ai-agents-for-beginners
课程设置
简介
本课程将介绍如何运行课程中的代码示例。
加入其他学习者并获得帮助
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。
克隆或分叉此代码库
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：
运行代码
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：
要求
- Python 3.12+
- 注意：如果您尚未安装 Python3.12，请确保安装它。然后使用 python3.12 创建虚拟环境，以确保从 requirements.txt 文件中安装正确的版本。
- 一个 GitHub 账户 - 用于访问 GitHub Models Marketplace
- Azure 订阅 - 用于访问 Azure AI Foundry
- Azure AI Foundry 账户 - 用于访问 Azure AI Agent Service
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。
设置 VSCode
确保您在 VSCode 中使用正确版本的 Python。
使用 GitHub 模型运行示例的设置
第一步：获取您的 GitHub 个人访问令牌 (PAT)
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。
第二步：创建您的 .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。
使用 Azure AI Foundry 和 Azure AI Agent Service 运行示例的设置
第一步：获取您的 Azure 项目端点
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。
第二步：创建您的 .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。
第三步：登录 Azure
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。
额外的环境变量 - Azure Search 和 Azure OpenAI
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：
概述页面（项目）
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。
管理中心
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。
模型 + 端点页面
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 门户
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。
外部网页
AZURE_OPENAI_API_VERSION- 访问 API 版本生命周期 页面，查看 最新 GA API 发布。
设置无密钥认证
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
遇到问题？
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。