Megosztás a következőn keresztül:

Új kapcsolat hozzáadása az Azure AI Studióban

  • Cikk

Fontos

A cikkben megjelölt (előzetes verziójú) elemek jelenleg nyilvános előzetes verzióban érhetők el. Ez az előzetes verzió szolgáltatásszint-szerződés nélkül érhető el, és éles számítási feladatokhoz nem javasoljuk. Előfordulhat, hogy néhány funkció nem támogatott, vagy korlátozott képességekkel rendelkezik. További információ: Kiegészítő használati feltételek a Microsoft Azure előzetes verziójú termékeihez.

Ebből a cikkből megtudhatja, hogyan vehet fel új kapcsolatot az Azure AI Studióban.

A kapcsolatok a Microsoft és más erőforrások Azure AI Studio-projekteken belüli hitelesítésének és felhasználásának módjai. A kapcsolatok például a gyorsforgalomhoz, a betanítási adatokhoz és az üzembe helyezésekhez használhatók. A kapcsolatok kizárólag egy projekthez hozhatók létre , vagy megoszthatók az ugyanabban az Azure AI Studio-központban található összes projekttel.

Kapcsolattípusok

Íme egy táblázat az Azure AI Studióban elérhető kapcsolattípusokról. Az Előnézet oszlop a jelenleg előzetes verzióban lévő kapcsolattípusokat jelzi.

Szolgáltatáskapcsolat típusa Előnézet Leírás
Azure AI Keresés ✓ Az Azure AI Search egy Azure-erőforrás, amely támogatja a keresési indexekben tárolt vektoros és szöveges adatokon keresztüli információkeresést.
Azure Blob Storage ✓ Az Azure Blob Storage egy felhőalapú tárolási megoldás strukturálatlan adatok, például dokumentumok, képek, videók és alkalmazástelepítők tárolására.
Azure Data Lake Storage Gen 2 ✓ Az Azure Data Lake Storage Gen2 az Azure Blob Storage-ra épülő big data-elemzési képességek készlete.
Azure Content Safety ✓ Az Azure AI Content Safety egy olyan szolgáltatás, amely a szövegben, képekben és videókban esetleg nem biztonságos tartalmakat észlel.
Azure OpenAI Az Azure OpenAI egy szolgáltatás, amely hozzáférést biztosít az OpenAI modelljeihez, beleértve a GPT-4o, GPT-4o mini, GPT-4, GPT-4 Turbo with Vision, GPT-3.5-Turbo, DALLE-3 és Embeddings modellsorozatokat az Azure biztonsági és vállalati képességeivel.
Kiszolgáló nélküli modell ✓ A kiszolgáló nélküli modellkapcsolatok lehetővé teszik a kiszolgáló nélküli API üzembe helyezését.
Microsoft OneLake ✓ A Microsoft OneLake nyílt hozzáférést biztosít az összes Fabric-elemhez az Azure Data Lake Storage (ADLS) Gen2 API-kkal és SDK-kkal.

Az Azure AI Studióban egy OneLake URI használatával állíthat be kapcsolatot a OneLake-adatokhoz. Az Azure AI Studio által igényelt információkat a Fabric portál URL-címében találja meg a OneLake Artifact URL-címének (munkaterület és elemGUID-k) létrehozásához. Az URI szintaxisával kapcsolatos információkért lásd : Csatlakozás a Microsoft OneLake-hez.
API-azonosító Az API-kulcskapcsolatok egyedileg kezelik a megadott célhoz való hitelesítést. Ezt a kapcsolatot használhatja például a SerpApi eszközzel a parancssori folyamatban.
Egyéni Az egyéni kapcsolatok lehetővé teszik a kulcsok biztonságos tárolását és elérését a kapcsolódó tulajdonságok, például a célok és a verziók tárolása során. Az egyéni kapcsolatok akkor hasznosak, ha sok olyan célponttal rendelkezik, amelyekhez nem lenne szüksége hitelesítő adatokra a hozzáféréshez. A LangChain-forgatókönyvek jó példa arra, hogy egyéni szolgáltatáskapcsolatokat használjon. Az egyéni kapcsolatok nem kezelik a hitelesítést, ezért önállóan kell kezelnie a hitelesítést.

Új kapcsolat létrehozása

Az alábbi lépéseket követve hozzon létre egy új kapcsolatot, amely csak az aktuális projekthez érhető el.

  1. Nyissa meg a projektet az Azure AI Studióban. Ha nincs projektje, hozzon létre egy új projektet.

  2. Válassza a Beállítások elemet az összecsukható bal oldali menüből.

  3. Válassza a +Új kapcsolat lehetőséget a Csatlakoztatott erőforrások szakaszból.

    Képernyőkép az új kapcsolat hozzáadásához szükséges gombról.

  4. Válassza ki azt a szolgáltatást, amelyhez csatlakozni szeretne az elérhető külső erőforrások listájából. Válassza például az Azure AI Search lehetőséget.

    Képernyőkép a lapról, a többi erőforrás listájából az Azure AI Search kiválasztásához.

  5. Keresse meg és válassza ki az Azure AI-Search szolgáltatás az elérhető szolgáltatások listájából, majd válassza ki az erőforráshoz használni kívánt hitelesítés típusát. Válassza a Kapcsolat hozzáadása lehetőséget.

    Tipp.

    A különböző kapcsolattípusok különböző hitelesítési módszereket támogatnak. A Microsoft Entra ID használatához adott Azure-szerepköralapú hozzáférési engedélyekre lehet szükség a fejlesztők számára. További információ: Szerepköralapú hozzáférés-vezérlés.

    A Microsoft Entra ID támogatása az Azure AI Search-kapcsolattal jelenleg előzetes verzióban érhető el.

    Képernyőkép a lapról a csatlakozni kívánt Azure AI-Search szolgáltatás kiválasztásához.

  6. A szolgáltatás csatlakoztatása után válassza a Bezárás lehetőséget a Beállítások lapra való visszatéréshez.

  7. Válassza a Csatlakoztatott erőforrások>elemet Az összes megtekintése az új kapcsolat megtekintéséhez. Előfordulhat, hogy frissítenie kell a lapot az új kapcsolat megtekintéséhez.

    Képernyőkép az Összes kapcsolatról az Azure AI Search-kapcsolat hozzáadása után.

Hálózati elkülönítés

Ha a központ hálózati elkülönítésre van konfigurálva, előfordulhat, hogy létre kell hoznia egy kimenő privát végpontszabályt az Azure Blob Storage-hoz, az Azure Data Lake Storage Gen2-hez vagy a Microsoft OneLake-hez való csatlakozáshoz. Privát végpontszabályra van szükség, ha az alábbiak egyike vagy mindkettő igaz:

  • A központ felügyelt hálózata úgy van konfigurálva, hogy csak a jóváhagyott kimenő forgalmat engedélyezze. Ebben a konfigurációban explicit módon létre kell hoznia a kimenő szabályokat a többi Azure-erőforrás felé irányuló forgalom engedélyezéséhez.
  • Az adatforrás úgy van konfigurálva, hogy letiltsa a nyilvános hozzáférést. Ebben a konfigurációban az adatforrás csak biztonságos módszerekkel érhető el, például egy privát végponton keresztül.

Ha kimenő privát végpontszabályt szeretne létrehozni az adatforráshoz, kövesse az alábbi lépéseket:

  1. Jelentkezzen be az Azure Portalra, és válassza ki az Azure AI Studio hubot.

  2. Válassza a Hálózatkezelés, majd a Munkaterület által felügyelt kimenő hozzáférés lehetőséget.

  3. Kimenő szabály hozzáadásához válassza a Felhasználó által definiált kimenő szabályok hozzáadása lehetőséget. A munkaterület kimenő szabályainak oldalsávjáról adja meg a következő információkat:

    • Szabály neve: A szabály neve. A névnek egyedinek kell lennie az AI Studio Hubhoz.
    • Céltípus: Privát végpont.
    • Előfizetés: A csatlakozni kívánt Azure-erőforrást tartalmazó előfizetés.
    • Erőforrás típusa: Microsoft.Storage/storageAccounts. Ezt az erőforrás-szolgáltatót az Azure Storage, az Azure Data Lake Storage Gen2 és a Microsoft OneLake használja.
    • Erőforrás neve: Az Azure-erőforrás (tárfiók) neve.
    • Alerőforrás: Az Azure-erőforrás alerőforrása. Válassza ki blob az Azure Blob Storage esetében. Válassza az dfs Azure Data Lake Storage Gen2 és a Microsoft OneLake lehetőséget.

  4. A szabály létrehozásához válassza a Mentés lehetőséget.

  5. Válassza a Lap tetején található Mentés lehetőséget a felügyelt hálózati konfiguráció módosításainak mentéséhez.

Kapcsolódó tartalom