Creare un progetto per Azure AI Foundry

Questo articolo descrive come creare un progetto in Azure AI Foundry. I progetti consentono di organizzare il lavoro per esplorare nuove idee e durante il prototipo in un caso d'uso specifico.

Azure AI Foundry supporta due tipi di progetti: un progetto Foundry e un progetto basato su hub. Per altre informazioni sulle differenze tra questi due tipi di progetto, vedere Tipi di progetti.

Suggerimento

Il resto di questo articolo illustra come creare un progetto basato su hub. Selezionare Foundry project (Progetto Foundry ) nella parte superiore di questo articolo se si vuole creare invece un progetto Foundry.

• Un progetto basato su hub è ospitato da un hub di Azure AI Foundry. Se l'azienda ha un team amministrativo che ha creato automaticamente un hub, è possibile creare un progetto da tale hub. Se si lavora autonomamente, è possibile creare un progetto e viene creato automaticamente un hub predefinito.

• Usare questo tipo di progetto per:

  • Flusso di istruzioni
  • Calcolo gestito
  • Compatibilità di Azure Machine Learning

• Questo progetto può essere usato anche per:

  • Agenti (anteprima)
  • Isolamento a livello di progetto di file e output
  • Valutazioni
  • Parchi giochi

Prerequisiti

Usare le schede seguenti per selezionare il metodo da usare per creare un progetto basato su hub:

Portale di Azure AI Foundry

• Una sottoscrizione di Azure. Se non hai una sottoscrizione di Azure, crea un account gratuito.

Python SDK

• Una sottoscrizione di Azure. Se non hai una sottoscrizione di Azure, crea un account gratuito.
• Azure Machine Learning SDK v2.
• Un hub di Azure AI Foundry. Se non si ha un hub, vedere Creare un hub usando Azure Machine Learning SDK e l'interfaccia della riga di comando.
• Interfaccia della riga di comando di Azure
• Eseguire l'autenticazione con az login o az login --use-device-code nell'ambiente prima di eseguire il codice.

Interfaccia della riga di comando di Azure

• Una sottoscrizione di Azure. Se non hai una sottoscrizione di Azure, crea un account gratuito.
• Interfaccia della riga di comando di Azure e l'estensione di Machine Learning. Se non è stata installata l'interfaccia della riga di comando di Azure e l'estensione Machine Learning, seguire la procedura descritta nell'articolo Installare e configurare l'estensione Machine Learning.
• Un hub di Azure AI Foundry. Se non si ha un hub, vedere Creare un hub usando Azure Machine Learning SDK e l'interfaccia della riga di comando.

Creare un progetto basato su hub

Portale di Azure AI Foundry

Per creare un progetto basato su hub in Azure AI Foundry, seguire questa procedura:

1. Accedi a Azure AI Foundry.

2. Le operazioni successive dipendono dalla posizione in cui ci si trova:

   • Se non sono presenti progetti esistenti: seguire la procedura descritta in Avvio rapido: Introduzione ad Azure AI Foundry per creare il primo progetto.

   • Se sei in un progetto: selezionare la traccia del percorso del progetto, quindi selezionare Crea nuova risorsa.

     

   • Se non si è in un progetto: selezionare Crea nuovo in alto a destra per creare un nuovo progetto Foundry

     

3. Selezionare Risorsa hub di intelligenza artificiale, quindi selezionare Avanti.

4. Immettere un nome per il progetto.

5. Se si dispone di un hub, verrà visualizzato quello selezionato più di recente.

   • Se si ha accesso a più hub, è possibile selezionare un hub diverso dall'elenco a discesa.

   • Se si vuole crearne uno nuovo, selezionare Crea nuovo hub e specificare un nome.

     

6. Se non si ha un hub, ne viene creato uno predefinito.

7. Fare clic su Crea.

In alternativa, se si vuole personalizzare un nuovo hub, seguire la procedura descritta nella sezione successiva prima di selezionare Crea.

Personalizzare l'hub

Un progetto basato su hub esiste all'interno di un hub. Un hub consente di condividere configurazioni come le connessioni dati con tutti i progetti e di gestire centralmente le impostazioni di sicurezza e la spesa. Se si fa parte di un team, gli hub vengono condivisi tra altri membri del team nella sottoscrizione. Per altre informazioni sulla relazione tra hub e progetti, vedere la documentazione di panoramica di hub e progetti.

Quando si crea un nuovo hub, è necessario disporre delle autorizzazioni Proprietario o Collaboratore per il gruppo di risorse selezionato. Se si fa parte di un team e non si dispone di queste autorizzazioni, l'amministratore dovrebbe creare un hub per voi.

Suggerimento

Anche se è possibile creare un hub come parte della creazione del progetto, è possibile avere più controllo e impostare impostazioni più avanzate per l'hub se lo si crea separatamente. Ad esempio, è possibile personalizzare la sicurezza di rete o l'account Archiviazione di Azure sottostante. Per altre informazioni, vedere Come creare e gestire un hub di Azure AI Foundry.

Quando si crea un nuovo hub come parte della creazione del progetto, vengono fornite le impostazioni predefinite. Per personalizzare queste impostazioni, eseguire questa operazione prima di creare il progetto:

1. Nel modulo Crea un progetto selezionare la freccia sul lato destro.

   

2. Selezionare un gruppo di risorse esistente da usare oppure lasciare l'impostazione predefinita per creare un nuovo gruppo di risorse.

   Suggerimento

   In particolare per iniziare, è consigliabile creare un nuovo gruppo di risorse per il progetto. Il gruppo di risorse consente di gestire facilmente il progetto e tutte le relative risorse insieme. Quando si crea un progetto, nel gruppo di risorse vengono create diverse risorse, tra cui un hub, un registro contenitori e un account di archiviazione.

3. Selezionare una località o utilizzare il valore predefinito. La posizione è l'area in cui è ospitato l'hub. La posizione dell'hub corrisponde anche a quella del progetto. La disponibilità dei Servizi di Azure AI varia in base all'area. Ad esempio, alcuni modelli potrebbero non essere disponibili in determinate aree.

4. Selezionare Crea un progetto. Viene visualizzato lo stato di avanzamento della creazione della risorsa. Il progetto viene creato al termine del processo.

Python SDK

Il codice in questa sezione presuppone che si disponga di un hub esistente. Se non si ha un hub, vedere Come creare e gestire un hub di Azure AI Foundry per crearne uno.

1. Installare azure-identity: pip install azure-identity. Se si trova in una cella del notebook, usare %pip install azure-identity.

2. Fornire i dettagli della sottoscrizione:

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

3. Ottenere un handle per la sottoscrizione. Tutto il codice Python in questo articolo usa ml_client:

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

4. (Facoltativo) Se si dispone di più account, aggiungere l'ID tenant del Microsoft Entra ID da usare in DefaultAzureCredential. Trovare l'ID tenant dal portale di Azure in Microsoft Entra ID, Identità esterne.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Facoltativo) Se si lavora nelle aree Azure per enti pubblici - Stati Uniti o Azure Cina (21Vianet), specificare l'area in cui si desidera eseguire l'autenticazione. È possibile specificare l'area con DefaultAzureCredential. Nell'esempio seguente si illustra l'autenticazione nell'area Azure per enti pubblici - Stati Uniti:

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

6. Usare il codice seguente per creare un progetto da un hub creato in precedenza dall'utente o dall'amministratore. Sostituire i valori stringa di esempio con i propri valori:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

Interfaccia della riga di comando di Azure

Il codice in questa sezione presuppone che si disponga di un hub esistente. Se non si ha un hub, vedere Come creare e gestire un hub di Azure AI Foundry per crearne uno.

1. Per eseguire l'autenticazione alla sottoscrizione di Azure dall'interfaccia della riga di comando di Azure, usare il comando seguente:

   az login
   

   Per altre informazioni sull'autenticazione, vedere Metodi di autenticazione.

2. Dopo aver installato e autenticato l'estensione nella sottoscrizione di Azure, usare il comando seguente per creare un nuovo progetto Azure AI Foundry da un hub di Azure AI Foundry esistente:

   az ml workspace create --kind project --hub-id {my_hub_ID} --resource-group {my_resource_group} --name {my_project_name}
   

   Form my_hub_ID con questa sintassi: /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}.

Visualizzare le impostazioni del progetto

Portale di Azure AI Foundry

Nella pagina Panoramica del progetto è possibile trovare informazioni sul progetto.

• Nome: il nome del progetto viene visualizzato nell'angolo superiore sinistro.
• Sottoscrizione: la sottoscrizione che ospita l'hub che ospita il progetto.
• Gruppo di risorse: il gruppo di risorse che ospita l'hub che ospita il progetto.

Selezionare Centro gestione per passare alle risorse del progetto nel portale di Azure AI Foundry. Selezionare Gestisci in portale di Azure per passare alle risorse del progetto nel portale di Azure.

Python SDK

Per gestire o usare il nuovo progetto, includerlo in MLClient:

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

Interfaccia della riga di comando di Azure

Per visualizzare le impostazioni per il progetto, usare il comando az ml workspace show. Per esempio:

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

Accedere alle risorse del progetto

Le configurazioni comuni nell'hub vengono condivise con il progetto, incluse connessioni, istanze di calcolo e accesso alla rete, in modo da poter iniziare subito a sviluppare.

Inoltre, molte risorse sono accessibili solo dagli utenti nell'area di lavoro del progetto:

• Componenti tra cui set di dati, flussi, indici, endpoint API modello distribuiti (aperti e serverless).

• Connessioni create dall'utente in "impostazioni del progetto".

• Contenitori BLOB di Archiviazione di Azure e una condivisione file per il caricamento di dati all'interno del progetto. Accedere all'archiviazione usando le connessioni seguenti:

  Connessione dati	Posizione di archiviazione	Scopo
  workspaceblobstore	{project-GUID}-azureml-blobstore	Contenitore predefinito per i caricamenti di dati
  workspaceartifactstore	{project-GUID}-azureml	Archivia componenti e metadati per il progetto, ad esempio pesi del modello
  workspacefilestore	{project-GUID}-code	Ospita i file creati nel calcolo e usando il flusso di richiesta

Annotazioni

Le connessioni di archiviazione non vengono create direttamente con il progetto quando l'account di archiviazione ha accesso alla rete pubblica impostato su disabilitato. Questi vengono invece creati quando un primo utente accede ad Azure AI Foundry tramite una connessione di rete privata. Risolvere i problemi relativi alle connessioni di archiviazione

Contenuti correlati

• Guida introduttiva: Usare il playground di chat nel portale di Azure AI Foundry

• Ulteriori informazioni sugli hub

Suggerimento

Il resto di questo articolo illustra come creare un progetto Foundry. Selezionare il progetto basato su hub nella parte superiore di questo articolo se si vuole creare invece un progetto basato su hub.

• Un progetto Foundry si basa su una risorsa di Azure AI Foundry. Questo tipo di progetto consente una semplice configurazione, l'accesso agli agenti e i modelli leader del settore da OpenAI, Mistral, Meta e altro ancora.

• Questo tipo di progetto offre il supporto migliore per:

  • Agenti
  • API della piattaforma AI Foundry per lavorare con agenti e tra modelli
  • Modelli venduti direttamente da Azure - Azure OpenAI, DeepSeek, xAI e così via.
  • Partner & Community Models venduti tramite Marketplace - Stability, Bria, Cohere e così via.
  • File di progetto (caricare direttamente i file e avviare l'esperimento)
  • Valutazioni
  • Messa a punto
  • Parchi giochi

Prerequisiti

Usare le schede seguenti per selezionare il metodo da usare per creare un progetto Foundry:

Portale di Azure AI Foundry

• Una sottoscrizione di Azure. Se non hai una sottoscrizione di Azure, crea un account gratuito.
• È necessario essere Proprietario della sottoscrizione per avere il controllo di accesso appropriato necessario per creare la risorsa Azure AI Foundry padre del progetto. Se non si ha questo accesso, chiedere all'amministratore di creare una risorsa di AI Foundry da usare. Passare quindi a Crea più progetti nella stessa risorsa per creare il progetto.

Python SDK

• Una sottoscrizione di Azure. Se non hai una sottoscrizione di Azure, crea un account gratuito.
• Per ricevere il controllo di accesso appropriato necessario per usare il progetto, è necessario essere proprietario della sottoscrizione.
• Configurare l'ambiente di sviluppo
• Eseguire l'autenticazione con az login o az login --use-device-code nell'ambiente prima di eseguire il codice.
• Completare questi passaggi per avviare lo script Python:

  1. Installare i pacchetti: pip install azure-identity azure-mgmt-cognitiveservices. Se si trova in una cella del notebook, usare %pip install azure-identity azure-mgmt-cognitiveservices.

  2. Usare pip show azure-mgmt-cognitiveservices per verificare che la versione sia 13.7 o successiva.

  3. Avviare lo script con il codice seguente per creare la connessione e le client variabili usate in questo articolo. Questo esempio crea il progetto negli Stati Uniti orientali.

     from azure.identity import DefaultAzureCredential
     from azure.mgmt.cognitiveservices import CognitiveServicesManagementClient
     
     subscription_id = 'your-subscription-id'
     resource_group_name = 'your-resource-group-name'
     foundry_resource_name = 'your-foundry-resource-name'
     foundry_project_name = 'your-foundry-project-name'
     location = 'eastus'
     
     client = CognitiveServicesManagementClient(
         credential=DefaultAzureCredential(), 
         subscription_id=subscription_id,
         api_version="2025-04-01-preview"
     )
     

  4. (Facoltativo) Se si dispone di più account, aggiungere l'ID tenant del Microsoft Entra ID da usare in DefaultAzureCredential. Trovare l'ID tenant dal portale di Azure in Microsoft Entra ID, Identità esterne.

     DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
     

  5. (Facoltativo) Se si lavora nelle aree Azure per enti pubblici - Stati Uniti o Azure Cina (21Vianet), specificare l'area in cui si desidera eseguire l'autenticazione. È possibile specificare l'area con DefaultAzureCredential. Nell'esempio seguente si illustra l'autenticazione nell'area Azure per enti pubblici - Stati Uniti:

     from azure.identity import AzureAuthorityHosts
     DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
     

Interfaccia della riga di comando di Azure

• Una sottoscrizione di Azure. Se non hai una sottoscrizione di Azure, crea un account gratuito.
• Per ricevere il controllo di accesso appropriato necessario per usare il progetto, è necessario essere proprietario della sottoscrizione.
• Interfaccia della riga di comando di Azure

Creare un progetto Foundry

Portale di Azure AI Foundry

Questi passaggi consentono di creare una nuova risorsa di Azure con impostazioni di base predefinite.

Suggerimento

Se l'organizzazione richiede configurazioni personalizzate di Azure come nomi alternativi, controlli di sicurezza o tag di costo, usare uno di questi metodi per rispettare la conformità dei criteri di Azure dell'organizzazione:

• Creare la prima risorsa di Ai Foundry
• Creare una risorsa di Azure AI Foundry usando un file Bicep

Per creare un progetto Foundry in Azure AI Foundry, seguire questa procedura:

1. Accedi a Azure AI Foundry.

2. Le operazioni successive dipendono dalla posizione in cui ci si trova:

   • Se non sono presenti progetti esistenti: seguire la procedura descritta in Avvio rapido: Introduzione ad Azure AI Foundry per creare il primo progetto.

   • Se sei in un progetto: selezionare la traccia del percorso del progetto, quindi selezionare Crea nuova risorsa.

     

   • Se non si è in un progetto: selezionare Crea nuovo in alto a destra per creare un nuovo progetto Foundry

     

3. Selezionare La risorsa Azure AI Foundry e quindi selezionare Avanti.

4. Specificare un nome per il progetto e selezionare Crea. In alternativa, vedere la sezione successiva per le opzioni avanzate.

Opzioni avanzate

Un progetto Foundry viene creato su una risorsa AI Foundry. Questa risorsa viene creata automaticamente quando si crea il progetto.

Per personalizzare le impostazioni per il progetto, seguire questa procedura:

1. Nel modulo Crea un progetto selezionare Opzioni avanzate.

2. Selezionare un gruppo di risorse esistente da usare oppure lasciare l'impostazione predefinita per creare un nuovo gruppo di risorse.

   Suggerimento

   In particolare per iniziare, è consigliabile creare un nuovo gruppo di risorse per il progetto. Il gruppo di risorse consente di gestire facilmente il progetto e tutte le relative risorse insieme.

3. Selezionare una località o utilizzare il valore predefinito. La posizione è l'area in cui è ospitato l'hub. La disponibilità dei Servizi di Azure AI varia in base all'area. Ad esempio, alcuni modelli potrebbero non essere disponibili in determinate aree.

4. Fare clic su Crea. Viene visualizzato lo stato di avanzamento dell'operazione di creazione della risorsa. Il progetto viene creato al termine di tale processo.

Python SDK

Per creare un progetto Foundry:

1. Aggiungi questo codice per creare un progetto Foundry, utilizzando le variabili e la connessione dai client.

   # Create resource
   resource = client.accounts.begin_create(
       resource_group_name=resource_group_name,
       account_name=foundry_resource_name,
       account={
           "location": location,
           "kind": "AIServices",
           "sku": {"name": "S0",},
           "identity": {"type": "SystemAssigned"},
           "properties": {
               "allowProjectManagement": True,
               "customSubDomainName": foundry_resource_name
           }
       }
   )
   
   # Wait for the resource creation to complete
   resource_result = resource.result()
   
   # Create default project
   project = client.projects.begin_create(
       resource_group_name=resource_group_name,
       account_name=foundry_resource_name,
       project_name=foundry_project_name,
       project={
           "location": location,
           "identity": {
               "type": "SystemAssigned"
           },
           "properties": {}
       }
   )
   

Interfaccia della riga di comando di Azure

I comandi dell'interfaccia della riga di comando non sono attualmente disponibili per la creazione di un progetto Foundry.

Creare più progetti nella stessa risorsa

Creare multipli progetti Foundry su una risorsa esistente< c0 />, così da poter condividere l'ambiente con il tuo team per collaborare.

I progetti foundry, in qualità di risorse figlie di Azure, possono avere assegnati propri controlli di accesso, ma condividono impostazioni comuni come la sicurezza della rete, le distribuzioni e l'integrazione degli strumenti di Azure dalla risorsa principale.

Il primo progetto (progetto predefinito) svolge un ruolo speciale e ha accesso a più funzionalità:

Caratteristica / Funzionalità	Progetto Foundry predefinito	Progetto non predefinito di Foundry
Inferenza del modello	✅	✅
Parchi giochi	✅	✅
Agenti	✅	✅
Valutazioni	✅	✅
Connessioni	✅	✅
API creato da intelligenza artificiale che opera con agenti e modelli	✅	✅
Isolamento a livello di progetto di file e output	✅	✅
Azure OpenAI con Batch, StoredCompletions, Ottimizzazione	✅
Compatibile con le versioni precedenti della API della piattaforma dati senza progetti {account}.cognitiveservices.com	✅
Sicurezza dei contenuti	✅

• Per aggiungere un progetto non predefinito a una risorsa:

  Portale di Azure AI Foundry

  Suggerimento

  Poiché è possibile personalizzare il riquadro sinistro nel portale di Azure AI Foundry, è possibile che vengano visualizzati elementi diversi rispetto a quelli illustrati in questi passaggi. Se non viene visualizzato ciò che si sta cercando, selezionare ... Altro nella parte inferiore del riquadro sinistro.

  1. In Azure AI Foundry selezionare il progetto Foundry o la risorsa associata.

  2. Nel riquadro sinistro selezionare Centro gestione.

  3. Nella sezione della risorsa selezionare Panoramica.

  4. Selezionare Nuovo progetto e specificare un nome.

     

  Python SDK

  Aggiungere questo codice allo script per creare un nuovo progetto nella risorsa esistente:

  # Create additional project
  new_project_name = 'your-new-project-name'
  
  project = client.projects.begin_create(
      resource_group_name=resource_group_name,
      account_name=foundry_resource_name,
      project_name=new_project_name,
      project={
          "location": location,
          "identity": {
              "type": "SystemAssigned"
          },
          "properties": {}
      }
  )
  

  Interfaccia della riga di comando di Azure

  I comandi dell'interfaccia della riga di comando non sono attualmente disponibili per la creazione di un progetto Foundry.

• Se si elimina il progetto predefinito della risorsa Foundry, il progetto successivo creato diventerà il progetto predefinito.

Visualizzare le impostazioni del progetto

Portale di Azure AI Foundry

Nella home page del progetto è possibile trovare informazioni sul progetto.

• Nome: il nome del progetto viene visualizzato nell'angolo superiore sinistro.
• Sottoscrizione: la sottoscrizione che ospita l'hub che ospita il progetto.
• Gruppo di risorse: il gruppo di risorse che ospita l'hub che ospita il progetto.

Python SDK

# Get project
project = client.projects.get(
    resource_group_name=resource_group_name,
    account_name=foundry_resource_name,
    project_name=foundry_project_name
)
print(project)

Interfaccia della riga di comando di Azure

Per visualizzare le impostazioni per il progetto, usare il comando az cognitiveservices account connection show. Per esempio:

az cognitiveservices account connection show --name {my_project_name} --resource-group {my_resource_group}

Contenuti correlati

• Guida introduttiva: Introduzione ad Azure AI Foundry
• Altre informazioni su Azure AI Foundry