本课程将介绍如何运行课程中的代码示例。
在克隆代码库之前,请加入 AI Agents For Beginners Discord频道,以获得设置帮助、解答课程相关问题或与其他学习者交流。
首先,请克隆或分叉 GitHub 代码库。这将创建您自己的课程材料版本,以便您可以运行、测试和调整代码!
您可以通过点击以下链接完成操作:
本课程提供了一系列 Jupyter Notebooks,您可以通过运行它们来亲身体验构建 AI Agents 的过程。
代码示例使用以下框架:
需要 GitHub 账户 - 免费:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace,标记为 (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace,标记为 (autogen.ipynb)
需要 Azure 订阅: 3) Azure AI Foundry + Azure AI Agent Service,标记为 (azureaiagent.ipynb)
我们鼓励您尝试所有三种示例,以了解哪种最适合您。
无论您选择哪种选项,都将决定您需要遵循以下哪些设置步骤:
我们在代码库的根目录中包含了一个 requirements.txt
文件,其中列出了运行代码示例所需的所有 Python 包。
您可以在终端中运行以下命令来安装它们:
pip install -r requirements.txt
我们建议创建一个 Python 虚拟环境,以避免任何冲突和问题。
确保您在 VSCode 中使用正确版本的 Python。
本课程利用 GitHub Models Marketplace,提供免费访问大型语言模型 (LLMs),您将使用这些模型来构建 AI Agents。
要使用 GitHub 模型,您需要创建一个 GitHub 个人访问令牌。
您可以通过以下步骤完成:
请遵循 最小权限原则 创建令牌。这意味着您应该仅赋予令牌运行本课程代码示例所需的权限。
在屏幕左侧导航到 开发者设置,选择 Fine-grained tokens
选项。
然后选择 Generate new token
。
输入一个描述性名称,反映令牌的用途,以便以后容易识别。
🔐 令牌有效期建议
推荐有效期:30天
为了更安全,您可以选择更短的有效期,例如7天 🛡️
这是一个很好的方式来设定个人目标,并在学习动力高涨时完成课程 🚀。
将令牌的范围限制为您分叉的代码库。
限制令牌的权限:在 权限 下,点击 账户 标签,然后点击 “+ 添加权限” 按钮。会出现一个下拉菜单。请搜索 Models 并勾选它。
在生成令牌之前验证所需权限。
在生成令牌之前,请确保您准备好将令牌存储在安全的地方,例如密码管理器,因为生成后将无法再次查看。
复制您刚刚创建的新令牌。现在,您需要将其添加到课程中包含的 .env
文件中。
.env
文件在终端中运行以下命令以创建 .env
文件:
cp .env.example .env
这将复制示例文件并在您的目录中创建 .env
文件,您可以在其中填写环境变量的值。
复制令牌后,打开您喜欢的文本编辑器,粘贴令牌到 .env
文件中的 GITHUB_TOKEN
字段。
现在,您应该可以运行本课程的代码示例。
请按照以下步骤在 Azure AI Foundry 中创建一个中心和项目:中心资源概述
创建项目后,您需要获取项目的连接字符串。
您可以在 Azure AI Foundry 门户的 概述 页面找到它。
.env
文件在终端中运行以下命令以创建 .env
文件:
cp .env.example .env
这将复制示例文件并在您的目录中创建 .env
文件,您可以在其中填写环境变量的值。
复制令牌后,打开您喜欢的文本编辑器,粘贴令牌到 .env
文件中的 PROJECT_ENDPOINT
字段。
作为安全最佳实践,我们将使用 无密钥认证 通过 Microsoft Entra ID 认证到 Azure OpenAI。
接下来,打开终端并运行 az login --use-device-code
登录到您的 Azure 账户。
登录后,在终端中选择您的订阅。
对于 Agentic RAG 课程 - 第五课 - 有一些示例使用了 Azure Search 和 Azure OpenAI。
如果您想运行这些示例,您需要在 .env
文件中添加以下环境变量:
AZURE_SUBSCRIPTION_ID
- 在项目的 概述 页面中查看 项目详情。AZURE_AI_PROJECT_NAME
- 在项目的 概述 页面顶部查看。AZURE_OPENAI_SERVICE
- 在 概述 页面中 包含的功能 标签下找到 Azure OpenAI Service。AZURE_OPENAI_RESOURCE_GROUP
- 在 管理中心 的 概述 页面中查看 项目属性。GLOBAL_LLM_SERVICE
- 在 连接的资源 下找到 Azure AI Services 的连接名称。如果未列出,请在 Azure 门户 中查看您的资源组以找到 AI Services 的资源名称。AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- 选择您的嵌入模型(例如 text-embedding-ada-002
),并记录模型详情中的 部署名称。AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- 选择您的聊天模型(例如 gpt-4o-mini
),并记录模型详情中的 部署名称。AZURE_OPENAI_ENDPOINT
- 找到 Azure AI Services,点击它,然后进入 资源管理,选择 密钥和端点,向下滚动到 “Azure OpenAI 端点”,复制标记为 “语言 API” 的端点。AZURE_OPENAI_API_KEY
- 在同一屏幕中,复制密钥1或密钥2。AZURE_SEARCH_SERVICE_ENDPOINT
- 找到您的 Azure AI Search 资源,点击它,然后查看 概述。AZURE_SEARCH_API_KEY
- 然后进入 设置,选择 密钥,复制主密钥或次密钥。AZURE_OPENAI_API_VERSION
- 访问 API 版本生命周期 页面,查看 最新 GA API 发布。我们将使用 Azure OpenAI 的无密钥连接,而不是硬编码您的凭据。为此,我们将导入 DefaultAzureCredential
,稍后调用 DefaultAzureCredential
函数以获取凭据。
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
如果您在设置过程中遇到任何问题,请加入我们的
免责声明:
本文档使用AI翻译服务Co-op Translator进行翻译。尽管我们努力确保翻译的准确性,但请注意,自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息,建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。