บทเรียนนี้จะครอบคลุมวิธีการรันตัวอย่างโค้ดของหลักสูตรนี้

ก่อนที่คุณจะเริ่มโคลนรีโปของคุณ เข้าร่วมที่ ช่อง Discord AI Agents For Beginners เพื่อขอความช่วยเหลือในการตั้งค่า คำถามเกี่ยวกับหลักสูตร หรือเชื่อมต่อกับผู้เรียนคนอื่น ๆ

เพื่อเริ่มต้น กรุณาโคลนหรือโฟร์กรูป GitHub Repository นี้ ซึ่งจะช่วยให้คุณมีเวอร์ชันของวัสดุหลักสูตรที่คุณสามารถรัน ทดสอบ และปรับแต่งโค้ดได้เอง!

คุณสามารถทำได้โดยคลิกที่ลิงก์ โฟร์กรูปรีโป

ตอนนี้คุณควรมีเวอร์ชันโฟร์กของหลักสูตรนี้ในลิงก์ดังต่อไปนี้:

รีโปเต็มสามารถมีขนาดใหญ่ (~3 GB) เมื่อคุณดาวน์โหลดประวัติทั้งหมดและไฟล์ทั้งหมด หากคุณเข้าร่วมแค่เวิร์คช็อปหรือแค่ต้องการโฟลเดอร์บทเรียนบางส่วน โคลนแบบตื้น (หรือโคลนแบบบางส่วน) จะช่วยหลีกเลี่ยงการดาวน์โหลดส่วนใหญ่นั้นโดยลดขนาดประวัติและ/หรือข้ามบล็อบบางส่วน

แทนที่ <your-username> ในคำสั่งด้านล่างด้วย URL ของโฟร์กของคุณ (หรือ URL แหล่งต้นทางหากคุณต้องการ)

เพื่อโคลนประวัติการคอมมิตล่าสุดเท่านั้น (ดาวน์โหลดขนาดเล็ก):

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

เพื่อโคลนเฉพาะสาขาที่ระบุ:

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

ใช้การโคลนแบบบางส่วนและ sparse-checkout (ต้องใช้ Git 2.25+ และแนะนำให้ใช้ Git รุ่นใหม่ที่รองรับการโคลนแบบบางส่วน):

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

เข้าสู่โฟลเดอร์รีโป:

cd ai-agents-for-beginners

จากนั้นระบุโฟลเดอร์ที่คุณต้องการ (ตัวอย่างด้านล่างแสดงสองโฟลเดอร์):

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

หลังโคลนและยืนยันไฟล์แล้ว หากคุณต้องการเฉพาะไฟล์และต้องการเพิ่มพื้นที่ว่าง (ไม่มีประวัติ git) กรุณาลบเมตาดาต้ารีโป (💀ไม่สามารถย้อนกลับ — คุณจะสูญเสียการใช้งาน Git ทั้งหมด: ไม่มีคอมมิต, ดึง, ส่ง, หรือเข้าถึงประวัติ)

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

• สร้าง Codespace ใหม่สำหรับรีโปนี้ผ่าน GitHub UI.

• ในเทอร์มินัลของ Codespace ที่สร้างขึ้นใหม่ ให้รันคำสั่งโคลนแบบตื้น/แบบบางส่วนที่กล่าวข้างต้นเพื่อนำเฉพาะโฟลเดอร์บทเรียนที่คุณต้องการเข้าสู่พื้นที่ทำงานของ Codespace.

• ตัวเลือก: หลังโคลนใน Codespaces ให้ลบ .git เพื่อเรียกคืนพื้นที่เพิ่มเติม (ดูคำสั่งลบด้านบน).

• หมายเหตุ: หากคุณต้องการเปิดรีโปโดยตรงใน Codespaces (โดยไม่โคลนเพิ่ม) โปรดทราบว่า Codespaces จะสร้างสภาพแวดล้อม devcontainer และอาจเตรียมชุดมากกว่าที่คุณต้องการ การโคลนสำเนาแบบตื้นภายใน Codespace ใหม่จะให้คุณควบคุมการใช้พื้นที่ดิสก์ได้มากขึ้น

• แทนที่ URL โคลนด้วยโฟร์กของคุณเสมอหากต้องการแก้ไข/คอมมิต
• หากคุณต้องการประวัติหรือไฟล์เพิ่มภายหลัง คุณสามารถดึงหรือปรับ sparse-checkout เพื่อรวมโฟลเดอร์เพิ่มเติมได้

หลักสูตรนี้มีชุด Jupyter Notebooks ที่คุณสามารถรันเพื่อประสบการณ์การสร้าง AI Agents ด้วยตัวเอง

ตัวอย่างโค้ดใช้ Microsoft Agent Framework (MAF) กับ AzureAIProjectAgentProvider ซึ่งเชื่อมต่อกับ Azure AI Agent Service V2 (API ตอบกลับ) ผ่าน Microsoft Foundry

โน้ตบุ๊ค Python ทั้งหมดจะมีป้ายชื่อ *-python-agent-framework.ipynb

• Python 3.12+

  • หมายเหตุ: หากคุณยังไม่มี Python3.12 ติดตั้ง ให้ติดตั้งก่อน แล้วสร้าง venv ด้วย python3.12 เพื่อให้แน่ใจว่าจะติดตั้งเวอร์ชันที่ถูกต้องจากไฟล์ requirements.txt

    ตัวอย่าง

    สร้างไดเรกทอรี Python venv:

    python -m venv venv
    

    จากนั้นเปิดใช้งานสภาพแวดล้อม venv สำหรับ:

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: สำหรับโค้ดตัวอย่างที่ใช้ .NET ให้ติดตั้ง .NET 10 SDK หรือเวอร์ชันที่ใหม่กว่า แล้วตรวจสอบเวอร์ชัน SDK ที่ติดตั้ง:

  dotnet --list-sdks
  

• Azure CLI — จำเป็นสำหรับการยืนยันตัวตน ติดตั้งจาก aka.ms/installazurecli

• Azure Subscription — เพื่อเข้าถึง Microsoft Foundry และ Azure AI Agent Service

• โครงการ Microsoft Foundry — โครงการที่มีโมเดลเผยแพร่ (เช่น gpt-4o) ดู ขั้นตอนที่ 1 ด้านล่าง

เราได้รวมไฟล์ requirements.txt ไว้ในโฟลเดอร์รูทของรีโปนี้ ซึ่งมีแพ็คเกจ Python ที่จำเป็นทั้งหมดสำหรับรันตัวอย่างโค้ด

คุณสามารถติดตั้งโดยรันคำสั่งต่อไปนี้ในเทอร์มินัลที่รูทรีโป:

pip install -r requirements.txt

เราแนะนำให้สร้างสภาพแวดล้อมเสมือน Python เพื่อป้องกันข้อขัดแย้งและปัญหา

ตรวจสอบให้แน่ใจว่าคุณใช้เวอร์ชัน Python ที่ถูกต้องใน VSCode

คุณจำเป็นต้องมี Azure AI Foundry hub และ project พร้อมโมเดลที่เผยแพร่ เพื่อรันโน้ตบุ๊ค

1. ไปที่ ai.azure.com และเข้าสู่ระบบด้วยบัญชี Azure ของคุณ
2. สร้าง hub (หรือใช้ที่มีอยู่แล้ว) ดูที่: ภาพรวมทรัพยากร Hub
3. ใน hub สร้าง project
4. เผยแพร่โมเดล (เช่น gpt-4o) จาก Models + Endpoints → Deploy model

จากโครงการในพอร์ทัล Microsoft Foundry:

• Project Endpoint — ไปที่หน้า Overview และคัดลอก URL endpoint

• Model Deployment Name — ไปที่ Models + Endpoints, เลือกโมเดลที่เผยแพร่ และบันทึก Deployment name (เช่น gpt-4o)

โน้ตบุ๊คทุกตัวใช้ AzureCliCredential สำหรับการยืนยันตัวตน — ไม่มีการจัดการกับ API keys แต่อย่างใด ซึ่งคุณจำเป็นต้องลงชื่อเข้าใช้ผ่าน Azure CLI

1. ติดตั้ง Azure CLI หากคุณยังไม่มี: aka.ms/installazurecli

2. ลงชื่อเข้าใช้ โดยรันคำสั่ง:

   az login
   

   หรือถ้าคุณอยู่ในสภาพแวดล้อมระยะไกล / Codespace ที่ไม่มีเบราว์เซอร์:

   az login --use-device-code
   

3. เลือก subscription หากถาม — เลือกตัวที่มีโครงการ Foundry ของคุณ

4. ตรวจสอบ การเข้าสู่ระบบของคุณ:

   az account show
   

ทำไมต้องใช้ az login? โน้ตบุ๊คยืนยันตัวตนด้วย AzureCliCredential จากแพ็คเกจ azure-identity ซึ่งหมายความว่าเซสชัน Azure CLI ของคุณจะเป็นตัวให้สิทธิ์ — ไม่ต้องใช้ API keys หรือความลับในไฟล์ .env นี่คือ แนวปฏิบัติด้านความปลอดภัยที่ดีที่สุด

คัดลอกไฟล์ตัวอย่าง:

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

เปิดไฟล์ .env และกรอกสองค่าต่อไปนี้:

AZURE_AI_PROJECT_ENDPOINT=https://<your-project>.services.ai.azure.com/api/projects/<your-project-id>
AZURE_AI_MODEL_DEPLOYMENT_NAME=gpt-4o

ตัวแปร	ที่หาค่าได้
AZURE_AI_PROJECT_ENDPOINT	พอร์ทัล Foundry → โครงการของคุณ → หน้า Overview
AZURE_AI_MODEL_DEPLOYMENT_NAME	พอร์ทัล Foundry → Models + Endpoints → ชื่อการเผยแพร่โมเดลของคุณ

เท่านี้สำหรับหลายบทเรียน! โน้ตบุ๊คจะยืนยันตัวตนโดยอัตโนมัติผ่านเซสชัน az login ของคุณ

pip install -r requirements.txt

เราแนะนำให้รันคำสั่งนี้ภายในสภาพแวดล้อมเสมือนที่คุณสร้างไว้ก่อนหน้านี้

บทเรียน 5 ใช้ Azure AI Search สำหรับการสร้างแบบมีการเสริมการค้นคืน หากคุณตั้งใจจะรันบทเรียนนั้น ให้เพิ่มตัวแปรเหล่านี้ในไฟล์ .env ของคุณ:

ตัวแปร	ที่หาค่าได้
AZURE_SEARCH_SERVICE_ENDPOINT	พอร์ทัล Azure → แหล่งทรัพยากร Azure AI Search ของคุณ → Overview → URL
AZURE_SEARCH_API_KEY	พอร์ทัล Azure → แหล่งทรัพยากร Azure AI Search ของคุณ → Settings → Keys → คีย์แอดมินหลัก

โน้ตบุ๊คบางส่วนในบทเรียนที่ 6 และ 8 ใช้ GitHub Models แทน Azure AI Foundry หากคุณตั้งใจจะรันตัวอย่างเหล่านั้น ให้เพิ่มตัวแปรเหล่านี้ในไฟล์ .env ของคุณ:

ตัวแปร	ที่หาค่าได้
GITHUB_TOKEN	GitHub → Settings → Developer settings → Personal access tokens
GITHUB_ENDPOINT	ใช้ https://models.inference.ai.azure.com (ค่าปริยาย)
GITHUB_MODEL_ID	ชื่อโมเดลที่ใช้ (เช่น gpt-4o-mini)

โน้ตบุ๊คเวิร์กโฟลว์เงื่อนไขในบทเรียนที่ 8 ใช้ Bing grounding ผ่าน Azure AI Foundry หากคุณตั้งใจจะรันตัวอย่างนี้ ให้เพิ่มตัวแปรนี้ในไฟล์ .env ของคุณ:

ตัวแปร	ที่หาค่าได้
BING_CONNECTION_ID	พอร์ทัล Azure AI Foundry → โครงการของคุณ → Management → Connected resources → การเชื่อมต่อ Bing ของคุณ → คัดลอก ID การเชื่อมต่อ

ถ้าคุณใช้ macOS แล้วพบข้อผิดพลาดแบบนี้:

ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain

นี่คือปัญหาที่ทราบของ Python บน macOS ที่ใบรับรอง SSL ของระบบไม่ถูกไว้วางใจโดยอัตโนมัติ ลองวิธีแก้ไขต่อไปนี้ตามลำดับ:

ตัวเลือก 1: รันสคริปต์ติดตั้งใบรับรองของ Python (แนะนำ)

# แทนที่ 3.XX ด้วยเวอร์ชัน Python ที่คุณติดตั้ง (เช่น 3.12 หรือ 3.13):
/Applications/Python\ 3.XX/Install\ Certificates.command

ตัวเลือก 2: ใช้ connection_verify=False ในโน้ตบุ๊คของคุณ (ใช้เฉพาะกับโน้ตบุ๊ค GitHub Models เท่านั้น)

ในโน้ตบุ๊คบทเรียน 6 (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb) มีวิธีแก้ไขที่คอมเมนต์ไว้แล้ว เพียงเอาคอมเมนต์ออกที่ connection_verify=False เมื่อสร้างไคลเอนต์:

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # ปิดการตรวจสอบ SSL หากคุณพบข้อผิดพลาดของใบรับรอง
)

⚠️ คำเตือน: การปิดใช้งานการตรวจสอบ SSL (connection_verify=False) จะลดความปลอดภัยโดยการข้ามการตรวจสอบใบรับรอง ใช้วิธีนี้เฉพาะในสภาพแวดล้อมการพัฒนาชั่วคราวเท่านั้น ห้ามใช้ในระบบโปรดัคชัน

ตัวเลือก 3: ติดตั้งและใช้ truststore

pip install truststore

จากนั้นเพิ่มบรรทัดนี้ไว้บนสุดของโน้ตบุ๊คหรือสคริปต์ของคุณก่อนเรียกการเชื่อมต่อเครือข่ายใด ๆ:

import truststore
truststore.inject_into_ssl()

ถ้าคุณมีปัญหาในการรันการตั้งค่านี้ เข้าร่วมใน Azure AI Community Discord หรือ สร้างปัญหา

ตอนนี้คุณพร้อมที่จะรันโค้ดสำหรับหลักสูตรนี้แล้ว ขอให้สนุกกับการเรียนรู้เพิ่มเติมเกี่ยวกับโลกของ AI Agents!

บทนำสู่ AI Agents และกรณีการใช้งาน Agent

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อน เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่มีความสำคัญ แนะนำให้ใช้บริการแปลโดยมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดจากการใช้การแปลนี้