ai-agents-for-beginners

การตั้งค่าคอร์ส

บทนำ

บทเรียนนี้จะครอบคลุมวิธีการรันตัวอย่างโค้ดของคอร์สนี้

เข้าร่วมกับผู้เรียนคนอื่นและขอความช่วยเหลือ

ก่อนที่คุณจะเริ่มโคลน repo ของคุณ เข้าร่วม AI Agents For Beginners Discord channel เพื่อขอความช่วยเหลือเกี่ยวกับการตั้งค่า ถามคำถามเกี่ยวกับคอร์ส หรือเชื่อมต่อกับผู้เรียนคนอื่น ๆ

โคลนหรือ Fork Repo นี้

เริ่มต้นโดยการโคลนหรือ fork GitHub Repository นี้ เพื่อสร้างเวอร์ชันของคอร์สที่เป็นของคุณเอง เพื่อให้คุณสามารถรัน ทดสอบ และปรับแต่งโค้ดได้!

คุณสามารถทำได้โดยคลิกลิงก์ไปยัง

คุณควรมีเวอร์ชัน fork ของคอร์สนี้ในลิงก์ต่อไปนี้:

Forked Repo

การรันโค้ด

คอร์สนี้มี Jupyter Notebooks หลายตัวที่คุณสามารถรันเพื่อสัมผัสประสบการณ์การสร้าง AI Agents ด้วยตัวเอง

ตัวอย่างโค้ดใช้:

ต้องมีบัญชี GitHub - ฟรี:

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

ต้องมีการสมัครสมาชิก Azure:
3) Azure AI Foundry + Azure AI Agent Service ระบุว่า (azureaiagent.ipynb)

เราแนะนำให้คุณลองตัวอย่างทั้งสามประเภทเพื่อดูว่าแบบใดเหมาะกับคุณที่สุด

ตัวเลือกที่คุณเลือกจะกำหนดขั้นตอนการตั้งค่าที่คุณต้องทำตามด้านล่าง:

ข้อกำหนด

เราได้รวมไฟล์ requirements.txt ไว้ใน root ของ repository นี้ ซึ่งมีแพ็กเกจ Python ที่จำเป็นทั้งหมดสำหรับการรันตัวอย่างโค้ด

คุณสามารถติดตั้งได้โดยรันคำสั่งต่อไปนี้ใน terminal ที่ root ของ repository:

pip install -r requirements.txt

เราแนะนำให้สร้าง Python virtual environment เพื่อหลีกเลี่ยงปัญหาความขัดแย้งใด ๆ

การตั้งค่า VSCode

ตรวจสอบให้แน่ใจว่าคุณใช้เวอร์ชัน Python ที่ถูกต้องใน VSCode

image

การตั้งค่าสำหรับตัวอย่างที่ใช้ GitHub Models

ขั้นตอนที่ 1: ดึง GitHub Personal Access Token (PAT) ของคุณ

คอร์สนี้ใช้ GitHub Models Marketplace ซึ่งให้การเข้าถึง Large Language Models (LLMs) ฟรีที่คุณจะใช้ในการสร้าง AI Agents

ในการใช้ GitHub Models คุณจะต้องสร้าง GitHub Personal Access Token

คุณสามารถทำได้โดยไปที่บัญชี GitHub ของคุณ

โปรดปฏิบัติตาม หลักการของ Least Privilege เมื่อสร้างโทเค็นของคุณ ซึ่งหมายความว่าคุณควรให้สิทธิ์โทเค็นเฉพาะที่จำเป็นสำหรับการรันตัวอย่างโค้ดในคอร์สนี้เท่านั้น

  1. เลือกตัวเลือก Fine-grained tokens ทางด้านซ้ายของหน้าจอโดยไปที่ Developer settings

    จากนั้นเลือก Generate new token

    Generate Token

  2. ใส่ชื่อที่อธิบายถึงโทเค็นของคุณเพื่อสะท้อนถึงวัตถุประสงค์ ทำให้ง่ายต่อการระบุในภายหลัง

    🔐 คำแนะนำเกี่ยวกับระยะเวลาของโทเค็น
    ระยะเวลาที่แนะนำ: 30 วัน
    หากต้องการเพิ่มความปลอดภัย คุณสามารถเลือกช่วงเวลาที่สั้นกว่า เช่น 7 วัน 🛡️
    นี่เป็นวิธีที่ดีในการตั้งเป้าหมายส่วนตัวและทำคอร์สให้เสร็จในขณะที่คุณยังมีแรงจูงใจในการเรียนรู้ 🚀

    Token Name and Expiration

  3. จำกัดขอบเขตของโทเค็นให้เฉพาะ fork ของ repository นี้

    Limit scope to fork repository

  4. จำกัดสิทธิ์ของโทเค็น: ภายใต้ Permissions คลิกแท็บ Account และคลิกปุ่ม “+ Add permissions” จะมี dropdown ปรากฏขึ้น ค้นหา Models และทำเครื่องหมายในช่อง

    Add Models Permission

  5. ตรวจสอบสิทธิ์ที่จำเป็นก่อนสร้างโทเค็น
    Verify Permissions

  6. ก่อนสร้างโทเค็น ตรวจสอบให้แน่ใจว่าคุณพร้อมที่จะเก็บโทเค็นในที่ปลอดภัย เช่น password manager vault เนื่องจากโทเค็นจะไม่แสดงอีกหลังจากที่คุณสร้างมันแล้ว
    Store Token Securely

คัดลอกโทเค็นใหม่ที่คุณเพิ่งสร้างขึ้น ตอนนี้คุณจะเพิ่มโทเค็นนี้ลงในไฟล์ .env ที่รวมอยู่ในคอร์สนี้

ขั้นตอนที่ 2: สร้างไฟล์ .env ของคุณ

เพื่อสร้างไฟล์ .env ให้รันคำสั่งต่อไปนี้ใน terminal ของคุณ

cp .env.example .env

คำสั่งนี้จะคัดลอกไฟล์ตัวอย่างและสร้าง .env ในไดเรกทอรีของคุณ ซึ่งคุณจะเติมค่าของ environment variables

เมื่อคุณคัดลอกโทเค็นแล้ว ให้เปิดไฟล์ .env ใน text editor ที่คุณชื่นชอบและวางโทเค็นลงในฟิลด์ GITHUB_TOKEN
GitHub Token Field

ตอนนี้คุณควรจะสามารถรันตัวอย่างโค้ดในคอร์สนี้ได้แล้ว

การตั้งค่าสำหรับตัวอย่างที่ใช้ Azure AI Foundry และ Azure AI Agent Service

ขั้นตอนที่ 1: ดึง Azure Project Endpoint ของคุณ

ทำตามขั้นตอนการสร้าง hub และ project ใน Azure AI Foundry ได้ที่นี่: Hub resources overview

เมื่อคุณสร้างโปรเจกต์เสร็จแล้ว คุณจะต้องดึง connection string สำหรับโปรเจกต์ของคุณ

คุณสามารถทำได้โดยไปที่หน้า Overview ของโปรเจกต์ใน Azure AI Foundry portal

Project Connection String

ขั้นตอนที่ 2: สร้างไฟล์ .env ของคุณ

เพื่อสร้างไฟล์ .env ให้รันคำสั่งต่อไปนี้ใน terminal ของคุณ

cp .env.example .env

คำสั่งนี้จะคัดลอกไฟล์ตัวอย่างและสร้าง .env ในไดเรกทอรีของคุณ ซึ่งคุณจะเติมค่าของ environment variables

เมื่อคุณคัดลอกโทเค็นแล้ว ให้เปิดไฟล์ .env ใน text editor ที่คุณชื่นชอบและวางโทเค็นลงในฟิลด์ PROJECT_ENDPOINT

ขั้นตอนที่ 3: ลงชื่อเข้าใช้ Azure

เพื่อความปลอดภัยที่ดีที่สุด เราจะใช้ keyless authentication เพื่อยืนยันตัวตนกับ Azure OpenAI ด้วย Microsoft Entra ID

จากนั้นเปิด terminal และรัน az login --use-device-code เพื่อเข้าสู่บัญชี Azure ของคุณ

เมื่อคุณเข้าสู่ระบบแล้ว ให้เลือก subscription ของคุณใน terminal

Environment Variables เพิ่มเติม - Azure Search และ Azure OpenAI

สำหรับบทเรียน Agentic RAG - บทที่ 5 มีตัวอย่างที่ใช้ Azure Search และ Azure OpenAI

หากคุณต้องการรันตัวอย่างเหล่านี้ คุณจะต้องเพิ่ม environment variables ต่อไปนี้ในไฟล์ .env ของคุณ:

หน้า Overview (Project)

Management Center

หน้า Models + Endpoints

Azure Portal

External Webpage

ตั้งค่า keyless authentication

แทนที่จะ hardcode credentials ของคุณ เราจะใช้ keyless connection กับ Azure OpenAI โดยการ import DefaultAzureCredential และเรียกใช้ฟังก์ชัน DefaultAzureCredential เพื่อรับ credential

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

ติดปัญหาที่ไหนหรือเปล่า?

หากคุณมีปัญหาในการรันการตั้งค่านี้ เข้าร่วมใน

บทเรียนถัดไป

ตอนนี้คุณพร้อมที่จะรันโค้ดสำหรับคอร์สนี้แล้ว ขอให้สนุกกับการเรียนรู้เพิ่มเติมเกี่ยวกับโลกของ AI Agents!

Introduction to AI Agents and Agent Use Cases

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลภาษาจากผู้เชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้

This site is open source. Improve this page.