ai-agents-for-beginners

Настройка курса

Введение

В этом уроке мы рассмотрим, как запускать примеры кода из данного курса.

Присоединяйтесь к другим учащимся и получайте помощь

Прежде чем начать клонирование репозитория, присоединитесь к каналу Discord для начинающих с AI Agents, чтобы получить помощь с настройкой, задать вопросы о курсе или связаться с другими учащимися.

Клонируйте или форкните этот репозиторий

Для начала клонируйте или форкните репозиторий GitHub. Это создаст вашу собственную версию материалов курса, чтобы вы могли запускать, тестировать и изменять код!

Это можно сделать, перейдя по ссылке форкнуть репозиторий.

Теперь у вас должна быть ваша собственная форкнутая версия курса по следующей ссылке:

Поверхностное клонирование (рекомендуется для воркшопов / Codespaces)

Полный репозиторий может быть большим (~3 ГБ), если вы загружаете всю историю и все файлы. Если вы участвуете только в воркшопе или вам нужны только несколько папок уроков, поверхностное клонирование (или выборочное клонирование) позволяет избежать большей части загрузки, сокращая историю и/или пропуская блобы.

Быстрое поверхностное клонирование — минимальная история, все файлы

Замените <your-username> в командах ниже на URL вашего форка (или URL оригинального репозитория, если вы предпочитаете).

Чтобы клонировать только последнюю историю коммитов (небольшая загрузка):

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

Чтобы клонировать определенную ветку:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

Частичное (выборочное) клонирование — минимальные блобы + только выбранные папки

Это использует частичное клонирование и выборочную загрузку (требуется Git 2.25+ и рекомендуется современный Git с поддержкой частичного клонирования):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

Перейдите в папку репозитория:

cd ai-agents-for-beginners

Затем укажите, какие папки вам нужны (пример ниже показывает две папки):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

После клонирования и проверки файлов, если вам нужны только файлы и вы хотите освободить место (без истории git), удалите метаданные репозитория (💀необратимо — вы потеряете всю функциональность Git: коммиты, pull-запросы, push-запросы и доступ к истории).

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

Использование GitHub Codespaces (рекомендуется для избежания больших локальных загрузок)

• Создайте новый Codespace для этого репозитория через интерфейс GitHub.

• В терминале нового Codespace выполните одну из команд поверхностного/выборочного клонирования, чтобы загрузить только нужные папки уроков в рабочую область Codespace.
• Опционально: после клонирования внутри Codespaces удалите .git, чтобы освободить дополнительное место (см. команды удаления выше).
• Примечание: Если вы предпочитаете открыть репозиторий напрямую в Codespaces (без дополнительного клонирования), учтите, что Codespaces создаст среду devcontainer и может загрузить больше, чем вам нужно. Клонирование поверхностной копии внутри нового Codespace дает вам больше контроля над использованием дискового пространства.

Советы

• Всегда заменяйте URL клонирования на ваш форк, если вы хотите редактировать/коммитить.
• Если позже вам понадобится больше истории или файлов, вы можете их загрузить или настроить выборочную загрузку для включения дополнительных папок.

Запуск кода

Этот курс предлагает серию Jupyter Notebooks, которые вы можете использовать для практического изучения создания AI Agents.

Примеры кода используют:

Требуется аккаунт GitHub - бесплатно:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Обозначено как (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Обозначено как (autogen.ipynb)

Требуется подписка Azure: 3) Azure AI Foundry + Azure AI Agent Service. Обозначено как (azureaiagent.ipynb)

Мы рекомендуем попробовать все три типа примеров, чтобы понять, какой из них лучше всего подходит для вас.

Какой бы вариант вы ни выбрали, он определит, какие шаги настройки вам нужно выполнить ниже:

Требования

• Python 3.12+

  • NOTE: Если у вас не установлен Python 3.12, убедитесь, что вы его установили. Затем создайте виртуальную среду (venv) с использованием python3.12, чтобы гарантировать установку правильных версий из файла requirements.txt.

    Пример

    Создайте директорию виртуальной среды Python:

    python -m venv venv
    

    Затем активируйте виртуальную среду для:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: Для примеров кода, использующих .NET, убедитесь, что вы установили .NET 10 SDK или более позднюю версию. Затем проверьте установленную версию .NET SDK:

    dotnet --list-sdks
  

• Аккаунт GitHub - для доступа к GitHub Models Marketplace
• Подписка Azure - для доступа к Azure AI Foundry
• Аккаунт Azure AI Foundry - для доступа к Azure AI Agent Service

Мы включили файл requirements.txt в корневую директорию этого репозитория, который содержит все необходимые пакеты Python для запуска примеров кода.

Вы можете установить их, выполнив следующую команду в терминале в корневой директории репозитория:

pip install -r requirements.txt

Мы рекомендуем создать виртуальную среду Python, чтобы избежать конфликтов и проблем.

Настройка VSCode

Убедитесь, что вы используете правильную версию Python в VSCode.

Настройка для примеров с использованием GitHub Models

Шаг 1: Получите ваш персональный токен доступа GitHub (PAT)

Этот курс использует GitHub Models Marketplace, предоставляя бесплатный доступ к большим языковым моделям (LLMs), которые вы будете использовать для создания AI Agents.

Чтобы использовать GitHub Models, вам нужно создать персональный токен доступа GitHub.

Это можно сделать, перейдя в настройки персональных токенов доступа в вашем аккаунте GitHub.

Пожалуйста, следуйте принципу минимальных привилегий при создании токена. Это означает, что вы должны предоставить токену только те разрешения, которые необходимы для запуска примеров кода в этом курсе.

1. Выберите опцию Fine-grained tokens на левой стороне экрана, перейдя в Developer settings.

   

   Затем выберите Generate new token.

   

2. Введите описательное имя для вашего токена, которое отражает его назначение, чтобы его было легко идентифицировать позже.

   🔐 Рекомендация по сроку действия токена

   Рекомендуемый срок действия: 30 дней Для более безопасного подхода вы можете выбрать более короткий период — например, 7 дней 🛡️ Это отличный способ установить личную цель и завершить курс, пока ваш учебный настрой высок 🚀.

   

3. Ограничьте область действия токена вашим форком этого репозитория.

   

4. Ограничьте разрешения токена: В разделе Permissions нажмите вкладку Account и кнопку “+ Add permissions”. Появится выпадающее меню. Найдите Models и установите галочку.

   

5. Проверьте необходимые разрешения перед созданием токена.

6. Перед созданием токена убедитесь, что вы готовы сохранить токен в безопасном месте, например, в хранилище паролей, так как он больше не будет отображаться после создания.

Скопируйте ваш новый токен, который вы только что создали. Теперь вы добавите его в файл .env, включенный в этот курс.

Шаг 2: Создайте ваш файл .env

Чтобы создать файл .env, выполните следующую команду в терминале.

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

Это скопирует пример файла и создаст .env в вашей директории, где вы заполните значения для переменных окружения.

Скопировав ваш токен, откройте файл .env в вашем любимом текстовом редакторе и вставьте ваш токен в поле GITHUB_TOKEN.

Теперь вы сможете запускать примеры кода из этого курса.

Настройка для примеров с использованием Azure AI Foundry и Azure AI Agent Service

Шаг 1: Получите конечную точку вашего проекта Azure

Следуйте шагам по созданию хаба и проекта в Azure AI Foundry, описанным здесь: Обзор ресурсов хаба

После создания проекта вам нужно будет получить строку подключения для вашего проекта.

Это можно сделать, перейдя на страницу Overview вашего проекта в портале Azure AI Foundry.

Шаг 2: Создайте ваш файл .env

Чтобы создать файл .env, выполните следующую команду в терминале.

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

Это скопирует пример файла и создаст .env в вашей директории, где вы заполните значения для переменных окружения.

Скопировав ваш токен, откройте файл .env в вашем любимом текстовом редакторе и вставьте ваш токен в поле PROJECT_ENDPOINT.

Шаг 3: Войдите в Azure

В целях безопасности мы будем использовать аутентификацию без ключей для аутентификации в Azure OpenAI с помощью Microsoft Entra ID.

Откройте терминал и выполните команду az login --use-device-code, чтобы войти в ваш аккаунт Azure.

После входа выберите вашу подписку в терминале.

Дополнительные переменные окружения - Azure Search и Azure OpenAI

Для урока Agentic RAG - Урок 5 - есть примеры, которые используют Azure Search и Azure OpenAI.

Если вы хотите запустить эти примеры, вам нужно будет добавить следующие переменные окружения в ваш файл .env:

Страница обзора (Проект)

• AZURE_SUBSCRIPTION_ID - Проверьте Project details на странице Overview вашего проекта.

• AZURE_AI_PROJECT_NAME - Посмотрите в верхней части страницы Overview вашего проекта.

• AZURE_OPENAI_SERVICE - Найдите это на вкладке Included capabilities для Azure OpenAI Service на странице Overview.

Центр управления

• AZURE_OPENAI_RESOURCE_GROUP - Перейдите в Project properties на странице Overview в Management Center.

• GLOBAL_LLM_SERVICE - В разделе Connected resources найдите имя подключения Azure AI Services. Если не указано, проверьте Azure portal в вашей группе ресурсов для имени ресурса AI Services.

Страница моделей + конечных точек

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Выберите вашу модель для встраивания (например, text-embedding-ada-002) и запишите Deployment name из деталей модели.

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Выберите вашу модель для чата (например, gpt-4o-mini) и запишите Deployment name из деталей модели.

Портал Azure

• AZURE_OPENAI_ENDPOINT - Найдите Azure AI services, нажмите на него, затем перейдите в Resource Management, Keys and Endpoint, прокрутите вниз до “Azure OpenAI endpoints” и скопируйте тот, который называется “Language APIs”.

• AZURE_OPENAI_API_KEY - На той же странице скопируйте KEY 1 или KEY 2.

• AZURE_SEARCH_SERVICE_ENDPOINT - Найдите ваш ресурс Azure AI Search, нажмите на него и посмотрите Overview.

• AZURE_SEARCH_API_KEY - Затем перейдите в Settings, затем Keys, чтобы скопировать основной или вторичный административный ключ.

Внешняя веб-страница

• AZURE_OPENAI_API_VERSION - Посетите страницу API version lifecycle в разделе Latest GA API release.

Настройка аутентификации без ключей

Вместо жесткого кодирования ваших учетных данных мы будем использовать подключение без ключей с Azure OpenAI. Для этого мы импортируем DefaultAzureCredential и позже вызовем функцию DefaultAzureCredential, чтобы получить учетные данные.

# Python
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Застряли где-то?

Если у вас возникли проблемы с запуском этого набора, присоединяйтесь к нашему Discord-сообществу Azure AI или создайте запрос.

Следующий урок

Теперь вы готовы запустить код для этого курса. Приятного изучения мира AI-агентов!

Введение в AI-агентов и примеры их использования

---

Отказ от ответственности:
Этот документ был переведен с использованием сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.

This site is open source. Improve this page.