本課程將涵蓋如何運行本課程的代碼範例。

在開始克隆您的倉庫之前，請加入 AI Agents For Beginners Discord 頻道，以獲得任何設置幫助、課程相關問題，或與其他學習者交流。

首先，請克隆或派生 GitHub 倉庫。這會產生您自己的課程材料版本，您可以運行、測試和調整代碼！

您可以點擊鏈接 派生倉庫 來完成此操作。

您現在應該擁有以下鏈接的自己派生版本：

當您下載完整歷史和所有文件時，完整的倉庫可能很大（約3GB）。如果您只是參加研討會或只需要幾個課程資料夾，淺層克隆（或稀疏克隆）則通過截斷歷史及/或跳過 blobs 來避免大部分下載。

將下面命令裡的 <your-username> 替換為您的派生 URL（或者您喜歡的上游 URL）。

僅克隆最新提交歷史（下載小）：

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

克隆指定分支：

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

這使用部分克隆和稀疏檢出（需要 Git 2.25+，並推薦使用支持部分克隆的現代 Git）：

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

進入倉庫資料夾：

cd ai-agents-for-beginners

然後指定您想要的資料夾（以下示例顯示兩個資料夾）：

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

克隆並驗證文件後，如果您只需要文件且想釋放空間（無 git 歷史），請刪除倉庫元數據（💀不可逆 — 您將失去所有 Git 功能：無法提交、拉取、推送或訪問歷史）。

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

• 通過 GitHub UI 為此倉庫創建新的 Codespace。

• 在新創建的 Codespace 終端中，運行上述淺層/稀疏克隆命令之一，只將您需要的課程資料夾帶入 Codespace 工作區。

• 選擇性：在 Codespaces 中克隆後，刪除 .git 以回收額外空間（參見上方刪除命令）。

• 注意：如果您想直接在 Codespaces 中打開倉庫（無需額外克隆），請注意 Codespaces 將構建 devcontainer 環境，可能仍會配置超出您需求的內容。在新 Codespace 內克隆淺層副本能讓您更好地控制磁盤使用。

• 如果您想編輯/提交，請務必將克隆 URL 替換為您的派生。
• 如果您日後需要更多歷史或文件，您可以獲取它們或調整稀疏檢出以包含其他資料夾。

本課程提供一系列 Jupyter 筆記本，您可以運行它們以獲得構建 AI Agent 的實踐經驗。

代碼範例使用 Microsoft Agent Framework (MAF) 和 AzureAIProjectAgentProvider，後者通過 Microsoft Foundry 連接到 Azure AI Agent Service V2（Responses API）。

所有 Python 筆記本標記為 *-python-agent-framework.ipynb。

• Python 3.12+

  • 注意：如果您尚未安裝 Python3.12，請務必先安裝。然後使用 python3.12 創建您的虛擬環境，確保從 requirements.txt 文件安裝正確版本。

    示例

    創建 Python 虛擬環境目錄：

    python -m venv venv
    

    然後激活虛擬環境：

    # zsh/bash
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: 對於使用 .NET 的示例代碼，請確保安裝 .NET 10 SDK 或以後版本。然後，檢查您安裝的 .NET SDK 版本：

  dotnet --list-sdks
  

• Azure CLI — 用於身份驗證。從 aka.ms/installazurecli 安裝。

• Azure 訂閱 — 用於訪問 Microsoft Foundry 和 Azure AI Agent Service。

• Microsoft Foundry 項目 — 需擁有一個部署了模型（例如 gpt-4o）的項目。請參見以下 步驟 1。

本倉庫根目錄中包含 requirements.txt 文件，包含運行代碼範例所需的所有 Python 套件。

您可以在倉庫根目錄的終端中運行以下命令安裝：

pip install -r requirements.txt

我們建議創建 Python 虛擬環境以避免任何衝突和問題。

確保您在 VSCode 中使用的是正確版本的 Python。

您需要一個 Azure AI Foundry hub 和 項目，且項目中需部署模型，以運行筆記本。

1. 訪問 ai.azure.com 並使用您的 Azure 帳戶登入。
2. 創建一個 hub（或使用現有的）。參見：Hub 資源概述。
3. 在 hub 中創建一個 項目。
4. 從 Models + Endpoints → Deploy model 部署一個模型（例如 gpt-4o）。

在 Microsoft Foundry 入口網站中的項目：

• 項目端點 — 進入 Overview 頁面，複製端點 URL。

• 模型部署名稱 — 前往 Models + Endpoints，選擇您的已部署模型，並記下 Deployment name（例如 gpt-4o）。

所有筆記本均使用 AzureCliCredential 進行身份驗證——無需管理 API 金鑰。這需要您通過 Azure CLI 登入。

1. 如果尚未安裝 Azure CLI，請安裝：aka.ms/installazurecli

2. 登入：

   az login
   

   如果您在無瀏覽器的遠端/Codespace 環境中：

   az login --use-device-code
   

3. 如果被提示，選擇您的訂閱 — 請選含有您 Foundry 項目的那個。

4. 驗證您已登入：

   az account show
   

為何要用 az login？ 筆記本使用 azure-identity 套件的 AzureCliCredential 來認證。這表示您的 Azure CLI session 提供認證——無需將 API 金鑰或秘密放入 .env 文件。這是安全最佳實踐。

複製範例文件：

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

打開 .env 並填入這兩個值：

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

變數	尋找位置
AZURE_AI_PROJECT_ENDPOINT	Foundry 入口網站 → 您的項目 → Overview 頁面
AZURE_AI_MODEL_DEPLOYMENT_NAME	Foundry 入口網站 → Models + Endpoints → 您部署的模型名稱

大部分課程就這樣完成了！筆記本將透過您的 az login 會話自動身份驗證。

pip install -r requirements.txt

我們建議您在之前創建的虛擬環境中運行這個命令。

第5課使用 Azure AI Search 進行檢索增強生成。如果您計劃運行該課程，請將以下變數添加到 .env 文件：

變數	尋找位置
AZURE_SEARCH_SERVICE_ENDPOINT	Azure 入口網站 → 您的 Azure AI Search 資源 → Overview → URL
AZURE_SEARCH_API_KEY	Azure 入口網站 → 您的 Azure AI Search 資源 → 設定 → 金鑰 → 主要管理金鑰

第6及第8課中的 일부筆記本使用 GitHub Models，而非 Azure AI Foundry。如果您打算運行這些範例，請將以下變數添加至 .env 文件：

變數	尋找位置
GITHUB_TOKEN	GitHub → Settings → Developer settings → Personal access tokens
GITHUB_ENDPOINT	使用 https://models.inference.ai.azure.com（預設值）
GITHUB_MODEL_ID	要使用的模型名稱（例如 gpt-4o-mini）

第8課條件工作流筆記本使用透過 Azure AI Foundry 的 Bing grounding。如您計劃執行該樣本，請將此變數添加至 .env 文件：

變數	尋找位置
BING_CONNECTION_ID	Azure AI Foundry 入口網站 → 您的項目 → Management → Connected resources → 您的 Bing 連線 → 複製連接 ID

如果您在 macOS 遇到如下錯誤：

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

這是 macOS 上 Python 已知問題，系統 SSL 證書未自動被信任。請按順序嘗試以下解決方案：

選項 1：執行 Python 的安裝證書腳本（推薦）

# 將 3.XX 換成你已安裝嘅 Python 版本（例如，3.12 或 3.13）：
/Applications/Python\ 3.XX/Install\ Certificates.command

選項 2：在筆記本中使用 connection_verify=False（僅限 GitHub Models 筆記本）

在第 6 課筆記本 (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb) 中，已包含註解掉的解決方式。創建客戶端時取消註解 connection_verify=False：

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # 如果遇到證書錯誤，請禁用 SSL 驗證
)

⚠️ 警告： 禁用 SSL 驗證 (connection_verify=False) 會降低安全性，因為跳過了證書驗證。僅在開發環境中作為臨時解決方案使用，切勿在生產環境使用。

選項 3：安裝並使用 truststore

pip install truststore

然後在筆記本或腳本頂部（進行任何網絡請求前）添加：

import truststore
truststore.inject_into_ssl()

如您在設置過程中遇到任何問題，歡迎加入我們的 Azure AI 社群 Discord 或 提出問題。

您現在已準備好運行本課程的代碼。祝您在 AI Agents 世界中學習愉快！

AI Agents 介紹及應用案例

---

免責聲明：
本文件由 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於精確翻譯，請注意自動翻譯結果可能包含錯誤或不準確之處。原始語言文件應被視為權威來源。對於重要資料，建議採用專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或誤譯承擔責任。