ai-agents-for-beginners

การตั้งค่าคอร์ส

บทนำ

บทเรียนนี้จะครอบคลุมวิธีการรันตัวอย่างโค้ดในคอร์สนี้

เข้าร่วมกับผู้เรียนคนอื่นและขอความช่วยเหลือ

ก่อนที่คุณจะเริ่มต้นการโคลน repo ของคุณ เข้าร่วม ช่อง Discord สำหรับผู้เริ่มต้น AI Agents เพื่อขอความช่วยเหลือเกี่ยวกับการตั้งค่า ถามคำถามเกี่ยวกับคอร์ส หรือเชื่อมต่อกับผู้เรียนคนอื่น ๆ

โคลนหรือ Fork Repo นี้

เริ่มต้นโดยการโคลนหรือ fork GitHub Repository นี้ ซึ่งจะทำให้คุณมีเวอร์ชันของเนื้อหาคอร์สเป็นของตัวเอง เพื่อให้คุณสามารถรัน ทดสอบ และปรับแต่งโค้ดได้!

คุณสามารถทำได้โดยคลิกที่ลิงก์ fork repo

ตอนนี้คุณควรมีเวอร์ชัน fork ของคอร์สนี้ในลิงก์ต่อไปนี้:

โคลนแบบตื้น (แนะนำสำหรับ workshop / Codespaces)

Repository ทั้งหมดอาจมีขนาดใหญ่ (~3 GB) เมื่อคุณดาวน์โหลดประวัติและไฟล์ทั้งหมด หากคุณเข้าร่วม workshop หรือเพียงต้องการโฟลเดอร์บทเรียนบางส่วน การโคลนแบบตื้น (หรือโคลนแบบบาง) จะช่วยลดการดาวน์โหลดส่วนใหญ่โดยการตัดประวัติและ/หรือข้ามไฟล์ที่ไม่จำเป็น

การโคลนแบบตื้นอย่างรวดเร็ว — ประวัติขั้นต่ำ, ไฟล์ทั้งหมด

แทนที่ <your-username> ในคำสั่งด้านล่างด้วย URL fork ของคุณ (หรือ URL upstream หากคุณต้องการ)

เพื่อโคลนเฉพาะประวัติการ commit ล่าสุด (ดาวน์โหลดขนาดเล็ก):

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

เพื่อโคลน branch เฉพาะ:

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

การโคลนแบบบางส่วน (sparse) — ไฟล์ขั้นต่ำ + เฉพาะโฟลเดอร์ที่เลือก

วิธีนี้ใช้การโคลนแบบบางส่วนและ sparse-checkout (ต้องการ Git 2.25+ และแนะนำให้ใช้ Git รุ่นใหม่ที่รองรับ partial clone):

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

เข้าสู่โฟลเดอร์ repo:

สำหรับ bash:

cd ai-agents-for-beginners

สำหรับ Powershell:

Set-Location ai-agents-for-beginners

จากนั้นระบุโฟลเดอร์ที่คุณต้องการ (ตัวอย่างด้านล่างแสดงสองโฟลเดอร์):

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

หลังจากโคลนและตรวจสอบไฟล์ หากคุณต้องการเฉพาะไฟล์และต้องการเพิ่มพื้นที่ว่าง (ไม่มีประวัติ git) โปรดลบ metadata ของ repository (💀ไม่สามารถย้อนกลับได้ — คุณจะสูญเสียฟังก์ชันการทำงานของ Git ทั้งหมด: ไม่มี commit, pull, push หรือการเข้าถึงประวัติ)

สำหรับ Linux/macOS:

rm -rf .git

สำหรับ Windows:

Remove-Item -Recurse -Force .git

การใช้ GitHub Codespaces (แนะนำเพื่อหลีกเลี่ยงการดาวน์โหลดขนาดใหญ่ในเครื่อง)

• สร้าง Codespace ใหม่สำหรับ repo นี้ผ่าน GitHub UI

• ใน terminal ของ Codespace ที่สร้างใหม่ ให้รันคำสั่งโคลนแบบตื้น/บางส่วนด้านบนเพื่อนำเฉพาะโฟลเดอร์บทเรียนที่คุณต้องการเข้าสู่ workspace ของ Codespace
• ตัวเลือกเพิ่มเติม: หลังจากโคลนใน Codespaces ให้ลบ .git เพื่อเพิ่มพื้นที่ว่าง (ดูคำสั่งการลบด้านบน)
• หมายเหตุ: หากคุณต้องการเปิด repo โดยตรงใน Codespaces (โดยไม่ต้องโคลนเพิ่มเติม) โปรดทราบว่า Codespaces จะสร้างสภาพแวดล้อม devcontainer และอาจยังคงจัดเตรียมมากกว่าที่คุณต้องการ การโคลนสำเนาแบบตื้นใน Codespace ใหม่ช่วยให้คุณควบคุมการใช้พื้นที่ดิสก์ได้มากขึ้น

เคล็ดลับ

• เปลี่ยน URL โคลนเป็น fork ของคุณเสมอหากคุณต้องการแก้ไข/commit
• หากคุณต้องการประวัติหรือไฟล์เพิ่มเติมในภายหลัง คุณสามารถดึงข้อมูลหรือปรับ sparse-checkout เพื่อรวมโฟลเดอร์เพิ่มเติมได้

การรันโค้ด

คอร์สนี้มีชุด Jupyter Notebooks ที่คุณสามารถรันเพื่อสัมผัสประสบการณ์การสร้าง AI Agents

ตัวอย่างโค้ดใช้:

ต้องมีบัญชี GitHub - ฟรี:

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

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

เราขอแนะนำให้คุณลองใช้ตัวอย่างทั้งสามประเภทเพื่อดูว่าแบบใดที่เหมาะกับคุณที่สุด

ไม่ว่าคุณจะเลือกตัวเลือกใด จะเป็นตัวกำหนดขั้นตอนการตั้งค่าที่คุณต้องปฏิบัติตามด้านล่าง:

ข้อกำหนด

• Python 3.12+

  • หมายเหตุ: หากคุณยังไม่ได้ติดตั้ง Python3.12 ให้ติดตั้งก่อน จากนั้นสร้าง venv โดยใช้ python3.12 เพื่อให้แน่ใจว่ามีการติดตั้งเวอร์ชันที่ถูกต้องจากไฟล์ requirements.txt

    ตัวอย่าง

    สร้างไดเรกทอรี Python venv:

    python3 -m venv venv
    

    จากนั้นเปิดใช้งานสภาพแวดล้อม venv สำหรับ:

    macOS และ Linux

    source venv/bin/activate
    

    Windows

    venv\Scripts\activate
    

• บัญชี GitHub - เพื่อเข้าถึง GitHub Models Marketplace
• การสมัครสมาชิก Azure - เพื่อเข้าถึง Azure AI Foundry
• บัญชี Azure AI Foundry - เพื่อเข้าถึง Azure AI Agent Service

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

คุณสามารถติดตั้งได้โดยรันคำสั่งต่อไปนี้ใน terminal ที่ root ของ repository:

pip install -r requirements.txt

เราขอแนะนำให้สร้างสภาพแวดล้อม Python virtual เพื่อหลีกเลี่ยงปัญหาและความขัดแย้งใด ๆ

การตั้งค่า VSCode

ตรวจสอบให้แน่ใจว่าคุณใช้เวอร์ชัน Python ที่ถูกต้องใน VSCode

การตั้งค่าสำหรับตัวอย่างที่ใช้ GitHub Models

ขั้นตอนที่ 1: รับ 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

คุณสามารถทำได้โดยไปที่ การตั้งค่า Personal Access Tokens ในบัญชี GitHub ของคุณ

โปรดปฏิบัติตาม หลักการของการให้สิทธิ์น้อยที่สุด เมื่อสร้าง token ซึ่งหมายความว่าคุณควรให้สิทธิ์ token เฉพาะที่จำเป็นในการรันตัวอย่างโค้ดในคอร์สนี้

1. เลือกตัวเลือก Fine-grained tokens ที่ด้านซ้ายของหน้าจอโดยไปที่ Developer settings

   จากนั้นเลือก Generate new token.

   

2. ใส่ชื่อที่อธิบายได้สำหรับ token ของคุณที่สะท้อนถึงวัตถุประสงค์ของมัน ทำให้ง่ายต่อการระบุในภายหลัง

   🔐 คำแนะนำระยะเวลาของ Token

   ระยะเวลาที่แนะนำ: 30 วัน เพื่อความปลอดภัยมากขึ้น คุณสามารถเลือกช่วงเวลาที่สั้นลง เช่น 7 วัน 🛡️ เป็นวิธีที่ดีในการตั้งเป้าหมายส่วนตัวและทำคอร์สให้เสร็จในขณะที่คุณมีแรงจูงใจในการเรียนรู้สูง 🚀.

   

3. จำกัดขอบเขตของ token ให้กับ fork ของ repository นี้

   

4. จำกัดสิทธิ์ของ token: ภายใต้ Permissions คลิกแท็บ Account และคลิกปุ่ม “+ Add permissions” จะมี dropdown ปรากฏขึ้น โปรดค้นหา Models และทำเครื่องหมายในช่องสำหรับมัน

5. ตรวจสอบสิทธิ์ที่จำเป็นก่อนสร้าง token

6. ก่อนสร้าง token ตรวจสอบให้แน่ใจว่าคุณพร้อมที่จะเก็บ token ไว้ในที่ปลอดภัย เช่น vault ของ password manager เนื่องจากจะไม่แสดงอีกหลังจากที่คุณสร้างมัน

คัดลอก token ใหม่ที่คุณเพิ่งสร้างขึ้น คุณจะเพิ่ม token นี้ลงในไฟล์ .env ที่รวมอยู่ในคอร์สนี้

ขั้นตอนที่ 2: สร้างไฟล์ .env ของคุณ

เพื่อสร้างไฟล์ .env ให้รันคำสั่งต่อไปนี้ใน terminal ของคุณ

cp .env.example .env

คำสั่งนี้จะคัดลอกไฟล์ตัวอย่างและสร้าง .env ในไดเรกทอรีของคุณ ซึ่งคุณจะเติมค่าของตัวแปรสภาพแวดล้อม

เมื่อคุณคัดลอก token แล้ว ให้เปิดไฟล์ .env ใน text editor ที่คุณชื่นชอบและวาง token ลงในช่อง GITHUB_TOKEN

ตอนนี้คุณควรจะสามารถรันตัวอย่างโค้ดในคอร์สนี้ได้แล้ว

การตั้งค่าสำหรับตัวอย่างที่ใช้ Azure AI Foundry และ Azure AI Agent Service

ขั้นตอนที่ 1: รับ Endpoint ของโปรเจกต์ Azure ของคุณ

ทำตามขั้นตอนการสร้าง hub และโปรเจกต์ใน Azure AI Foundry ได้ที่นี่: Hub resources overview

เมื่อคุณสร้างโปรเจกต์ของคุณแล้ว คุณจะต้องรับ connection string สำหรับโปรเจกต์ของคุณ

คุณสามารถทำได้โดยไปที่หน้า Overview ของโปรเจกต์ในพอร์ทัล Azure AI Foundry

ขั้นตอนที่ 2: สร้างไฟล์ .env ของคุณ

เพื่อสร้างไฟล์ .env ให้รันคำสั่งต่อไปนี้ใน terminal ของคุณ

cp .env.example .env

คำสั่งนี้จะคัดลอกไฟล์ตัวอย่างและสร้าง .env ในไดเรกทอรีของคุณ ซึ่งคุณจะเติมค่าของตัวแปรสภาพแวดล้อม

เมื่อคุณคัดลอก token แล้ว ให้เปิดไฟล์ .env ใน text editor ที่คุณชื่นชอบและวาง token ลงในช่อง PROJECT_ENDPOINT

ขั้นตอนที่ 3: ลงชื่อเข้าใช้ Azure

เพื่อความปลอดภัยที่ดีที่สุด เราจะใช้ keyless authentication เพื่อยืนยันตัวตนกับ Azure OpenAI ด้วย Microsoft Entra ID

ถัดไป เปิด terminal และรัน az login --use-device-code เพื่อเข้าสู่ระบบบัญชี Azure ของคุณ

เมื่อคุณเข้าสู่ระบบแล้ว ให้เลือก subscription ของคุณใน terminal

ตัวแปรสภาพแวดล้อมเพิ่มเติม - Azure Search และ Azure OpenAI

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

หากคุณต้องการรันตัวอย่างเหล่านี้ คุณจะต้องเพิ่มตัวแปรสภาพแวดล้อมต่อไปนี้ลงในไฟล์ .env ของคุณ:

หน้า Overview (โปรเจกต์)

• AZURE_SUBSCRIPTION_ID - ตรวจสอบ Project details ในหน้า Overview ของโปรเจกต์ของคุณ

• AZURE_AI_PROJECT_NAME - ดูที่ด้านบนของหน้า Overview สำหรับโปรเจกต์ของคุณ

• AZURE_OPENAI_SERVICE - ค้นหานี้ในแท็บ Included capabilities สำหรับ Azure OpenAI Service ในหน้า Overview

Management Center

• AZURE_OPENAI_RESOURCE_GROUP - ไปที่ Project properties ในหน้า Overview ของ Management Center

• GLOBAL_LLM_SERVICE - ภายใต้ Connected resources ค้นหาชื่อการเชื่อมต่อ Azure AI Services หากไม่พบ ให้ตรวจสอบ Azure portal ภายใต้ resource group ของคุณสำหรับชื่อ resource AI Services

หน้า Models + Endpoints

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - เลือกโมเดล embedding ของคุณ (เช่น text-embedding-ada-002) และจดชื่อ Deployment name จากรายละเอียดโมเดล

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - เลือกโมเดล chat ของคุณ (เช่น gpt-4o-mini) และจดชื่อ Deployment name จากรายละเอียดโมเดล

Azure Portal

• AZURE_OPENAI_ENDPOINT - ค้นหา Azure AI services คลิกที่มัน จากนั้นไปที่ Resource Management, Keys and Endpoint, เลื่อนลงไปที่ “Azure OpenAI endpoints” และคัดลอก endpoint ที่ระบุว่า “Language APIs”

• AZURE_OPENAI_API_KEY - จากหน้าจอเดียวกัน คัดลอก KEY 1 หรือ KEY 2

• AZURE_SEARCH_SERVICE_ENDPOINT - ค้นหา resource Azure AI Search ของคุณ คลิกที่มัน และดูที่ Overview

• AZURE_SEARCH_API_KEY - จากนั้นไปที่ Settings และ Keys เพื่อคัดลอก admin key หลักหรือรอง

หน้าเว็บภายนอก

• AZURE_OPENAI_API_VERSION - เยี่ยมชมหน้า API version lifecycle ภายใต้ Latest GA API release

การตั้งค่า keyless authentication

แทนที่จะ hardcode ข้อมูลรับรองของคุณ เราจะใช้การเชื่อมต่อแบบ keyless กับ Azure OpenAI ในการทำเช่นนั้น เราจะ import DefaultAzureCredential และเรียกใช้ฟังก์ชัน DefaultAzureCredential เพื่อรับข้อมูลรับรอง

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

ติดขัดตรงไหน?

หากคุณมีปัญหาในการตั้งค่านี้ สามารถเข้าร่วม Azure AI Community Discord ของเรา หรือ สร้างปัญหาใหม่ ได้เลย

บทเรียนถัดไป

ตอนนี้คุณพร้อมที่จะรันโค้ดสำหรับคอร์สนี้แล้ว ขอให้สนุกกับการเรียนรู้เพิ่มเติมเกี่ยวกับโลกของ AI Agents!

แนะนำ AI Agents และกรณีการใช้งานของ Agent

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้

This site is open source. Improve this page.