ai-agents-for-beginners
課程設定
簡介
本課程將介紹如何執行課程中的程式碼範例。
加入其他學習者並獲得幫助
在開始複製您的倉庫之前，請加入 AI Agents For Beginners Discord 頻道，以獲得設定幫助、課程相關問題的解答，或與其他學習者交流。
複製或分叉此倉庫
首先，請複製或分叉 GitHub 倉庫。這將建立您自己的課程材料版本，讓您可以執行、測試和調整程式碼！
您可以點擊以下連結來 分叉倉庫
現在，您應該擁有此課程的分叉版本，連結如下：
執行程式碼
本課程提供一系列 Jupyter Notebook，讓您能夠親身體驗如何建立 AI Agents。
程式碼範例使用以下選項：
需要 GitHub 帳戶 - 免費：
1) Semantic Kernel Agent Framework + GitHub Models Marketplace，標記為 (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace，標記為 (autogen.ipynb)
需要 Azure 訂閱： 3) Azure AI Foundry + Azure AI Agent Service，標記為 (azureaiagent.ipynb)
我們鼓勵您嘗試所有三種類型的範例，看看哪一種最適合您。
無論您選擇哪個選項，都將決定您需要遵循以下的設定步驟：
系統需求
- Python 3.12+
-
注意：如果您尚未安裝 Python 3.12，請確保安裝它。然後使用 python3.12 建立虛擬環境 (venv)，以確保從 requirements.txt 文件中安裝正確的版本。
範例
建立 Python 虛擬環境目錄：
python3 -m venv venv然後啟動虛擬環境：
macOS 和 Linux
source venv/bin/activateWindows
venv\Scripts\activate
-
- GitHub 帳戶 - 用於訪問 GitHub Models Marketplace
- Azure 訂閱 - 用於訪問 Azure AI Foundry
- Azure AI Foundry 帳戶 - 用於訪問 Azure AI Agent Service
我們在此倉庫的根目錄中包含了一個 requirements.txt 文件，其中列出了執行程式碼範例所需的所有 Python 套件。
您可以在終端機中執行以下命令來安裝它們：
pip install -r requirements.txt
我們建議建立 Python 虛擬環境以避免任何衝突和問題。
設定 VSCode
確保您在 VSCode 中使用正確版本的 Python。
使用 GitHub Models 的範例設定
步驟 1：取得您的 GitHub 個人存取權杖 (PAT)
本課程使用 GitHub Models Marketplace，提供免費訪問大型語言模型 (LLMs)，您將使用這些模型來建立 AI Agents。
要使用 GitHub Models，您需要建立 GitHub 個人存取權杖。
您可以在 GitHub 帳戶的 個人存取權杖設定 中完成此操作。
請遵循 最小權限原則 建立您的權杖。這意味著您應僅授予權杖執行本課程程式碼範例所需的權限。
-
在螢幕左側選擇 開發者設定 中的
Fine-grained tokens選項。
然後選擇
Generate new token。
-
為您的權杖輸入一個描述性名稱，反映其用途，方便日後識別。
🔐 權杖有效期建議
建議有效期：30 天
為了更安全，您可以選擇更短的期限，例如 7 天 🛡️
這是一個很好的方式來設定個人目標並在學習動力高漲時完成課程 🚀。
-
將權杖的範圍限制在您分叉的倉庫。
-
限制權杖的權限：在 Permissions 下，點擊 Account 標籤，然後點擊 “+ Add permissions” 按鈕。下拉選單會出現，請搜尋 Models 並勾選它。
-
在生成權杖之前，確認所需的權限。
-
在生成權杖之前，確保您準備好將權杖存放在安全的地方，例如密碼管理器保險庫，因為生成後將無法再次查看。
複製您剛剛生成的權杖。接下來，您需要將此權杖添加到課程中的 .env 文件。
步驟 2：建立您的 .env 文件
在終端機中執行以下命令以建立 .env 文件。
cp .env.example .env
這將複製範例文件並在您的目錄中建立 .env 文件，您需要在其中填寫環境變數的值。
複製您的權杖後，使用您喜愛的文字編輯器打開 .env 文件，並將權杖貼到 GITHUB_TOKEN 欄位中。
現在，您應該能夠執行本課程的程式碼範例。
使用 Azure AI Foundry 和 Azure AI Agent Service 的範例設定
步驟 1：取得您的 Azure 專案端點
請按照此處的步驟建立 Azure AI Foundry 中的 hub 和專案：Hub 資源概述
建立專案後，您需要取得專案的連接字串。
您可以在 Azure AI Foundry 入口網站的 概述 頁面找到此連接字串。
步驟 2：建立您的 .env 文件
在終端機中執行以下命令以建立 .env 文件。
cp .env.example .env
這將複製範例文件並在您的目錄中建立 .env 文件，您需要在其中填寫環境變數的值。
複製您的權杖後，使用您喜愛的文字編輯器打開 .env 文件，並將權杖貼到 PROJECT_ENDPOINT 欄位中。
步驟 3：登入 Azure
作為安全性最佳實踐，我們將使用 無密鑰驗證 來使用 Microsoft Entra ID 驗證 Azure OpenAI。
接下來，打開終端機並執行 az login --use-device-code 以登入您的 Azure 帳戶。
登入後，在終端機中選擇您的訂閱。
額外的環境變數 - Azure Search 和 Azure OpenAI
在第 5 課 - Agentic RAG Lesson 中，有一些範例使用 Azure Search 和 Azure OpenAI。
如果您想執行這些範例，您需要在 .env 文件中添加以下環境變數：
概述頁面 (專案)
-
AZURE_SUBSCRIPTION_ID- 在專案的 概述 頁面中檢查 專案詳細資訊。 -
AZURE_AI_PROJECT_NAME- 在專案的 概述 頁面頂部查看專案名稱。 -
AZURE_OPENAI_SERVICE- 在 概述 頁面的 包含的功能 標籤中找到 Azure OpenAI Service。
管理中心
-
AZURE_OPENAI_RESOURCE_GROUP- 在 管理中心 的 概述 頁面中查看 專案屬性。 -
GLOBAL_LLM_SERVICE- 在 連接的資源 下找到 Azure AI Services 連接名稱。如果未列出，請檢查 Azure 入口網站 中資源群組的 AI Services 資源名稱。
模型 + 端點頁面
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- 選擇您的嵌入模型（例如text-embedding-ada-002），並記下模型詳細資訊中的 部署名稱。 -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- 選擇您的聊天模型（例如gpt-4o-mini），並記下模型詳細資訊中的 部署名稱。
Azure 入口網站
-
AZURE_OPENAI_ENDPOINT- 找到 Azure AI Services，點擊它，然後進入 資源管理，選擇 金鑰和端點，向下滾動到 “Azure OpenAI endpoints”，並複製標記為 “Language APIs” 的端點。 -
AZURE_OPENAI_API_KEY- 在同一頁面中，複製 KEY 1 或 KEY 2。 -
AZURE_SEARCH_SERVICE_ENDPOINT- 找到您的 Azure AI Search 資源，點擊它，並查看 概述。 -
AZURE_SEARCH_API_KEY- 然後進入 設定，選擇 金鑰，複製主要或次要管理金鑰。
外部網頁
AZURE_OPENAI_API_VERSION- 訪問 API 版本生命週期 頁面，查看 最新 GA API 發佈。
設定無密鑰驗證
為避免硬編碼您的憑證，我們將使用 Azure OpenAI 的無密鑰連接。為此，我們將導入 DefaultAzureCredential，稍後調用 DefaultAzureCredential 函數以獲取憑證。
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
遇到問題？
如果您在執行此設定時遇到任何問題，請加入我們的 Azure AI 社群 Discord 或 建立問題。
下一課
您現在已準備好執行本課程的程式碼。祝您在探索 AI Agents 的世界中學習愉快！
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。