ai-agents-for-beginners
Konfiguracja Kursu
Wprowadzenie
W tej lekcji dowiesz się, jak uruchamiać przykłady kodu z tego kursu.
Dołącz do innych uczestników i uzyskaj pomoc
Zanim sklonujesz 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 zforkuj to repozytorium
Na początek sklonuj lub zforkuj repozytorium GitHub. Dzięki temu będziesz mieć własną wersję materiałów kursowych, aby móc uruchamiać, testować i modyfikować kod!
Możesz to zrobić, klikając link do
Uruchamianie kodu
Kurs oferuje serię notatników Jupyter, które możesz uruchomić, aby zdobyć praktyczne doświadczenie w budowaniu agentów AI.
Przykłady kodu wykorzystują:
Wymaga konta GitHub - Bezpłatne:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Oznaczone jako (semantic-kernel.ipynb)
2) AutoGen Framework + 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.
Wybrana opcja określi, które kroki konfiguracji należy wykonać poniżej:
Wymagania
- Python 3.12+
- NOTE: Jeśli nie masz zainstalowanego Python3.12, upewnij się, że go zainstalujesz. Następnie utwórz środowisko wirtualne (venv) za pomocą python3.12, aby upewnić się, że odpowiednie wersje zostaną zainstalowane z pliku requirements.txt.
- Konto GitHub - Dostęp do GitHub Models Marketplace
- Subskrypcja Azure - Dostęp do Azure AI Foundry
- Konto Azure AI Foundry - Dostęp do Azure AI Agent Service
W katalogu głównym repozytorium znajduje się plik requirements.txt, który zawiera wszystkie wymagane pakiety Python do uruchamiania 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 wykorzystaniem 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 wykorzystasz do budowy agentów AI.
Aby korzystać z GitHub Models, musisz utworzyć GitHub Personal Access Token.
Możesz to zrobić, przechodząc do swojego konta GitHub.
Postępuj zgodnie z zasadą minimalnych uprawnień podczas tworzenia tokena. Oznacza to, że token powinien mieć tylko te uprawnienia, które są niezbędne do uruchamiania przykładów kodu z tego kursu.
-
Wybierz opcję
Fine-grained tokenspo 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 zidentyfikować później.
🔐 Rekomendacja dotycząca czasu trwania tokena
Zalecany czas trwania: 30 dni
Dla większego bezpieczeństwa możesz wybrać krótszy okres, np. 7 dni 🛡️
To świetny sposób, aby wyznaczyć sobie cel i ukończyć kurs, utrzymując wysoki poziom motywacji 🚀.
-
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, aby przechowywać go 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 wykorzystaniem 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: Hub resources overview
Po utworzeniu projektu musisz 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 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
Zgodnie z najlepszymi praktykami 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 i 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 to, a 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 administratora głównego lub pomocniczego.
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. W tym celu zaimportujemy DefaultAzureCredential, a następnie wywołamy funkcję DefaultAzureCredential, aby uzyskać dane uwierzytelniające.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Utknąłeś?
Jeśli masz jakiekolwiek problemy z uruchomieniem tej konfiguracji, dołącz do naszego
Następna lekcja
Teraz jesteś gotowy, aby uruchomić kod z tego kursu. Powodzenia w nauce o agentach AI!
Wprowadzenie do agentów AI i przypadków użycia agentów
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o krytycznym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.