ai-agents-for-beginners

பாடநெறி அமைப்பு

அறிமுகம்

இந்த பாடத்தில் இந்த பாடநெறியின் குறியீட்டு எடுத்துக்காட்டுகளை எப்படி இயக்குவது என்பதை பற்றிப் பேசுகின்றோம்.

பிற கற்றவர்களோடு சேர்ந்து உதவி பெறுங்கள்

உங்கள் ரெபோவை கிளோன் செய்யத் தொடங்குவதற்கு முன், அமைப்புக்கு உதவி, பாடநெறியைப் பற்றிய கேள்விகள் அல்லது பிற கற்றவர்களுடன் தொடர்பு கொள்வதற்கு AI Agents For Beginners Discord channel சேர்வீர்கள்.

இந்த ரெபோவை கிளோன் செய்யவும் அல்லது ஃபோர்க் செய்யவும்

ஆரம்பிக்க, GitHub காட்சிப் புள்ளியை கிளோன் செய்யவும் அல்லது ஃபோர்க் செய்யவும். இது உங்களுக்கே சொந்தமான பாடநெறி உள்ளடக்கத்தை உருவாக்கும், அது மூலம் நீங்கள் குறியீட்டை இயக்கி, சோதித்து, திருத்தலாம்!

இது ரெபோவை ஃபோர்க் செய்ய இணைப்பை கிளிக் செய்வதன் மூலம் செய்யலாம்

இப்போது உங்கள் சொந்த ஃபோர் செய்யப்பட்ட பதிப்பைப் பின்வரும் இணைப்பில் வைத்திருக்க வேண்டும்:

புறச்சுட்டு கிளோன் (பாடசாலை/கோட்ஸ்பேசஸ் கண்கானிப்புக்கு பரிந்துரைக்கப்படுகிறது)

முழுமையான காட்சி புள்ளி (மொத்தம் ~3 GB) உள்ளது முழு வரலாறும் மற்றும் அனைத்து கோப்புகளும் பதிவிறக்கம் செய்யும் போது. நீங்கள் பாடசாலை மாத்திரமே கலந்துகொண்டால் அல்லது சில பாட அளவை கோப்புக்களை மட்டும் தேவைப்பட்டால், புறச்சுட்டு கிளோன் (அல்லது சிறிது கிளோன்) பெரும்பாலும் அதைச் சுருக்கி வரலாறு மற்றும் பிளாப்ஸுக் கழித்து பதிவிறக்கம் தவிர்க்கின்றது.

விரைவான புறச்சுட்டு கிளோன் — குறைந்த வரலாறு, அனைத்து கோப்புகளும்

கீழுள்ள கட்டளைகளில் <your-username>-ஐ உங்கள் ஃபோர்க் URL (அல்லது மேலாளரின் URL விரும்பினால்) மூலம் மாற்றவும்.

சமீபத்திய தேர்வாளர் வரலாறை மட்டும் கிளோன் செய்ய:

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

குறிப்பிட்ட கிளையை கிளோன் செய்ய:

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

பகுதி (சிறிது) கிளோன் — குறைந்த பிளாப்ஸ் + தேர்ந்தெடுக்கப்பட்ட கோப்புறை மட்டுமே

இது பகுதி கிளோன் மற்றும் சிறிது தேர்வு (Git 2.25+ மற்றும் பகுதி கிளோன் ஆதரவு கொண்ட நவீன Git பரிந்துரைக்கப்படுகிறது) பயன்படுத்துகிறது:

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

காட்சி புள்ளிக் கோப்புறையில் செல்லவும்:

cd ai-agents-for-beginners

பிறகு நீங்கள் எந்த கோப்புறைகளை வேண்டுமோ குறிப்பிடவும் (கீழே எடுத்துக்காட்டு இரண்டு கோப்புறைகளை காட்டுகிறது):

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

கிளோன் செய்து கோப்புகளை சரி பார்த்த பிறகு, நீங்கள் கோப்புகளே வேண்டுமானால் மற்றும் இடத்தை விடுவிக்க வேண்டுமானால் (கிட் வரலாறு இல்லாமல்), தயவுசெய்து காட்சி புள்ளி மெட்டடேட்டாவை அழிக்கவும் (💀மறுக்க முடியாதது — கிட் செயல்பாடு அனைத்தும் இழக்கும்: எந்த உறுதிப்படுத்தல்கள், இறக்குமதி, அனுப்பல் அல்லது வரலாறு அணுகலை முடியாது).

# zsh/bash
rm -rf .git

# பவர்‌ஷெல்
Remove-Item -Recurse -Force .git

GitHub Codespaces பயன்படுத்துதல் (உள்ளூர் பெரிய பதிவிறக்கங்களை தவிர்க்க பரிந்துரைக்கப்படுகிறது)

• இந்த ரெப்புக்கு புதிய Codespace ஒன்றை GitHub UI மூலம் உருவாக்கவும்.

• புதிதாக உருவாக்கப்பட்ட Codespace-இன் டெர்மினலில், மேலே உள்ள புறச்சுட்டு/சிறிது கிளோன் கட்டளைகளை ஓட்டி கற்றல் கோப்புறைகளை மட்டும் Codespace பணிப்பலகையில் கொண்டு வாருங்கள்.
• விருப்பம்: Codespaces உள்ளடக்கத்தில் கிளோன் செய்த பிறகு, கூடுதல் இடம் மீட்டெடுக்க .git காணிக்கை அகற்றவும் (மேலே அகற்றல் கட்டளைகள் பார்க்கவும்).
• குறிப்பு: நீங்கள் ரெபோவை நேரடியாக Codespaces-ல் திறக்க விரும்பினால் (கிளோன் இல்லாமல்), Codespaces டெவ் கண்டெய்னர் சூழலை வடிவமைக்கும் மற்றும் இன்னும் கூட உங்கள் தேவைக்கு மேல் ஆதரவு கொண்டிருக்கலாம். புதிய Codespace-இல் புறச்சுட்டு நகலை கிளோன் செய்வது கம்ப்யூட்டர் டிஸ்க் பயன்பாட்டில் அதிக கட்டுப்பாட்டை வழங்கும்.

நுட்பங்கள்

• திருத்தம்/உறுதிப்படுத்த வேண்டுமானால் எப்போதும் கிளோன் URL-ஐ உங்கள் ஃபோர்க் முறையில் மாற்றவும்.
• பின்னர் நீங்கள் மேலான வரலாறு அல்லது கோப்புக்கள் தேவைப்படுமானால், அவற்றை பெறலாம் அல்லது சிறிது தேர்வு-கிளோன் அமைப்பை கூடுதல் கோப்புறைகள் சேர்க்க மாற்றலாம்.

குறியீடு ஓட்டுதல்

இந்த பாடநெறி ஒருகட்டான Jupyter நோட்புக்களை வழங்குகிறது, அவற்றுடன் நீங்கள் AI முகவர்களை உருவாக்குவதில் கைபடிப்பு அனுபவம் பெறலாம்.

குறியீட்டு எடுத்துக்காட்டுகள் Microsoft Agent Framework (MAF) ஐப் பயன்படுத்து, FoundryChatClient உடன், இது Microsoft Foundry Agent Service V2 (பதில் API) மூலம் Microsoft Foundry-க்கு இணைக்கிறது.

அனைத்து பைதான் நோட்பூக்களும் *-python-agent-framework.ipynb என்று குறிக்கப்படுகின்றன.

தேவைகள்

• Python 3.12+

  • குறிப்பு: Python3.12 உங்கள் கணினியில் இல்லையெனில், அதை நிறுவவும். பிறகு உங்கள் வேர்ச்சுவல் சூழலை python3.12 கொண்டு உருவாக்கி requirements.txt கோப்பிலிருந்து சரியான பதிப்புகளை நிறுவவும்.

    உதாரணம்

    Python வேர்ச்சுவல் அடைவை உருவாக்குங்கள்:

    python -m venv venv
    

    பிறகு venv சூழலை இயக்குங்கள்:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: .NET பயன்படுத்தும் எடுத்துக் காட்டுகளுக்கு, .NET 10 SDK அல்லது மேலதிக பதிப்பை நிறுவுங்கள். பிறகு உங்கள் .NET SDK பதிப்பை சரி பார்க்கவும்:

    dotnet --list-sdks
  

• Azure CLI — ஆங்காங்கு உறுதிப்படுத்தல் தேவையை. aka.ms/installazurecli இல் இருந்து நிறுவலாம்.
• Azure சந்தா — Microsoft Foundry மற்றும் Microsoft Foundry Agent சேவைக்கான அணுகல் தேவையானது.
• Microsoft Foundry திட்டம் — பிரயோகிக்கப்பட்ட மாதிரியுடன் (உதா., gpt-4.1-mini) ஒரு திட்டம். கீழே படி 1 பார்க்கவும்.

இந்த காட்சிப் புள்ளியின் அடிப்படையில் உள்ள requirements.txt கோப்பில் அனைத்து தேவையான பைதான் தொகுதிகள் உள்ளன.

நீங்கள் இவற்றை கீழ்காணும் கட்டளையை ரெப்போ அடிப்படையில் டெர்மினலில் ஓட்டுதல் செயல்படலாம்:

pip install -r requirements.txt

முரண்பாடுகள் மற்றும் பிரச்சனைகள் இல்லாமல் இருக்க, பைதான் மெய்நிகர் சூழலை உருவாக்க பரிந்துரைக்கப்படுகிறது.

VSCode அமைத்தல்

VSCode இல் சரியான Python பதிப்பை பயன்படுத்துகிறீர்கள் என்பதில் உறுதி செய்யவும்.

Microsoft Foundry மற்றும் Microsoft Foundry Agent சேவை அமைத்தல்

படி 1: Microsoft Foundry திட்டம் உருவாக்கல்

நோட்பூக்களை இயக்க, Microsoft Foundry ஹப் மற்றும் திட்டம் ஒன்று பிரயோகிக்கப்பட்ட மாதிரியுடன் தேவைப்படுகிறது.

1. ai.azure.com சென்று உங்கள் Azure கணக்குடன் உள்நுழையவும்.
2. ஒரு ஹப் உருவாக்குங்கள் (அல்லது ஏற்கனவே உள்ள ஒன்றைப் பயன்படுத்தவும்). வைப்பு: Hub resources overview.
3. ஹப்புக்குள் ஒரு திட்டம் உருவாக்குங்கள்.
4. மாதிரி சேவைகள் → Deploy model மூலம் மாதிரியை (உதா., gpt-4.1-mini) இயக்கவும்.

படி 2: உங்கள் திட்டம் Endpoint மற்றும் மாதிரி இயக்க பெயரைப் பெறுங்கள்

Microsoft Foundry போர்டலில் உங்கள் திட்டத்தில் இருந்து:

• திட்ட Endpoint — Overview பக்கத்திற்கு சென்று Endpoint URL-ஐ நகலெடுக்கவும்.

• மாதிரி இயக்க பெயர் — Models + Endpoints சென்று, பிரயோகிக்கப்பட்ட மாதிரியை தேர்ந்தெடுத்து Deployment name-ஐ கவனிக்கவும் (உதா., gpt-4.1-mini).

படி 3: az login மூலம் Azure-ல் உள்நுழையவும்

அனைத்து நோட்பூக்களும் AzureCliCredential க்கு அடிப்படையாக உள்நுழைவதற்காக பயன்படுத்துகின்றன — API விசைகள் தேவை இல்லை. இதற்காக Azure CLI மூலம் உள்நுழைய வேண்டும்.

1. Azure CLI ஐ நிறுவவும் ஏற்கனவே இல்லையெனில்: aka.ms/installazurecli

2. உள்நுழைய கீழ்காணும் கட்டளையை ஓட்டவும்:

    az login
   

   அல்லது உலாவி இல்லாத தொலை/கோட்ஸ்பேஸ் சூழலிலும்:

    az login --use-device-code
   

3. சந்தாவை தேர்ந்தெடுங்கள் ஏற்கனவே கேட்கப்பட்டால் — உங்கள் Foundry திட்டத்துடன் தொடர்புடையதைக் கொள்ளவும்.

4. உள்நுழைந்திருப்பதை உறுதிப்படுத்தவும்:

    az account show
   

ஏன் az login? நோட்பூக்கள் azure-identity தொகுப்பில் இருந்து AzureCliCredential மூலம் அங்கீகாரம் பெறுகின்றன. எனவே உங்கள் Azure CLI அமர்வில் அங்கீகாரங்கள் வழங்கப்படுகின்றன — .env கோப்பில் எந்த API விசைகள் அல்லது இரகசியங்கள் தேவையில்லை. இது ஒரு பாதுகாப்பு சிறந்த நடைமுறை.

படி 4: உங்கள் .env கோப்பை உருவாக்குதல்

எடுத்துக்காட்டு கோப்பை நகலெடுக்கவும்:

# zsh/bash
cp .env.example .env

# பவர்ஷெல்
Copy-Item .env.example .env

.env-ஐ திறந்து கீழ்காணும் இரண்டு மதிப்புகளை நிரப்பவும்:

AZURE_AI_PROJECT_ENDPOINT=https://<your-project>.services.ai.azure.com/api/projects/<your-project-id>
AZURE_AI_MODEL_DEPLOYMENT_NAME=gpt-4.1-mini

மாறிலி	எங்கு கண்டுபிடிப்பது
AZURE_AI_PROJECT_ENDPOINT	Foundry போர்டல் → உங்கள் திட்டம் → Overview பக்கம்
AZURE_AI_MODEL_DEPLOYMENT_NAME	Foundry போர்டல் → Models + Endpoints → உங்கள் இயக்கப்பட்ட மாதிரியின் பெயர்

பெரும்பான்மையான பாடங்களுக்கு இதுவே போதுமானது! நோட்பூக்கள் உங்கள் az login அமர்வு மூலம் தானாக அடையாளம் காண்பதால்.

படி 5: Python சார்ந்த தேவைகளை நிறுவல்

pip install -r requirements.txt

இதை நீங்கள் உருவாக்கிய மெய்நிகர் சூழலில் இயற்றி பரிந்துரைக்கப்படுகிறது.

பாடம் 5 (Agentic RAG) கூடுதல் அமைப்பு

பாடம் 5 திருப்பி-அதிகப்படுத்தல் உருவாக்கடைய Ruby முகவுரூ மற்றும் Azure AI Search பயன்படுத்துகிறது. அந்த பாடத்தை இயக்க வேண்டுமானால், இம்மாறிலிகளை .env கோப்பில் சேர்க்கவும்:

மாறிலி	எங்கு கண்டுபிடிப்பது
AZURE_SEARCH_SERVICE_ENDPOINT	Azure போர்டல் → உங்கள் Azure AI Search வளம் → Overview → URL
AZURE_SEARCH_API_KEY	Azure போர்டல் → உங்கள் Azure AI Search வளம் → Settings → Keys → பிரதான நிர்வாக விசை

நேரடியாக Azure OpenAI ஐ அழைக்கும் பாடங்களுக்கு கூடுதல் அமைப்பு (பாடங்கள் 6 மற்றும் 8)

பாடங்கள் 6 மற்றும் 8ல் சில நோட்பூக்கள் Microsoft Foundry திட்டத்தை பின் தொடராமல் நேரடியாக Azure OpenAI (!!பதில் API!!) அழைக்கின்றன. முன்பு இவைகள் GitHub மாதிரி பயன்படுத்து, அது (ஜூலை 2026க்குப் பிறகு) பயன்படுத்தப்படவில்லாமல் போகவுள்ளது. நீங்கள் அவற்றை இயக்க விரும்பினால், இன்றி மாறிலிகளை .env கோப்பில் சேர்க்கவும்:

மாறிலி	எங்கு கண்டுபிடிப்பது
AZURE_OPENAI_ENDPOINT	Azure போர்டல் → உங்கள் Azure OpenAI வளம் → Keys and Endpoint → Endpoint (உதா., https://<your-resource>.openai.azure.com)
AZURE_OPENAI_DEPLOYMENT	பதிலை API ஆதரிக்கும் உங்கள் இயக்கப்பட்ட மாதிரியின் பெயர் (உதா., gpt-4.1-mini)
AZURE_OPENAI_API_KEY	விருப்பமானது — நீங்கள் விசை அடிப்படை அங்கீகாரம் பயன்படுத்தினால் மட்டுமே az login / Entra IDக்கு பதிலாக

பதிலை API நிலையான /openai/v1/ திறனைக் கொண்டு இருக்கிறது, எனவே api-version தேவையில்லை. விசையேற்றமின்றி Entra ID அங்கீகாரத்துக்காக az login மூலம் உள்நுழையவும்.

மாற்று வழங்குநர்: MiniMax (OpenAI-க்கு பொருந்தக்கூடியது)

MiniMax பெரிய உள்ளடக்க மாதிரிகளை (204K டோக்கன்களுக்குள்) OpenAI பொருந்தும் API மூலம் வழங்குகிறது. Microsoft Agent Framework-ன் OpenAIChatClient எந்த OpenAI-பொருந்தும் புள்ளியுடன் வேலை செய்வதால், MiniMax ஐ Azure OpenAI அல்லது OpenAIக்கு மாற்றும் முறையாக பயன்படுத்தலாம்.

இம்மாறிலிகளை .env கோப்பில் சேர்க்கவும்:

மாறிலி	எங்கு கண்டுபிடிப்பது
MINIMAX_API_KEY	MiniMax Platform → API விசைகள்
MINIMAX_BASE_URL	https://api.minimax.io/v1 (இயல்புநிலை மதிப்பு) பயன்படுத்தவும்
MINIMAX_MODEL_ID	மாதிரி பெயர் (நிர்வாகம்) (உதா., MiniMax-M3)

உதாரண மாதிரிகள்: MiniMax-M3 (பரிந்துரைக்கப்படுகிறது), MiniMax-M2.7, MiniMax-M2.7-highspeed (வேகமான பதில்கள்). மாதிரி பெயர்கள் மற்றும் கிடைக்குதல்கள் நேரம் தோறும் மாறலாம், மற்றும் மாதிரிக்கு அணுகல் உங்கள் கணக்கு அல்லது பிராந்தியத்தை பொறுத்தது — தற்போதைய பட்டியல் MiniMax Platform பார்க்கவும். MiniMax-M3 உங்கள் கணக்கிற்கு கிடைக்காவிட்டால், நீங்கள் அணுகும் எந்த மாதிரியும் MINIMAX_MODEL_ID-ஆக அமைக்கலாம் (உதா., MiniMax-M2.7).

OpenAIChatClient பயன்படுத்தும் குறியீட்டு எடுத்துக்காட்டுகள் (உதா., பாடம் 14 ஹோட்டல் முன்பதிவு பணி) MINIMAX_API_KEY அமைக்கப்பட்டால் தானாக MiniMax அமைப்பைக் கண்டறிந்து பயன்படுத்தும்.

மாற்று வழங்குநர்: Foundry Local (சாதனத்தில் மாதிரிகளை இயக்கு)

Foundry Local என்பது மென்மையான ஓட்டுநர், எங்கள் சொந்த கணினியில் OpenAI பொருந்தும் API மூலம் மொழி மாதிரிகளை பதிவிறக்கம் செய்து, நிர்வகித்து, சேவையில் வைக்கிறது — மேகம் இல்லை, Azure சந்தா இல்லை, API விசைகள் இல்லை. இது ஆஃப்லைன் மேம்பாட்டுக்கு, மேக செலவுகளின்றி பரிசோதனைகளுக்கு, அல்லது தரவை சாதனத்தில் வைத்திருப்பதற்கு சிறந்த தேர்வு.

Microsoft Agent Framework-ன் OpenAIChatClient எந்த OpenAI பொருந்தும் புள்ளியையும் வேலை செய்யும் பண்பினால், Foundry Local Azure OpenAIக்கு ஒரு உள்ளூர் மாற்று ஆகும்.

1. Foundry Local ஐ நிறுவவும்

# விண்டோஸ்
winget install Microsoft.FoundryLocal

# மேக் ஓஎஸ்
brew install foundrylocal

2. ஒரு மாதிரியை பதிவிறக்கம் செய்து இயக்கு (இது உள்ளூர் சேவையையும் துவங்கும்):

foundry model list          # கிடைக்கும் மாதிரிகளைப் பாருங்கள்
foundry model run phi-4-mini

3. உள்ளூர் endpoint கண்டறிவதற்கான Python SDK ஐ இன்ஸ்டால் செய்யவும்:

pip install foundry-local-sdk

4. Microsoft Agent Framework-ஐ உங்கள் உள்ளூர் மாதிரியை நோக்கி அமைக்கவும்:

from foundry_local import FoundryLocalManager
from agent_framework.openai import OpenAIChatClient

# தேவையெனில் பதிவிறக்கம் செய்து மாடலை உள்ளூர் சேவை செய்யும், பின்னர் முடிவு இடத்தை/போடியைக் கண்டறியும்.
manager = FoundryLocalManager("phi-4-mini")

chat_client = OpenAIChatClient(
    base_url=manager.endpoint,      # உதா. http://localhost:<port>/v1
    api_key=manager.api_key,        # Foundry Local இற்க always "not-required"
    model_id=manager.get_model_info("phi-4-mini").id,
)

agent = chat_client.as_agent(
    name="LocalAgent",
    instructions="You are a helpful assistant running fully on-device.",
)

குறிப்பு: Foundry Local OpenAI பொருந்தும் Chat Completions endpoint ஐ வெளிப்படுத்துகிறது. உள்ளூர் மேம்பாடு மற்றும் ஆஃப்லைன் சூழலுக்கு இதைப் பயன்படுத்தவும். முழுப் பணிக்கான Responses API அம்சங்கள் (நிலையான உரையாடல்கள், ஆழமான கருவி ஒழுங்கமைப்பு மற்றும் முகவரி ஊட்ட வகை மேம்பாடு) வேண்டுமானால், Azure OpenAI அல்லது Microsoft Foundry திட்டத்தைப் பயன்படுத்தவும் என்பதை படங்களில் காணலாம். தற்போதைய மாதிரி பட்டியல் மற்றும் மடங்கல் ஆதரவு பற்றி Foundry Local ஆவணம் பார்க்கவும்.

பாடம் 8க்கான கூடுதலான அமைப்புகள் (Bing மையப்படுத்தல் பணிச் சீரான வேலைபாட்டை)

பாடம் 8 இல் உள்ள நிபந்தனை பணிச் சீரான வேலைநூல் மைக்ரோசாஃப்ட் ஃபவுண்ட்ரி மூலம் Bing மையப்படுத்தலை பயன்படுத்துகிறது. அந்த உதாரணத்தை இயக்க திட்டமிட்டிருந்தால், உங்கள் .env கோப்பில் இந்த மாறியை சேர்க்கவும்:

மாறி	எங்கு காணலாம்
BING_CONNECTION_ID	Microsoft Foundry போர்ட்டல் → உங்கள் திட்டம் → Management → Connected resources → உங்கள் Bing இணைப்பு → இணைப்பு ஐடி நகல் படி

பிழைத்திருத்தல்

macOS இல் SSL சான்றிதழ் சரிபார்ப்பு பிழைகள்

நீங்கள் macOS இல் இருந்தால் மற்றும் பிழை இதுபோல வந்தால்:

ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain

இது macOS இல் பைத்தான் தொடர்பான ஒரு அறியப்பட்டது பிரச்சனை, அங்கே சிஸ்டம் SSL சான்றிதழ்கள் தானாக நம்பப்படுவதில்லை. அடுத்து உள்ள தீர்வுகளை வரிசைப்படி முயற்சிக்கவும்:

விருப்பம் 1: பைத்தானின் Install Certificates ஸ்கிரிப்ட்டை இயக்கவும் (பரிந்துரைக்கப்படுகிறது)

# 3.XX ஐ உங்கள் நிறுவப்பட்ட Python பதிப்புடன் மாற்றவும் (உதா., 3.12 அல்லது 3.13):
/Applications/Python\ 3.XX/Install\ Certificates.command

விருப்பம் 2: உங்கள் வேலைநூலில் connection_verify=False பயன்படுத்தவும் (GitHub Models வேலைநூல்கள் மட்டுமே)

பாடம் 6 வேலைநூலில் (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb), ஒரு கருத்து வெளியேற்கப்பட்ட வேலை சூழல் ஏற்கனவே சேர்க்கப்பட்டுள்ளது. கிளையண்ட்டை உருவாக்கும்போது connection_verify=False என்பதனை கருத்துக் கோடுகளிலிருந்து திறக்கவும்:

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # சான்றிதழ் பிழைகள் ஏற்பட்டால் SSL சரிபார்ப்பை முடக்கு
)

⚠️ எச்சரிக்கை: SSL சரிபார்ப்பை முடக்கும்போது (connection_verify=False), சான்றிதழ் சரிபார்ப்பை தவிர்க்கும் காரணமாக பாதுகாப்பு குறைகிறது. இது வளர்ச்சி சூழல்களில் தற்காலிகத் தீர்வாக மட்டுமே பயன்படுத்தவும், தயாரிப்பில் 결코 பயன்படுத்தாதீர்கள.

விருப்பம் 3: truststore ஐ நிறுவி பயன்படுத்தவும்

pip install truststore

பிறகு எந்தவொரு நெட்வொர்க் அழைப்புகளை மேற்கொள்ளும் முன் உங்கள் வேலைநூலின் அல்லது ஸ்கிரிப்ட்டின் மேல் பின்வருமாறு சேர்க்கவும்:

import truststore
truststore.inject_into_ssl()

எங்கேயோ சிக்கலாயிற்றா?

இந்த அமைப்பை இயக்குவதில் ஏதேனும் பிரச்சனை ஏற்பட்டால், எங்கள் Azure AI சமூகவியல் Discordக்கு குதிப்பதற்கு அல்லது ஒரு பிழையை உருவாக்கவும்.

அடுத்த பாடம்

நீங்கள் இப்போது இந்த பாடநெறிக்கான குறியீட்டை இயக்க தயாராக உள்ளீர்கள். AI முகவர்கள் உலகம் பற்றி மேலும் மகிழ்ச்சியாக கற்றுக்கொள்ளுங்கள்!

AI முகவர்கள் மற்றும் முகவர் பயன்பாடுகளிற்கான அறிமுகம்

---

மறுப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்துள்ளோம், ஆனால் தானாக செய்யப்படும் மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கலாம் என்பதை கவனத்தில் கொள்ளவும். அசல் ஆவணம் அதன் தாய்மொழியில் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்நுட்பமான மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கத்திற்கும் நாங்கள் பொறுப்பில்வில்லை.

This site is open source. Improve this page.