Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Cet article vous guide vers des didacticiels et des ressources spécifiques au langage pour vous aider à créer des applications intelligentes avec App Service.
Azure App Service facilite l’intégration des fonctionnalités d’IA dans vos applications web dans plusieurs langages de programmation et infrastructures. Que vous souhaitiez utiliser de puissants modèles Azure OpenAI, déployer des modèles de petite langue locaux (SLA) directement avec vos applications, générer des applications web agentiques, exposer votre application en tant qu’outil pour les agents IA à l’aide d’OpenAPI, de serveurs MCP (Host Model Context Protocol) ou implémenter des modèles avancés tels que la récupération de génération augmentée (RAG), App Service fournit la plateforme flexible et sécurisée dont vous avez besoin pour les applications basées sur l’IA.
App Service offre plusieurs avantages pour le développement et le déploiement d’applications basées sur l’IA :
- Intégration native avec les services Azure AI - Se connecter en toute transparence à Azure OpenAI et à d’autres services IA à l’aide d’identités managées pour une authentification sans mot de passe sécurisée
- Prise en charge SLM locale : utiliser des extensions sidecar pour déployer des modèles de langage plus petits directement avec votre application
- Sécurité de niveau entreprise - Implémenter l’isolation réseau, le chiffrement de bout en bout et le contrôle d’accès en fonction du rôle
- Simplification de DevOps avec l’intégration de GitHub - Simplifiez les pipelines CI/CD à l’aide de GitHub Actions, tirez parti de GitHub Codespaces avec GitHub Copilot intégré pour le développement assisté par l’IA et créez des flux de travail de bout en bout du développement au déploiement de production
Créer des chatbots et des applications RAG dans App Service
Créez des applications web intelligentes qui utilisent Azure OpenAI pour la conversation ou la récupération d’une génération augmentée (RAG). Ces tutoriels vous montrent comment intégrer Azure OpenAI et (éventuellement) Azure AI Search pour créer des chatbots et des solutions RAG dans votre langage préféré, à l’aide d’identités managées pour une authentification sécurisée.
Générer des applications web agentiques
Transformez vos applications web CRUD traditionnelles pour l’ère de l’IA en ajoutant des fonctionnalités agentiques avec des infrastructures telles que le noyau sémantique Microsoft, LangGraph ou le service Azure AI Foundry Agent. Au lieu que les utilisateurs naviguent dans des formulaires, des zones de texte et des listes déroulantes, vous pouvez proposer une interface conversationnelle qui permet aux utilisateurs de « parler à un agent » qui effectue intelligemment les mêmes opérations que votre application fournit. Cette approche permet à votre application web de raisonner, de planifier et d’effectuer des actions pour le compte des utilisateurs.
App Service en tant qu’outil OpenAPI dans l’agent Azure AI Foundry
Autorisez vos applications web existantes en exposant leurs fonctionnalités au service Azure AI Foundry Agent à l’aide d’OpenAPI. De nombreuses applications web fournissent déjà des API REST, ce qui les rend idéales pour l’intégration aux agents qui peuvent appeler des API REST en tant qu’outils. En connectant azure AI Foundry Agent Service à ces API, vous pouvez rapidement créer des agents puissants et riches en fonctionnalités avec peu de code.
Serveurs APP Service as Model Context Protocol (MCP)
Intégrez votre application web en tant que serveur MCP (Model Context Protocol) pour étendre les fonctionnalités des principaux agents IA personnels tels que GitHub Copilot Chat, Cursor et Winsurf. En exposant les API de votre application via MCP, vous pouvez supercharger ces agents avec les fonctionnalités uniques et la logique métier que votre application web fournit déjà, sans effort de développement majeur ni réarchitecture.
Utiliser un SLM local (conteneur sidecar)
Déployez une application web avec un modèle SLM (Small Language Model) local en tant que conteneur side-car pour exécuter entièrement des modèles IA dans votre environnement App Service. Aucun appel sortant ni dépendance de service IA externe n’est requis. Cette approche est idéale si vous avez des exigences strictes en matière de confidentialité ou de conformité des données, car tous les traitements et données IA restent locaux dans votre application. App Service offre des niveaux tarifaires hautes performances et optimisés en mémoire nécessaires pour l’exécution de slMs dans des sidecars.