Sdílet prostřednictvím


Použití nástrojů a modelů AI ve službě Azure Functions

Azure Functions poskytuje bezserverové výpočetní prostředky, které se integrují s AI a službami Azure, aby zjednodušily proces vytváření inteligentních aplikací hostovaných v cloudu. Tento článek obsahuje průzkum scénářů, integrace a dalších prostředků umělé inteligence, které můžete použít ve svých aplikacích funkcí.

Mezi základní výhody používání Azure Functions jako výpočetního prostředku pro úlohy integrované s AI patří:

  • Rychlé škálování řízené událostmi: Máte k dispozici výpočetní prostředky, pokud je potřebujete. U některých plánů se vaše aplikace, pokud není potřeba, redukuje na nulu. Další informace najdete v tématu Škálování řízené událostmi ve službě Azure Functions.
  • Integrovaná podpora pro Azure OpenAI: Rozšíření OpenAI výrazně zjednodušuje proces interakce s Azure OpenAI při práci s agenty, asistenty a pracovními postupy rozšířené generace (RAG).
  • Podpora širokého jazyka a knihovny: Funkce umožňují pracovat s umělou inteligencí pomocí vašeho výběru programovacího jazyka a navíc můžete používat širokou škálu architektur a knihoven AI.
  • Možnosti orchestrace: Zatímco spouštění funkcí jsou ze své podstaty bezstavové, rozšíření Durable Functions umožňuje vytvořit druh složitých pracovních postupů vyžadovaných agenty AI.

Tento článek je specifický pro jazyk, proto se ujistěte, že jste v horní části stránky zvolili programovací jazyk.

Základní scénáře integrace AI

Kombinace integrovaných vazeb a široké podpory externích knihoven poskytuje širokou škálu potenciálních scénářů pro rozšiřování aplikací a řešení pomocí AI. Toto jsou některé klíčové scénáře integrace AI podporované službou Functions.

Generování s rozšířením o vyhledávání

Vzhledem k tomu, že služba Functions dokáže zpracovávat více událostí z různých zdrojů dat současně, je to efektivní řešení pro scénáře umělé inteligence v reálném čase, jako jsou systémy RAG, které vyžadují rychlé načítání a zpracování dat. Rychlé škálování řízené událostmi snižuje latenci vašich zákazníků, a to i v situacích s vysokou poptávkou.

Tady je několik referenčních ukázek pro scénáře založené na RAG:

V případě RAG můžete použít sady SDK, mimo jiné i sady Azure Open AI a Sady Azure SDK k sestavení vašich scénářů. Tato referenční ukázka používá rozšíření vazby OpenAI k zvýraznění RAG OpenAI s Azure AI Search.

Naučí vás, jak vytvořit přátelského chatovacího robota, který vydává jednoduché výzvy, přijímá dokončení textu a odesílá zprávy, a to vše ve stavové relaci pomocí rozšíření vazby OpenAI.

Volání funkce Asistent

Volání funkcí Pomocníka dává asistentovi nebo agentovi možnost dynamicky volat konkrétní funkce nebo rozhraní API na základě kontextu konverzace nebo úkolu. Toto chování umožňuje asistentům pracovat s externími systémy, načítat data a provádět další akce.

Funkce je ideální pro implementaci volání funkcí pomocníka v agentních pracovních postupech. Kromě efektivního škálování tak, aby zvládla poptávku, zjednodušují rozšíření vazeb proces použití služby Functions k propojení asistentů se vzdálenými službami Azure. Pokud pro váš zdroj dat neexistuje žádná vazba nebo potřebujete úplnou kontrolu nad chováním sady SDK, můžete ve své aplikaci vždy spravovat vlastní připojení klientské sady SDK.

Tady je několik referenčních ukázek pro scénáře volání funkcí asistenta:

Pomocí rozšíření vazby OpenAI povolí volání vlastních funkcí pomocí triggeru dovednosti asistenta.

Používá funkce volání funkcí pro agenty v sadách Azure AI SDK k implementaci vlastních volání funkcí.

Vzdálené servery MCP

Protokol MCP (Model Context Protocol) poskytuje standardizovaný způsob, jak modely umělé inteligence komunikovat s externími systémy, aby určily jejich schopnosti a jak je můžou nejlépe používat asistenti a agenti AI. Server MCP umožňuje model AI (klient) efektivněji provádět tato rozhodnutí.

Functions poskytuje rozšíření vazby MCP, které zjednodušuje proces vytváření vlastních serverů MCP v Azure.

Tady je příklad takového vlastního projektu serveru MCP:

Poskytuje šablonu serveru MCP společně s několika koncovými body nástroje funkcí, které je možné spustit místně a také nasadit do Azure.

Pracovní postupy agentů

I když je běžné, že procesy řízené AI nezávisle určují, jak interagovat s modely a dalšími prostředky AI, existuje mnoho případů, kdy se vyžaduje vyšší úroveň predikability nebo kde jsou požadované kroky dobře definované. Tyto řízené pracovní postupy agentů se skládají z orchestrace samostatných úloh nebo interakcí, které agenti musí dodržovat.

Rozšíření Durable Functions vám pomůže využít výhod funkcí k vytvoření vícestupňových dlouhotrvajících operací s integrovanou odolností proti chybám. Tyto pracovní postupy jsou ideální pro vaše řízené agentské pracovní postupy. Například řešení plánování cest může nejprve shromáždit požadavky od uživatele, vyhledat možnosti plánu, získat schválení uživatele a nakonec provést požadované rezervace. V tomto scénáři můžete vytvořit agenta pro každý krok a pak koordinovat jejich akce jako pracovní postup pomocí Durable Functions.

Další nápady na scénáře pracovního postupu najdete v tématu Vzory aplikací v Durable Functions.

Nástroje a architektury AI

Vzhledem k tomu, že functions umožňuje vytvářet aplikace v preferovaném jazyce a používat oblíbené knihovny, existuje široká flexibilita v tom, jaké knihovny a architektury AI můžete používat ve svých aplikacích funkcí s podporou umělé inteligence.

Tady jsou některé klíčové architektury Microsoft AI, o kterých byste měli vědět:

Architektura/knihovna Popis
Sady SDK služeb Azure AI Když pracujete přímo s klientskými sadami SDK, můžete využít celou řadu funkcí služeb Azure AI přímo v kódu funkce.
Rozšíření vazby OpenAI Snadné integrace výkonu Azure OpenAI ve vašich funkcích a umožnění správy integrace služby functions
Sémantické jádro Umožňuje snadno vytvářet agenty a modely AI.

Funkce také umožňují aplikacím odkazovat na knihovny a architektury třetích stran, což znamená, že ve funkcích s podporou AI můžete také používat všechny oblíbené nástroje a knihovny AI.