Integración de la inteligencia artificial en las aplicaciones de Azure App Service

Este artículo le guía a tutoriales y recursos específicos del lenguaje para ayudarle a crear aplicaciones inteligentes con App Service.

Azure App Service facilita la integración de funcionalidades de inteligencia artificial en las aplicaciones web en varios lenguajes de programación y marcos de trabajo. Tanto si quiere usar modelos eficaces de Azure OpenAI, implantar modelos de lenguaje pequeño (SLM) locales directamente con sus aplicaciones, hospedar servidores de Protocolo de Contexto de Modelo (MCP) o implementar patrones avanzados como la generación aumentada mediante recuperación de información (RAG), App Service proporciona la plataforma flexible y segura que necesita para las aplicaciones impulsadas por IA.

App Service ofrece varias ventajas para desarrollar e implementar aplicaciones con tecnología de inteligencia artificial:

• Integración nativa con los servicios de Azure AI : conéctese sin problemas a Azure OpenAI y a otros servicios de inteligencia artificial mediante identidades administradas para la autenticación segura y sin contraseña
• Compatibilidad con SLM local - usa extensiones sidecar para implementar modelos de lenguaje más pequeños directamente con tu aplicación.
• Seguridad de nivel empresarial : implementación del aislamiento de red, cifrado de un extremo a otro y control de acceso basado en roles
• DevOps simplificado con la integración de GitHub : optimice las canalizaciones de CI/CD mediante Acciones de GitHub, aproveche GitHub Codespaces con GitHub Copilot integrado para el desarrollo asistido por IA y cree flujos de trabajo de un extremo a otro desde el desarrollo hasta la implementación de producción.

Aplicaciones .NET

Compilación de aplicaciones .NET con tecnología de IA con estos tutoriales:

• Creación de un bot de chat con Azure OpenAI (Blazor): cree una aplicación web blazor que se conecte a Azure OpenAI para generar resúmenes de TLDR mediante kernel semántico.
• Creación de una aplicación RAG con Azure OpenAI y Azure AI Search (.NET): implemente RAG para permitir que los modelos de IA accedan a los datos de la organización y usen ellos.
• Compilación de una aplicación RAG con Azure OpenAI y Azure SQL : use Azure SQL como base de datos vectorial para aplicaciones RAG.
• Ejecutar un bot de chat con una extensión sidecar de SLM local: implementar un bot de chat que use un SLM local sin necesidad de un servicio de IA externo.
• Invocación de una aplicación web desde el agente de Azure AI Foundry : haga que la API web esté disponible para los agentes de IA.

Aplicaciones Java

Integre las funcionalidades de inteligencia artificial en las aplicaciones de Java:

• Creación de un bot de chat con Azure OpenAI (Spring Boot): cree una aplicación de Spring Boot que se conecte a Azure OpenAI mediante la identidad administrada.
• Creación de una aplicación RAG con Azure OpenAI y Azure AI Search (Java): implemente RAG para buscar en sus propios documentos con Java.
• Ejecutar un bot de chat con un SLM local (Spring Boot): implemente una aplicación de Spring Boot con un sidecar de SLM local.

Ejemplos:

• SpringBoot-Pet clinic-AI-Chat-on-App-Service

Aplicaciones de Node.js

Agregue características de inteligencia artificial a las aplicaciones web de Node.js:

• Creación de un bot de chat con Azure OpenAI (Express.js): cree una aplicación de Express.js que se conecte a Azure OpenAI mediante la identidad administrada.
• Construya una aplicación RAG con Azure OpenAI y Azure AI Search (Node.js) - Construya una aplicación RAG con Node.js.
• Ejecutar un bot de chat con un SLM local (Express.js): implementar una aplicación Express.js con un sidecar de SLM local.

Aplicaciones de Python

Implemente funcionalidades de inteligencia artificial en las aplicaciones web de Python:

• Creación de un bot de chat con Azure OpenAI (Flask): cree una aplicación de Flask que se conecte a Azure OpenAI mediante la identidad administrada.
• Compilación de una aplicación RAG con Azure OpenAI y Azure AI Search (Python): implemente RAG con Python.
• Ejecutar un bot de chat con un SLM local (FastAPI): implementar una aplicación FastAPI con un sidecar de SLM local.
• Tutorial de Azure AI Foundry: Implementación de una aplicación web de chat empresarial: implementación de una aplicación web de IA totalmente integrada directamente desde la implementación en Azure AI Foundry.

Servidores de Protocolo de contexto de modelo (MCP)

Aloja el Protocolo de Contexto de Modelo (MCP) en tus aplicaciones web.

• Hospedaje de un servidor MCP de .NET en Azure App Service : implementación de un servidor MCP con .NET.
• Hospedaje de un servidor MCP de Node.js en Azure App Service : implementación de un servidor MCP con Node.js.
• Hospedaje de un servidor MCP de Python en Azure App Service : implementación de un servidor MCP con Python.
• Hospedaje de un servidor MCP de Pyton con autorización basada en claves en Azure App Service : implementación de un servidor MCP con Python y autorización basada en claves.
• Alojar un servidor MCP de Python con autorización OAuth 2.0 en Azure App Service - Implementación de un servidor MCP con Python y Open Authorization (OAuth) 2.0 con Microsoft Entra ID.

Más recursos

• Documentación del servicio Azure OpenAI
• Documentación del kernel semántico