Esta lição abordará como executar os exemplos de código deste curso.
Antes de começar a clonar o seu repositório, junte-se ao canal Discord AI Agents For Beginners para obter ajuda com a configuração, esclarecer dúvidas sobre o curso ou conectar-se com outros alunos.
Para começar, por favor, clone ou faça um fork do repositório GitHub. Isso criará a sua própria versão do material do curso para que possa executar, testar e ajustar o código!
Isso pode ser feito clicando no link para fazer fork do repositório.
Agora deverá ter a sua própria versão do curso no seguinte link:

O repositório completo pode ser grande (~3 GB) ao fazer o download do histórico completo e de todos os ficheiros. Se estiver apenas a participar do workshop ou precisar apenas de algumas pastas de lições, um clone superficial (ou um clone esparso) evita a maior parte desse download, truncando o histórico e/ou ignorando blobs.
Substitua <your-username> nos comandos abaixo pelo URL do seu fork (ou o URL original, se preferir).
Para clonar apenas o histórico do último commit (download pequeno):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
Para clonar um ramo específico:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
Isto utiliza clone parcial e checkout esparso (requer Git 2.25+ e Git moderno recomendado com suporte a clone parcial):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
Aceda à pasta do repositório:
Para bash:
cd ai-agents-for-beginners
Para Powershell:
Set-Location ai-agents-for-beginners
Depois, especifique quais pastas deseja (o exemplo abaixo mostra duas pastas):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
Após clonar e verificar os ficheiros, se precisar apenas dos ficheiros e quiser liberar espaço (sem histórico do git), por favor, apague os metadados do repositório (💀irreversível — perderá toda a funcionalidade do Git: sem commits, pulls, pushes ou acesso ao histórico).
Para Linux/macOS:
rm -rf .git
Para Windows:
Remove-Item -Recurse -Force .git
Crie um novo Codespace para este repositório através da interface do GitHub.
Este curso oferece uma série de Jupyter Notebooks que pode executar para obter experiência prática na construção de Agentes de IA.
Os exemplos de código utilizam:
Requer Conta GitHub - Gratuita:
1) Framework Semantic Kernel Agent + GitHub Models Marketplace. Identificado como (semantic-kernel.ipynb) 2) Framework AutoGen + GitHub Models Marketplace. Identificado como (autogen.ipynb)
Requer Subscrição Azure: 3) Azure AI Foundry + Azure AI Agent Service. Identificado como (azureaiagent.ipynb)
Incentivamos a experimentar os três tipos de exemplos para ver qual funciona melhor para si.
Qualquer que seja a opção escolhida, isso determinará quais etapas de configuração precisa seguir abaixo:
NOTA: Se não tiver Python3.12 instalado, certifique-se de instalá-lo. Depois, crie o seu venv usando python3.12 para garantir que as versões corretas sejam instaladas a partir do ficheiro requirements.txt.
Exemplo
Criar diretório Python venv:
python3 -m venv venv
Depois, ative o ambiente venv para:
macOS e Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Incluímos um ficheiro requirements.txt na raiz deste repositório que contém todos os pacotes Python necessários para executar os exemplos de código.
Pode instalá-los executando o seguinte comando no terminal na raiz do repositório:
pip install -r requirements.txt
Recomendamos criar um ambiente virtual Python para evitar conflitos e problemas.
Certifique-se de que está a usar a versão correta do Python no VSCode.
Este curso utiliza o GitHub Models Marketplace, que oferece acesso gratuito a Modelos de Linguagem Grande (LLMs) que usará para construir Agentes de IA.
Para usar os GitHub Models, precisará criar um Token de Acesso Pessoal do GitHub.
Isso pode ser feito indo às configurações de Tokens de Acesso Pessoal na sua conta GitHub.
Por favor, siga o Princípio do Menor Privilégio ao criar o seu token. Isso significa que deve dar ao token apenas as permissões necessárias para executar os exemplos de código deste curso.
Selecione a opção Fine-grained tokens no lado esquerdo do ecrã, navegando até Developer settings.

Depois, selecione Generate new token.

Insira um nome descritivo para o seu token que reflita o seu propósito, facilitando a identificação posteriormente.
🔐 Recomendação de Duração do Token
Duração recomendada: 30 dias
Para uma postura mais segura, pode optar por um período mais curto—como 7 dias 🛡️
É uma ótima forma de definir um objetivo pessoal e concluir o curso enquanto mantém o ritmo de aprendizagem 🚀.

Limite o escopo do token ao seu fork deste repositório.

Restrinja as permissões do token: Em Permissions, clique na aba Account e no botão “+ Add permissions”. Aparecerá um menu suspenso. Procure por Models e marque a caixa correspondente.

Verifique as permissões necessárias antes de gerar o token. 
Antes de gerar o token, certifique-se de que está pronto para armazená-lo num local seguro, como um cofre de gestor de senhas, pois ele não será exibido novamente após a sua criação. 
Copie o novo token que acabou de criar. Agora, adicione-o ao ficheiro .env incluído neste curso.
.envPara criar o seu ficheiro .env, execute o seguinte comando no terminal.
cp .env.example .env
Isso copiará o ficheiro de exemplo e criará um .env no seu diretório, onde preencherá os valores das variáveis de ambiente.
Com o seu token copiado, abra o ficheiro .env no seu editor de texto favorito e cole o seu token no campo GITHUB_TOKEN.

Agora deverá conseguir executar os exemplos de código deste curso.
Siga os passos para criar um hub e projeto no Azure AI Foundry aqui: Visão geral dos recursos do Hub
Depois de criar o seu projeto, precisará obter a string de conexão para o seu projeto.
Isso pode ser feito indo à página Overview do seu projeto no portal Azure AI Foundry.

.envPara criar o seu ficheiro .env, execute o seguinte comando no terminal.
cp .env.example .env
Isso copiará o ficheiro de exemplo e criará um .env no seu diretório, onde preencherá os valores das variáveis de ambiente.
Com o seu token copiado, abra o ficheiro .env no seu editor de texto favorito e cole o seu token no campo PROJECT_ENDPOINT.
Como uma prática de segurança, usaremos autenticação sem chave para autenticar no Azure OpenAI com Microsoft Entra ID.
Em seguida, abra um terminal e execute az login --use-device-code para iniciar sessão na sua conta Azure.
Depois de iniciar sessão, selecione a sua subscrição no terminal.
Para a lição Agentic RAG - Lição 5 - há exemplos que utilizam Azure Search e Azure OpenAI.
Se quiser executar esses exemplos, precisará adicionar as seguintes variáveis de ambiente ao seu ficheiro .env:
AZURE_SUBSCRIPTION_ID - Verifique Project details na página Overview do seu projeto.
AZURE_AI_PROJECT_NAME - Veja no topo da página Overview do seu projeto.
AZURE_OPENAI_SERVICE - Encontre isto na aba Included capabilities para Azure OpenAI Service na página Overview.
AZURE_OPENAI_RESOURCE_GROUP - Vá para Project properties na página Overview do Management Center.
GLOBAL_LLM_SERVICE - Em Connected resources, encontre o nome da conexão Azure AI Services. Se não estiver listado, verifique o portal Azure no seu grupo de recursos para o nome do recurso AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Selecione o seu modelo de embedding (por exemplo, text-embedding-ada-002) e anote o Deployment name nos detalhes do modelo.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Selecione o seu modelo de chat (por exemplo, gpt-4o-mini) e anote o Deployment name nos detalhes do modelo.
AZURE_OPENAI_ENDPOINT - Procure por Azure AI services, clique nele, depois vá para Resource Management, Keys and Endpoint, desça até “Azure OpenAI endpoints” e copie o que diz “Language APIs”.
AZURE_OPENAI_API_KEY - Na mesma página, copie a CHAVE 1 ou CHAVE 2.
AZURE_SEARCH_SERVICE_ENDPOINT - Encontre o recurso Azure AI Search, clique nele e veja Overview.
AZURE_SEARCH_API_KEY - Depois vá para Settings e depois Keys para copiar a chave de administrador primária ou secundária.
AZURE_OPENAI_API_VERSION - Visite a página ciclo de vida da versão da API em Latest GA API release.Em vez de codificar as suas credenciais, usaremos uma conexão sem chave com o Azure OpenAI. Para isso, importaremos DefaultAzureCredential e, posteriormente, chamaremos a função DefaultAzureCredential para obter a credencial.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Se tiver algum problema ao executar esta configuração, entre no nosso Discord da Comunidade Azure AI ou crie um problema.
Agora está pronto para executar o código deste curso. Boa aprendizagem sobre o mundo dos Agentes de IA!
Introdução aos Agentes de IA e Casos de Uso de Agentes
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.