Tatalakayin ng araling ito kung paano patakbuhin ang mga halimbawa ng code sa kursong ito.
Bago mo simulan ang pag-clone ng iyong repo, sumali sa AI Agents For Beginners Discord channel upang makakuha ng tulong sa pagsasaayos, anumang tanong tungkol sa kurso, o upang makipag-ugnayan sa iba pang mga mag-aaral.
Upang magsimula, mangyaring i-clone o i-fork ang GitHub Repository. Magkakaroon ka ng sariling bersyon ng materyales ng kurso upang maipatupad, masubukan, at mabago ang code!
Magagawa ito sa pamamagitan ng pag-click sa link upang i-fork ang repo
Dapat ay mayroon ka na ngayong sariling forked na bersyon ng kursong ito sa sumusunod na link:

Ang buong repository ay maaaring malaki (~3 GB) kapag na-download ang buong kasaysayan at lahat ng mga file. Kung dadalo ka lamang sa workshop o kailangan mo lamang ng ilang mga folder ng aralin, ang shallow clone (o sparse clone) ay maiiwasan ang karamihan sa pag-download na iyon sa pamamagitan ng pag-truncate ng kasaysayan at/o pag-skip sa mga blobs.
Palitan ang <your-username> sa mga sumusunod na utos ng iyong fork URL (o ang upstream URL kung mas gusto mo).
Upang i-clone lamang ang pinakabagong kasaysayan ng commit (maliit na pag-download):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
Upang i-clone ang isang partikular na branch:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
Ginagamit nito ang partial clone at sparse-checkout (nangangailangan ng Git 2.25+ at inirerekomendang modernong Git na may suporta sa partial clone):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
Pumunta sa folder ng repo:
Para sa bash:
cd ai-agents-for-beginners
Para sa Powershell:
Set-Location ai-agents-for-beginners
Pagkatapos tukuyin kung aling mga folder ang gusto mo (halimbawa sa ibaba ay nagpapakita ng dalawang folder):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
Pagkatapos mag-clone at ma-verify ang mga file, kung kailangan mo lamang ng mga file at nais na magbakante ng espasyo (walang kasaysayan ng git), mangyaring tanggalin ang metadata ng repository (💀hindi maibabalik — mawawala ang lahat ng functionality ng Git: walang mga commit, pulls, pushes, o access sa kasaysayan).
Para sa Linux/macOS:
rm -rf .git
Para sa Windows:
Remove-Item -Recurse -Force .git
Gumawa ng bagong Codespace para sa repo na ito sa pamamagitan ng GitHub UI.
Ang kursong ito ay nag-aalok ng serye ng mga Jupyter Notebooks na maaari mong patakbuhin upang makakuha ng hands-on na karanasan sa paggawa ng mga AI Agents.
Ang mga halimbawa ng code ay gumagamit ng alinman sa:
Kailangan ng GitHub Account - Libre:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Tinatawag na (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Tinatawag na (autogen.ipynb)
Kailangan ng Azure Subscription: 3) Azure AI Foundry + Azure AI Agent Service. Tinatawag na (azureaiagent.ipynb)
Hinihikayat namin kayong subukan ang lahat ng tatlong uri ng mga halimbawa upang makita kung alin ang pinakamahusay para sa inyo.
Anuman ang opsyon na pipiliin mo, ito ang magtatakda kung aling mga hakbang sa pagsasaayos ang kailangan mong sundin sa ibaba:
NOTE: Kung wala kang Python3.12 na naka-install, tiyaking i-install ito. Pagkatapos ay gumawa ng iyong venv gamit ang python3.12 upang matiyak na ang tamang mga bersyon ay naka-install mula sa requirements.txt file.
Halimbawa
Gumawa ng Python venv directory:
python3 -m venv venv
Pagkatapos i-activate ang venv environment para sa:
macOS at Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Kasama sa repository na ito ang isang requirements.txt file na naglalaman ng lahat ng kinakailangang Python packages upang patakbuhin ang mga halimbawa ng code.
Maaari mong i-install ang mga ito sa pamamagitan ng pagpapatakbo ng sumusunod na utos sa iyong terminal sa root ng repository:
pip install -r requirements.txt
Inirerekomenda naming gumawa ng Python virtual environment upang maiwasan ang anumang mga salungatan at isyu.
Tiyakin na ginagamit mo ang tamang bersyon ng Python sa VSCode.
Ang kursong ito ay gumagamit ng GitHub Models Marketplace, na nagbibigay ng libreng access sa Large Language Models (LLMs) na gagamitin mo upang bumuo ng mga AI Agents.
Upang magamit ang GitHub Models, kailangan mong gumawa ng GitHub Personal Access Token.
Magagawa ito sa pamamagitan ng pagpunta sa iyong Personal Access Tokens settings sa iyong GitHub Account.
Mangyaring sundin ang Principle of Least Privilege kapag gumagawa ng iyong token. Nangangahulugan ito na dapat mo lamang ibigay sa token ang mga pahintulot na kailangan nito upang patakbuhin ang mga halimbawa ng code sa kursong ito.
Piliin ang opsyon na Fine-grained tokens sa kaliwang bahagi ng iyong screen sa pamamagitan ng pagpunta sa Developer settings

Pagkatapos piliin ang Generate new token.

Maglagay ng isang deskriptibong pangalan para sa iyong token na sumasalamin sa layunin nito, upang madali itong makilala sa hinaharap.
🔐 Rekomendasyon sa Tagal ng Token
Rekomendadong tagal: 30 araw Para sa mas ligtas na kalagayan, maaari kang pumili ng mas maikling panahon—tulad ng 7 araw 🛡️ Isa itong mahusay na paraan upang magtakda ng personal na layunin at tapusin ang kurso habang mataas ang iyong momentum sa pag-aaral 🚀.

Limitahan ang saklaw ng token sa iyong fork ng repository na ito.

Limitahan ang mga pahintulot ng token: Sa ilalim ng Permissions, i-click ang Account tab, at i-click ang “+ Add permissions” na button. Lalabas ang isang dropdown. Mangyaring hanapin ang Models at i-check ang kahon para dito.

I-verify ang mga kinakailangang pahintulot bago gumawa ng token. 
Bago gumawa ng token, tiyakin na handa kang itago ang token sa isang ligtas na lugar tulad ng password manager vault, dahil hindi na ito ipapakita muli pagkatapos mong likhain ito. 
Kopyahin ang iyong bagong token na kakagawa mo lang. Idadagdag mo ito ngayon sa iyong .env file na kasama sa kursong ito.
.env FileUpang gumawa ng iyong .env file, patakbuhin ang sumusunod na utos sa iyong terminal.
cp .env.example .env
Ito ay kokopya sa example file at gagawa ng .env sa iyong direktoryo kung saan mo pupunuin ang mga halaga para sa mga environment variables.
Sa pagkopya ng iyong token, buksan ang .env file sa iyong paboritong text editor at i-paste ang iyong token sa field na GITHUB_TOKEN.

Dapat ay magawa mo nang patakbuhin ang mga halimbawa ng code sa kursong ito.
Sundin ang mga hakbang sa paggawa ng hub at proyekto sa Azure AI Foundry na matatagpuan dito: Hub resources overview
Kapag nagawa mo na ang iyong proyekto, kakailanganin mong kunin ang connection string para sa iyong proyekto.
Magagawa ito sa pamamagitan ng pagpunta sa Overview page ng iyong proyekto sa Azure AI Foundry portal.

.env FileUpang gumawa ng iyong .env file, patakbuhin ang sumusunod na utos sa iyong terminal.
cp .env.example .env
Ito ay kokopya sa example file at gagawa ng .env sa iyong direktoryo kung saan mo pupunuin ang mga halaga para sa mga environment variables.
Sa pagkopya ng iyong token, buksan ang .env file sa iyong paboritong text editor at i-paste ang iyong token sa field na PROJECT_ENDPOINT.
Bilang isang pinakamahusay na kasanayan sa seguridad, gagamit tayo ng keyless authentication upang mag-authenticate sa Azure OpenAI gamit ang Microsoft Entra ID.
Susunod, buksan ang terminal at patakbuhin ang az login --use-device-code upang mag-sign in sa iyong Azure account.
Kapag naka-login ka na, piliin ang iyong subscription sa terminal.
Para sa Agentic RAG Lesson - Lesson 5 - may mga halimbawa na gumagamit ng Azure Search at Azure OpenAI.
Kung nais mong patakbuhin ang mga halimbawang ito, kakailanganin mong idagdag ang mga sumusunod na environment variables sa iyong .env file:
AZURE_SUBSCRIPTION_ID - Tingnan ang Project details sa Overview page ng iyong proyekto.
AZURE_AI_PROJECT_NAME - Tingnan ang itaas ng Overview page para sa iyong proyekto.
AZURE_OPENAI_SERVICE - Hanapin ito sa Included capabilities tab para sa Azure OpenAI Service sa Overview page.
AZURE_OPENAI_RESOURCE_GROUP - Pumunta sa Project properties sa Overview page ng Management Center.
GLOBAL_LLM_SERVICE - Sa ilalim ng Connected resources, hanapin ang Azure AI Services connection name. Kung hindi nakalista, tingnan ang Azure portal sa ilalim ng iyong resource group para sa AI Services resource name.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - Piliin ang iyong embedding model (halimbawa, text-embedding-ada-002) at tandaan ang Deployment name mula sa mga detalye ng modelo.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - Piliin ang iyong chat model (halimbawa, gpt-4o-mini) at tandaan ang Deployment name mula sa mga detalye ng modelo.
AZURE_OPENAI_ENDPOINT - Hanapin ang Azure AI services, i-click ito, pagkatapos pumunta sa Resource Management, Keys and Endpoint, mag-scroll pababa sa “Azure OpenAI endpoints”, at kopyahin ang isa na nagsasabing “Language APIs”.
AZURE_OPENAI_API_KEY - Mula sa parehong screen, kopyahin ang KEY 1 o KEY 2.
AZURE_SEARCH_SERVICE_ENDPOINT - Hanapin ang iyong Azure AI Search resource, i-click ito, at tingnan ang Overview.
AZURE_SEARCH_API_KEY - Pagkatapos pumunta sa Settings at pagkatapos Keys upang kopyahin ang pangunahing o pangalawang admin key.
AZURE_OPENAI_API_VERSION - Bisitahin ang API version lifecycle page sa ilalim ng Latest GA API release.Sa halip na i-hardcode ang iyong mga kredensyal, gagamit tayo ng keyless connection sa Azure OpenAI. Upang gawin ito, mag-i-import tayo ng DefaultAzureCredential at tatawagin ang DefaultAzureCredential function upang makuha ang kredensyal.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Kung mayroon kang anumang problema sa pagpapatakbo ng setup na ito, sumali sa aming Azure AI Community Discord o gumawa ng isyu.
Handa ka na ngayong patakbuhin ang code para sa kursong ito. Masayang pag-aaral tungkol sa mundo ng AI Agents!
Pagpapakilala sa AI Agents at Mga Gamit ng Agent
Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service Co-op Translator. Bagamat sinisikap naming maging tumpak, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.