Rövid útmutató: Ismerkedés a Microsoft Foundry SDK-val

Ebben a rövid útmutatóban megkezdheti a modellek és ügynökök használatát a Foundryben.

A következőket fogja csinálni:

• Válasz létrehozása modellből
• Ügynök létrehozása meghatározott kéréssel
• Több fordulón át tartó beszélgetést folytatni az ügynökkel

Előfeltételek

• A Microsoft Foundryben üzembe helyezett modell. Ha nem rendelkezik modellel, először végezze el a Gyorsútmutató: Microsoft Foundry erőforrások beállítása.

  Tipp

  Vagy hagyja ki az üzembe helyezési lépést, és próbálkozzon inkább egy azonnali modellel (előzetes verzió). Hozzon létre egy projektet az USA 3 nyugati régiójában az azonnali hozzáférési modellek használatához. Az azonnali modellek nem rendelkeznek üzembe helyezéssel, ezért használja a modell nevét gpt-5-mini , ahol a minták az üzembe helyezés nevét kérik.

• A fejlesztési környezet előkészítése részben leírt szükséges nyelvi futtatókörnyezetek, globális eszközök és Visual Studio Code bővítmények.

A kód lekérése és az értékek beállítása

Python

A Python minták nem olvasnak környezeti változókat. Minden fájlban cserélje le ezeket a helyőrző értékeket:

• your_project_endpoint: A projekt végpontja, a következő formátumban: https://<resource-name>.services.ai.azure.com/api/projects/<project-name>.
• your_agent_name: Az ügynök neve, például MyAgent.

A minták az Microsoft Foundry-erőforrások beállítása című részben létrehozott gpt-5-mini telepítést használják. Ha egy modellt más néven helyezett üzembe, frissítse a modell nevét a mintakódban.

Kövesse az alábbi lépéseket, vagy kérje le a kódot:

A kód lekérése

C#

A C#-minták nem olvasnak környezeti változókat. Minden fájlban cserélje le ezeket a helyőrző értékeket:

• your_project_endpoint: A projekted végpontja, https://<resource-name>.services.ai.azure.com/api/projects/<project-name> formátumban.
• your_agent_name: Az ügynök neve, például MyAgent.

A minták az Microsoft Foundry-erőforrások beállítása című részben létrehozott gpt-5-mini telepítést használják. Ha egy modellt más néven helyezett üzembe, frissítse a modell nevét a mintakódban.

Kövesse az alábbi lépéseket, vagy kérje le a kódot:

A kód lekérése

TypeScript

A TypeScript-minták nem olvasnak környezeti változókat. Minden fájlban cserélje le ezeket az értékeket a projektvégpontra és egy ügynöknévre, például MyAgent:

const FOUNDRY_PROJECT_ENDPOINT = "https://<resource-name>.services.ai.azure.com/api/projects/<project-name>";
const FOUNDRY_AGENT_NAME = "MyAgent";

A minták az Microsoft Foundry-erőforrások beállítása című részben létrehozott gpt-5-mini telepítést használják. Ha egy modellt más néven helyezett üzembe, frissítse a modell nevét a mintakódban.

Kövesse az alábbi lépéseket, vagy kérje le a kódot:

A kód lekérése

Java

A Java minták nem olvasnak környezeti változókat. Minden fájlban cserélje le ezeket az értékeket a projektvégpontra és egy ügynöknévre, például MyAgent:

String foundryProjectEndpoint = "https://<resource-name>.services.ai.azure.com/api/projects/<project-name>";
String foundryAgentName = "MyAgent";

A minták az Microsoft Foundry-erőforrások beállítása című részben létrehozott gpt-5-mini telepítést használják. Ha egy modellt más néven helyezett üzembe, frissítse a modell nevét a mintakódban.

Kövesse az alábbi lépéseket, vagy kérje le a kódot:

A kód lekérése

REST API

1. Minden kérés URL-címében cserélje le a YOUR-PROJECT-NAME és YOUR-FOUNDRY-RESOURCE-NAME elemeket a saját projektvégpont értékeire, amelynek formátuma: https://<resource-name>.services.ai.azure.com/api/projects/<project-name>.

2. Az ügynökkel folytatott csevegési kérés beolvassa az ügynök nevét egy környezeti változóból:

   FOUNDRY_AGENT_NAME=MyAgent
   

A minták az Microsoft Foundry-erőforrások beállítása című részben létrehozott gpt-5-mini telepítést használják. Ha egy modellt más néven helyezett üzembe, frissítse az értéket a model kérelem törzsében.

Kövesse az alábbi lépéseket, vagy kérje le a kódot:

Szerezze meg a kódot.

Öntödei portál

Az Foundry portál használatakor nincs szükség kódra.

Telepítés és hitelesítés

Győződjön meg arról, hogy a csomagok megfelelő verzióját telepíti az itt látható módon.

Python

1. Telepítse a azure-ai-projectsaktuális verzióját. Ez a verzió a Foundry-projektek (új) API-t használja. A minták hitelesítése a DefaultAzureCredential használatával történik, amely a azure-identity származik.

   pip install "azure-ai-projects>=2.3.0" azure-identity
   

2. Jelentkezzen be a CLI az login paranccsal a hitelesítéshez a Python szkriptek futtatása előtt.

C#

1. Csomagok telepítése:

   NuGet-csomagok hozzáadása az integrált terminál .NET parancssori felületével: Ezek a csomagok a Foundry-projektek (új) API-t használják.

   dotnet add package Azure.AI.Projects
   dotnet add package Azure.AI.Projects.Agents
   dotnet add package Azure.AI.Extensions.OpenAI
   dotnet add package Azure.Identity
   

2. Jelentkezzen be a CLI az login paranccsal a hitelesítéshez a C#-szkriptek futtatása előtt.

TypeScript

1. Telepítse a @azure/ai-projectsaktuális verzióját. Ez a verzió az Foundry-projektek (új) API-t használja:

   npm install @azure/ai-projects @azure/identity
   

2. A TypeScript-szkriptek futtatása előtt jelentkezzen be a CLI-paranccsal az login a hitelesítéshez.

Java

<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-ai-agents</artifactId>
    <version>2.2.0</version>
</dependency>
<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-core</artifactId>
    <version>1.57.0</version>
</dependency>
<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-identity</artifactId>
    <version>1.18.1</version>
</dependency>

1. Jelentkezzen be a cli az login paranccsal a hitelesítéshez a Java szkriptek futtatása előtt.

REST API

1. Jelentkezzen be a cli az login paranccsal a hitelesítéshez a következő parancs futtatása előtt.

2. Ideiglenes hozzáférési jogkivonat beszerzése. 60–90 perc múlva lejár, ezt követően frissítenie kell.

   az account get-access-token --scope https://ai.azure.com/.default
   

3. Mentse az eredményeket környezeti változóként AZURE_AI_AUTH_TOKEN.

Öntödei portál

Az Foundry portál használatához nincs szükség telepítésre.

Tipp

A kód Azure AI-projekteket használ 2.x és nem kompatibilis Azure AI-projektekkel 1.x. Tekintse meg a Foundry (klasszikus) dokumentációját az Azure AI Projects 1.x verziójához.

Egy modellel való csevegés

A modellekkel való interakció az AI-alkalmazások alapvető építőeleme. Adjon meg egy bemenetet, és kapjon választ a modelltől:

Python

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
FOUNDRY_PROJECT_ENDPOINT = "your_project_endpoint"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=FOUNDRY_PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
openai = project.get_openai_client()

# Run a responses API call
response = openai.responses.create(
    model="gpt-5-mini",  # supports all Foundry direct models
    input="What is the size of France in square miles?",
)
if not response.output_text or not response.output_text.strip():
    raise RuntimeError("Response output text was empty.")

print(f"Response output: {response.output_text}")

C#

using Azure.Identity;
using Azure.AI.Projects;
using Azure.AI.Extensions.OpenAI;
using OpenAI.Responses;

#pragma warning disable OPENAI001

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
var foundryProjectEndpoint = "your_project_endpoint";

// Create project client to call Foundry API
AIProjectClient projectClient = new(
    endpoint: new Uri(foundryProjectEndpoint),
    tokenProvider: new DefaultAzureCredential());

// Run a responses API call
ProjectResponsesClient responseClient = projectClient.ProjectOpenAIClient.GetProjectResponsesClientForModel(
    "gpt-5-mini"); // supports all Foundry direct models
ResponseResult response = await responseClient.CreateResponseAsync(
    "What is the size of France in square miles?");
string outputText = response.GetOutputText();
if (string.IsNullOrWhiteSpace(outputText))
{
    throw new InvalidOperationException("Response output text was empty.");
}

Console.WriteLine(outputText);

TypeScript

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
const FOUNDRY_PROJECT_ENDPOINT = "your_project_endpoint";

async function main(): Promise<void> {
    // Create project and openai clients to call Foundry API
    const project = new AIProjectClient(FOUNDRY_PROJECT_ENDPOINT, new DefaultAzureCredential());
    const openai = project.getOpenAIClient();

    // Run a responses API call
    const response = await openai.responses.create({
        model: "gpt-5-mini",
        input: "What is the size of France in square miles?",
    });
    console.log(`Response output: ${response.output_text}`);
}

main().catch(console.error);

Java

package com.azure.ai.agents;

import com.azure.identity.DefaultAzureCredentialBuilder;
import com.openai.models.responses.Response;
import com.openai.models.responses.ResponseCreateParams;

public class CreateResponse {
    public static void main(String[] args) {
        // Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
        String foundryProjectEndpoint = "your_project_endpoint";

        // Create responses client to call Foundry API
        ResponsesClient responsesClient = new AgentsClientBuilder()
                .credential(new DefaultAzureCredentialBuilder().build())
                .endpoint(foundryProjectEndpoint)
                .buildResponsesClient();

        // Run a responses API call
        ResponseCreateParams responseRequest = new ResponseCreateParams.Builder()
                .input("What is the size of France in square miles?")
                .model("gpt-5-mini")
                .build();
        Response response = responsesClient.getResponseService().create(responseRequest);
        System.out.println(response.output());
    }
}

REST API

Cserélje le a YOUR-FOUNDRY-RESOURCE-NAME -t a saját értékeire.

curl -X POST https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/openai/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
-d '{
        "model": "gpt-5-mini",
        "input": "What is the size of France in square miles?"
}'

Öntödei portál

1. A modell üzembe helyezése után a rendszer automatikusan áthelyezi a Kezdőlapról a Build szakaszba. Az új modell ki van választva, és készen áll a kipróbálásra.

   Tipp

   Ha kihagyta az üzembe helyezést, válassza a Teszt a játszótéren lehetőséget a kezdőlapon. Válassza ki a használni kívánt azonnali hozzáférési modellt, például gpt-5-mini. (Az előzetes verzióban ezek az azonnali hozzáférési modellek csak az USA 3. nyugati régiójában lévő projektekhez érhetők el.)

2. Kezdjen el csevegni a modellel, például: "Írj nekem egy verset a virágokról".

A kód futtatása után megjelenik egy modell által generált válasz a konzolon (például egy rövid vers vagy a kérdésre adott válasz). Ez megerősíti, hogy a projektvégpont, a hitelesítés és a modell üzembe helyezése megfelelően működik.

Tipp

A kód Azure AI-projekteket használ 2.x és nem kompatibilis Azure AI-projektekkel 1.x. Tekintse meg a Foundry (klasszikus) dokumentációját az Azure AI Projects 1.x verziójához.

Ügynök létrehozása

Készítsen egy ügynököt az üzembe helyezett modell használatával.

Az ügynök határozza meg az alapvető viselkedést. A létrehozás után konzisztens válaszokat biztosít a felhasználói interakciókban anélkül, hogy minden alkalommal megismételte volna az utasításokat. Az ügynököket bármikor frissítheti vagy törölheti.

Python

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

# Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
FOUNDRY_PROJECT_ENDPOINT = "your_project_endpoint"
FOUNDRY_AGENT_NAME = "your-agent-name"

# Create project client to call Foundry API
project = AIProjectClient(
    endpoint=FOUNDRY_PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)

# Create an agent with a model and instructions
agent = project.agents.create_version(
    agent_name=FOUNDRY_AGENT_NAME,
    definition=PromptAgentDefinition(
        model="gpt-5-mini",  # supports all Foundry direct models
        instructions="You are a helpful assistant that answers general questions",
    ),
)
print(f"Agent created (id: {agent.id}, name: {agent.name}, version: {agent.version})")

C#

using Azure.Identity;
using Azure.AI.Projects;
using Azure.AI.Projects.Agents;
using Azure.AI.Extensions.OpenAI;

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
var foundryProjectEndpoint = "your_project_endpoint";
var foundryAgentName = "your_agent_name";

// Create project client to call Foundry API
AIProjectClient projectClient = new(
    endpoint: new Uri(foundryProjectEndpoint),
    tokenProvider: new DefaultAzureCredential());

// Create an agent with a model and instructions
ProjectsAgentDefinition agentDefinition = new DeclarativeAgentDefinition("gpt-5-mini") // supports all Foundry direct models
{
    Instructions = "You are a helpful assistant that answers general questions",
};

ProjectsAgentVersion agent = projectClient.AgentAdministrationClient.CreateAgentVersion(
    foundryAgentName,
    options: new(agentDefinition));
Console.WriteLine($"Agent created (id: {agent.Id}, name: {agent.Name}, version: {agent.Version})");

TypeScript

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
const FOUNDRY_PROJECT_ENDPOINT = "your_project_endpoint";
const FOUNDRY_AGENT_NAME = "your_agent_name";

async function main(): Promise<void> {
    // Create project client to call Foundry API
    const project = new AIProjectClient(FOUNDRY_PROJECT_ENDPOINT, new DefaultAzureCredential());

    // Create an agent with a model and instructions
    const agent = await project.agents.createVersion(FOUNDRY_AGENT_NAME, {
        kind: "prompt",
        model: "gpt-5-mini", //supports all Foundry direct models
        instructions: "You are a helpful assistant that answers general questions",
    });
    console.log(`Agent created (id: ${agent.id}, name: ${agent.name}, version: ${agent.version})`);
}

main().catch(console.error);

Java

package com.azure.ai.agents;

import com.azure.ai.agents.models.AgentVersionDetails;
import com.azure.ai.agents.models.PromptAgentDefinition;
import com.azure.identity.DefaultAzureCredentialBuilder;

public class CreateAgent {
    public static void main(String[] args) {
        // Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
        String foundryProjectEndpoint = "your_project_endpoint";
        String foundryAgentName = "your_agent_name";

        // Create agents client to call Foundry API
        AgentsClient agentsClient = new AgentsClientBuilder()
                .credential(new DefaultAzureCredentialBuilder().build())
                .endpoint(foundryProjectEndpoint)
                .buildAgentsClient();

        // Create an agent with a model and instructions
        PromptAgentDefinition request = new PromptAgentDefinition("gpt-5-mini") // supports all Foundry direct models
                .setInstructions("You are a helpful assistant that answers general questions");
        AgentVersionDetails agent = agentsClient.createAgentVersion(foundryAgentName, request);

        System.out.println("Agent ID: " + agent.getId());
        System.out.println("Agent Name: " + agent.getName());
        System.out.println("Agent Version: " + agent.getVersion());
    }
}

REST API

Cserélje le a YOUR-FOUNDRY-RESOURCE-NAME -t a saját értékeire.

curl -X POST https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents?api-version=v1 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "name": "MyAgent",
    "definition": {
      "kind": "prompt",
      "model": "gpt-5-mini",
      "instructions": "You are a helpful assistant that answers general questions"
    }
  }'

Öntödei portál

Most hozzon létre egy ügynököt, és lépjen kapcsolatba vele.

1. A Build szakaszban válassza az Ügynökök lehetőséget a bal oldali panelen.
2. Válassza az Ügynök létrehozása lehetőséget, és adjon neki egy nevet, például "MyAgent".

Az eredmény megerősíti, hogy az ügynök sikeresen létre lett hozva. Az SDK-lapok esetében megjelenik a konzolra nyomtatott ügynök neve és azonosítója.

Tipp

A kód Azure AI-projekteket használ 2.x és nem kompatibilis Azure AI-projektekkel 1.x. Tekintse meg a Foundry (klasszikus) dokumentációját az Azure AI Projects 1.x verziójához.

Csevegés ügynökkel

A korábban létrehozott "MyAgent" nevű ügynökkel kapcsolatba léphet egy kérdés feltevésével és egy kapcsolódó nyomon követéssel. A beszélgetés ezen interakciók során megőrzi az előzményeket.

Python

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
FOUNDRY_PROJECT_ENDPOINT = "your_project_endpoint"
FOUNDRY_AGENT_NAME = "your_agent_name"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=FOUNDRY_PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
# Get an OpenAI client pre-bound to the specified agent
openai = project.get_openai_client(agent_name=FOUNDRY_AGENT_NAME)

# Create a conversation for multi-turn chat
conversation = openai.conversations.create()

# Chat with the agent to answer questions
response = openai.responses.create(
    conversation=conversation.id,
    input="What is the size of France in square miles?",
)
print(response.output_text)

# Ask a follow-up question in the same conversation
response = openai.responses.create(
    conversation=conversation.id,
    input="And what is the capital city?",
)
print(response.output_text)

C#

using Azure.Identity;
using Azure.AI.Projects;
using Azure.AI.Extensions.OpenAI;
using OpenAI.Responses;

#pragma warning disable OPENAI001

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
var foundryProjectEndpoint = "your_project_endpoint";
var foundryAgentName = "your_agent_name";

// Create project client to call Foundry API
AIProjectClient projectClient = new(
    endpoint: new Uri(foundryProjectEndpoint),
    tokenProvider: new DefaultAzureCredential());

// Create a conversation for multi-turn chat
ProjectConversation conversation = projectClient.ProjectOpenAIClient.GetProjectConversationsClient().CreateProjectConversation();

// Chat with the agent to answer questions
ProjectResponsesClient responsesClient = projectClient.ProjectOpenAIClient.GetProjectResponsesClientForAgent(
    defaultAgent: foundryAgentName,
    defaultConversationId: conversation.Id);
ResponseResult response = responsesClient.CreateResponse("What is the size of France in square miles?");
Console.WriteLine(response.GetOutputText());

// Ask a follow-up question in the same conversation
response = responsesClient.CreateResponse("And what is the capital city?");
Console.WriteLine(response.GetOutputText());

TypeScript

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
const FOUNDRY_PROJECT_ENDPOINT = "your_project_endpoint";
const FOUNDRY_AGENT_NAME = "your_agent_name";

async function main(): Promise<void> {
    // Create project and openai clients to call Foundry API
    const project = new AIProjectClient(FOUNDRY_PROJECT_ENDPOINT, new DefaultAzureCredential());
    const openai = project.getOpenAIClient({
        azureConfig: { allowPreview: true, agentName: FOUNDRY_AGENT_NAME },
    });

    // Create a conversation for multi-turn chat
    const conversation = await openai.conversations.create();

    // Chat with the agent to answer questions
    const response = await openai.responses.create({
        conversation: conversation.id,
        input: "What is the size of France in square miles?",
    });
    console.log(response.output_text);

    // Ask a follow-up question in the same conversation
    const response2 = await openai.responses.create({
        conversation: conversation.id,
        input: "And what is the capital city?",
    });
    console.log(response2.output_text);
}

main().catch(console.error);

Java

package com.azure.ai.agents;

import com.azure.identity.DefaultAzureCredentialBuilder;
import com.openai.client.OpenAIClient;
import com.openai.models.conversations.Conversation;
import com.openai.models.responses.Response;
import com.openai.models.responses.ResponseCreateParams;

public class ChatWithAgent {
    public static void main(String[] args) {
        // Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
        String foundryProjectEndpoint = "your_project_endpoint";
        String foundryAgentName = "your_agent_name";
        
        AgentsClientBuilder builder = new AgentsClientBuilder()
                .credential(new DefaultAzureCredentialBuilder().build())
                .endpoint(foundryProjectEndpoint);

        // Create an OpenAI client bound to the agent endpoint
        OpenAIClient openai = builder.buildAgentScopedOpenAIClient(foundryAgentName);

        // Create a conversation for multi-turn chat
        Conversation conversation = openai.conversations().create();

        // Chat with the agent to answer questions
        Response response = openai.responses().create(
            ResponseCreateParams.builder()
                .conversation(conversation.id())
                .input("What is the size of France in square miles?")
                .build());
        printResponse(response);

        // Ask a follow-up question in the same conversation
        Response followUp = openai.responses().create(
            ResponseCreateParams.builder()
                .conversation(conversation.id())
                .input("And what is the capital city?")
                .build());
        printResponse(followUp);
    }

    private static void printResponse(Response response) {
        response.output().forEach(item -> item.message().ifPresent(message ->
            message.content().forEach(content -> content.outputText().ifPresent(
                text -> System.out.println(text.text())))));
    }
}

REST API

Cserélje le a YOUR-FOUNDRY-RESOURCE-NAME -t a saját értékeire.

# Generate a response using the agent

curl -X POST "https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents/${FOUNDRY_AGENT_NAME}/endpoint/protocols/openai/responses?api-version=v1" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "input": [{"role": "user", "content": "What is the size of France in square miles?"}]
  }'

# Optional Step: Create a conversation to use with the agent
curl -X POST "https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents/${FOUNDRY_AGENT_NAME}/endpoint/protocols/openai/conversations?api-version=v1" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "items": [
      {
        "type": "message",
        "role": "user",
        "content": [
          {
            "type": "input_text",
            "text": "What is the size of France in square miles?"
          }
        ]
      }
    ]
  }'

# Lets say Conversation ID created is conv_123456789. Use this in the next step

#Optional Step: Ask a follow-up question in the same conversation
curl -X POST "https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents/${FOUNDRY_AGENT_NAME}/endpoint/protocols/openai/responses?api-version=v1" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "conversation": "<CONVERSATION_ID>",
    "input": [{"role": "user", "content": "And what is the capital?"}]
  }'

Öntödei portál

Lépjen kapcsolatba az ügynökével.

1. Adjon hozzá utasításokat, például: "Ön egy hasznos írási segéd".
2. Kezdjen csevegni az ügynökével, például: "Írjon egy verset a napról".
3. Kövesse a következőt: "Mi a helyzet a haikuval?"

Megjelenik az ügynök válasza mindkét kérdésre. Az utókövetési válasz azt mutatja, hogy az ügynök több fordulón keresztül tartja fenn a beszélgetési előzményeket.

Tipp

A kód Azure AI-projekteket használ 2.x és nem kompatibilis Azure AI-projektekkel 1.x. Tekintse meg a Foundry (klasszikus) dokumentációját az Azure AI Projects 1.x verziójához.

Erőforrások törlése

Ha már nincs szüksége a létrehozott erőforrásokra, törölje a projekthez társított erőforráscsoportot.

• A Azure portálon jelölje ki az erőforráscsoportot, majd válassza a Delete lehetőséget. Győződjön meg arról, hogy törölni szeretné az erőforráscsoportot.

Következő lépés

Ötlet a prototípus készítésére – Vállalati ügynök létrehozása és kiértékelése