Această lecție va acoperi modul de rulare a exemplelor de cod din acest curs.
Înainte de a începe clonarea depozitului, alătură-te canalului AI Agents For Beginners Discord pentru a primi ajutor cu configurarea, pentru orice întrebări legate de curs sau pentru a te conecta cu alți cursanți.
Pentru a începe, te rugăm să clonezi sau să fork-uiești depozitul GitHub. Acest lucru va crea propria ta versiune a materialului cursului, astfel încât să poți rula, testa și ajusta codul!
Acest lucru poate fi realizat făcând clic pe linkul pentru fork-uirea depozitului.
Ar trebui să ai acum propria versiune fork-uită a acestui curs la următorul link:
Acest curs oferă o serie de Jupyter Notebooks pe care le poți rula pentru a obține experiență practică în construirea agenților AI.
Exemplele de cod utilizează fie:
Necesită cont GitHub - Gratuit:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Etichetat ca (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Etichetat ca (autogen.ipynb)
Necesită abonament Azure: 3) Azure AI Foundry + Azure AI Agent Service. Etichetat ca (azureaiagent.ipynb)
Te încurajăm să încerci toate cele trei tipuri de exemple pentru a vedea care funcționează cel mai bine pentru tine.
Indiferent de opțiunea aleasă, aceasta va determina pașii de configurare pe care trebuie să îi urmezi mai jos:
NOTĂ: Dacă nu ai instalat Python 3.12, asigură-te că îl instalezi. Apoi creează mediul virtual (venv) folosind python3.12 pentru a te asigura că versiunile corecte sunt instalate din fișierul requirements.txt.
Exemplu
Creează directorul pentru mediul virtual Python:
python3 -m venv venv
Apoi activează mediul virtual pentru:
macOS și Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Am inclus un fișier requirements.txt
în rădăcina acestui depozit care conține toate pachetele Python necesare pentru a rula exemplele de cod.
Le poți instala rulând următoarea comandă în terminalul tău, la rădăcina depozitului:
pip install -r requirements.txt
Recomandăm crearea unui mediu virtual Python pentru a evita conflictele și problemele.
Asigură-te că folosești versiunea corectă de Python în VSCode.
Acest curs utilizează GitHub Models Marketplace, oferind acces gratuit la modele de limbaj extins (LLMs) pe care le vei folosi pentru a construi agenți AI.
Pentru a utiliza modelele GitHub, va trebui să creezi un token personal de acces GitHub.
Acest lucru poate fi realizat accesând setările pentru token-uri personale de acces din contul tău GitHub.
Te rugăm să urmezi Principiul Privilegiului Minim atunci când creezi token-ul. Aceasta înseamnă că ar trebui să oferi token-ului doar permisiunile necesare pentru a rula exemplele de cod din acest curs.
Selectează opțiunea Fine-grained tokens
din partea stângă a ecranului, navigând la Developer settings.
Apoi selectează Generate new token
.
Introdu un nume descriptiv pentru token-ul tău care reflectă scopul său, făcându-l ușor de identificat ulterior.
🔐 Recomandare pentru durata token-ului
Durată recomandată: 30 de zile
Pentru o securitate mai mare, poți opta pentru o perioadă mai scurtă—cum ar fi 7 zile 🛡️
Este o modalitate excelentă de a-ți seta un obiectiv personal și de a finaliza cursul în timp ce motivația ta de învățare este ridicată 🚀.
Limitează domeniul token-ului la fork-ul acestui depozit.
Restricționează permisiunile token-ului: Sub Permissions, fă clic pe fila Account și apasă butonul “+ Add permissions”. Va apărea un meniu derulant. Caută Models și bifează caseta pentru aceasta.
Verifică permisiunile necesare înainte de a genera token-ul.
Înainte de a genera token-ul, asigură-te că ești pregătit să stochezi token-ul într-un loc sigur, cum ar fi un manager de parole, deoarece nu va fi afișat din nou după ce îl creezi.
Copiază noul token pe care tocmai l-ai creat. Acum îl vei adăuga în fișierul .env
inclus în acest curs.
.env
Pentru a crea fișierul .env
, rulează următoarea comandă în terminalul tău.
cp .env.example .env
Aceasta va copia fișierul exemplu și va crea un .env
în directorul tău, unde vei completa valorile pentru variabilele de mediu.
Cu token-ul copiat, deschide fișierul .env
în editorul tău de text preferat și lipește token-ul în câmpul GITHUB_TOKEN
.
Acum ar trebui să poți rula exemplele de cod din acest curs.
Urmează pașii pentru crearea unui hub și proiect în Azure AI Foundry, găsiți aici: Prezentare generală a resurselor hub
După ce ai creat proiectul, va trebui să obții șirul de conexiune pentru proiectul tău.
Acest lucru poate fi realizat accesând pagina Overview a proiectului tău în portalul Azure AI Foundry.
.env
Pentru a crea fișierul .env
, rulează următoarea comandă în terminalul tău.
cp .env.example .env
Aceasta va copia fișierul exemplu și va crea un .env
în directorul tău, unde vei completa valorile pentru variabilele de mediu.
Cu token-ul copiat, deschide fișierul .env
în editorul tău de text preferat și lipește token-ul în câmpul PROJECT_ENDPOINT
.
Ca o bună practică de securitate, vom folosi autentificarea fără cheie pentru a ne autentifica în Azure OpenAI cu Microsoft Entra ID.
Apoi, deschide un terminal și rulează az login --use-device-code
pentru a te autentifica în contul tău Azure.
După ce te-ai autentificat, selectează abonamentul tău în terminal.
Pentru lecția Agentic RAG - Lecția 5 - există exemple care utilizează Azure Search și Azure OpenAI.
Dacă dorești să rulezi aceste exemple, va trebui să adaugi următoarele variabile de mediu în fișierul .env
:
AZURE_SUBSCRIPTION_ID
- Verifică Detaliile proiectului pe pagina Overview a proiectului tău.
AZURE_AI_PROJECT_NAME
- Uită-te în partea de sus a paginii Overview pentru proiectul tău.
AZURE_OPENAI_SERVICE
- Găsește acest lucru în fila Included capabilities pentru Azure OpenAI Service pe pagina Overview.
AZURE_OPENAI_RESOURCE_GROUP
- Accesează Proprietățile proiectului pe pagina Overview a Management Center.
GLOBAL_LLM_SERVICE
- Sub Connected resources, găsește numele conexiunii Azure AI Services. Dacă nu este listat, verifică Portalul Azure sub grupul tău de resurse pentru numele resursei AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- Selectează modelul tău de embedding (de exemplu, text-embedding-ada-002
) și notează Deployment name din detaliile modelului.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- Selectează modelul tău de chat (de exemplu, gpt-4o-mini
) și notează Deployment name din detaliile modelului.
AZURE_OPENAI_ENDPOINT
- Caută Azure AI services, fă clic pe acesta, apoi accesează Resource Management, Keys and Endpoint, derulează în jos la “Azure OpenAI endpoints” și copiază cel care spune “Language APIs”.
AZURE_OPENAI_API_KEY
- De pe același ecran, copiază KEY 1 sau KEY 2.
AZURE_SEARCH_SERVICE_ENDPOINT
- Găsește resursa ta Azure AI Search, fă clic pe aceasta și vezi Overview.
AZURE_SEARCH_API_KEY
- Apoi accesează Settings și apoi Keys pentru a copia cheia principală sau secundară de administrare.
AZURE_OPENAI_API_VERSION
- Vizitează pagina API version lifecycle sub Latest GA API release.În loc să codificăm credențialele, vom folosi o conexiune fără cheie cu Azure OpenAI. Pentru a face acest lucru, vom importa DefaultAzureCredential
și vom apela ulterior funcția DefaultAzureCredential
pentru a obține credențialul.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Dacă întâmpini probleme în rularea acestei configurări, intră pe Discord-ul comunității Azure AI sau creează o problemă.
Acum ești pregătit să rulezi codul pentru acest curs. Îți dorim succes în explorarea fascinantei lumi a agenților AI!
Introducere în agenții AI și cazuri de utilizare ale agenților
Declinare de responsabilitate:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim să asigurăm acuratețea, vă rugăm să fiți conștienți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa maternă ar trebui considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite care pot apărea din utilizarea acestei traduceri.