Az Azure OpenAI SDK használata
Az előző leckében tárgyalt REST API-k mellett a felhasználók C# és Python SDK-k használatával is hozzáférhetnek az Azure OpenAI-modellekhez. Ugyanez a funkció a REST és ezen SDK-k segítségével is elérhető.
Feljegyzés
Mielőtt bármelyik SDK-val kommunikál az API-val, létre kell hoznia egy Azure OpenAI-erőforrást az Azure Portalon, üzembe kell helyeznie egy modellt az adott erőforrásban, és le kell kérnie a végpontot és a kulcsokat. Az Azure OpenAI szolgáltatás használatának első lépéseiből megtudhatja, hogyan teheti ezt meg.
Az egységben tárgyalt mindkét SDK-hoz szüksége lesz a végpontra és az Azure OpenAI-erőforrás kulcsára, valamint az üzembe helyezett modellhez megadott névre. A következő kódrészletekben a következő helyőrzőket használja a rendszer:
Helyőrző neve | Érték |
---|---|
YOUR_ENDPOINT_NAME |
Ez az alapvégpont az Azure Portal Kulcsok & végpont szakaszában található. Ez az erőforrás alapvégpontja, például https://sample.openai.azure.com/ . |
YOUR_API_KEY |
A kulcsok az Azure Portal Kulcsok &végpont szakaszában találhatók. Az erőforráshoz bármelyik kulcsot használhatja. |
YOUR_DEPLOYMENT_NAME |
Ez az üzembe helyezési név a modell Azure OpenAI Studióban való üzembe helyezésekor megadott név. |
Kódtárak telepítése
Először telepítse az ügyfélkódtárat az előnyben részesített nyelvhez. A C# SDK a REST API-k .NET-adaptációja, amely kifejezetten az Azure OpenAI-hoz készült, de használható Azure OpenAI-erőforrásokhoz vagy nem Azure OpenAI-végpontokhoz való csatlakozáshoz. A Python SDK-t az OpenAI építi és tartja karban.
dotnet add package Azure.AI.OpenAI --prerelease
pip install openai
Alkalmazás konfigurálása az Azure OpenAI-erőforrás eléréséhez
Az egyes nyelvek konfigurációja kissé eltérő, de mindkettőhöz ugyanazokat a paramétereket kell beállítani. A szükséges paraméterek a endpoint
következők: , key
és az üzembe helyezés neve, amelyet a rendszer a engine
modellnek küldött kéréskor nevez.
Adja hozzá a kódtárat az alkalmazáshoz, és állítsa be az ügyfélhez szükséges paramétereket.
// Add OpenAI library
using Azure.AI.OpenAI;
// Define parameters and initialize the client
string endpoint = "<YOUR_ENDPOINT_NAME>";
string key = "<YOUR_API_KEY>";
string deploymentName = "<YOUR_DEPLOYMENT_NAME>";
OpenAIClient client = new OpenAIClient(new Uri(endpoint), new AzureKeyCredential(key));
# Add OpenAI library
from openai import AzureOpenAI
deployment_name = '<YOUR_DEPLOYMENT_NAME>'
# Initialize the Azure OpenAI client
client = AzureOpenAI(
azure_endpoint = '<YOUR_ENDPOINT_NAME>',
api_key='<YOUR_API_KEY>',
api_version="20xx-xx-xx" # Target version of the API, such as 2024-02-15-preview
)
Azure OpenAI-erőforrás meghívása
Miután konfigurálta a kapcsolatot az Azure OpenAI-hoz, küldje el a kérést a modellnek.
// Build completion options object
ChatCompletionsOptions chatCompletionsOptions = new ChatCompletionsOptions()
{
Messages =
{
new ChatRequestSystemMessage("You are a helpful AI bot."),
new ChatRequestUserMessage("What is Azure OpenAI?"),
},
DeploymentName = deploymentName
};
// Send request to Azure OpenAI model
ChatCompletions response = client.GetChatCompletions(chatCompletionsOptions);
// Print the response
string completion = response.Choices[0].Message.Content;
Console.WriteLine("Response: " + completion + "\n");
response = client.chat.completions.create(
model=deployment_name,
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "What is Azure OpenAI?"}
]
)
generated_text = response.choices[0].message.content
# Print the response
print("Response: " + generated_text + "\n")
A válaszobjektum több értéket tartalmaz, például total_tokens
és finish_reason
. A válaszobjektum befejezése a következő befejezéshez hasonló lesz:
"Azure OpenAI is a cloud-based artificial intelligence (AI) service that offers a range of tools and services for developing and deploying AI applications. Azure OpenAI provides a variety of services for training and deploying machine learning models, including a managed service for training and deploying deep learning models, a managed service for deploying machine learning models, and a managed service for managing and deploying machine learning models."
A C#-ban és a Pythonban a hívás opcionális paramétereket is tartalmazhat, beleértve temperature
a és max_tokens
a . A modul tesztkörnyezete példákat tartalmaz ezen paraméterek használatára.