Skip to content

README.md

Latest commit

 

History

History
318 lines (187 loc) · 21.8 KB

README.md

File metadata and controls

318 lines (187 loc) · 21.8 KB

Налаштування курсу

Вступ

У цьому уроці ми розглянемо, як запускати приклади коду цього курсу.

Приєднуйтесь до інших учасників і отримуйте допомогу

Перед тим як клонувати репозиторій, приєднайтеся до каналу Discord для початківців AI Agents, щоб отримати допомогу з налаштуванням, поставити запитання щодо курсу або зв'язатися з іншими учасниками.

Клонування або форкування репозиторію

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 форкнути репозиторій.

Тепер у вас має бути власна форкнута версія цього курсу за наступним посиланням:

Forked Repo

Поверхневе клонування (рекомендується для воркшопів / Codespaces)

Повний репозиторій може бути великим (~3 ГБ), якщо ви завантажуєте всю історію та всі файли. Якщо ви лише відвідуєте воркшоп або вам потрібні лише кілька папок уроків, поверхневе клонування (або вибіркове клонування) дозволяє уникнути більшості завантажень, скорочуючи історію та/або пропускаючи блоби.

Швидке поверхневе клонування — мінімальна історія, всі файли

Замініть <your-username> у командах нижче на URL вашого форку (або URL оригінального репозиторію, якщо ви віддаєте перевагу).

Щоб клонувати лише останню історію комітів (невелике завантаження):

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

Щоб клонувати конкретну гілку:

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

Часткове (вибіркове) клонування — мінімальні блоби + лише вибрані папки

Це використовує часткове клонування та вибірковий checkout (вимагає Git 2.25+ і рекомендується сучасний Git із підтримкою часткового клонування):

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

Перейдіть до папки репозиторію:

Для bash:

cd ai-agents-for-beginners

Для Powershell:

Set-Location ai-agents-for-beginners

Потім вкажіть, які папки вам потрібні (приклад нижче показує дві папки):

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

Після клонування та перевірки файлів, якщо вам потрібні лише файли і ви хочете звільнити місце (без історії git), будь ласка, видаліть метадані репозиторію (💀необоротно — ви втратите всі функції Git: коміти, pull, push або доступ до історії).

Для Linux/macOS:

rm -rf .git

Для Windows:

Remove-Item -Recurse -Force .git

Використання GitHub Codespaces (рекомендується для уникнення великих локальних завантажень)

  • Створіть новий Codespace для цього репозиторію через інтерфейс GitHub.

  • У терміналі новоствореного Codespace виконайте одну з команд поверхневого/вибіркового клонування, щоб завантажити лише потрібні папки уроків у робочий простір Codespace.

  • Опціонально: після клонування всередині Codespaces видаліть .git, щоб звільнити додаткове місце (див. команди видалення вище).

  • Примітка: Якщо ви віддаєте перевагу відкривати репозиторій безпосередньо в Codespaces (без додаткового клонування), майте на увазі, що Codespaces створить середовище devcontainer і може все ще забезпечити більше, ніж вам потрібно. Клонування поверхневої копії всередині нового Codespace дає вам більше контролю над використанням дискового простору.

Поради

  • Завжди замінюйте URL клонування на ваш форк, якщо ви хочете редагувати/комітити.
  • Якщо вам пізніше знадобиться більше історії або файлів, ви можете отримати їх або налаштувати вибірковий checkout для включення додаткових папок.

Запуск коду

Цей курс пропонує серію Jupyter Notebook, які ви можете запускати, щоб отримати практичний досвід створення AI-агентів.

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 побачити, який з них найкраще підходить для вас.

Який би варіант ви не вибрали, це визначить, які кроки налаштування вам потрібно виконати нижче:

Вимоги

  • Python 3.12+

    • NOTE: Якщо у вас не встановлено Python3.12, переконайтеся, що ви його встановили. Потім створіть ваш venv, використовуючи python3.12, щоб забезпечити встановлення правильних версій з файлу requirements.txt.

      Приклад

      Створіть каталог Python venv:

      python3 -m venv venv

      Потім активуйте середовище venv для:

      macOS і Linux

      source venv/bin/activate

      Windows

      venv\Scripts\activate

  • Обліковий запис GitHub - для доступу до GitHub Models Marketplace

  • Підписка Azure - для доступу до Azure AI Foundry

  • Обліковий запис Azure AI Foundry - для доступу до Azure AI Agent Service

Ми включили файл requirements.txt у корінь цього репозиторію, який містить усі необхідні пакети Python для запуску прикладів коду.

Ви можете встановити їх, виконавши наступну команду в терміналі в корені репозиторію:

pip install -r requirements.txt

Ми рекомендуємо створити віртуальне середовище Python, щоб уникнути конфліктів і проблем.

Налаштування VSCode

Переконайтеся, що ви використовуєте правильну версію Python у VSCode.

image

Налаштування для прикладів з використанням GitHub Models

Крок 1: Отримайте ваш GitHub Personal Access Token (PAT)

Цей курс використовує GitHub Models Marketplace, що надає безкоштовний доступ до великих мовних моделей (LLM), які ви будете використовувати для створення AI-агентів.

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 в цьому курсі.

  1. Виберіть опцію Fine-grained tokens на лівій стороні екрана, перейшовши до Developer settings.

    Потім виберіть Generate new token.

    Generate Token

  2. 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 навчальна мотивація висока 🚀.

    Token Name and Expiration

  3. Обмежте область дії токена вашим форком цього репозиторію.

    Limit scope to fork repository

  4. Обмежте дозволи токена: У розділі Permissions натисніть вкладку Account і натисніть кнопку "+ Add permissions". З'явиться випадаюче меню. Будь ласка, знайдіть Models і поставте галочку для нього. Add Models Permission

  5. Перевірте необхідні дозволи перед створенням токена. Verify Permissions

  6. Перед створенням токена переконайтеся, що ви готові зберегти токен у безпечному місці, наприклад, у сховищі паролів, оскільки він більше не буде показаний після створення. Store Token Securely

Скопіюйте ваш новий токен, який ви щойно створили. Тепер ви додасте його до вашого .env файлу, включеного в цей курс.

Крок 2: Створіть ваш .env файл

Щоб створити ваш .env файл, виконайте наступну команду в терміналі.

cp .env.example .env

Це скопіює приклад файлу і створить .env у вашій директорії, де ви заповните значення для змінних середовища.

Скопіювавши ваш токен, відкрийте .env файл у вашому улюбленому текстовому редакторі і вставте ваш токен у поле GITHUB_TOKEN. GitHub Token Field

Тепер ви повинні бути готові запускати приклади коду цього курсу.

Налаштування для прикладів з використанням Azure AI Foundry та Azure AI Agent Service

Крок 1: Отримайте ваш Azure Project Endpoint

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.

Project Connection String

Крок 2: Створіть ваш .env файл

Щоб створити ваш .env файл, виконайте наступну команду в терміналі.

cp .env.example .env

Це скопіює приклад файлу і створить .env у вашій директорії, де ви заповните значення для змінних середовища.

Скопіювавши ваш токен, відкрийте .env файл у вашому улюбленому текстовому редакторі і вставте ваш токен у поле PROJECT_ENDPOINT.

Крок 3: Увійдіть до Azure

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.

Додаткові змінні середовища - Azure Search та Azure OpenAI

Для уроку Agentic RAG - Урок 5 - є приклади, які використовують Azure Search та Azure OpenAI.

Якщо ви хочете запускати ці приклади, вам потрібно буде додати наступні змінні середовища до вашого .env файлу:

Сторінка огляду (Проект)

  • 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.

Центр управління

  • AZURE_OPENAI_RESOURCE_GROUP - Перейдіть до Project properties на сторінці Overview у 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.

Сторінка моделей + кінцевих точок

  • 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.

Портал Azure

  • 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 - З того ж екрану 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 адміністративний ключ.

Зовнішня веб-сторінка

  • AZURE_OPENAI_API_VERSION - Відвідайте сторінку API version lifecycle у розділі Latest GA API release.

Налаштування автентифікації без ключів

Замість того, щоб жорстко кодувати ваші облікові дані, ми будемо використовувати підключення без ключів з Azure OpenAI. Для цього ми імпортуємо DefaultAzureCredential, а потім викличемо функцію DefaultAzureCredential, щоб отримати облікові дані.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Застрягли десь?

Якщо у вас виникли проблеми з запуском цього налаштування, приєднуйтесь до нашого Discord-каналу спільноти Azure AI або створіть запит.

Наступний урок

Тепер ви готові запустити код для цього курсу. Бажаємо приємного навчання про світ AI-агентів!

Вступ до AI-агентів та їх застосування

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.