Esta lição irá abordar 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 estudantes.
Para começar, por favor clone ou faça fork do repositório GitHub. Isto criará a sua própria versão do material do curso para que possa executar, testar e ajustar o código!
Pode fazer isso clicando no link para fazer fork do repositório.
Agora deverá ter a sua própria versão fork deste curso no seguinte link:
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 - Gratuito:
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)
Recomendamos que experimente os três tipos de exemplos para ver qual funciona melhor para si.
A opção que escolher determinará os passos de configuração que precisa seguir abaixo:
NOTA: Se não tiver Python 3.12 instalado, certifique-se de instalá-lo. Depois, crie o seu venv usando python3.12 para garantir que as versões corretas são 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 Natural (LLMs) que irá usar para construir Agentes de IA.
Para usar os Modelos GitHub, precisará criar um Token de Acesso Pessoal do GitHub.
Pode fazer isso 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. Isto 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 às Configurações de Desenvolvedor.
Depois, selecione Generate new token
.
Insira um nome descritivo para o seu token que reflita o seu propósito, facilitando a identificação mais tarde.
🔐 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: Sob 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 criação.
Copie o novo token que acabou de criar. Agora irá adicioná-lo ao ficheiro .env
incluído neste curso.
.env
Para criar o seu ficheiro .env
, execute o seguinte comando no terminal.
cp .env.example .env
Isto irá copiar o ficheiro de exemplo e criar 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 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.
Pode fazer isso indo à página Overview do seu projeto no portal Azure AI Foundry.
.env
Para criar o seu ficheiro .env
, execute o seguinte comando no terminal.
cp .env.example .env
Isto irá copiar o ficheiro de exemplo e criar 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 token no campo PROJECT_ENDPOINT
.
Como prática de segurança, utilizaremos 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 estes exemplos, precisará adicionar as seguintes variáveis de ambiente ao seu ficheiro .env
:
AZURE_SUBSCRIPTION_ID
- Verifique Detalhes do Projeto 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 Propriedades do Projeto na página Overview do Centro de Gestão.
GLOBAL_LLM_SERVICE
- Sob Recursos Conectados, 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 (ex.: text-embedding-ada-002
) e anote o Nome de Deployment nos detalhes do modelo.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- Selecione o seu modelo de chat (ex.: gpt-4o-mini
) e anote o Nome de Deployment nos detalhes do modelo.
AZURE_OPENAI_ENDPOINT
- Procure por Azure AI services, clique nele, depois vá para Gestão de Recursos, Chaves e 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 Configurações e depois Chaves para copiar a chave de administrador primária ou secundária.
AZURE_OPENAI_API_VERSION
- Visite a página Ciclo de vida da versão da API sob Última versão GA da API.Em vez de codificar as suas credenciais, utilizaremos uma conexão sem chave com Azure OpenAI. Para isso, importaremos DefaultAzureCredential
e mais tarde 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:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, é importante notar 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 a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.