ai-agents-for-beginners

Konfiguracja kursu

Wprowadzenie

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

Dołącz do innych uczestników i uzyskaj pomoc

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.

Sklonuj lub zrób fork tego repozytorium

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:

Płytkie klonowanie (zalecane na warsztaty / Codespaces)

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.

Szybkie płytkie klonowanie — minimalna historia, wszystkie pliki

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

Częściowe (rzadkie) klonowanie — minimalne bloby + tylko wybrane foldery

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

Korzystanie z GitHub Codespaces (zalecane, aby uniknąć dużych lokalnych pobrań)

• Utwórz nowy Codespace dla tego repozytorium za pośrednictwem interfejsu GitHub.

• W terminalu nowo utworzonego Codespace uruchom jedno z poleceń płytkiego/rzadkiego klonowania powyżej, aby pobrać tylko potrzebne foldery lekcji do przestrzeni roboczej Codespace.
• Opcjonalnie: po sklonowaniu w Codespaces usuń .git, aby odzyskać dodatkowe miejsce (zobacz polecenia usuwania powyżej).
• Uwaga: Jeśli wolisz otworzyć repozytorium bezpośrednio w Codespaces (bez dodatkowego klonowania), pamiętaj, że Codespaces skonfiguruje środowisko devcontainer i może nadal przygotować więcej niż potrzebujesz. Sklonowanie płytkiej kopii w świeżym Codespace daje większą kontrolę nad wykorzystaniem dysku.

Wskazówki

• Zawsze zamieniaj URL klonowania na swój fork, jeśli chcesz edytować/commitować.
• Jeśli później będziesz potrzebować więcej historii lub plików, możesz je pobrać lub dostosować sparse-checkout, aby uwzględnić dodatkowe foldery.

Uruchamianie kodu

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:

Wymagania

• Python 3.12+

  • 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
    

• 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 Pythona w VSCode.

Konfiguracja dla przykładów z użyciem GitHub Models

Krok 1: Pobierz swój osobisty token dostępu (PAT) GitHub

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.

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 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 🚀.

   

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 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.

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 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.

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

Krok 1: Pobierz punkt końcowy swojego projektu Azure

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.

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 wartości zmiennych środowiskowych.

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 na swoje konto 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, aby znaleźć nazwę zasobu AI Services.

Strona modeli + punktów końcowych

• 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.

Portal Azure

• 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.

Zewnętrzna strona internetowa

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

Konfiguracja uwierzytelniania bez klucza

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

Utknąłeś w jakimś miejscu?

Jeśli masz jakiekolwiek problemy z uruchomieniem tego zestawu, dołącz do naszego Discorda społeczności Azure AI lub zgłoś problem.

Następna lekcja

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.

This site is open source. Improve this page.