Skip to content

README.md

Latest commit

 

History

History
322 lines (190 loc) · 25.6 KB

README.md

File metadata and controls

322 lines (190 loc) · 25.6 KB

कोर्स सेटअप

परिचय

हा धडा या कोर्सच्या कोड नमुन्यांना कसा चालवायचा याचा आढावा घेईल.

इतर शिकणाऱ्यांशी सामील व्हा आणि मदत मिळवा

तुमचा रिपो क्लोन करण्यापूर्वी, सेटअप संदर्भातील कोणतीही मदत, कोर्सबद्दल प्रश्न किंवा इतर शिकणाऱ्यांशी संपर्क साधण्यासाठी AI Agents For Beginners Discord चैनल मध्ये सामील व्हा.

हा रिपो क्लोन किंवा फोर्क करा

सुरुवात करण्यासाठी, कृपया GitHub रिपॉझिटरी क्लोन किंवा फोर्क करा. हे तुम्हाला कोर्स सामग्रीची स्वतःची आवृत्ती बनवण्यास मदत करेल ज्यामुळे तुम्ही कोड चालवू, चाचणी करू आणि सुधारू शकता!

हे करण्यासाठी रिपॉ फोर्क करण्यासाठी लिंकवर क्लिक करा.

तुमच्याकडे आता या कोर्सची तुमची स्वतःची फोर्कड आवृत्ती खालील लिंकवर असावी:

Forked Repo

शॅलो क्लोन (कार्यशाळा / Codespaces साठी शिफारस केलेले)

पूर्ण रिपॉझिटरी पूर्ण इतिहास आणि सर्व फाइल्ससह मोठी (~3 GB) असू शकते. जर तुम्ही फक्त कार्यशाळेत सहभागी होत असाल किंवा फक्त काही धड्यांच्या फोल्डरची गरज असेल, तर शॅलो क्लोन (किंवा sparse clone) हा इतिहास कमी करून आणि/किंवा ब्लॉब्ज स्किप करून हा डाउनलोड टाळू शकतो.

जलद शॅलो क्लोन — कमीत कमी इतिहास, सर्व फाइल्स

खालील आदेशांमध्ये <your-username> हे तुमच्या फोर्क URL (किंवा इच्छित असल्यास अपस्ट्रीम URL) ने बदला.

फक्त नवीनतम कमिट इतिहास क्लोन करण्यासाठी (लहान डाउनलोड):

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

विशिष्ट शाखा क्लोन करण्यासाठी:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

आंशिक (sparse) क्लोन — कमीत कमी ब्लॉब्ज + निवडलेले फोल्डर्स फक्त

हे आंशिक क्लोन आणि sparse-checkout वापरते (Git 2.25+ आवश्यक आणि आंशिक क्लोनसाठी आधुनिक Git शिफारसीय):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

रिपो फोल्डरमध्ये जा:

cd ai-agents-for-beginners

त्यानंतर तुम्हाला हव्या असलेल्या फोल्डर्स निर्दिष्ट करा (खालील उदाहरण दोन फोल्डर्स दाखवते):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

क्लोन करून फाइल्स तपासल्यानंतर, तुम्हाला फक्त फाइल्स पाहिजे असतील आणि स्थान मोकळं करायचं असेल (काही गिट इतिहास नको असेल), तर कृपया रिपॉझिटरी मेटाडेटा हटवा (💀परत न होणारे — तुम्ही सर्व Git कार्यक्षमता गमवाल: कमिट्स, पुल्स, पुशेस, किंवा इतिहास ऍक्सेस होणार नाही).

# झश/बाश
rm -rf .git
# पॉवरशेल
Remove-Item -Recurse -Force .git

GitHub Codespaces वापरून (स्थानिक मोठ्या डाउनलोड्स टाळण्यासाठी शिफारस केलेले)

  • या रिपोसाठी नवीन Codespace तयार करा GitHub UI द्वारे.

  • नव्याने तयार झालेल्या Codespace च्या टर्मिनलमध्ये वरील शॅलो/सपर्स क्लोन आदेशांपैकी एक चालवून तुम्हाला हव्या असलेल्या धड्यांच्या फोल्डर फक्त Codespace कार्यक्षेत्रात आणा.

  • ऑप्शनल: Codespaces मध्ये क्लोन केल्यानंतर, अतिरिक्त जागा मिळवण्यासाठी .git हटवा (वरील हटवण्याच्या आदेशांकडे पहा).

  • लक्षात ठेवा: जर तुम्हाला रिपो Codespaces मध्ये थेट उघडायचा असेल (अतिरिक्त क्लोनशिवाय), तर Codespaces डेवकंटेनर एन्व्हायर्नमेंट तयार करेल आणि कदाचित तुम्हाला हवीं असलेल्या पेक्षा अधिक संसाधने वापरेल. नवीन Codespace मध्ये शॅलो कॉपी क्लोन केल्याने डिस्क वापरावर जास्त नियंत्रण मिळते.

टिप्स

  • जर तुम्हाला एडिट/कमिट करायचे असेल तर नेहमी तुमच्या फोर्कची क्लोन URL वापरा.
  • नंतर तुम्हाला अधिक इतिहास किंवा फाइल्स हवे असल्यास, तुम्ही त्यांना फेच करू शकता किंवा sparse-checkout अपडेट करू शकता.

कोड चालवणे

हा कोर्स अनेक Jupyter नोटबुक्स देतो ज्यांना तुम्ही चालवून AI एजंट तयार करण्याचा हाताळणी अनुभव घेऊ शकता.

कोड नमुने खालीलपैकी कोणत्याही एका वापरतात:

GitHub अकाउंट आवश्यक - मोफत:

  1. Semantic Kernel Agent Framework + GitHub Models Marketplace. (semantic-kernel.ipynb)
  2. AutoGen Framework + GitHub Models Marketplace. (autogen.ipynb)

Azure सदस्यत्व आवश्यक: 3) Azure AI Foundry + Azure AI Agent Service. (azureaiagent.ipynb)

तुम्ही या तीन प्रकारातील कोणतेही एक वापरून पाहण्यास प्रोत्साहित आहोत कारण कोणते तुम्हाला उत्तम काम करते ते तुम्हाला समजेल.

तुम्ही कोणता ऑप्शन निवडाल, त्यानुसार खालील सेटअप पद्धती तुम्हाला अनुसराव्या लागतील:

आवश्यकताः

  • Python 3.12+

    • टीप: तुमच्याकडे Python3.12 नसल्यास, ते इंस्टॉल करा. नंतर requirements.txt मधील योग्य आवृत्त्या स्थापित करण्यासाठी python3.12 वापरून venv तयार करा.

      उदाहरण

      Python venv डायरेक्टरी तयार करा:

      python -m venv venv

      नंतर venv पर्यावरण सक्रिय करा:

      # झश/बॅश
source venv/bin/activate
      # Command Prompt for Windows
venv\Scripts\activate

  • .NET 10+: .NET वापरून नमुना कोडसाठी, तुम्ही .NET 10 SDK किंवा त्यानंतरची आवृत्ती इंस्टॉल केली आहे का ते सुनिश्चित करा. नंतर तुमचा इंस्टॉल केलेल्या .NET SDK ची आवृत्ती तपासा:

    dotnet --list-sdks

  • GitHub खाते - GitHub Models Marketplace साठी प्रवेश

  • Azure सदस्यत्व - Microsoft Foundry साठी प्रवेश

  • Microsoft Foundry खाते - Azure AI Agent Service साठी प्रवेश

हा रिपोच्या मूळ फोल्डरमध्ये requirements.txt फाइल समाविष्ट केली आहे ज्यात कोड नमुने चालविण्यासाठी लागणारे सर्व Python पॅकेजेस आहेत.

टर्मिनलमध्ये खालील आदेश चालवून तुम्ही त्यांना इंस्टॉल करू शकता:

pip install -r requirements.txt

कोणत्याही संघर्ष आणि समस्या टाळण्यासाठी Python व्हर्च्युअल एन्व्हायर्नमेंट तयार करणे आम्ही शिफारस करतो.

VSCode सेटअप करा

VSCode मध्ये योग्य Python आवृत्ती वापरत असल्याची खात्री करा.

image

GitHub Models वापरणाऱ्या नमुन्यांसाठी सेटअप

पाऊल 1: तुमचा GitHub वैयक्तिक ऍक्सेस टोकन (PAT) मिळवा

हा कोर्स GitHub Models Marketplace वापरतो, ज्यामुळे तुम्हाला AI एजंट तयार करण्यासाठी वापरण्यास मोफत मोठे भाषा मॉडेल्स मिळतात.

GitHub Models वापरण्यासाठी, तुम्हाला GitHub वैयक्तिक ऍक्सेस टोकन तयार करावा लागेल.

हे तुमच्या GitHub खात्यातील Personal Access Tokens सेटिंग्ज मध्ये जाऊन करता येईल.

टोकन तयार करताना कृपया Principle of Least Privilege चे पालन करा. म्हणजेच तुम्ही फक्त त्याच परवानग्या द्या ज्यांची या कोर्समध्ये कोड नमुने चालवण्यासाठी गरज आहे.

  1. तुमच्या स्क्रीनच्या डाव्या बाजूला असलेल्या Developer settings मध्ये जाऊन Fine-grained tokens पर्याय निवडा.

    Developer settings

    नंतर Generate new token निवडा.

    Generate Token

  2. तुमच्या टोकनसाठी एक वर्णनात्मक नाव द्या जे त्याचा हेतू दर्शवेल आणि नंतर ओळखणे सोपे होईल.

    🔐 टोकन कालावधीची शिफारस

    शिफारस केलेला कालावधी: ३० दिवस अधिक सुरक्षिततेसाठी, तुम्ही लहान कालावधी जसे की ७ दिवस देखील निवडू शकता 🛡️ हा कोर्स पूर्ण करण्यासाठी आणि शिकण्याचा उत्साह जास्त असताना हे एक जबरदस्त मार्ग आहे 🚀.

    Token Name and Expiration

  3. टोकनचा स्कोप फक्त या रिपोसाठी फोर्क पर्यंत मर्यादित करा.

    Limit scope to fork repository

  4. टोकनच्या परवानग्या मर्यादित करा: Permissions अंतर्गत Account टॅब वर क्लिक करा आणि "+ Add permissions" बटण क्लिक करा. एक ड्रॉपडाउन दिसेल. कृपया Models साठी शोधा आणि त्यासाठीचे बॉक्स तपासा.

    Add Models Permission

  5. टोकन तयार करण्यापूर्वी आवश्यक परवानग्या तपासा. Verify Permissions

  6. टोकन तयार करण्यापूर्वी, टोकन सुरक्षित जागेत जसे की पासवर्ड मॅनेजर वॉल्ट मध्ये साठवायला तयार रहा कारण तयार केल्यानंतर तो पुन्हा दाखवला जाणार नाही. Store Token Securely

तुमचा नवा तयार केलेला टोकन कॉपी करा. नंतर हा टोकन या कोर्समध्ये समाविष्ट केलेल्या .env फाईलमध्ये जोडा.

पाऊल 2: तुमची .env फाईल तयार करा

.env फाईल तयार करण्यासाठी, टर्मिनलमध्ये खालील आदेश चालवा.

# झश/बॅश
cp .env.example .env
# पॉवरशेल
Copy-Item .env.example .env

हे example फाइल कॉपी करून तुमचा .env फोल्डर तयार करेल जिथे तुम्ही पर्यावरणीय व्हॅरिएबलसाठी मूल्ये भरणार.

टोकन कॉपी केल्यानंतर, .env फाईल तुमच्या आवडत्या टेक्स्ट एडिटर मध्ये उघडा आणि GITHUB_TOKEN फील्डमध्ये तुमचा टोकन पेस्ट करा.

GitHub Token Field

आता तुम्ही या कोर्सचे कोड नमुने चालवू शकता.

Microsoft Foundry आणि Azure AI Agent Service वापरणाऱ्या नमुन्यांसाठी सेटअप

पाऊल 1: तुमचा Azure प्रोजेक्ट एंडपॉइंट मिळवा

Azure AI Foundry मध्ये हब आणि प्रोजेक्ट कसे तयार करायचे याबाबत या लिंकवर चरणांचे पालन करा: Hub resources overview

प्रोजेक्ट तयार केल्यानंतर, प्रोजेक्टसाठी कनेक्शन स्ट्रिंग मिळवावे लागेल.

हे Microsoft Foundry पोर्टलमधील तुमच्या प्रोजेक्टच्या Overview पानावर जाऊन करता येईल.

Project Connection String

पाऊल 2: तुमची .env फाइल तयार करा

.env फाइल तयार करण्यासाठी टर्मिनलमध्ये खालील आदेश चालवा.

# झेडश/बॅश
cp .env.example .env
# पॉवरशेल
Copy-Item .env.example .env

हे example फाइल कॉपी करून तुमच्या निर्देशिकेत .env तयार करेल जिथे तुम्ही पर्यावरणीय व्हॅरिएबलसाठी मूल्ये भराल.

टोकन कॉपी केल्यानंतर, .env फाइल तुमच्या आवडत्या टेक्स्ट एडिटरमध्ये उघडा आणि PROJECT_ENDPOINT फील्डमध्ये टोकन पेस्ट करा.

पाऊल 3: Azure मध्ये साइन इन करा

सुरक्षा चांगल्या प्रॅक्टिससाठी, आम्ही Microsoft Entra ID द्वारे Azure OpenAI प्रमाणित करण्यासाठी keyless authentication वापरू.

नंतर, टर्मिनल उघडा आणि az login --use-device-code चालवा जेणेकरून तुमच्या Azure खात्यात साइन इन होऊ शकेल.

लॉगिन झाल्यावर, टर्मिनलमध्ये तुमचा सदस्यत्व निवडा.

अतिरिक्त पर्यावरणीय व्हॅरिएबल्स - Azure Search आणि Azure OpenAI

Agentic RAG Lesson - Lesson 5 मध्ये काही नमुने Azure Search आणि Azure OpenAI वापरतात.

जर तुम्हाला हे नमुने चालवायचे असतील, तर तुम्हाला .env फाइलमध्ये खालील पर्यावरणीय व्हॅरिएबल्स जोडावे लागतील:

Overview पान (प्रोजेक्ट)

  • AZURE_SUBSCRIPTION_ID - तुमच्या प्रोजेक्टच्या Overview पानावरील Project details मध्ये तपासा.

  • AZURE_AI_PROJECT_NAME - प्रोजेक्टच्या Overview पानाच्या शीर्षस्थानी पहा.

  • AZURE_OPENAI_SERVICE - Overview पानातील Included capabilities टॅबमध्ये Azure OpenAI Service साठी शोधा.

Management Center

  • AZURE_OPENAI_RESOURCE_GROUP - Management Center च्या Overview पानावरील Project properties मध्ये जा.

  • GLOBAL_LLM_SERVICE - Connected resources अंतर्गत Azure AI Services कनेक्शन नाव शोधा. जर यादीत नसेल, तर Azure पोर्टलमध्ये तुमच्या रिसोर्स ग्रुप अंतर्गत AI Services रिसोर्स नाव पहा.

Models + Endpoints पान

  • AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - तुमचा embedding मॉडेल (उदा., text-embedding-ada-002) निवडा आणि मॉडेल तपशीलातून Deployment name लक्षात ठेवा.

  • AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - तुमचा chat मॉडेल (उदा., gpt-4o-mini) निवडा आणि Deployment name लक्षात ठेवा.

Azure पोर्टल

  • AZURE_OPENAI_ENDPOINT - Azure AI services शोधा, क्लिक करा, नंतर Resource Management, Keys and Endpoint वर जा, खाली स्क्रोल करून "Azure OpenAI endpoints" शोधा आणि "Language APIs" असलेला एक कॉपी करा.

  • AZURE_OPENAI_API_KEY - त्याच स्क्रीनवरून KEY 1 किंवा KEY 2 कॉपी करा.

  • AZURE_SEARCH_SERVICE_ENDPOINT - तुमचा Azure AI Search रिसोर्स शोधा, त्यावर क्लिक करा आणि Overview बघा.

  • AZURE_SEARCH_API_KEY - नंतर Settings आणि Keys मध्ये जाऊन प्राथमिक किंवा द्वितीयक ऍडमिन की कॉपी करा.

बाह्य वेबपेज

  • AZURE_OPENAI_API_VERSION - API version lifecycle पेजवर Latest GA API release अंतर्गत पहा.

कीलेस ओथेन्टिकेशन सेटअप करा

तुमचे क्रेडेन्शियल्स हार्डकोड करण्याऐवजी, Azure OpenAI साठी कीलेस कनेक्शन वापरू. तसे करण्यासाठी, आम्ही DefaultAzureCredential आयात करू आणि नंतर DefaultAzureCredential फंक्शन कॉल करून क्रेडेन्शियल मिळवू.

# पायथन
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

कुठे अडकले आहात?

जर तुम्हाला या सेटअप चालवण्यात कोणतीही समस्या आल्यास, आमच्या Azure AI Community Discord मध्ये सामील व्हा किंवा एक समस्या तयार करा.

पुढील धडा

आता आपण या कोर्ससाठी कोड चालवायला तयार आहात. AI एजंट्सच्या जगाबद्दल अधिक शिकत रहा!

AI एजंट्स आणि एजंट वापर प्रकरणांची ओळख

अस्वीकरण: हा दस्तऐवज AI अनुवाद सेवा Co-op Translator चा वापर करून अनुवादित केला आहे. आम्ही अचूकतेसाठी प्रयत्नशील आहोत, तरी कृपया लक्षात ठेवा की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेचा अभाव असू शकतो. मूळ दस्तऐवज त्याच्या जन्मभाषेत अधिकृत स्रोत मानला जावा. महत्त्वपूर्ण माहितीसाठी व्यावसायिक मानवी अनुवादाची शिफारस केली जाते. या अनुवादाच्या वापरामुळे झालेल्या कोणत्याही गैरसमजुती किंवा चुकीच्या अर्थ लावण्याबद्दल आम्ही जबाबदार नाही.