Začněte s LangChainem a LangGraphem na Foundry.

Jako vstupní bod pro vytváření aplikací LangChain a LangGraph s možnostmi Microsoft Foundry použijte balíček langchain-azure-ai. Tento článek obsahuje základní mapu balíčku, abyste mohli rychle začít a pak přejít do správné podrobné dokumentace pro jednotlivé funkce.

Požadavky

  • Předplatné Azure. Vytvořte si ho zdarma.

  • Projekt Foundry.

  • Role uživatele Foundry v projektu Foundry (role s nejnižším oprávněním pro

    Important

    Nedávno byly přejmenovány role Foundry RBAC. Foundry User, Foundry Owner, Foundry Account Owner a Foundry Project Manager se dříve nazývaly Uživatel Azure AI, Vlastník Azure AI, Vlastník účtu Azure AI a Správce projektů Azure AI. Během zavádění přejmenování se stále můžou zobrazovat předchozí názvy na některých místech. ID rolí a základní oprávnění se při přejmenování nezmění.

    vývoj). Pokud také vytváříte nebo spravujete prostředky, podle potřeby použijte přispěvatele nebo vlastníka . Podrobnosti najdete v tématu Řízení přístupu na základěrole pro Microsoft Foundry.

  • Python 3.10 nebo novější.

  • Azure CLI je přihlášený (az login), takže se DefaultAzureCredential může ověřit.

Tip

Tento článek uvádí podporu Microsoft Foundry (nový), která používá verzi azure-ai-projects>=2.0. Pokud používáte Foundry Classic, použijte langchain-azure-ai[v1] místo toho.

Instalace balíčku

Nainstalujte základní balíček:

pip install -U langchain-azure-ai azure-identity

Na základě vašeho scénáře nainstalujte volitelné doplňky:

pip install -U "langchain-azure-ai[tools]"
pip install -U "langchain-azure-ai[opentelemetry]"
  • Použijte [tools] , pokud vaše aplikace používá nástroje z oboru názvů langchain_azure_ai.tools.*, jako je Document Intelligence.
  • Použijte [opentelemetry] , pokud chcete trasovat integraci přes OpenTelemetry.

Volba stavebních bloků integrace

Pomocí této mapy vyberte správný obor názvů pro vaše řešení:

Schopnosti Jmenný prostor Typické použití
Služba agenta Foundry langchain_azure_ai.agents Vytvářejte uzly spravovaného agenta pro sestavení složitých grafů a toků pro LangGraph a LangChain. Podívejte se na podrobné příklady.
Hostování langgraphů langchain_azure_ai.agents.hosting Hostujte kompilované agenty LangGraph ve službě Foundry Agent Service s protokoly odpovědí nebo volání. Podívejte se na podrobné příklady.
Zabezpečení obsahu Foundry langchain_azure_ai.agents.middleware Pomocí zabezpečení a moderování obsahu Foundry se ujistěte, že můžete nasadit řešení se správnými mantinely. Podívejte se na podrobné příklady.
Modely chatu langchain_azure_ai.chat_models Vyvolejte chatovací modely Azure OpenAI a katalog modelů. Podívejte se na podrobné příklady.
Vkládání langchain_azure_ai.embeddings Volání vkládacích modelů z katalogu a generování vektorů pro vyhledávání, načítání a řazení ve workflow. Podívejte se na podrobné příklady.
Vektorová úložiště langchain_azure_ai.vectorstores Použijte Azure AI Vyhledávač a vektorové integrace Cosmos DB.
Retrieveři langchain_azure_ai.retrievers Spusťte načítání dat z indexů a úložišť podporovaných Azure.
Úložiště historie chatů langchain_azure_ai.chat_message_histories Zachování a přehrání historie chatu napříč relacemi Pomocí paměťových technologií můžete načíst konsolidovanou historii chatu. Podívejte se na podrobné příklady.
Nástroje langchain_azure_ai.tools Přidejte nástroje, jako jsou Document Intelligence, Vision, analýza zdravotnického textu a Logic Apps; nebo celou sadu nástrojů pro projekt. Podívejte se na podrobné příklady
Sada nástrojů Foundry langchain_azure_ai.tools Načtěte spravované nástroje a dovednosti z Foundry Toolboxu prostřednictvím jediného MCP endpointu. Podívejte se na podrobné příklady.
Zpětná volání a trasování langchain_azure_ai.callbacks Zachyťte události spuštění a vygenerujte trasování OpenTelemetry. Podívejte se na podrobné příklady.
Konstruktory dotazů langchain_azure_ai.query_constructors Vytvořte filtry dotazů specifické pro back-end pro scénáře načítání.

Konkrétní návody najdete v části Informace o jednotlivých možnostech.

Připojení s koncovými body projektu a přihlašovacími údaji

Mnoho langchain-azure-ai tříd podporuje připojení prostřednictvím koncového bodu projektu Foundry. Nastavte AZURE_AI_PROJECT_ENDPOINT jednou a poté jej opakovaně použijte v rámci podporovaných tříd.

export AZURE_AI_PROJECT_ENDPOINT="https://<resource>.services.ai.azure.com/api/projects/<project>"

Při použití project_endpoint používá ověřování v projektu Microsoft Entra ID a Azure RBAC.

Klíče rozhraní API jsou určené pro přímé koncové body služby, například /openai/v1.

export OPENAI_BASE_URL="https://<resource>.services.ai.azure.com/openai/v1"
export OPENAI_API_KEY="<your-key>"

Příklad: Použití modelů Foundry

Po nakonfigurování proměnných prostředí můžete model použít pomocí:

import langchain.chat_models import init_chat_model

model = init_chat_model("azure_ai:gpt-5.2")

Můžete také nakonfigurovat klienty speciálně. Podívejme se například na AzureAIOpenAIApiChatModel jako reprezentativní příklad:

import os

from azure.identity import DefaultAzureCredential
from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel

# Option A: Use a Foundry project endpoint (Microsoft Entra ID required).
model_from_project = AzureAIOpenAIApiChatModel(
  project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option B: Use a service endpoint directly.
model_from_endpoint = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option C: Use a different credential strategy.
model_with_cli_credential = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential="super-secret",
  model="gpt-5.2",
)

Co tento fragment kódu dělá: Zobrazuje stejný model inicializovaný z koncového bodu projektu Foundry nebo z přímého koncového bodu služby a ukazuje, jak prohodit přihlašovací údaje.

Stejný vzor můžete použít u nástrojů. Můžete například AzureAIDocumentIntelligenceTool použít koncový bod projektu a DefaultAzureCredential bez další konfigurace, pokud AZURE_AI_PROJECT_ENDPOINT je nastavena:

from langchain_azure_ai.tools import AzureAIDocumentIntelligenceTool

document_tool = AzureAIDocumentIntelligenceTool()

Jak DefaultAzureCredential funguje

DefaultAzureCredential vyzkouší několik zdrojů přihlašovacích údajů Microsoft Entra ID postupně a použije první, který funguje. Mezi běžné zdroje patří proměnné prostředí, spravovaná identita, vývojářské nástroje a Azure CLI.

Použijte DefaultAzureCredential jako výchozí pro místní vývoj a nasazené úlohy. Pokud potřebujete přísnější kontrolu, nahraďte ho určitými přihlašovacími údaji, jako je AzureCliCredential pro místní vývoj nebo ManagedIdentityCredential pro produkční úlohy v Azure.

Stejný model koncového bodu projektu se používá také v jiných třídách.

Podrobné informace o jednotlivých funkcích

Začněte těmito průvodci v této sadě dokumentace:

K podrobnostem a aktualizacím na úrovni modulu použijte tyto prostředky balíčků:

Další krok

Použití modelů Foundry s LangChain

  • Last updated on