У цьому уроці ми розглянемо, як запускати приклади коду цього курсу.
Перед тим як клонувати репозиторій, приєднайтеся до каналу Discord для початківців AI Agents, щоб отримати допомогу з налаштуванням, задати питання щодо курсу або поспілкуватися з іншими учасниками.
Для початку, будь ласка, клонуйте або форкніть репозиторій GitHub. Це створить вашу власну версію матеріалів курсу, щоб ви могли запускати, тестувати та змінювати код!
Це можна зробити, натиснувши на посилання форкувати репозиторій.
Тепер у вас має бути власна форкована версія цього курсу за наступним посиланням:
Цей курс пропонує серію Jupyter Notebook, які ви можете запускати, щоб отримати практичний досвід створення AI Agents.
Приклади коду використовують:
Потрібен обліковий запис GitHub - безкоштовно:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Позначено як (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Позначено як (autogen.ipynb)
Потрібна підписка Azure: 3) Azure AI Foundry + Azure AI Agent Service. Позначено як (azureaiagent.ipynb)
Ми рекомендуємо спробувати всі три типи прикладів, щоб зрозуміти, який з них найкраще підходить для вас.
Вибір варіанту визначить, які кроки налаштування вам потрібно виконати нижче:
NOTE: Якщо у вас не встановлено Python 3.12, переконайтеся, що ви його встановили. Потім створіть віртуальне середовище (venv) за допомогою python3.12, щоб забезпечити встановлення правильних версій з файлу requirements.txt.
Приклад
Створіть каталог для Python venv:
python3 -m venv venv
Потім активуйте середовище venv для:
macOS і Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Ми включили файл requirements.txt
у кореневий каталог цього репозиторію, який містить усі необхідні пакети Python для запуску прикладів коду.
Ви можете встановити їх, виконавши наступну команду в терміналі в кореневому каталозі репозиторію:
pip install -r requirements.txt
Ми рекомендуємо створити віртуальне середовище Python, щоб уникнути конфліктів і проблем.
Переконайтеся, що ви використовуєте правильну версію Python у VSCode.
Цей курс використовує GitHub Models Marketplace, який надає безкоштовний доступ до великих мовних моделей (LLMs), які ви будете використовувати для створення AI Agents.
Щоб використовувати GitHub Models, вам потрібно створити GitHub Personal Access Token.
Це можна зробити, перейшовши до налаштувань персональних токенів доступу у вашому обліковому записі GitHub.
Будь ласка, дотримуйтесь принципу найменших привілеїв при створенні токена. Це означає, що ви повинні надати токену лише ті дозволи, які необхідні для запуску прикладів коду цього курсу.
Виберіть опцію Fine-grained tokens
на лівій стороні екрана, перейшовши до Developer settings.
Потім виберіть Generate new token
.
Введіть описову назву для вашого токена, яка відображає його призначення, щоб його було легко ідентифікувати пізніше.
🔐 Рекомендація щодо тривалості токена
Рекомендована тривалість: 30 днів. Для більшої безпеки ви можете вибрати коротший період, наприклад, 7 днів 🛡️. Це чудовий спосіб встановити особисту мету і завершити курс, поки ваша мотивація до навчання висока 🚀.
Обмежте область дії токена вашим форком цього репозиторію.
Обмежте дозволи токена: У розділі Permissions натисніть вкладку Account і кнопку “+ Add permissions”. З’явиться випадаюче меню. Знайдіть Models і поставте галочку біля нього.
Перевірте необхідні дозволи перед створенням токена.
Перед створенням токена переконайтеся, що ви готові зберегти токен у безпечному місці, наприклад, у сховищі паролів, оскільки він більше не буде показаний після створення.
Скопіюйте ваш новий токен, який ви щойно створили. Тепер ви додасте його до вашого .env
файлу, включеного в цей курс.
.env
файлЩоб створити .env
файл, виконайте наступну команду в терміналі.
cp .env.example .env
Це скопіює приклад файлу і створить .env
у вашому каталозі, де ви заповните значення змінних середовища.
Скопіювавши ваш токен, відкрийте .env
файл у вашому улюбленому текстовому редакторі і вставте ваш токен у поле GITHUB_TOKEN
.
Тепер ви повинні бути готові запускати приклади коду цього курсу.
Виконайте кроки для створення хаба і проекту в Azure AI Foundry, описані тут: Огляд ресурсів хаба.
Після створення проекту вам потрібно буде отримати рядок підключення для вашого проекту.
Це можна зробити, перейшовши на сторінку Overview вашого проекту в порталі Azure AI Foundry.
.env
файлЩоб створити .env
файл, виконайте наступну команду в терміналі.
cp .env.example .env
Це скопіює приклад файлу і створить .env
у вашому каталозі, де ви заповните значення змінних середовища.
Скопіювавши ваш токен, відкрийте .env
файл у вашому улюбленому текстовому редакторі і вставте ваш токен у поле PROJECT_ENDPOINT
.
Як найкращу практику безпеки, ми будемо використовувати автентифікацію без ключів для автентифікації в Azure OpenAI за допомогою Microsoft Entra ID.
Далі відкрийте термінал і виконайте команду az login --use-device-code
, щоб увійти до вашого облікового запису Azure.
Після входу виберіть вашу підписку в терміналі.
Для уроку Agentic RAG - Урок 5 - є приклади, які використовують Azure Search і Azure OpenAI.
Якщо ви хочете запускати ці приклади, вам потрібно буде додати наступні змінні середовища до вашого .env
файлу:
AZURE_SUBSCRIPTION_ID
- Перевірте Project details на сторінці Overview вашого проекту.
AZURE_AI_PROJECT_NAME
- Подивіться у верхній частині сторінки Overview вашого проекту.
AZURE_OPENAI_SERVICE
- Знайдіть це на вкладці Included capabilities для Azure OpenAI Service на сторінці Overview.
AZURE_OPENAI_RESOURCE_GROUP
- Перейдіть до Project properties на сторінці Overview в Management Center.
GLOBAL_LLM_SERVICE
- У розділі Connected resources знайдіть назву підключення Azure AI Services. Якщо не вказано, перевірте Azure portal у вашій групі ресурсів для назви ресурсу AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- Виберіть вашу модель для вбудовування (наприклад, text-embedding-ada-002
) і запишіть Deployment name з деталей моделі.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- Виберіть вашу модель для чату (наприклад, gpt-4o-mini
) і запишіть Deployment name з деталей моделі.
AZURE_OPENAI_ENDPOINT
- Знайдіть Azure AI services, натисніть на нього, потім перейдіть до Resource Management, Keys and Endpoint, прокрутіть вниз до “Azure OpenAI endpoints” і скопіюйте той, що позначений “Language APIs”.
AZURE_OPENAI_API_KEY
- На тому ж екрані скопіюйте KEY 1 або KEY 2.
AZURE_SEARCH_SERVICE_ENDPOINT
- Знайдіть ваш ресурс Azure AI Search, натисніть на нього і перегляньте Overview.
AZURE_SEARCH_API_KEY
- Потім перейдіть до Settings, а потім Keys, щоб скопіювати первинний або вторинний ключ адміністратора.
AZURE_OPENAI_API_VERSION
- Відвідайте сторінку API version lifecycle у розділі Latest GA API release.Замість того, щоб жорстко кодувати ваші облікові дані, ми будемо використовувати підключення без ключів до Azure OpenAI. Для цього ми імпортуємо DefaultAzureCredential
і пізніше викличемо функцію DefaultAzureCredential
, щоб отримати облікові дані.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Якщо у вас виникли проблеми з налаштуванням, приєднуйтесь до нашого Azure AI Community Discord або створіть запит.
Тепер ви готові запускати код цього курсу. Щасливого навчання про світ AI Agents!
Вступ до AI Agents і приклади використання агентів
Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, звертаємо вашу увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.