このチュートリアルでは、Azure OpenAI と Python Web アプリケーションを統合してインテリジェントな AI アプリケーションを構築し、Azure App Service にデプロイします。 Azure OpenAI のモデルにチャット完了要求を送信し、マネージド ID を使用してサービスに接続する Flask アプリを作成します。
あなたは次のことを学びます:
- Azure OpenAI リソースを作成し、言語モデルをデプロイします。
- Azure OpenAI に接続する Flask アプリケーションを構築します。
- アプリケーションを Azure App Service にデプロイします。
- 開発環境と Azure にパスワードレスのセキュリティで保護された認証を実装します。
Prerequisites
- アクティブなサブスクリプションを持つ Azure アカウント
- GitHub Codespaces を使用するための GitHub アカウント
1. Azure OpenAI リソースを作成する
このセクションでは、GitHub Codespaces で Azure CLI を使用して、Azure OpenAI リソースを作成します。
GitHub アカウントを使用して GitHub Codespaces にサインインします。
[このテンプレートを使用] を 空白 タイルで選択して、新しい空白のコードスペースを作成します。
Codespace ターミナルで、Azure CLI をインストールします。
curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bashAzure アカウントへサインインします。
az loginターミナルの指示に従って認証します。
リソース グループと Azure OpenAI サービスの名前を指定し、適切な Azure リージョンを自分の場所として設定することで、環境変数を設定します。
export RESOURCE_GROUP="<group-name>" export OPENAI_SERVICE_NAME="<azure-openai-name>" export APPSERVICE_NAME="<app-name>" export LOCATION="<azure-region>"Important
場所は、選択したモデルのリージョンの可用性に関連付けられています。 モデルと デプロイの種類 の可用性は、Azure リージョンと課金レベルによって異なります。 このチュートリアルでは、
gpt-4o-miniを使用します。これは、Standard デプロイの種類の下の複数のリージョンで使用できます。場所を選択する前に、 モデルの概要とリージョンの可用性テーブル を参照して、希望するリージョンでのモデルのサポートを確認してください。
カスタム ドメインを使用してリソース グループと Azure OpenAI リソースを作成し、
gpt-4o-miniモデルを追加します。# Resource group az group create --name $RESOURCE_GROUP --location $LOCATION # Azure OpenAI resource az cognitiveservices account create \ --name $OPENAI_SERVICE_NAME \ --resource-group $RESOURCE_GROUP \ --location $LOCATION \ --custom-domain $OPENAI_SERVICE_NAME \ --kind OpenAI \ --sku s0 # gpt-4o-mini model az cognitiveservices account deployment create \ --name $OPENAI_SERVICE_NAME \ --resource-group $RESOURCE_GROUP \ --deployment-name gpt-4o-mini \ --model-name gpt-4o-mini \ --model-version 2024-07-18 \ --model-format OpenAI \ --sku-name Standard \ --sku-capacity 1 # Cognitive Services OpenAI User role that lets the signed in Azure user read models from Azure OpenAI az role assignment create \ --assignee $(az ad signed-in-user show --query id -o tsv) \ --role "Cognitive Services OpenAI User" \ --scope /subscriptions/$(az account show --query id -o tsv)/resourceGroups/$RESOURCE_GROUP/providers/Microsoft.CognitiveServices/accounts/$OPENAI_SERVICE_NAME
Azure OpenAI リソースが作成されたので、それを操作する Web アプリケーションを作成できます。
2. Flask アプリを作成して設定する
codespace ターミナルで、仮想環境を作成し、必要な PIP パッケージをインストールします。
python3 -m venv .venv source .venv/bin/activate pip install flask openai azure.identity dotenv pip freeze > requirements.txtワークスペース ルートで、Azure OpenAI を使用 した 簡単なチャット完了呼び出し用の次のコードを含む app.py という名前のファイルを作成します。
import os from flask import Flask, render_template, request from azure.identity import DefaultAzureCredential, get_bearer_token_provider from openai import AzureOpenAI app = Flask(__name__) # Initialize the Azure OpenAI client with Microsoft Entra authentication token_provider = get_bearer_token_provider( DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default" ) client = AzureOpenAI( api_version="2024-10-21", azure_endpoint=os.getenv("AZURE_OPENAI_ENDPOINT"), azure_ad_token_provider=token_provider, ) @app.route('/', methods=['GET', 'POST']) def index(): response = None if request.method == 'POST': # Handle form submission user_message = request.form.get('message') if user_message: try: # Call the Azure OpenAI API with the user's message completion = client.chat.completions.create( model="gpt-4o-mini", messages=[{"role": "user", "content": user_message}] ) ai_message = completion.choices[0].message.content response = ai_message except Exception as e: response = f"Error: {e}" return render_template('index.html', response=response) if __name__ == '__main__': app.run()テンプレート ディレクトリとその中にindex.html ファイルを作成します。 単純なチャット インターフェイスを作成するには、次のコードを貼り付けます。
<!doctype html> <html> <head> <title>Azure OpenAI Chat</title> <link href="https://cdn.jsdelivr.net/npm/bootstrap@5.3.3/dist/css/bootstrap.min.css" rel="stylesheet" integrity="sha384-QWTKZyjpPEjISv5WaRU9OFeRpok6YctnYmDr5pNlyT2bRjXh0JMhjY6hW+ALEwIH" crossorigin="anonymous"> </head> <body> <main class="container py-4"> <h1 class="mb-4 text-primary">Azure OpenAI Chat</h1> <form method="post" action="/" class="mb-3"> <div class="input-group"> <input type="text" name="message" class="form-control" placeholder="Type your message..." required> <button type="submit" class="btn btn-primary">Send</button> </div> </form> <div class="card p-3"> {% if response %} <div class="alert alert-info mt-3">{{ response }}</div> {% endif %} </div> </main> </body> </html>ターミナルで、OpenAI エンドポイントを取得します。
az cognitiveservices account show \ --name $OPENAI_SERVICE_NAME \ --resource-group $RESOURCE_GROUP \ --query properties.endpoint \ --output tsv上記の CLI 出力の値を使用して
AZURE_OPENAI_ENDPOINTを追加して、アプリを実行します。AZURE_OPENAI_ENDPOINT=<output-from-previous-cli-command> flask run[ ブラウザーで開く ] を選択して、新しいブラウザー タブでアプリを起動します。質問を送信して、応答メッセージを表示します。
3. Azure App Service にデプロイし、OpenAI 接続を構成する
アプリがローカルで動作したら、それを Azure App Service にデプロイし、マネージド ID を使用して Azure OpenAI へのサービス接続を設定します。
OpenAIリソースと同じリソースグループ内でLinuxアプリサービスプランを作成し、その後Pythonウェブアプリを作成します。
az appservice plan create \ --resource-group $RESOURCE_GROUP \ --location $LOCATION \ --name $APPSERVICE_NAME \ --sku P0v3 \ --is-linux az webapp create \ --resource-group $RESOURCE_GROUP \ --name $APPSERVICE_NAME \ --plan $APPSERVICE_NAME \ --runtime "PYTHON:3.13" az webapp config appsettings set \ --resource-group $RESOURCE_GROUP \ --name $APPSERVICE_NAME \ --settings SCM_DO_BUILD_DURING_DEPLOYMENT=trueビルド自動化はデプロイ中にrequirements.txt内の依存関係をインストールします。
ワークスペースのrootからアプリファイルのみをパッケージ化し、ローカルの .venv ディレクトリは除外します:
zip -r app.zip app.py templates requirements.txtZIPパッケージの展開:
az webapp deploy \ --resource-group $RESOURCE_GROUP \ --name $APPSERVICE_NAME \ --src-path app.zip展開は数分で完了するかもしれません。
アプリがデプロイされたら、マネージド ID を使用して、Web アプリと Azure OpenAI リソースの間にサービス接続を作成します。 次のコマンドは、次の方法で Web アプリと Azure OpenAI リソース間の接続を作成します。
- Web アプリのシステム割り当てマネージド ID の生成。
- Azure OpenAI リソースのマネージド ID に Cognitive Services OpenAI 共同作成者 ロールを追加します。
-
AZURE_OPENAI_ENDPOINTアプリ設定を Web アプリに追加する。
az webapp connection create cognitiveservices \ --resource-group $RESOURCE_GROUP \ --name $APPSERVICE_NAME \ --target-resource-group $RESOURCE_GROUP \ --account $OPENAI_SERVICE_NAME \ --connection azure_openai \ --system-identityデプロイされたアプリをウェブブラウザで開きます:
az webapp browse --resource-group $RESOURCE_GROUP --name $APPSERVICE_NAMEWeb アプリで、テキスト ボックスにメッセージを入力し、[ 送信] を選択します。 アプリに数秒を与えて、Azure OpenAI からのメッセージを返信します。
これで、アプリがデプロイされ、マネージド ID を使用して Azure OpenAI に接続されました。
よく寄せられる質問
- Azure OpenAI の代わりに OpenAI に接続するにはどうすればよいですか?
- マネージド ID の代わりに API キーを使用して Azure OpenAI に接続できますか?
- DefaultAzureCredential のしくみ
Azure OpenAI の代わりに OpenAI に接続するにはどうすればよいですか?
Azure OpenAI ではなく OpenAI に接続するには、次のコードを使用します。
from openai import OpenAI
client = OpenAI(
api_key="<openai-api-key>"
)
詳細については、「Python を使用 して OpenAI エンドポイントと Azure OpenAI エンドポイントを切り替える方法」を参照してください。
Important
App Service で API キーなどの接続シークレットを操作する場合は、コードにシークレットを直接格納するのではなく、 Azure Key Vault 参照を使用 する必要があります。 この方法により、機密情報は安全なままであり、一元的に管理されます。
マネージド ID の代わりに API キーを使用して Azure OpenAI に接続できますか?
はい。マネージド ID ではなく API キーを使用して Azure OpenAI に接続できます。 Azure OpenAI SDK とセマンティック カーネルでは、このアプローチがサポートされています。
- セマンティック カーネルでの API キーの使用の詳細については、「 セマンティック カーネルの概要」を参照してください。
- Azure OpenAI クライアント ライブラリで API キーを使用する方法の詳細については、「 Azure OpenAI Responses API の使用」を参照してください。
Important
App Service で API キーなどの接続シークレットを操作する場合は、コードにシークレットを直接格納するのではなく 、Key Vault 参照を使用 する必要があります。 この方法により、機密情報は安全なままであり、一元的に管理されます。
DefaultAzureCredential のしくみ
DefaultAzureCredentialは、使用可能な最適な認証方法を自動的に選択することで認証を簡略化します。
- ローカル開発時に、
az loginを実行した後、DefaultAzureCredentialはローカルの Azure CLI 資格情報を使用します。 - Azure App Service デプロイの場合、
DefaultAzureCredentialはアプリのマネージド ID を使用して、セキュリティで保護されたパスワードレス認証を行います。
この方法により、ローカル環境とクラウド環境の両方でコードを変更することなく、安全かつシームレスに実行できます。