Azure AI Foundry용 프로젝트 만들기

2025-06-25

이 문서에서는 Azure AI Foundry에서 프로젝트를 만드는 방법을 설명합니다. 프로젝트를 사용하면 새로운 아이디어를 탐색하고 특정 사용 사례에서 프로토타입을 만들 때 작업을 구성할 수 있습니다.

Azure AI Foundry는 두 가지 유형의 프로젝트인 Foundry 프로젝트 와 허브 기반 프로젝트를 지원합니다. 이러한 두 프로젝트 형식 간의 차이점에 대한 자세한 내용은 프로젝트 유형을 참조하세요.

팁 (조언)

이 문서의 나머지 부분에는 허브 기반 프로젝트를 만드는 방법이 표시됩니다. Foundry 프로젝트를 대신 만들려면 이 문서의 맨 위에 있는 Foundry 프로젝트를 선택합니다.

허브 기반 프로젝트는Azure AI Foundry 허브에서 호스팅됩니다. 회사에 허브를 만든 관리 팀이 있는 경우 해당 허브에서 프로젝트를 만들 수 있습니다. 직접 작업하는 경우 프로젝트를 만들 수 있으며 기본 허브가 자동으로 만들어집니다.
다음을 위해 이 프로젝트 형식을 사용합니다.
- 프롬프트 흐름
- 관리되는 컴퓨팅
- Azure Machine Learning 호환성
이 프로젝트는 다음 용도로도 사용할 수 있습니다.
- 에이전트(미리 보기)
- 파일 및 출력의 프로젝트 수준 격리
- 평가
- 플레이그라운드

필수 조건

다음 탭을 사용하여 허브 기반 프로젝트를 만드는 데 사용할 방법을 선택합니다.

Azure 구독. Azure 구독이 없는 경우 무료 계정을 만드세요.

허브 기반 프로젝트 만들기

Azure AI Foundry에서 허브 기반 프로젝트를 만들려면 다음 단계를 수행합니다.

Azure AI Foundry에 로그인합니다.
다음에 수행할 작업은 현재 위치에 따라 달라집니다.
- 기존 프로젝트가 없는 경우: 빠른 시작의 단계에 따라 Azure AI Foundry를 시작하여 첫 번째 프로젝트를 만듭니다.
- 프로젝트에 있다면: 프로젝트 탐색 경로를 선택한 다음, 새 리소스 만들기를 선택합니다.
- 프로젝트에 없는 경우: 오른쪽 위에서 새로 만들기 를 선택하여 새 Foundry 프로젝트를 만듭니다.
AI 허브 리소스를 선택한 다음, 다음을 선택합니다.
프로젝트의 이름을 입력합니다.
허브가 있는 경우 가장 최근에 사용한 허브가 선택된 상태로 표시됩니다.
- 두 개 이상의 허브에 액세스할 수 있는 경우 드롭다운에서 다른 허브를 선택할 수 있습니다.
- 새 허브를 만들려면 새 허브 만들기를 선택하고 이름을 입력합니다.
허브가 없는 경우 기본 허브가 만들어집니다.
선택하고생성합니다.

또는 새 허브를 사용자 지정하려는 경우 만들기를 선택하기 전에 다음 섹션의 단계를 수행합니다.

허브 사용자 지정

허브 기반 프로젝트는 허브 내에 있습니다. 허브를 사용하면 모든 프로젝트와 데이터 연결 등의 구성을 공유하고 보안 설정과 지출을 중앙에서 관리할 수 있습니다. 팀에 속해 있는 경우 허브는 구독 중인 다른 팀 멤버와 공유됩니다. 허브와 프로젝트 간의 관계에 대한 자세한 내용은 허브 및 프로젝트 개요 설명서를 참조하세요.

새 허브를 만들 때 선택한 리소스 그룹에 대한 소유자 또는 기여자 권한이 있어야 합니다. 팀에 속해 있으면서 이러한 권한이 없는 경우 관리자가 사용자를 위한 허브를 만들어 주어야 합니다.

팁 (조언)

프로젝트 만들기의 일부로 허브를 만들 수도 있지만, 별도로 허브를 만들면 더 많은 제어권을 갖고 허브에 대한 고급 설정을 지정할 수 있습니다. 예를 들어, 네트워크 보안이나 기본 Azure Storage 계정을 사용자 지정할 수 있습니다. 자세한 내용은 Azure AI 파운드리 허브를 만들고 관리하는 방법을 참조하세요.

프로젝트 만들기의 일부로 새로운 허브를 만들면 기본 설정이 제공됩니다. 이러한 설정을 사용자 지정하려면 프로젝트를 만들기 전에 다음을 수행합니다.

프로젝트 만들기 양식에서 오른쪽의 화살표를 선택합니다.
사용할 기존 리소스 그룹을 선택하거나 기본값을 그대로 두고 새 리소스 그룹을 만듭니다.

팁 (조언)

특히 시작하기 위해 프로젝트에 대한 새 리소스 그룹을 만드는 것이 좋습니다. 리소스 그룹을 사용하면 프로젝트와 모든 리소스를 쉽게 함께 관리할 수 있습니다. 프로젝트를 만들면 허브, 컨테이너 레지스트리 및 스토리지 계정을 포함하여 리소스 그룹에 여러 리소스가 만들어집니다.
위치를 선택하거나 기본값을 사용합니다. 위치는 허브가 호스트되는 지역입니다. 허브의 위치는 프로젝트의 위치이기도 합니다. Azure AI 서비스 가용성은 지역마다 다릅니다. 예를 들어, 특정 모델은 특정 지역에서 사용하지 못할 수도 있습니다.
프로젝트 만들기를 선택합니다. 리소스 만들기의 진행률이 표시됩니다. 프로세스가 완료되면 프로젝트가 만들어집니다.

이 섹션의 코드는 기존 허브가 있다고 가정합니다. 허브가 없으면 Azure AI 파운드리 허브를 만들고 관리하는 방법을 참조하여 허브를 만듭니다.

패키지를 설치합니다. Notebook 셀에 있는 경우에는 %pip install를 대신 사용합니다.
```
pip install azure-ai-ml
pip install azure-identity
```

구독 세부 정보를 제공합니다.

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

구독에 대한 핸들을 가져옵니다. 이 문서에서 모든 Python 코드는 ml_client를 사용합니다.

# 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)

(선택 사항) 계정이 여러 개인 경우 사용하려는 Microsoft Entra ID의 테넌트 ID를 DefaultAzureCredential에 추가합니다. Azure Portal의 Microsoft Entra ID, 외부 ID에서 테넌트 ID를 찾습니다.
```
DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
```
(선택 사항) Azure Government - 미국 또는 Azure 중국 21Vianet 지역에서 작업하는 경우 인증할 지역을 지정합니다. DefaultAzureCredential을 사용하여 지역을 지정할 수 있습니다. 다음 예제에서는 Azure Government - 미국 지역에 대해 인증합니다.
```
from azure.identity import AzureAuthorityHosts
DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
```

다음 코드를 사용하여 사용자 또는 관리자가 이전에 만든 허브에서 프로젝트를 만듭니다. 예제 문자열 값을 고유한 값으로 바꿉니다.

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()

이 섹션의 코드는 기존 허브가 있다고 가정합니다. 허브가 없으면 Azure AI 파운드리 허브를 만들고 관리하는 방법을 참조하여 허브를 만듭니다.

Azure CLI에서 Azure 구독에 인증하려면 다음 명령을 사용합니다.
```
az login
```
인증에 대한 자세한 내용은 인증 방법을 참조하세요.
확장이 설치되고 Azure 구독에 인증되면 다음 명령을 사용하여 기존 Azure AI 파운드리 허브에서 새 Azure AI 파운드리 프로젝트를 만듭니다.
```
az ml workspace create --kind project --hub-id {my_hub_ID} --resource-group {my_resource_group} --name {my_project_name}
```
/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name} 구문을 사용하여 my_hub_ID를 형성합니다.

프로젝트 설정 보기

프로젝트 개요 페이지에서 프로젝트에 대한 정보를 찾을 수 있습니다.

이름: 프로젝트 이름은 왼쪽 상단에 나타납니다.
구독: 프로젝트를 호스트하는 허브를 호스트하는 구독입니다.
리소스 그룹: 프로젝트를 호스트하는 허브를 호스트하는 리소스 그룹입니다.

Azure AI 파운드리 포털의 프로젝트 리소스로 이동하려면 관리 센터를 선택합니다. Azure Portal에서 프로젝트 리소스로 이동하려면 Azure Portal에서 관리를 선택합니다.

새 프로젝트를 관리하고 사용하려면 해당 프로젝트를 MLClient에 포함합니다.

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

프로젝트 설정을 보려면 az ml workspace show 명령을 사용합니다. 다음은 그 예입니다.

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

프로젝트 리소스에 액세스

연결, 컴퓨팅 인스턴스, 네트워크 액세스를 포함하여 허브의 일반적인 구성이 프로젝트와 공유되므로 개발을 즉시 시작할 수 있습니다.

또한 많은 리소스는 프로젝트 작업 영역의 사용자만 액세스할 수 있습니다.

데이터 세트, 흐름, 인덱스, 배포된 모델 API 엔드포인트(개방형 및 서버리스)를 포함한 구성 요소입니다.
'프로젝트 설정'에서 사용자가 만든 연결입니다.

Azure Storage Blob 컨테이너 및 프로젝트 내에서 데이터 업로드를 위한 파일 공유입니다. 다음 연결을 사용하여 스토리지에 액세스합니다.

데이터 연결	스토리지 위치	목적
워크스페이스블롭스토어	{project-GUID}-azureml-blobstore	데이터 업로드를 위한 기본 컨테이너
워크스페이스 아티팩트 저장소	{project-GUID}-azureml	모델 가중치와 같은 프로젝트의 구성 요소 및 메타데이터 저장
워크스페이스파일스토어	{project-GUID}-코드	컴퓨팅에서 만들고 프롬프트 흐름을 사용하여 파일 호스팅

비고

스토리지 계정에 공용 네트워크 액세스가 사용하지 않도록 설정된 경우 스토리지 연결은 프로젝트와 직접 생성되지 않습니다. 이러한 계정은 첫 번째 사용자가 개인 네트워크 연결을 통해 Azure AI 파운드리에 액세스할 때 만들어집니다. 스토리지 연결 문제 해결

팁 (조언)

이 문서의 나머지 부분에는 Foundry 프로젝트를 만드는 방법이 표시됩니다. 허브 기반 프로젝트를 대신 만들려면 이 문서의 맨 위에 있는 허브 기반 프로젝트를 선택합니다.

Foundry 프로젝트는 Azure AI Foundry 리소스를 기반으로 합니다. 이 프로젝트 유형을 사용하면 간단한 설정, 에이전트에 대한 액세스 및 OpenAI, Mistral, Meta 등의 업계 최고의 모델을 사용할 수 있습니다.
이 프로젝트 형식은 다음을 가장 잘 지원합니다.
- 요원
- 에이전트 및 여러 모델에서 작업하는 AI Foundry API
- Azure에서 직접 판매되는 모델 - Azure OpenAI, DeepSeek, xAI 등
- Marketplace를 통해 판매된 파트너 및 커뮤니티 모델 - 안정성, Bria, Cohere 등
- 프로젝트 파일(직접 파일 업로드 및 실험 시작)
- 평가
- 미세 조정
- 플레이그라운드

필수 조건

다음 탭을 사용하여 Foundry 프로젝트를 만드는 데 사용할 방법을 선택합니다.

Azure 구독. Azure 구독이 없는 경우 무료 계정을 만드세요.
프로젝트의 부모인 Azure AI Foundry 리소스를 만드는 데 필요한 적절한 액세스 제어를 갖기 위해서는 구독의 소유자 여야 합니다. 이 액세스 권한이 없는 경우 관리자가 사용할 AI Foundry 리소스를 만들 도록 합니다. 그런 다음 동일한 리소스에 여러 프로젝트 만들기로 건너뛰어 프로젝트를 만듭니다.

Azure 구독. Azure 구독이 없는 경우 무료 계정을 만드세요.
프로젝트를 사용하는 데 필요한 적절한 액세스 제어를 받으려면 구독의 소유자 여야 합니다.
개발 환경을 설정하세요
코드를 실행하기 전에 az login 또는 az login --use-device-code으로 사용자 환경에서 인증하십시오.
Python 스크립트를 시작하려면 다음 단계를 완료합니다.
1. 패키지 설치: pip install azure-identity azure-mgmt-cognitiveservices. Notebook 셀에 있는 경우 %pip install azure-identity azure-mgmt-cognitiveservices를 사용합니다.
2. pip show azure-mgmt-cognitiveservices를 사용하여 버전이 13.7 이상인지 확인하십시오.
3. 다음 코드로 스크립트를 시작하여 이 문서 전체에서 client 사용되는 연결 및 변수를 만듭니다. 이 예제에서는 미국 동부에서 프로젝트를 만듭니다.
```
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. (선택 사항) 계정이 여러 개인 경우 사용하려는 Microsoft Entra ID의 테넌트 ID를 DefaultAzureCredential에 추가합니다. Azure Portal의 Microsoft Entra ID, 외부 ID에서 테넌트 ID를 찾습니다.
```
DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
```
5. (선택 사항) Azure Government - 미국 또는 Azure 중국 21Vianet 지역에서 작업하는 경우 인증할 지역을 지정합니다. DefaultAzureCredential을 사용하여 지역을 지정할 수 있습니다. 다음 예제에서는 Azure Government - 미국 지역에 대해 인증합니다.
```
from azure.identity import AzureAuthorityHosts
DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
```

Foundry 프로젝트 만들기

이러한 단계는 기본 설정으로 새 Azure 리소스를 만드는 방법을 제공합니다.

팁 (조언)

조직에서 대체 이름, 보안 제어 또는 비용 태그와 같은 사용자 지정된 Azure 구성이 필요한 경우 다음 방법 중 하나를 대신 사용하여 조직의 Azure Policy 규정 준수를 준수합니다.

Azure AI Foundry에서 Foundry 프로젝트를 만들려면 다음 단계를 수행합니다.

Azure AI Foundry에 로그인합니다.
다음에 수행할 작업은 현재 위치에 따라 달라집니다.
- 기존 프로젝트가 없는 경우: 빠른 시작의 단계에 따라 Azure AI Foundry를 시작하여 첫 번째 프로젝트를 만듭니다.
- 프로젝트에 있다면: 프로젝트 탐색 경로를 선택한 다음, 새 리소스 만들기를 선택합니다.
- 프로젝트에 없는 경우: 오른쪽 위에서 새로 만들기 를 선택하여 새 Foundry 프로젝트를 만듭니다.
Azure AI Foundry 리소스를 선택한 다음, 다음을 선택합니다.
프로젝트의 이름을 입력하고 만들기를 선택합니다. 또는 고급 옵션에 대한 다음 섹션을 참조하세요.

고급 옵션

AI Foundry 리소스에 Foundry 프로젝트가 만들어졌습니다. 이 리소스는 프로젝트를 만들 때 자동으로 만들어집니다.

프로젝트에 대한 설정을 사용자 지정하려면 다음 단계를 수행합니다.

프로젝트 만들기 양식에서 고급 옵션을 선택합니다.
사용할 기존 리소스 그룹을 선택하거나 기본값을 그대로 두고 새 리소스 그룹을 만듭니다.

팁 (조언)

특히 시작하기 위해 프로젝트에 대한 새 리소스 그룹을 만드는 것이 좋습니다. 리소스 그룹을 사용하면 프로젝트와 모든 리소스를 쉽게 함께 관리할 수 있습니다.
위치를 선택하거나 기본값을 사용합니다. 위치는 허브가 호스트되는 지역입니다. Azure AI 서비스 가용성은 지역마다 다릅니다. 예를 들어, 특정 모델은 특정 지역에서 사용하지 못할 수도 있습니다.
선택하고생성합니다. 리소스 만들기 진행률을 확인하고 프로세스가 완료되면 프로젝트가 만들어집니다.

Foundry 프로젝트를 만들려면 다음을 수행합니다.

client의 변수 및 연결을 사용하여 Foundry 프로젝트를 만들려면 이 코드를 추가합니다.

# 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": {}
    }
)

동일한 리소스에 여러 프로젝트 만들기

기존 AI Foundry 리소스에 여러 Foundry 프로젝트를 만들면 공동 작업을 위해 팀과 환경을 공유할 수 있습니다.

Azure 자식 리소스인 Foundry 프로젝트는 자체 액세스 제어를 할당받을 수 있지만 부모 리소스에서 네트워크 보안, 배포 및 Azure 도구 통합과 같은 일반적인 설정을 공유합니다.

첫 번째 프로젝트(기본 프로젝트)는 특별한 역할을 하며 더 많은 기능에 액세스할 수 있습니다.

특징	기본 Foundry 프로젝트	기본 설정이 아닌 Foundry 프로젝트
모델 유추	✅	✅
플레이그라운드	✅	✅
요원	✅	✅
평가	✅	✅
관계망	✅	✅
에이전트 및 여러 모델에서 작동하는 AI Foundry API	✅	✅
파일 및 출력의 프로젝트 수준 격리	✅	✅
Batch, StoredCompletions, 미세 조정을 갖춘 Azure OpenAI	✅
프로젝트가 없는 {account}.cognitiveservices.com 데이터 평면 API와 하위 호환 가능	✅
콘텐츠 안전	✅

기본이 아닌 프로젝트를 리소스에 추가하려면 다음을 수행합니다.
팁 (조언)

Azure AI Foundry 포털에서 왼쪽 창을 사용자 지정할 수 있으므로 이러한 단계에 표시된 것과 다른 항목이 표시될 수 있습니다. 원하는 항목이 표시되지 않으면 왼쪽 창 아래쪽에 있는 ... 더 보기를 선택하십시오.
1. Azure AI Foundry에서 Foundry 프로젝트 또는 관련 리소스를 선택합니다.
2. 왼쪽 창에서 관리 센터를 선택합니다.
3. 리소스 섹션에서 개요를 선택합니다.
4. 새 프로젝트를 선택하고 이름을 입력합니다.
스크립트에 이 코드를 추가하여 기존 리소스에 새 프로젝트를 만듭니다.
```
# 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": {}
    }
)
```
현재 Foundry 프로젝트를 만드는 데 사용할 수 없는 CLI 명령입니다.
Foundry 리소스의 기본 프로젝트를 삭제하면 생성된 다음 프로젝트가 기본 프로젝트가 됩니다.

프로젝트 설정 보기

프로젝트 홈 페이지에서 프로젝트에 대한 정보를 찾을 수 있습니다.

이름: 프로젝트 이름은 왼쪽 상단에 나타납니다.
구독: 프로젝트를 호스트하는 허브를 호스트하는 구독입니다.
리소스 그룹: 프로젝트를 호스트하는 허브를 호스트하는 리소스 그룹입니다.

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

프로젝트 설정을 보려면 az cognitiveservices account connection show 명령을 사용합니다. 다음은 그 예입니다.

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

다음을 통해 공유

Azure AI Foundry용 프로젝트 만들기

필수 조건

허브 기반 프로젝트 만들기

허브 사용자 지정

프로젝트 설정 보기

프로젝트 리소스에 액세스

관련 콘텐츠

필수 조건

Foundry 프로젝트 만들기

고급 옵션

동일한 리소스에 여러 프로젝트 만들기

프로젝트 설정 보기

관련 콘텐츠

피드백

추가 리소스