dodać następujące zmienne środowiskowe do swojego pliku .env:

Strona przeglądu (Projekt)

• AZURE_SUBSCRIPTION_ID - Sprawdź Project details na stronie Overview swojego projektu.

• AZURE_AI_PROJECT_NAME - Spójrz na górę strony Overview swojego projektu.

• AZURE_OPENAI_SERVICE - Znajdź to w zakładce Included capabilities dla Azure OpenAI Service na stronie Overview.

Centrum zarządzania

• AZURE_OPENAI_RESOURCE_GROUP - Przejdź do Project properties na stronie Overview w Management Center.

• GLOBAL_LLM_SERVICE - W sekcji Connected resources, znajdź nazwę połączenia Azure AI Services. Jeśli nie jest wymieniona, sprawdź Azure portal w swojej grupie zasobów dla nazwy zasobu AI Services.

Strona modeli + punktów końcowych

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Wybierz swój model embedding (np. text-embedding-ada-002) i zanotuj Deployment name z szczegółów modelu.

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Wybierz swój model chat (np. gpt-4o-mini) i zanotuj Deployment name z szczegółów modelu.

Portal Azure

• AZURE_OPENAI_ENDPOINT - Znajdź Azure AI services, kliknij na to, następnie przejdź do Resource Management, Keys and Endpoint, przewiń w dół do “Azure OpenAI endpoints” i skopiuj ten, który mówi “Language APIs”.

• AZURE_OPENAI_API_KEY - Z tego samego ekranu skopiuj KLUCZ 1 lub KLUCZ 2.

• AZURE_SEARCH_SERVICE_ENDPOINT - Znajdź swój zasób Azure AI Search, kliknij na niego i zobacz Overview.

• AZURE_SEARCH_API_KEY - Następnie przejdź do Settings, a potem Keys, aby skopiować klucz administracyjny główny lub pomocniczy.

Zewnętrzna strona internetowa

• AZURE_OPENAI_API_VERSION - Odwiedź stronę API version lifecycle w sekcji Latest GA API release.

Konfiguracja uwierzytelniania bez klucza

Zamiast twardo kodować swoje dane uwierzytelniające, użyjemy połączenia bez klucza z Azure OpenAI. Aby to zrobić, zaimportujemy DefaultAzureCredential, a później wywołamy funkcję DefaultAzureCredential, aby uzyskać dane uwierzytelniające.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Masz problem?

Jeśli napotkasz jakiekolwiek problemy podczas tej konfiguracji, dołącz do naszego Discord Azure AI Community lub utwórz zgłoszenie.

Następna lekcja

Teraz jesteś gotowy do uruchomienia kodu z tego kursu. Miłego odkrywania świata agentów AI!

Wprowadzenie do agentów AI i przypadków użycia agentów

---

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za źródło autorytatywne. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.

This site is open source. Improve this page.