Connessioni in Studio AI della piattaforma Azure

Importante

Alcune funzionalità descritte in questo articolo potrebbero essere disponibili solo in anteprima. Questa anteprima viene fornita senza un contratto di servizio e non è consigliabile per i carichi di lavoro di produzione. Alcune funzionalità potrebbero non essere supportate o potrebbero presentare funzionalità limitate. Per altre informazioni, vedere le Condizioni supplementari per l'uso delle anteprime di Microsoft Azure.

Le connessioni in Studio AI della piattaforma Azure sono un modo per autenticare e usare risorse Microsoft e non Microsoft all'interno dei progetti di Studio AI. Ad esempio, le connessioni possono essere usate per il prompt flow, i dati di training e le distribuzioni. È possibile creare connessioni esclusivamente per un progetto unico o in condivisione con tutti i progetti nello stesso hub.

Connessioni a Servizi di Azure AI

È possibile creare connessioni a Servizi di Azure AI, ad esempio Azure OpenAI e Sicurezza dei contenuti di Azure AI. È quindi possibile usare la connessione in uno strumento di prompt flow, ad esempio lo strumento LLM.

Come altro esempio, è possibile creare una connessione a una risorsa di Azure AI Search. La connessione può quindi essere usata dagli strumenti di prompt flow, ad esempio lo strumento Ricerca database vettoriale.

Connessioni a servizi non Microsoft

Studio AI della piattaforma Azure supporta le connessioni a servizi non Microsoft, tra cui:

• La connessione alla chiave API gestisce l'autenticazione alla destinazione specificata su base individuale. Si tratta del tipo di connessione non Microsoft più comune.
• La connessione personalizzata consente di archiviare alle chiavi di accesso e accedervi in modo sicuro archiviando le proprietà correlate, ad esempio destinazioni e versioni. Le connessioni personalizzate sono utili quando si hanno molte destinazioni o casi in cui non sono necessarie credenziali per accedere. Gli scenari LangChain sono un buon esempio in cui è possibile usare connessioni al servizio personalizzate. Le connessioni personalizzate non gestiscono l'autenticazione, quindi è necessario farlo autonomamente.

Connessioni ad archivi dati

La creazione di una connessione dati consente di accedere ai dati esterni senza copiarli nel progetto. La connessione offre invece un riferimento all'origine dati.

Una connessione dati offre questi vantaggi:

• Un'API comune e facile da usare che interagisce con diversi tipi di archiviazione, tra cui Microsoft OneLake, BLOB di Azure e Azure Data Lake Gen2.
• Individuazione più semplice di connessioni utili nelle operazioni del team.
• Per l'accesso basato sulle credenziali (entità servizio/firma di accesso condiviso/chiave), la connessione di Studio AI protegge le informazioni sulle credenziali. In questo modo, non sarà necessario inserire tali informazioni negli script.

Quando si crea una connessione con un account di archiviazione di Azure esistente, è possibile scegliere tra due metodi di autenticazione diversi:

• Basato sulle credenziali: consente di autenticare l'accesso ai dati usando un'entità servizio, un token di firma di accesso condiviso (SAS) o una chiave dell'account. Gli utenti con autorizzazioni di progetto Lettore all'area di lavoro possono accedere alle credenziali.
• Basato sull'identità: consente di usare l'identità Microsoft Entra ID o l'identità gestita per autenticare l'accesso ai dati.

La tabella seguente illustra i servizi di archiviazione e i metodi di autenticazione supportati basati sul cloud di Azure:

Servizio di archiviazione supportato	Autenticazione basata sulle credenziali	Autenticazione basata sull'identità
Contenitore BLOB di Azure	✓	✓
Microsoft OneLake	✓	✓
Azure Data Lake Gen2	✓	✓

Un URI (Uniform Resource Identifier) rappresenta una posizione di archiviazione nel computer locale, nell'archiviazione di Azure o in un percorso HTTP o HTTPS disponibile pubblicamente. Questi esempi mostrano gli URI per diverse opzioni di archiviazione:

Posizione di archiviazione	Esempi di URI
Connessione a Studio AI della piattaforma Azure	azureml://datastores/<data_store_name>/paths/<folder1>/<folder2>/<folder3>/<file>.parquet
File locali	./home/username/data/my_data
Server HTTP o HTTPS pubblico	https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv
Archiviazione BLOB	wasbs://<containername>@<accountname>.blob.core.windows.net/<folder>/
Azure Data Lake (gen2)	abfss://<file_system>@<account_name>.dfs.core.windows.net/<folder>/<file>.csv
Microsoft OneLake	abfss://<file_system>@<account_name>.dfs.core.windows.net/<folder>/<file>.csv https://<accountname>.dfs.fabric.microsoft.com/<artifactname>

Insiemi di credenziali delle chiavi e segreti

Le connessioni consentono di archiviare in modo sicuro le credenziali, autenticare l'accesso e utilizzare dati e informazioni. I segreti associati alle connessioni vengono mantenuti persistenti in modo sicuro nella corrispondente istanza di Azure Key Vault, rispettando rigorosi standard di sicurezza e conformità. Gli amministratori possono controllare le connessioni condivise e con ambito progetto a livello di hub (collegamento al controllo degli accessi in base al ruolo di connessione).

Le connessioni di Azure fungono da proxy dell'insieme di credenziali delle chiavi e le interazioni con le connessioni sono interazioni dirette con un insieme di credenziali delle chiavi di Azure. Le connessioni di Studio AI della piattaforma Azure archiviano le chiavi API in modo sicuro, come segreti, in un insieme di credenziali delle chiavi. L'insieme di credenziali delle chiavi Controllo degli accessi in base al ruolo di Azure controlla l'accesso a queste risorse di connessione. Una connessione fa riferimento alle credenziali dal percorso di archiviazione dell'insieme di credenziali delle chiavi per usarle ulteriormente. Non è necessario gestire direttamente le credenziali dopo l'archiviazione nell'insieme di credenziali delle chiavi dell'hub. È possibile archiviare le credenziali nel file YAML. Un comando dell'interfaccia della riga di comando o SDK è in grado di eseguirne l'override. È consigliabile evitare di archiviare le credenziali in un file YAML, poiché una violazione della sicurezza potrebbe causare una perdita delle credenziali.

Passaggi successivi

• Come creare una connessione in Studio AI della piattaforma Azure