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：
- Semantic Kernel Agent Framework + GitHub Models Marketplace，标记为 (semantic-kernel.ipynb)
- 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：
- 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。
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。
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。
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。
