Source de données – Azure Cosmos DB for MongoDB vCore

Article
09/27/2024

Options configurables du cœur virtuel Azure Cosmos DB for MongoDB lors de l’utilisation d'Azure OpenAI sur vos données. Cette source de données est prise en charge dans la version de l’API 2024-02-01.

Nom	Type	Requise	Description
`parameters`	Paramètres	True	Les paramètres à utiliser lors de la configuration vCore Azure Cosmos DB for MongoDB.
`type`	string	True	Doit être `azure_cosmos_db`.

Paramètres

Nom	Type	Requise	Description
`database_name`	string	True	Le nom de la base de données du cœur virtuel MongoDB à utiliser avec Azure Cosmos DB.
`container_name`	string	True	Le nom du conteneur de ressource SQL Azure Cosmos DB.
`index_name`	string	True	Le nom de l’index du cœur virtuel MongoDB à utiliser avec Azure Cosmos DB.
`fields_mapping`	FieldsMappingOptions	True	Comportement de mappage de champs personnalisé à utiliser lors de l’interaction avec l’index de recherche.
`authentication`	ConnectionStringAuthenticationOptions	True	Méthode d’authentification à utiliser lors de l’accès à la source de données définie.
`embedding_dependency`	Un des DeploymentNameVectorizationSource, EndpointVectorizationSource	True	Dépendance d’incorporation pour la recherche vectorielle.
`in_scope`	booléen	False	Indique si les requêtes doivent être limitées à l’utilisation de données indexées. La valeur par défaut est `True`.
`role_information`	string	False	Fournissez au modèle des instructions sur son comportement et sur tout contexte qu’il doit référencer en générant une réponse. Vous pouvez décrire la personnalité de l’assistant, lui dire ce qu’il doit et ne doit pas répondre, et lui indiquer comment formater les réponses.
`strictness`	entier	False	La rigueur configurée du filtrage de pertinence de la recherche. Plus la rigueur est élevée, plus la précision est élevée, mais plus faible sera le rappel de la réponse. La valeur par défaut est `3`.
`top_n_documents`	entier	False	Le nombre maximal de documents à proposer pour la requête configurée. La valeur par défaut est `5`.

Options d’authentification par chaîne de connexion

Options d’authentification pour Azure OpenAI sur vos données lors de l’utilisation d’une chaîne de connexion.

Nom	Type	Requise	Description
`connection_string`	string	True	La chaîne de connexion à utiliser pour l’authentification.
`type`	string	True	Doit être `connection_string`.

Source de vectorisation du nom de déploiement

Détails de la source de vectorisation, utilisée par Azure OpenAI sur vos données lors de l’application de la recherche vectorielle. Cette source de vectorisation est basée sur un nom de déploiement de modèle d’incorporation interne dans la même ressource Azure OpenAI. Cette source de vectorisation vous permet d’utiliser la recherche vectorielle sans clé API Azure OpenAI et sans accès au réseau public Azure OpenAI.

Nom	Type	Requise	Description
`deployment_name`	string	True	Nom de déploiement du modèle d’incorporation dans la même ressource Azure OpenAI.
`type`	string	True	Doit être `deployment_name`.

Source de vectorisation du point de terminaison

Détails de la source de vectorisation, utilisée par Azure OpenAI sur vos données lors de l’application de la recherche vectorielle. Cette source de vectorisation est basée sur le point de terminaison de l'API d'intégration Azure OpenAI.

Nom	Type	Requise	Description
`endpoint`	string	True	Spécifie l'URL du point de terminaison de la ressource à partir duquel les éléments intégrés doivent être récupérés. Il doit être au format `https://{YOUR_RESOURCE_NAME}.openai.azure.com/openai/deployments/YOUR_DEPLOYMENT_NAME/embeddings`. Le paramètre de requête api-version n’est pas autorisée.
`authentication`	ApiKeyAuthenticationOptions	True	Spécifie les options d'authentification à utiliser lors de la récupération d'incorporations à partir du point de terminaison spécifié.
`type`	string	True	Doit être `endpoint`.

Options d’authentification par clé API

Options d’authentification pour Azure OpenAI sur vos données lors de l’utilisation d’une clé API.

Nom	Type	Requise	Description
`key`	string	True	Clé API à utiliser pour l’authentification.
`type`	string	True	Doit être `api_key`.

Options de mappage de champs

Paramètres permettant de contrôler le traitement des champs.

Nom	Type	Requise	Description
`content_fields`	string[]	True	Les noms des champs d’index qui doivent être traités comme du contenu.
`vector_fields`	string[]	True	Noms de champs qui représentent des données vectorielles.
`content_fields_separator`	string	False	Le modèle de séparation que les champs de contenu doivent utiliser. La valeur par défaut est `\n`.
`filepath_field`	string	False	Le nom du champ d’index à utiliser comme chemin d’accès au fichier.
`title_field`	string	False	Nom du champ d’index à utiliser comme titre.
`url_field`	string	False	Nom du champ d’index à utiliser comme URL.

Exemples

Configuration requise :

Configurez les attributions de rôles de l’utilisateur vers la ressource Azure OpenAI. Rôle nécessaire : Cognitive Services OpenAI User.
Installez Az CLI et exécutez az login.
Définissez les variables d’environnement suivantes : AzureOpenAIEndpoint, ChatCompletionsDeploymentName, ConnectionString, Database, Container, Index, EmbeddingDeploymentName.

Remarque

Ce qui suit est fourni à titre d’exemple uniquement. Si vous utilisez une chaîne de connexion, stockez-la en toute sécurité dans un autre emplacement, par exemple dans Azure Key Vault. N'incluez pas la clé API directement dans votre code et ne la diffusez jamais publiquement.

export AzureOpenAIEndpoint=https://example.openai.azure.com/
export ChatCompletionsDeploymentName=turbo
export ConnectionString='<db-connection-string>'
export Database=testdb
export Container=testcontainer
export Index=testindex
export EmbeddingDeploymentName=ada

Python 1.x
REST

Installez le dernier package pip openai, azure-identity.


import os
from openai import AzureOpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

endpoint = os.environ.get("AzureOpenAIEndpoint")
deployment = os.environ.get("ChatCompletionsDeploymentName")
connection_string = os.environ.get("ConnectionString")
database = os.environ.get("Database")
container = os.environ.get("Container")
index = os.environ.get("Index")
embedding_deployment_name = os.environ.get("EmbeddingDeploymentName")

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default")

client = AzureOpenAI(
    azure_endpoint=endpoint,
    azure_ad_token_provider=token_provider,
    api_version="2024-02-01",
)

completion = client.chat.completions.create(
    model=deployment,
    messages=[
        {
            "role": "user",
            "content": "Who is DRI?",
        },
    ],
    extra_body={
        "data_sources": [
            {
                "type": "azure_cosmos_db",
                "parameters": {
                    "authentication": {
                        "type": "connection_string",
                        "connection_string": connection_string
                    },
                    "database_name": database,
                    "container_name": container,
                    "index_name": index,
                    "fields_mapping": {
                        "content_fields": [
                            "content"
                        ],
                        "vector_fields": [
                            "contentvector"
                        ]
                    },
                    "embedding_dependency": {
                        "type": "deployment_name",
                        "deployment_name": embedding_deployment_name
                    }
                }
            }
        ],
    }
)

print(completion.model_dump_json(indent=2))


az rest --method POST \
 --uri $AzureOpenAIEndpoint/openai/deployments/$ChatCompletionsDeploymentName/chat/completions?api-version=2024-02-01 \
 --resource https://cognitiveservices.azure.com/ \
 --body \
'
{
    "data_sources": [
      {
        "type": "azure_cosmos_db",
        "parameters": {
          "authentication": {
            "type": "connection_string",
            "connection_string": "'$ConnectionString'"
          },
          "database_name": "'$Database'",
          "container_name": "'$Container'",
          "index_name": "'$Index'",
          "fields_mapping": {
            "content_fields": [
              "content"
            ],
            "vector_fields": [
              "contentvector"
            ]
          },
          "embedding_dependency": {
            "type": "deployment_name",
            "deployment_name": "'$EmbeddingDeploymentName'"
          }
        }
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Who is DRI?"
      }
    ]
}
'

Partager via