W tej lekcji omówimy, jak uruchomić przykłady kodu z tego kursu.
Zanim zaczniesz klonować swoje 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.
Na początek prosimy o sklonowanie lub zrobienie forka repozytorium GitHub. Dzięki temu stworzysz własną wersję materiałów kursowych, aby móc uruchamiać, testować i modyfikować kod!
Możesz to zrobić, klikając link do zrobienia forka repozytorium
Teraz powinieneś mieć własną wersję tego kursu pod następującym linkiem:

Pełne repozytorium może być duże (~3 GB) przy pobieraniu całej historii i wszystkich plików. Jeśli uczestniczysz tylko w warsztatach lub potrzebujesz tylko kilku folderów z lekcjami, płytkie klonowanie (lub rzadkie klonowanie) pozwala uniknąć większości tego pobierania, skracając historię i/lub pomijając bloby.
Zamień <your-username> w poniższych poleceniach na URL swojego forka (lub URL upstream, jeśli wolisz).
Aby sklonować tylko najnowszą historię commitów (mały rozmiar pobierania):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
Aby sklonować konkretny branch:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
To wykorzystuje częściowe klonowanie i sparse-checkout (wymaga Git 2.25+ i zalecanej nowoczesnej wersji Git z obsługą częściowego klonowania):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
Przejdź do folderu repozytorium:
Dla bash:
cd ai-agents-for-beginners
Dla Powershell:
Set-Location ai-agents-for-beginners
Następnie określ, które foldery chcesz (przykład poniżej pokazuje dwa foldery):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
Po sklonowaniu i zweryfikowaniu plików, jeśli potrzebujesz tylko plików i chcesz zwolnić miejsce (bez historii git), usuń metadane repozytorium (💀nieodwracalne — stracisz wszystkie funkcje Git: brak commitów, pulli, pushów ani dostępu do historii).
Dla Linux/macOS:
rm -rf .git
Dla Windows:
Remove-Item -Recurse -Force .git
Utwórz nowy Codespace dla tego repozytorium za pośrednictwem interfejsu GitHub.
Ten kurs oferuje serię Notatników Jupyter, które możesz uruchomić, aby zdobyć praktyczne doświadczenie w budowaniu agentów AI.
Przykłady kodu wykorzystują:
Wymagane konto GitHub - darmowe:
1) Framework Semantic Kernel Agent + GitHub Models Marketplace. Oznaczone jako (semantic-kernel.ipynb) 2) Framework AutoGen + GitHub Models Marketplace. Oznaczone jako (autogen.ipynb)
Wymagana subskrypcja 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 odpowiada Twoim potrzebom.
Wybrana opcja określi, które kroki konfiguracji musisz wykonać poniżej:
NOTE: Jeśli nie masz zainstalowanego Python3.12, upewnij się, że go zainstalujesz. Następnie utwórz swoje środowisko wirtualne (venv) za pomocą python3.12, aby upewnić się, że odpowiednie wersje zostaną zainstalowane z pliku requirements.txt.
Przykład
Utwórz katalog środowiska wirtualnego Python:
python3 -m venv venv
Następnie aktywuj środowisko venv dla:
macOS i Linux
source venv/bin/activate
Windows
venv\Scripts\activate
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.
Upewnij się, że używasz odpowiedniej wersji Pythona w VSCode.
Ten kurs wykorzystuje GitHub Models Marketplace, zapewniając darmowy dostęp do dużych modeli językowych (LLM), które będziesz używać do budowy agentów AI.
Aby korzystać z modeli GitHub, musisz utworzyć osobisty token dostępu GitHub.
Możesz to zrobić, przechodząc do ustawień osobistych tokenów dostępu w swoim koncie GitHub.
Proszę postępować zgodnie z zasadą minimalnych uprawnień podczas tworzenia tokena. Oznacza to, że powinieneś nadać tokenowi tylko te uprawnienia, które są potrzebne do uruchomienia przykładów kodu w tym kursie.
Wybierz opcję Fine-grained tokens po lewej stronie ekranu, przechodząc do Developer settings

Następnie wybierz Generate new token.

Wprowadź opisową nazwę dla swojego tokena, która odzwierciedla jego przeznaczenie, 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 🚀.

Ogranicz zakres tokena do swojego forka tego repozytorium.

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

Zweryfikuj wymagane uprawnienia przed wygenerowaniem tokena. 
Przed wygenerowaniem tokena upewnij się, że jesteś gotowy do przechowywania tokena w bezpiecznym miejscu, takim jak sejf menedżera haseł, ponieważ nie będzie on ponownie wyświetlany po jego utworzeniu. 
Skopiuj nowo utworzony token. Teraz dodasz go do pliku .env dołączonego do tego kursu.
.envAby 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 wartości zmiennych środowiskowych.
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.
Postępuj zgodnie z instrukcjami dotyczącymi tworzenia hubu i projektu w Azure AI Foundry, które znajdziesz tutaj: Hub resources overview
Po utworzeniu projektu będziesz musiał pobrać ciąg połączenia dla swojego projektu.
Można to zrobić, przechodząc do strony Overview swojego projektu w portalu Azure AI Foundry.

.envAby 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 wartości zmiennych środowiskowych.
Po skopiowaniu tokena otwórz plik .env w swoim ulubionym edytorze tekstu i wklej token w polu PROJECT_ENDPOINT.
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 na swoje konto Azure.
Po zalogowaniu wybierz swoją subskrypcję w terminalu.
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:
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.
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, aby znaleźć nazwę zasobu AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Wybierz swój model osadzania (np. text-embedding-ada-002) i zanotuj Deployment name z szczegółów modelu.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Wybierz swój model czatu (np. gpt-4o-mini) i zanotuj Deployment name z szczegółów modelu.
AZURE_OPENAI_ENDPOINT - Znajdź Azure AI services, kliknij na niego, 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 następnie Keys, aby skopiować klucz administratora głównego lub zapasowego.
AZURE_OPENAI_API_VERSION - Odwiedź stronę API version lifecycle w sekcji Latest GA API release.Zamiast kodować swoje dane uwierzytelniające, użyjemy połączenia bez klucza z Azure OpenAI. Aby to zrobić, zaimportujemy DefaultAzureCredential, a następnie wywołamy funkcję DefaultAzureCredential, aby uzyskać dane uwierzytelniające.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Jeśli masz jakiekolwiek problemy z uruchomieniem tego zestawu, dołącz do naszego Discorda społeczności Azure AI lub zgłoś problem.
Jesteś teraz gotowy, aby uruchomić kod dla tego kursu. Miłego zgłębiania świata agentów AI!
Wprowadzenie do agentów AI i ich zastosowań
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, należy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. 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.