Creación de un proyecto para Azure AI Foundry

En este artículo se describe cómo crear un proyecto en Azure AI Foundry. Los proyectos le permiten organizar su trabajo para explorar nuevas ideas y al crear prototipos en un caso de uso determinado.

Azure AI Foundry admite dos tipos de proyectos: un proyecto Foundry y un proyecto basado en centro. Para obtener más información sobre las diferencias entre estos dos tipos de proyecto, vea Tipos de proyectos.

Sugerencia

El resto de este artículo muestra cómo crear un proyecto basado en concentrador. Seleccione Proyecto Foundry en la parte superior de este artículo si desea crear un Proyecto Foundry en su lugar.

• Un proyecto basado en hub está hospedado por un hub de Azure AI Foundry. Si su empresa tiene un equipo administrativo que creó una plataforma para usted, puede crear un proyecto a partir de esa plataforma. Si está trabajando por su cuenta, puede crear un proyecto y se creará automáticamente un centro predeterminado.

• Use este tipo de proyecto para:

  • Flujo de avisos
  • Cómputo gestionado
  • Compatibilidad de Azure Machine Learning

• Este proyecto también se puede usar para:

  • Agentes (versión preliminar)
  • Aislamiento de archivos y resultados a nivel de proyecto
  • Evaluaciones
  • Áreas de juego

Prerrequisitos

Use las pestañas siguientes para seleccionar el método que planea usar para crear un proyecto basado en concentrador:

Portal de Azure AI Foundry

• Una suscripción de Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita.

SDK de Python

• Una suscripción de Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita.
• SDK de Azure Machine Learning v2.
• Un centro de Azure AI Foundry. Si no tiene un centro de conectividad, consulte Creación de un centro de conectividad usando la CLI y el SDK de Azure Machine Learning.
• Azure CLI
• Autentíquese con az login o az login --use-device-code en su entorno antes de ejecutar código.

Azure CLI

• Una suscripción de Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita.
• La CLI de Azure y la extensión de aprendizaje automático. Si no tiene instalada la CLI de Azure ni la extensión de aprendizaje automático, siga los pasos descritos en el artículo Instalación y configuración de la extensión de aprendizaje automático.
• Un centro de Azure AI Foundry. Si no tiene un centro de conectividad, consulte Creación de un centro de conectividad usando la CLI y el SDK de Azure Machine Learning.

Crear un proyecto tipo hub

Portal de Azure AI Foundry

Para crear un proyecto basado en concentrador en Azure AI Foundry, siga estos pasos:

1. Inicie sesión en Azure AI Foundry.

2. Lo que haces a continuación depende de dónde estés:

   • Si no tiene ningún proyecto existente: siga los pasos descritos en Inicio rápido: Introducción a Azure AI Foundry para crear el primer proyecto.

   • Si está en un proyecto: seleccione la ruta de navegación del proyecto y, a continuación, seleccione Crear nuevo recurso.

     

   • Si no está en un proyecto: seleccione Crear nuevo en la parte superior derecha para crear un nuevo proyecto Foundry.

     

3. Seleccione el recurso del centro de IA y luego seleccione Siguiente.

4. Escriba un nombre para el proyecto.

5. Si tienes un hub, verás seleccionado el que has usado más recientemente.

   • Si tiene acceso a más de un centro, puede seleccionar otro centro en la lista desplegable.

   • Si desea crear uno nuevo, seleccione Crear nuevo centro y proporcione un nombre.

     

6. Si no tiene un centro, se crea uno predeterminado automáticamente para usted.

7. Selecciona Crear.

O bien, si desea personalizar un nuevo centro, siga los pasos de la sección siguiente antes de seleccionar Crear.

Personalización del centro

Existe un proyecto basado en concentrador dentro de un centro. Un centro le permite compartir configuraciones (como conexiones de datos) con todos los proyectos y administrar centralmente la configuración de seguridad y el gasto. Si forma parte de un equipo, los centros se comparten entre otros miembros del equipo de la suscripción. Para más información sobre la relación entre centros y proyectos, consulte la documentación de información general sobre centros y proyectos.

Cuando se crea un nuevo centro, debe tener permisos de Propietario o Colaborador en el grupo de recursos seleccionado. Si forma parte de un equipo y no tiene estos permisos, el administrador debe crear un centro para usted.

Sugerencia

Aunque puede crear un centro durante la creación del proyecto, tiene más control y puede establecer una configuración más avanzada para el centro si la crea por separado. Por ejemplo, puede personalizar la seguridad de red o la cuenta subyacente de Azure Storage. Para obtener más información, consulte Creación y administración de un centro de Azure AI Foundry.

Al crear un nuevo centro durante la creación del proyecto, se proporciona la configuración predeterminada. Si desea personalizar esta configuración, hágalo antes de crear el proyecto:

1. En el formulario Crear un proyecto , seleccione la flecha situada en el lado derecho.

   

2. Seleccione un grupo de recursos existente que quiera usar o deje el valor predeterminado para crear un nuevo grupo de recursos.

   Sugerencia

   Especialmente para empezar, se recomienda crear un nuevo grupo de recursos para el proyecto. El grupo de recursos permite administrar fácilmente el proyecto y todos sus recursos juntos. Al crear un proyecto, se crean varios recursos en el grupo de recursos, incluidos un centro, un registro de contenedor y una cuenta de almacenamiento.

3. Seleccione una ubicación o use la predeterminada. La ubicación es la región donde se hospeda el centro. La ubicación del centro también es la ubicación del proyecto. La disponibilidad de los servicios de Azure AI difiere por región. Por ejemplo, es posible que determinados modelos no estén disponibles en determinadas regiones.

4. Seleccione Crear un proyecto. Verá el progreso de la creación de recursos. El proyecto se crea cuando se completa el proceso.

SDK de Python

El código de esta sección supone que tiene un centro existente. Si no dispone de un centro, consulte Creación y administración de un centro de Fundición de IA de Azure para crear uno.

1. Instalar paquetes. (Si está en una celda del cuaderno, use %pip install en su lugar).

   pip install azure-ai-ml
   pip install azure-identity
   

2. Proporcione los detalles de la suscripción:

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

3. Obtenga un identificador para la suscripción. Todo el código de Python de este artículo usa ml_client:

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

4. (Opcional) Si tiene varias cuentas, añada el ID de inquilino de Microsoft Entra ID que desea usar en DefaultAzureCredential. Busque el id. de inquilino en Azure Portal en Microsoft Entra ID, Identidades externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Opcional) Si va a trabajar en las regiones de Azure Government: Estados Unidos o Azure China 21Vianet, especifique la región en la que se quiere autenticar. Puede especificar la región con DefaultAzureCredential. En el ejemplo siguiente se realiza la autenticación en la región Azure Government - EE. UU.:

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

6. Use el código siguiente para crear un proyecto desde un centro que ha creado antes,o que haya creado el administrador. Reemplace los valores de cadena de ejemplo por valores propios:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

Azure CLI

El código de esta sección supone que tiene un centro existente. Si no dispone de un centro, consulte Creación y administración de un centro de Fundición de IA de Azure para crear uno.

1. Para autenticarse en la suscripción de Azure desde la CLI de Azure, use el siguiente comando:

   az login
   

   Para más información sobre la autenticación, vea Métodos de autenticación.

2. Una vez instalada y autenticada la extensión en la suscripción de Azure, use el siguiente comando para crear un nuevo proyecto de Fundición de IA de Azure desde un centro de Fundición de IA de Azure existente:

   az ml workspace create --kind project --hub-id {my_hub_ID} --resource-group {my_resource_group} --name {my_project_name}
   

   Forme my_hub_ID con esta sintaxis: /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}.

Visualización de la configuración del proyecto

Portal de Azure AI Foundry

En la página Información general del proyecto, puede encontrar información sobre el proyecto.

• Nombre: el nombre del proyecto aparece en la esquina superior izquierda.
• Suscripción: la suscripción que hospeda el centro que aloja el proyecto.
• Grupo de recursos: el grupo de recursos que hospeda el centro que hospeda el proyecto.

Seleccione Centro de administración para ir a los recursos del proyecto en el portal de Fundición de IA de Azure. Seleccione Administrar en Azure Portal para ir a los recursos del proyecto en Azure Portal.

SDK de Python

Para administrar o usar el nuevo proyecto, inclúyalo en MLClient:

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

Azure CLI

Para ver la configuración del proyecto, use el comando az ml workspace show. Por ejemplo:

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

Acceso a los recursos del proyecto

Las configuraciones comunes del centro se comparten con el proyecto, incluidas las conexiones, las instancias de proceso y el acceso a la red, por lo que puede empezar el desarrollo inmediatamente.

Además, los usuarios del área de trabajo del proyecto solo pueden acceder a muchos recursos:

• Componentes que incluyen conjuntos de datos, flujos, índices, puntos de conexión de API de modelo implementados (abiertos y sin servidor).

• Conexiones creadas personalmente en la "configuración del proyecto".

• Contenedores de blobs de Azure Storage y un recurso compartido de archivos para la carga de datos en el proyecto. Acceda al almacenamiento mediante las conexiones siguientes:

  Conexión de datos	Ubicación de almacenamiento	Propósito
  workspaceblobstore	{project-GUID}-azureml-blobstore	Contenedor predeterminado para cargas de datos
  workspaceartifactstore	{project-GUID}-azureml	Almacena componentes y metadatos para el proyecto, como pesos del modelo
  workspacefilestore	{GUID del proyecto}-code	Hospeda los archivos creados en el proceso y mediante el flujo de avisos

Nota:

Las conexiones de almacenamiento no se crean directamente con el proyecto cuando la cuenta de almacenamiento tiene el acceso de red pública configurado como deshabilitado. Se crean en su lugar cuando un primer usuario accede a Fundición de IA de Azure a través de una conexión de red privada. Solución de problemas de conexiones de almacenamiento

Contenido relacionado

• Inicio rápido: Uso del área de juegos de chat en el portal de Azure AI Foundry

• Más información sobre los centros

Sugerencia

El resto de este artículo muestra cómo crear un proyecto Foundry. Seleccione el proyecto basado en concentrador en la parte superior de este artículo si desea crear un proyecto basado en concentrador en su lugar.

• Un proyecto Foundry se basa en un recurso de Azure AI Foundry. Este tipo de proyecto permite una configuración sencilla, acceso a agentes y modelos líderes del sector desde OpenAI, Mistral, Meta, etc.

• Este tipo de proyecto proporciona la mejor compatibilidad con:

  • Agentes
  • AI Foundry API para trabajar con agentes y entre modelos
  • Modelos vendidos directamente por Azure: Azure OpenAI, DeepSeek, xAI, etc.
  • Modelos de asociados y Community vendidos a través de Marketplace: Stability, Bria, Cohere, etc.
  • Archivos de proyecto (cargar archivos directamente e iniciar experimentos)
  • Evaluaciones
  • Ajuste preciso
  • Áreas de juego

Prerrequisitos

Use las pestañas siguientes para seleccionar el método que planea usar para crear un proyecto Foundry:

Portal de Azure AI Foundry

• Una suscripción de Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita.
• Debe ser Propietario de la suscripción para tener el control de acceso adecuado necesario para crear el recurso de Azure AI Foundry que es el elemento primario del proyecto. Si no tiene este acceso, haga que el administrador cree un recurso de AI Foundry para que lo use. A continuación, vaya a Crear varios proyectos en el mismo recurso para crear el proyecto.

SDK de Python

• Una suscripción de Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita.
• Debe ser Propietario de la suscripción para recibir el control de acceso adecuado necesario para usar el proyecto.
• Configuración del entorno de desarrollo
• Autentíquese con az login o az login --use-device-code en su entorno antes de ejecutar código.
• Complete estos pasos para iniciar el script de Python:

  1. Instalar paquetes: pip install azure-identity azure-mgmt-cognitiveservices. Si está en una celda del cuaderno, use %pip install azure-identity azure-mgmt-cognitiveservices.

  2. Usa pip show azure-mgmt-cognitiveservices para comprobar que tu versión es 13.7 o posterior.

  3. Inicie el script con el código siguiente para crear la conexión y las client variables que se usan en este artículo. En este ejemplo se crea el proyecto en este de EE. UU.:

     from azure.identity import DefaultAzureCredential
     from azure.mgmt.cognitiveservices import CognitiveServicesManagementClient
     
     subscription_id = 'your-subscription-id'
     resource_group_name = 'your-resource-group-name'
     foundry_resource_name = 'your-foundry-resource-name'
     foundry_project_name = 'your-foundry-project-name'
     location = 'eastus'
     
     client = CognitiveServicesManagementClient(
         credential=DefaultAzureCredential(), 
         subscription_id=subscription_id,
         api_version="2025-04-01-preview"
     )
     

  4. (Opcional) Si tiene varias cuentas, añada el ID de inquilino de Microsoft Entra ID que desea usar en DefaultAzureCredential. Busque el id. de inquilino en Azure Portal en Microsoft Entra ID, Identidades externas.

     DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
     

  5. (Opcional) Si va a trabajar en las regiones de Azure Government: Estados Unidos o Azure China 21Vianet, especifique la región en la que se quiere autenticar. Puede especificar la región con DefaultAzureCredential. En el ejemplo siguiente se realiza la autenticación en la región Azure Government - EE. UU.:

     from azure.identity import AzureAuthorityHosts
     DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
     

Azure CLI

• Una suscripción de Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita.
• Debe ser Propietario de la suscripción para recibir el control de acceso adecuado necesario para usar el proyecto.
• Azure CLI

Crear un proyecto Foundry

Portal de Azure AI Foundry

Estos pasos proporcionan una manera de crear un nuevo recurso de Azure con la configuración básica, predeterminada.

Sugerencia

Si su organización requiere configuraciones de Azure personalizadas, como nombres alternativos, controles de seguridad o etiquetas de costo, use uno de estos métodos en su lugar para cumplir con el cumplimiento de Azure Policy de su organización:

• Creación del primer recurso de AI Foundry
• Creación de un recurso de Azure AI Foundry mediante un archivo de Bicep

Para crear un proyecto foundry en Azure AI Foundry, siga estos pasos:

1. Inicie sesión en Azure AI Foundry.

2. Lo que haces a continuación depende de dónde estés:

   • Si no tiene ningún proyecto existente: siga los pasos descritos en Inicio rápido: Introducción a Azure AI Foundry para crear el primer proyecto.

   • Si está en un proyecto: seleccione la ruta de navegación del proyecto y, a continuación, seleccione Crear nuevo recurso.

     

   • Si no está en un proyecto: seleccione Crear nuevo en la parte superior derecha para crear un nuevo proyecto Foundry.

     

3. Seleccione Recurso de Azure AI Foundry y, a continuación, seleccione Siguiente.

4. Proporcione un nombre para el proyecto y seleccione Crear. O consulte la sección siguiente para ver las opciones avanzadas.

Opciones avanzadas

Se crea un proyecto Foundry en un recurso AI Foundry. Este recurso se crea automáticamente al crear el proyecto.

Para personalizar la configuración del proyecto, siga estos pasos:

1. En el formulario Crear un proyecto , seleccione Opciones avanzadas.

2. Seleccione un grupo de recursos existente que quiera usar o deje el valor predeterminado para crear un nuevo grupo de recursos.

   Sugerencia

   Especialmente para empezar, se recomienda crear un nuevo grupo de recursos para el proyecto. El grupo de recursos permite administrar fácilmente el proyecto y todos sus recursos juntos.

3. Seleccione una ubicación o use la predeterminada. La ubicación es la región donde se hospeda el centro. La disponibilidad de los servicios de Azure AI difiere por región. Por ejemplo, es posible que determinados modelos no estén disponibles en determinadas regiones.

4. Selecciona Crear. Verá el progreso de la creación de recursos y el proyecto se crea cuando se completa el proceso.

SDK de Python

Para crear un proyecto en Foundry:

1. Agregue este código para crear un proyecto Foundry utilizando las variables y la conexión client de los requisitos previos.

   # Create resource
   resource = client.accounts.begin_create(
       resource_group_name=resource_group_name,
       account_name=foundry_resource_name,
       account={
           "location": location,
           "kind": "AIServices",
           "sku": {"name": "S0",},
           "identity": {"type": "SystemAssigned"},
           "properties": {
               "allowProjectManagement": True,
               "customSubDomainName": foundry_resource_name
           }
       }
   )
   
   # Wait for the resource creation to complete
   resource_result = resource.result()
   
   # Create default project
   project = client.projects.begin_create(
       resource_group_name=resource_group_name,
       account_name=foundry_resource_name,
       project_name=foundry_project_name,
       project={
           "location": location,
           "identity": {
               "type": "SystemAssigned"
           },
           "properties": {}
       }
   )
   

Azure CLI

Los comandos de la CLI no están disponibles actualmente para crear un proyecto Foundry.

Creación de varios proyectos en el mismo recurso

Cree varios proyectos de Foundry en un recurso existente AI Foundry , por lo que puede compartir su entorno con el equipo para la colaboración.

Los proyectos de Foundry como recursos secundarios de Azure pueden tener asignados sus propios controles de acceso, pero compartir configuraciones comunes, como la seguridad de red, las implementaciones y la integración de herramientas de Azure desde su recurso primario.

El primer proyecto (proyecto predeterminado) desempeña un rol especial y tiene acceso a más características:

Característica	Proyecto de Foundry predeterminado	Proyecto Foundry no predeterminado
Inferencia de modelos	✅	✅
Áreas de juego	✅	✅
Agentes	✅	✅
Evaluaciones	✅	✅
Conexiones	✅	✅
AI Foundry API que funciona con agentes y entre modelos	✅	✅
Aislamiento de archivos y resultados a nivel de proyecto	✅	✅
Azure OpenAI con Batch, StoredCompletions, Ajuste preciso	✅
Versiones anteriores compatibles con {account}.cognitiveservices.com API de plano de datos sin proyecto	✅
Seguridad del contenido	✅

• Para agregar un proyecto no predeterminado a un recurso:

  Portal de Azure AI Foundry

  Sugerencia

  Dado que puede personalizar el panel izquierdo en el portal de Azure AI Foundry, es posible que vea elementos diferentes de los que se muestran en estos pasos. Si no ve lo que busca, seleccione ... Más en la parte inferior del panel izquierdo.

  1. En Azure AI Foundry, seleccione el proyecto Foundry o su recurso asociado.

  2. En el panel izquierdo, seleccione Centro de administración.

  3. En la sección de recursos, seleccione Información general.

  4. Seleccione Nuevo proyecto y proporcione un nombre.

     

  SDK de Python

  Agregue este código al script para crear un nuevo proyecto en el recurso existente:

  # Create additional project
  new_project_name = 'your-new-project-name'
  
  project = client.projects.begin_create(
      resource_group_name=resource_group_name,
      account_name=foundry_resource_name,
      project_name=new_project_name,
      project={
          "location": location,
          "identity": {
              "type": "SystemAssigned"
          },
          "properties": {}
      }
  )
  

  Azure CLI

  Los comandos de la CLI no están disponibles actualmente para crear un proyecto Foundry.

• Si elimina el proyecto predeterminado del recurso Foundry, el siguiente proyecto creado se convertirá en el proyecto predeterminado.

Visualización de la configuración del proyecto

Portal de Azure AI Foundry

En la página Inicio del proyecto, puede encontrar información sobre el proyecto.

• Nombre: el nombre del proyecto aparece en la esquina superior izquierda.
• Suscripción: la suscripción que hospeda el centro que aloja el proyecto.
• Grupo de recursos: el grupo de recursos que hospeda el centro que hospeda el proyecto.

SDK de Python

# Get project
project = client.projects.get(
    resource_group_name=resource_group_name,
    account_name=foundry_resource_name,
    project_name=foundry_project_name
)
print(project)

Azure CLI

Para ver la configuración del proyecto, use el comando az cognitiveservices account connection show. Por ejemplo:

az cognitiveservices account connection show --name {my_project_name} --resource-group {my_resource_group}

Contenido relacionado

• Inicio rápido: Introducción a Azure AI Foundry
• Más información sobre Azure AI Foundry