W tej lekcji dowiesz się, jak uruchomić przykłady kodu z tego kursu.
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.
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:
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:
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
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 Python w VSCode.
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.
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 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 🚀.
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 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.
.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.
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.
.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
.
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.
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 dla nazwy zasobu AI Services.
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.
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.
AZURE_OPENAI_API_VERSION
- Odwiedź stronę API version lifecycle w sekcji Latest GA API release.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
Jeśli napotkasz jakiekolwiek problemy podczas tej konfiguracji, dołącz do naszego Discord Azure AI Community lub utwórz zgłoszenie.
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.