Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Azure Functions bietet serverlose Computeressourcen, die in KI- und Azure-Dienste integriert werden, um die Erstellung von in der Cloud gehosteten intelligenten Anwendungen zu optimieren. Dieser Artikel enthält eine Umfrage über die Breite von KI-bezogenen Szenarien, Integrationen und anderen KI-Ressourcen, die Sie in Ihren Funktions-Apps verwenden können.
Erwägen Sie die Verwendung von Azure Functions in Ihren KI-fähigen Umgebungen für diese Szenarien:
| Scenario | BESCHREIBUNG |
|---|---|
| Tools und MCP-Server | Mit Functions können Sie Remote-Modellinhaltsprotokoll-Server (MCP) erstellen und hosten und verschiedene KI-Tools implementieren. MCP-Server sind der Branchenstandard für die Aktivierung von Funktionsaufrufen über Remotetools. |
| Agentische Arbeitsabläufe | Dauerhafte Funktionen helfen Ihnen beim Erstellen von mehrstufigen, lang andauernden Agent-Vorgängen mit integrierter Fehlertoleranz. |
| Wiederherstellungs-unterstützte Generierung (RAG) | RAG-Systeme erfordern schnelle Datenabrufe und -verarbeitung. Funktionen können gleichzeitig mit mehreren Datenquellen interagieren und die für RAG-Szenarien erforderliche schnelle Skalierung bereitstellen. |
Wählen Sie eines dieser Szenarien aus, um weitere Informationen in diesem Artikel zu erhalten.
Dieser Artikel ist sprachspezifisch. Stellen Sie daher sicher, dass Sie ihre Programmiersprache oben auf der Seite auswählen.
Werkzeuge und MCP-Server
KI-Modelle und Agents verwenden Funktionsaufrufe , um externe Ressourcen anzufordern, die als Tools bezeichnet werden. Mit Funktionsaufrufen können Modelle und Agents bestimmte Funktionen basierend auf dem Kontext einer Unterhaltung oder Aufgabe dynamisch aufrufen.
Funktion eignet sich besonders gut für die Implementierung von Funktionsaufrufen in agentischen Workflows, da sie effizient skaliert, um der Nachfrage gerecht zu werden, und Bindungserweiterungen bietet, die die Verbindung von Agenten mit Remote-Azure-Diensten vereinfachen. Wenn Sie KI-Tools in Funktionen erstellen oder hosten, erhalten Sie auch serverlose Preismodelle und Plattformsicherheitsfeatures.
Das Model Context Protocol (MCP) ist der Branchenstandard für die Interaktion mit Remoteservern. Es bietet eine standardisierte Möglichkeit für KI-Modelle und Agenten, mit externen Systemen zu kommunizieren. Mit einem MCP-Server können diese KI-Clients die Tools und Funktionen eines externen Systems effizient ermitteln.
Azure Functions unterstützt derzeit das Verfügbarmachen ihres Funktionscodes mithilfe dieser Tools:
| Tooltyp | BESCHREIBUNG |
|---|---|
| Remote-MCP-Server | Erstellen Sie benutzerdefinierte MCP-Server oder hosten Sie SDK-basierte MCP-Server. |
| Tool für warteschlangenbasierte Azure-Funktionen | Azure AI Foundry bietet ein bestimmtes Azure Functions-Tool, mit dem asynchrone Funktionsaufrufe mithilfe von Nachrichtenwarteschlangen ermöglicht werden. |
MCP-Remoteserver
Funktionen unterstützen diese Optionen zum Erstellen und Hosten von Remote-MCP-Servern:
- Verwenden Sie die MCP-Bindungserweiterung , um benutzerdefinierte MCP-Server wie jede andere Funktions-App zu erstellen und zu hosten.
- Eigengehostete MCP-Server, die mit den offiziellen MCP SDKs erstellt wurden. Diese Hostingoption befindet sich derzeit in der Vorschau.
Hier ist ein Vergleich der aktuellen MCP-Serverhostingoptionen, die von Funktionen bereitgestellt werden:
| Merkmal | MCP-Bindungserweiterung | Selbst gehostete MCP-Server |
|---|---|---|
| Aktuelle Supportebene | GA | Vorschau* |
| Programmiermodell | Funktionenauslöser und Bindungen | Standard MCP SDKs |
| Zustandsbehaftete Ausführung | Unterstützt | Derzeit nicht unterstützt |
| Derzeit unterstützte Sprachen | C# (isolierter Prozess) Python TypeScript JavaScript Java |
C# (isolierter Prozess) Python TypeScript Java |
| Sonstige Anforderungen | Nichts | Streambarer HTTP-Transport |
| Wie implementiert | MCP-Bindungserweiterung | Benutzerdefinierte Handler |
*Konfigurationsdetails für selbst gehostete MCP-Server ändern sich während der Vorschau.
Hier sind einige Optionen, mit denen Sie mit dem Hosten von MCP-Servern in Funktionen beginnen können:
| Options | MCP-Bindungserweiterungen | Selbst gehostete MCP-Server |
|---|---|---|
| Dokumentation | MCP-Bindungserweiterung | n/a |
| Beispiele | Fernbenutzerdefinierter MCP-Server | Wetterserver |
| Vorlagen | HelloTool | n/a |
| Options | MCP-Bindungserweiterungen | Selbst gehostete MCP-Server |
|---|---|---|
| Dokumentation | MCP-Bindungserweiterungen | n/a |
| Beispiele | Fernbenutzerdefinierter MCP-Server | Wetterserver |
| Options | MCP-Bindungserweiterungen | Selbst gehostete MCP-Server |
|---|---|---|
| Dokumentation | MCP-Bindungserweiterungen | n/a |
| Beispiele | Fernbenutzerdefinierter MCP-Server | Wetterserver |
| Options | MCP-Bindungserweiterungen | Selbst gehostete MCP-Server |
|---|---|---|
| Dokumentation | MCP-Bindungserweiterungen | n/a |
| Beispiele | Noch nicht verfügbar | n/a |
| Options | MCP-Bindungserweiterungen | Selbst gehostete MCP-Server |
|---|---|---|
| Dokumentation | MCP-Bindungserweiterungen | n/a |
| Beispiele | Noch nicht verfügbar | Noch nicht verfügbar |
PowerShell wird derzeit für beide MCP-Serverhostingoption nicht unterstützt.
Tools für warteschlangenbasierte Azure-Funktionen
Zusätzlich zu MCP-Servern können Sie KI-Tools mithilfe von Azure Functions mit warteschlangenbasierter Kommunikation implementieren. Azure AI Foundry bietet Azure Functions-spezifische Tools, die asynchrone Funktionsaufrufe mithilfe von Nachrichtenwarteschlangen ermöglichen. Mit diesen Tools interagieren KI-Agents mit Ihrem Code mithilfe von Messagingmustern.
Dieser Toolansatz eignet sich ideal für KI-Gießereiszenarien, die Folgendes erfordern:
- Zuverlässige Nachrichtenübermittlung und -verarbeitung
- Entkopplung von KI-Agenten und Funktionsausführung
- Integrierte Wiederholungs- und Fehlerbehandlungsfunktionen
- Integration in vorhandene Azure-Messaginginfrastruktur
Im Folgenden finden Sie einige Referenzbeispiele für Funktionsaufrufszenarien:
Verwendet einen Azure AI Foundry Agent Service-Client , um einen benutzerdefinierten REMOTE-MCP-Server aufzurufen, der mithilfe von Azure Functions implementiert wird.
Verwendet Funktionsaufruffunktionen für Agents in Azure AI-SDKs, um benutzerdefinierte Funktionsaufrufe zu implementieren.
Agent-Workflows
KI-gesteuerte Prozesse bestimmen häufig, wie sie mit Modellen und anderen KI-Ressourcen interagieren. Einige Szenarien erfordern jedoch ein höheres Maß an Vorhersagbarkeit oder klar definierte Schritte. Diese gerichteten agentischen Workflows orchestrieren separate Aufgaben oder Interaktionen, denen Agents folgen müssen.
Die Erweiterung "Durable Functions " hilft Ihnen, die Stärken von Funktionen zu nutzen, um mehrstufige, lang andauernde Vorgänge mit integrierter Fehlertoleranz zu erstellen. Diese Workflows funktionieren gut für Ihre gerichteten agentischen Workflows. Beispielsweise kann eine Reiseplanungslösung zuerst Anforderungen vom Benutzer sammeln, nach Planoptionen suchen, die Benutzergenehmigung einholen und schließlich erforderliche Buchungen vornehmen. In diesem Szenario können Sie einen Agent für jeden Schritt erstellen und dann ihre Aktionen als Workflow mithilfe dauerhafter Funktionen koordinieren.
Weitere Workflowszenarioideen finden Sie unter Anwendungsmuster in dauerhaften Funktionen.
Retrieval Augmented Generation (RAG)
Da Funktionen mehrere Ereignisse aus verschiedenen Datenquellen gleichzeitig verarbeiten können, ist es eine effektive Lösung für ECHTZEIT-KI-Szenarien wie RAG-Systeme, die schnelle Datenabrufe und -verarbeitung erfordern. Schnelle ereignisgesteuerte Skalierung reduziert die Latenz, die Ihre Kunden erleben, auch in Situationen mit hohem Bedarf.
Hier sind einige Referenzbeispiele für RAG-basierte Szenarien:
Für RAG können Sie SDKs, einschließlich Azure Open AI und Azure SDKs, verwenden, um Ihre Szenarien zu erstellen. ::: zone-end
Zeigt, wie Sie einen freundlichen Chatbot erstellen, der einfache Eingabeaufforderungen ausgibt, Textergänzungen erhält und Nachrichten sendet, die alle in zustandsbehafteten Sitzungen mithilfe der OpenAI-Bindungserweiterung erfolgen.
KI-Tools und Frameworks für Azure Functions
Mit Funktionen können Sie Apps in Ihrer bevorzugten Sprache erstellen und Ihre bevorzugten Bibliotheken verwenden. Aufgrund dieser Flexibilität können Sie eine vielzahl von KI-Bibliotheken und Frameworks in Ihren KI-fähigen Funktions-Apps verwenden.
Im Folgenden finden Sie einige wichtige Microsoft AI-Frameworks, die Sie beachten sollten:
| Rahmenwerk/Bibliothek | BESCHREIBUNG |
|---|---|
| Agent Framework | Erstellen Sie einfach KI-Agents und agentische Workflows. |
| Azure AI Foundry Agent Service | Ein vollständig verwalteter Dienst zum Erstellen, Bereitstellen und Skalieren von KI-Agents mit Sicherheit auf Unternehmensniveau, integrierten Tools und nahtlose Integration in Azure Functions. |
| Azure AI Services-SDKs | Indem Sie direkt mit Client-SDKs arbeiten, können Sie die gesamte Bandbreite der Azure AI-Dienste direkt in Ihrem Funktionscode verwenden. |
Mit Funktionen können Ihre Apps auch auf Bibliotheken und Frameworks von Drittanbietern verweisen, sodass Sie alle Ihre bevorzugten KI-Tools und -Bibliotheken in Ihren KI-fähigen Funktionen verwenden können.