애플리케이션에서 Azure OpenAI 사용을 시작하려면 Azure OpenAI 서비스를 만들고 자연어를 SQL로 변환, 이메일/SMS 메시지 콘텐츠 생성 등의 작업을 수행하는 데 사용할 수 있는 모델을 배포해야 합니다.
이 연습에서 다음을 수행합니다.
- Azure OpenAI 서비스 리소스를 만듭니다.
- 모델 배포
- .env 파일을 Azure OpenAI 서비스 리소스의 값으로 업데이트합니다.
Azure OpenAI 서비스 리소스 만들기
브라우저에서 Azure Portal 을 방문하여 로그인합니다.
포털 페이지의 맨 위에 있는 검색 창에 openai를 입력하고 표시되는 옵션에서 Azure OpenAI를 선택합니다.
도구 모음에서 만들기 를 선택합니다.
비고
이 자습서에서는 Azure OpenAI에 중점을 두고 있지만 OpenAI API 키가 있고 사용하려는 경우 이 섹션을 건너뛰고 아래 프로젝트의 .env 파일 업데이트 섹션으로 직접 이동하면 됩니다.
OPENAI_API_KEY파일에 OpenAI API 키를 할당합니다(OpenAI와 관련된 다른.env지침은 무시할 수 있습니다).Azure OpenAI 모델은 특정 지역에서 사용할 수 있습니다. Azure OpenAI 모델 가용성 문서를 방문하여 이 자습서에서 사용되는 gpt-4o 모델을 지원하는 지역을 알아봅니다.
다음 작업을 수행합니다.
- Azure 구독을 선택합니다.
- 사용할 리소스 그룹을 선택합니다(필요한 경우 새 리소스 그룹 만들기).
- 앞에서 살펴본 문서를 기반으로 gpt-4o 모델이 지원되는 지역을 선택합니다.
- 리소스 이름을 입력합니다. 고유한 값이어야 합니다.
- 표준 S0 가격 책정 계층을 선택합니다.
검토 + 제출 화면이 표시될 때까지 다음을 선택합니다. 선택하고생성합니다.
Azure OpenAI 리소스가 만들어지면 해당 리소스로 이동하여 리소스 관리 -->키 및 엔드포인트 를 선택합니다.
KEY 1 및 엔드포인트 값을 찾습니다. 다음 섹션에서 두 값을 모두 사용하므로 로컬 파일에 복사합니다.
리소스 관리 -->모델 배포를 선택합니다.
배포 관리 단추를 선택하여 Azure OpenAI Studio로 이동합니다.
도구 모음에서 모델 배포 -->기본 모델 배포를 선택합니다.
모델 목록에서 gpt-4o 를 선택하고 확인을 선택합니다.
비고
Azure OpenAI는 여러 가지 유형의 모델을 지원합니다. 각 모델을 사용하여 다양한 시나리오를 처리할 수 있습니다.
다음 대화 상자가 표시됩니다. 잠시 시간을 내어 제공된 기본값을 검사합니다.
분당 토큰 속도 제한(천)을 100K로 변경합니다. 이렇게 하면 모델에 대한 더 많은 요청을 수행하고 다음 단계를 수행할 때 속도 제한에 도달하는 것을 방지할 수 있습니다.
배포를 선택합니다.
모델이 배포되면 플레이그라운드 -->채팅을 선택합니다.
배포 드롭다운에는 gpt-4o 모델이 표시됩니다.
잠시 시간을 내어 제공된 시스템 메시지 텍스트를 읽어 보십시오. 이렇게 하면 사용자가 상호 작용하는 역할을 하는 방법을 모델에 알릴 수 있습니다.
채팅 영역에서 텍스트 상자를 찾아 생성 AI의 내용과 사용 방법을 요약으로 입력합니다. Enter 키를 선택하여 모델에 메시지를 보내고 응답을 생성하도록 합니다.
다른 프롬프트 및 응답을 실험합니다. 예를 들어 프랑스의 수도에 대한 짧은 기록을 입력 하고 생성된 응답을 확인합니다.
프로젝트의 .env 파일 업데이트
Visual Studio Code로 돌아가서 프로젝트의 루트에서 파일을 엽니다
.env.Azure OpenAI 리소스에서 KEY 1 값을 복사하고
OPENAI_API_KEY폴더의 루트에 있는 .env 파일에 할당 합니다.OPENAI_API_KEY=<KEY_1_VALUE>*엔드포인트 값을 복사하여
OPENAI_ENDPOINT파일에 할당 합니다. 값이/있는 경우 값의 끝에서 문자를 제거합니다.OPENAI_ENDPOINT=<ENDPOINT_VALUE>비고
해당 값
OPENAI_MODELOPENAI_API_VERSION이 .env 파일에 이미 설정되어 있는 것을 볼 수 있습니다. 모델 값은 이 연습의 앞부분에서 만든 모델 배포 이름과 일치하는 gpt-4o 로 설정됩니다. API 버전은 Azure OpenAI 참조 설명서에 정의된 지원되는 값으로 설정됩니다..env 파일을 저장합니다.
Application Services 시작
이제 데이터베이스, API 서버 및 웹 서버를 비롯한 애플리케이션 서비스를 시작할 차례입니다.
다음 단계에서는 Visual Studio Code에서 세 개의 터미널 창을 만듭니다.
Visual Studio Code 파일 목록에서 .env 파일을 마우스 오른쪽 단추로 클릭하고 통합 터미널에서 열기를 선택합니다. 계속하기 전에 터미널이 프로젝트의 루트인 openai-acs-msgraph 에 있는지 확인합니다.
다음 옵션 중 하나를 선택하여 PostgreSQL 데이터베이스를 시작합니다.
Docker Desktop을 설치하고 실행 중인 경우 터미널 창에서 실행하고
docker-compose upEnter 키를 누릅니다.Podman-compose가 설치되고 실행 중인 Podman이 있는 경우 터미널 창에서 실행하고
podman-compose upEnter 키를 누릅니다.Docker Desktop, Podman, nerdctl 또는 설치한 다른 컨테이너 런타임을 사용하여 PostgreSQL 컨테이너를 직접 실행하려면 터미널 창에서 다음 명령을 실행합니다.
Mac, Linux 또는 Linux용 Windows 하위 시스템(WSL):
[docker | podman | nerdctl] run --name postgresDb -e POSTGRES_USER=web -e POSTGRES_PASSWORD=web-password -e POSTGRES_DB=CustomersDB -v $(pwd)/data:/var/lib/postgresql/data -p 5432:5432 postgresPowerShell이 있는 Windows:
[docker | podman] run --name postgresDb -e POSTGRES_USER=web -e POSTGRES_PASSWORD=web-password -e POSTGRES_DB=CustomersDB -v ${PWD}/data:/var/lib/postgresql/data -p 5432:5432 postgres
데이터베이스 컨테이너가 시작되면 Visual Studio Code +의 아이콘을 눌러 두 번째 터미널 창을 만듭니다.
cd서버/typescript 폴더로 이동하고 다음 명령을 실행하여 종속성을 설치하고 API 서버를 시작합니다.npm installnpm start
+ Visual Studio Code 터미널 도구 모음에서 아이콘을 다시 눌러 세 번째 터미널 창을 만듭니다.
cd클라이언트 폴더에 다음 명령을 실행하여 종속성을 설치하고 웹 서버를 시작합니다.npm installnpm start
브라우저가 시작되고 이 브라우저로 이동 http://localhost:4200됩니다.
