Learn AI Agents 的设置

构建一个 Agent 需要的准备工作出乎意料地简单。你需要一个地方来发送请求，有权限发送请求，以及一个能够调用工具的模型。

就这三个值。本指南的其余部分是为了确保你一次就把它们设置正确，这样课程中的任何问题都不会是因为设置导致的。

这些页面配合 Scrimba 的 Learn AI Agents 课程，也可以单独使用。如果你在浏览器中学习课程，你只需要前三页。最后两页是为了当你想在自己的机器上运行代码，然后上线部署时使用的。

课程代码是 JavaScript，如果你想先补习一下，JavaScript 手册就在那里。

你将设置什么

三个环境变量承载了课程代码接触模型所需的一切：

它们必须相互匹配。一个有效的密钥指向错误的服务商 URL 会失败，一个正确的服务商配上它不提供的模型 ID 也会失败。每当你切换服务商时，要同时改变这三个值。

从《AI 工程入门》课程过来的？

这些就是那个课程用过的同样三个变量。如果你已经在 Scrimba 中保存了它们，你可以直接跳到推荐的模型并确认你的模型支持工具调用。

Juno你将设置什么AI_URL、AI_KEY 和 AI_MODEL 是一个分三部分的设置。URL 说明你在和哪家公司交互，密钥证明你有权限这样做，模型说明哪个模型来回答。

它们只能作为一个匹配的整体工作，所以每当你切换服务商时，就要同时改变这三个。一个服务商的密钥配另一个服务商的 URL 是最容易犯的错误。

服务商设置逐步讲解如何创建 OpenAI 或 OpenRouter 账户，生成 API 密钥，以及存储这三个值。

推荐的模型涵盖了一项硬性要求（工具调用），并提供了一份测试过的精选列表，这样你就不用猜测了。

Chat Completions 和 Responses解释了你在实际应用中会看到的两个 OpenAI API，它们的请求和回复结构有什么不同，以及为什么本课程使用 Responses。

在本地运行代码是当你想把项目从 Scrimba 搬到自己的机器上时的步骤，涵盖下载、.env 文件、安装依赖，以及让人们容易遇到的端口冲突。

部署你的 Agent 应用是课程之后的步骤：把完成的 OpenSwap 应用或你的 Charta 个人项目上线，带上生产构建和主机。

Juno页面顺序在浏览器中，前三页就是你需要的全部：设置一个服务商，选一个模型，然后看到课程发送的请求。

最后两页可以等到你想把项目搬到自己的电脑或上线时再看。

课程代码使用指向你设置的任何 AI_URL 的 OpenAI 客户端，并调用 Responses API。所以一个服务商不仅要接受 OpenAI 风格的请求。它必须提供 Responses，其后面的模型必须通过它可靠地调用工具。推荐模型页面上的路由已经以这种方式测试过了。

工具调用是不能妥协的要求。本课程的 Agent 构建在模型的原生工具调用上：模型返回一个结构化的请求来运行你的某个函数，你的代码运行它。Agent 可以用其他方式构建，但这门课的代码没有它就无法运行，无论其他部分如何编写。

如果你探索推荐列表之外的模型，请记住这一点，因为模型限制和你代码中的 bug 在控制台中看起来是一样的。

Juno需要提前决定的一件事工具调用是这里模型必须能做的一件事。其他一切都是偏好：它有多快、成本是多少、有多健谈。

这门课中的 Agent 通过请求你的代码运行某样东西来工作，所以一个不能发出那个请求的模型无法运行它。模型页面上的精选列表已经检查过这个了。

每门其他 AI 课程和项目都有自己的本地设置指南。在本地运行 AI 课程项目是这些的索引，涵盖 AI 工程师路径、Chef Claude 和《Mistral AI 入门》。

Juno其他 Scrimba AI 课程为另一门课程而来？在索引中选择它，按照那份指南代替。