Criar um projeto para o Azure AI Foundry

Este artigo descreve como criar um projeto no Azure AI Foundry. Os projetos permitem que você organize seu trabalho para explorar novas ideias e, ao mesmo tempo, fazer protótipos de um caso de uso específico.

O Azure AI Foundry dá suporte a dois tipos de projetos: um projeto do Foundry e um projeto baseado em hub. Para obter mais informações sobre as diferenças entre esses dois tipos de projeto, consulte Tipos de projetos.

Dica

O restante deste artigo mostra como criar um projeto baseado em hub. Selecione o projeto Foundry na parte superior deste artigo se você quiser criar um projeto do Foundry.

• Um projeto baseado em hub é hospedado por um hub do Azure AI Foundry. Se sua empresa tiver uma equipe administrativa que criou um hub para você, você poderá criar um projeto a partir desse hub. Se você estiver trabalhando por conta própria, poderá criar um projeto e um hub padrão será criado automaticamente para você.

• Use este tipo de projeto para:

  • Fluxo de prompt
  • Computação gerenciada
  • Compatibilidade do Azure Machine Learning

• Este projeto também pode ser usado para:

  • Agentes (versão prévia)
  • Isolamento de arquivos e resultados no nível do projeto
  • Avaliações
  • Parques Infantis

Pré-requisitos

Use as seguintes guias para selecionar o método que você planeja usar para criar um projeto baseado em hub:

Portal do Azure AI Foundry

• Uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita.

SDK do Python

• Uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita.
• SDK do Azure Machine Learning v2.
• Um hub da Fábrica de IA do Azure. Se você não tiver um hub, consulte Criar um hub usando o SDK e a CLI do Azure Machine Learning.
• Azure CLI
• Autentique com az login ou az login --use-device-code em seu ambiente antes de executar o código.

Azure CLI

• Uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita.
• CLI do Azure e a extensão de aprendizado de máquina. Se você não tiver a CLI do Azure e a extensão de aprendizado de máquina instaladas, siga as etapas no artigo Instalar e configurar a extensão de aprendizado de máquina.
• Um hub da Fábrica de IA do Azure. Se você não tiver um hub, consulte Criar um hub usando o SDK e a CLI do Azure Machine Learning.

Criar um projeto baseado em hub

Portal do Azure AI Foundry

Para criar um projeto baseado em hub no Azure AI Foundry, siga estas etapas:

1. Entre no Azure AI Foundry.

2. O que você faz a seguir depende de onde você está:

   • Se você não tiver nenhum projeto existente: siga as etapas no Início Rápido: Introdução ao Azure AI Foundry para criar seu primeiro projeto.

   • Se você estiver em um projeto: selecione a trilha do projeto e, em seguida, selecione Criar novo recurso.

     

   • Se você não estiver em um projeto: selecione Criar novo no canto superior direito para criar um novo projeto Foundry

     

3. Selecione o recurso do hub de IA e selecione Avançar.

4. Insira um nome para o projeto.

5. Se você tiver um hub, verá o que usou mais recentemente selecionado.

   • Se tiver acesso a mais de um hub, poderá selecionar um hub diferente na lista suspensa.

   • Se quiser criar um, selecione Criar hub e forneça um nome.

     

6. Caso você não tenha um hub, um hub padrão será criado para você.

7. Selecione Criar.

Ou, se você quiser personalizar um novo hub, siga as etapas na próxima seção antes de selecionar Criar.

Personalizar o hub

Existe um projeto baseado em hub dentro de um hub. Um hub permite que você compartilhe configurações como conexões de dados com todos os projetos e gerencie centralmente as configurações de segurança e os gastos. Se você fizer parte de uma equipe, os hubs serão compartilhados entre outros membros da equipe em sua assinatura. Para obter mais informações sobre a relação entre hubs e projetos, confira a documentação de visão geral de hubs e projetos.

Quando cria um hub, você precisa ter permissões de Proprietário ou Colaborador no grupo de recursos selecionado. Se você fizer parte de uma equipe e não tiver essas permissões, o administrador deverá criar um hub para você.

Dica

Embora você possa criar um hub como parte da criação do projeto, você terá mais controle e poderá definir configurações mais avançadas para o hub se criá-lo separadamente. Por exemplo, você pode personalizar a segurança de rede ou a conta do Armazenamento do Azure subjacente. Para obter mais informações, confira Como criar e gerenciar um hub do Azure AI Foundry.

Quando você cria um hub como parte da criação do projeto, as configurações padrão são fornecidas. Para personalizar essas configurações, faça isso antes de criar o projeto:

1. No formulário Criar um projeto , selecione a seta no lado direito.

   

2. Selecione um Grupo de recursos que você deseja usar ou deixe o padrão para criar um grupo de recursos.

   Dica

   Especialmente para começar, recomendamos que você crie um novo grupo de recursos para seu projeto. O grupo de recursos permite que você gerencie facilmente o projeto e todos os seus recursos juntos. Quando você cria um projeto, vários recursos são criados no grupo de recursos, incluindo um hub, um registro de contêiner e uma conta de armazenamento.

3. Selecione um Local ou use o padrão. O local é a região em que o hub será hospedado. O local do hub também é o local do projeto. A disponibilidade dos serviços de IA do Azure difere por região. Por exemplo, determinados modelos podem não estar disponíveis em determinadas regiões.

4. Selecione Criar um projeto. Você acompanha o progresso da criação do recurso. O projeto é criado quando o processo é concluído.

SDK do Python

O código nesta seção pressupõe que você tem um hub existente. Se você não tiver um hub, consulte Como criar e gerenciar um hub da Fábrica de IA do Azure para criar um.

1. Instalar pacotes. (Se estiver em uma célula de notebook, use %pip install em vez disso.)

   pip install azure-ai-ml
   pip install azure-identity
   

2. Forneça os detalhes da sua assinatura:

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

3. Controle a assinatura. Todo o código Python nesse artigo 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. (Opcional) Se você tiver várias contas, adicione o ID do locatário do ID do Microsoft Entra que deseja usar no DefaultAzureCredential. Localize sua ID de locatário do portal do Azure no Microsoft Entra ID, Identidades Externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Opcional) Se você estiver trabalhando nas regiões Azure Governamental – EUA ou Azure China 21Vianet, especifique a região na qual você quer se autenticar. Você pode especificar a região com DefaultAzureCredential. O seguinte exemplo faz a autenticação na região Azure Governamental – EUA:

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

6. Use o código a seguir para criar um projeto a partir de um hub que você ou seu administrador criou anteriormente. Substitua os valores de cadeia de caracteres de exemplo por seus próprios valores:

   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()
   

Azure CLI

O código nesta seção pressupõe que você tem um hub existente. Se você não tiver um hub, consulte Como criar e gerenciar um hub da Fábrica de IA do Azure para criar um.

1. Para se autenticar em sua assinatura do Azure a partir da CLI do Azure, use o seguinte comando:

   az login
   

   Para obter mais informações sobre autenticação, consulte Métodos de autenticação.

2. Depois que a extensão for instalada e autenticada em sua assinatura do Azure, use o comando a seguir para criar um novo projeto da Fábrica de IA do Azure a partir de um hub da Fábrica de IA do Azure existente:

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

   Formulário my_hub_ID com esta sintaxe: /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}.

Exibir as configurações do projeto

Portal do Azure AI Foundry

Na página Visão geral do projeto, você pode encontrar informações sobre o projeto.

• Nome: o nome do projeto aparece no canto superior esquerdo.
• Assinatura: a assinatura que hospeda o hub que hospeda o projeto.
• Grupo de recursos: o grupo de recursos que hospeda o hub que hospeda o projeto.

Selecione Centro de gerenciamento para navegar até os recursos do projeto do Portal da Fábrica de IA do Azure. Selecione Gerenciar no portal do Azure para navegar até os recursos do projeto no portal Azure.

SDK do Python

Para gerenciar ou usar o novo projeto, inclua-o na seção MLClient:

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

Azure CLI

Para exibir as configurações do projeto, use o comando az ml workspace show. Por exemplo:

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

Acessar recursos do projeto

As configurações comuns no hub são compartilhadas com seu projeto, incluindo conexões, instâncias de computação e acesso à rede, para que você possa começar a desenvolver imediatamente.

Além disso, muitos recursos só são acessíveis pelos usuários no workspace do projeto:

• Componentes, incluindo conjuntos de dados, fluxos, índices, pontos de extremidade da API do modelo implantado (aberto e sem servidor).

• Conexões criadas por você em "configurações do projeto".

• Contêineres do Azure Storage Blob e um compartilhamento de arquivos para upload de dados no seu projeto. Acesse o armazenamento usando as seguintes conexões:

  Conexão de dados	Local de armazenamento	Propósito
  workspaceblobstore	{project-GUID}-azureml-blobstore	Contêiner padrão para uploads de dados
  workspaceartifactstore	{project-GUID}-azureml	Armazena componentes e metadados para seu projeto, como pesos de modelos
  workspacefilestore	{project-GUID}-código	Hospeda arquivos criados em sua computação e usando o prompt flow

Observação

As conexões de armazenamento não são criadas diretamente com o projeto quando sua conta de armazenamento tem acesso à rede pública definido como desabilitado. Em vez disso, eles são criados quando um primeiro usuário acessa a Fábrica de IA do Azure por meio de uma conexão de rede privada. Solucionar problemas de conexões de armazenamento

Conteúdo relacionado

• Guia de Início Rápido: usar o playground de chat no Portal da Fábrica de IA do Azure

• Saiba mais sobre os hubs

Dica

O restante deste artigo mostra como criar um projeto do Foundry. Selecione o projeto baseado em hub na parte superior deste artigo se você quiser criar um projeto baseado em hub.

• Um projeto do Foundry é criado com base em um recurso do Azure AI Foundry. Esse tipo de projeto permite uma configuração simples, acesso a agentes e modelos líderes do setor do OpenAI, Mistral, Meta e muito mais.

• Esse tipo de projeto oferece o melhor suporte para:

  • Agentes
  • API do AI Foundry para trabalhar com agentes e entre modelos
  • Modelos vendidos diretamente pelo Azure – Azure OpenAI, DeepSeek, xAI etc.
  • Modelos de Parceiros & Comunidade vendidos por meio do Marketplace – Stability, Bria, Cohere, etc.
  • Arquivos do projeto (carregar arquivos diretamente e iniciar experimentos)
  • Isolamento de arquivos e resultados no nível do projeto
  • Avaliações
  • Ajuste fino
  • Parques Infantis

Pré-requisitos

Use as seguintes guias para selecionar o método que você planeja usar para criar um projeto do Foundry:

Portal do Azure AI Foundry

• Uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita.
• Você deve ser proprietário da assinatura para ter o controle de acesso apropriado necessário para criar o recurso Azure AI Foundry que é o pai do projeto. Se você não tiver esse acesso, faça com que o administrador crie um recurso de AI Foundry para você usar. Em seguida, pule para Criar vários projetos no mesmo recurso para criar seu projeto.

SDK do Python

• Uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita.
• Você deve ser o Proprietário da assinatura para receber o controle de acesso apropriado necessário para usar o projeto.
• Configurar seu ambiente de desenvolvimento
• Autentique com az login ou az login --use-device-code em seu ambiente antes de executar o código.
• Conclua estas etapas para iniciar o script Python:

  1. Instalar pacotes: pip install azure-identity azure-mgmt-cognitiveservices==13.7.0b1 . Se estiver em uma célula de notebook, use %pip install em vez disso".

  2. Use pip show azure-mgmt-cognitiveservices para verificar se sua versão é 13.7 ou superior.

  3. Inicie seu script com o código a seguir para criar a conexão e as client variáveis usadas ao longo deste artigo. Este exemplo cria o projeto no Leste dos EUA:

     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. (Opcional) Se você tiver várias contas, adicione o ID do locatário do ID do Microsoft Entra que deseja usar no DefaultAzureCredential. Localize sua ID de locatário do portal do Azure no Microsoft Entra ID, Identidades Externas.

     DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
     

  5. (Opcional) Se você estiver trabalhando nas regiões Azure Governamental – EUA ou Azure China 21Vianet, especifique a região na qual você quer se autenticar. Você pode especificar a região com DefaultAzureCredential. O seguinte exemplo faz a autenticação na região Azure Governamental – EUA:

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

Azure CLI

• Uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita.
• Você deve ser o Proprietário da assinatura para receber o controle de acesso apropriado necessário para usar o projeto.
• Azure CLI

Criar um projeto do Foundry

Portal do Azure AI Foundry

Essas etapas fornecem uma maneira de criar um novo recurso do Azure com configurações básicas, padrão.

Dica

Se sua organização exigir configurações personalizadas do Azure, como nomes alternativos, controles de segurança ou marcas de custo, use um desses métodos para cumprir a conformidade do Azure Policy da sua organização:

• Criar seu primeiro recurso de AI Foundry
• Criar um recurso do Azure AI Foundry usando um arquivo Bicep

Para criar um projeto do Foundry no Azure AI Foundry, siga estas etapas:

1. Entre no Azure AI Foundry.

2. O que você faz a seguir depende de onde você está:

   • Se você não tiver nenhum projeto existente: siga as etapas no Início Rápido: Introdução ao Azure AI Foundry para criar seu primeiro projeto.

   • Se você estiver em um projeto: selecione a trilha do projeto e, em seguida, selecione Criar novo recurso.

     

   • Se você não estiver em um projeto: selecione Criar novo no canto superior direito para criar um novo projeto Foundry

     

3. Selecione o recurso do Azure AI Foundry e selecione Avançar.

4. Forneça um nome para seu projeto e selecione Criar. Ou consulte a próxima seção para obter opções avançadas.

Opções avançadas

Um projeto Foundry é criado em um recurso AI Foundry. Esse recurso é criado para você automaticamente quando você cria o projeto.

Para personalizar as configurações do projeto, siga estas etapas:

1. No formulário Criar um projeto , selecione Opções avançadas.

2. Selecione um Grupo de recursos que você deseja usar ou deixe o padrão para criar um grupo de recursos.

   Dica

   Especialmente para começar, recomendamos que você crie um novo grupo de recursos para seu projeto. O grupo de recursos permite que você gerencie facilmente o projeto e todos os seus recursos juntos.

3. Selecione um Local ou use o padrão. O local é a região em que o hub será hospedado. A disponibilidade dos serviços de IA do Azure difere por região. Por exemplo, determinados modelos podem não estar disponíveis em determinadas regiões.

4. Selecione Criar. Você visualiza o progresso da criação do recurso e o projeto é criado quando o processo é concluído.

SDK do Python

Para criar um projeto do Foundry:

1. Adicione este código para criar um projeto de Foundry, usando as variáveis e a conexão mencionada nos 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": {}
       }
   )
   

Azure CLI

Os comandos da CLI não estão disponíveis no momento para a criação de um projeto do Foundry.

Criar vários projetos no mesmo recurso

Crie vários projetos do Foundry em um recurso existente AI Foundry , para que você possa compartilhar seu ambiente com sua equipe para colaboração.

Projetos do Fábrica como recursos filhos do Azure podem ter seus próprios controles de acesso, mas compartilham configurações comuns, como segurança de rede, implantações e integração de ferramentas do Azure com o recurso pai.

Seu primeiro projeto (projeto padrão) desempenha uma função especial e tem acesso a mais recursos:

Característica	Projeto padrão do Fábrica	Projeto Nondefault Foundry
Inferência de modelo	✅	✅
Parques Infantis	✅	✅
Agentes	✅	✅
Avaliações	✅	✅
Conexões	✅	✅
API do AI Foundry que funciona com agentes e entre modelos	✅	✅
Isolamento de arquivos e resultados no nível do projeto	✅	✅
OpenAI do Azure com Lote, StoredCompletions, Ajuste fino	✅
Compatível com versões anteriores com a API do plano de dados {account}.cognitiveservices.com sem projeto.	✅
Segurança de conteúdo	✅

• Para adicionar um projeto não padrão a um recurso:

  Portal do Azure AI Foundry

  Dica

  Como você pode personalizar o painel esquerdo no portal do Azure AI Foundry, você pode ver itens diferentes dos mostrados nestas etapas. Se você não vir o que está procurando, selecione ... Mais na parte inferior do painel esquerdo.

  1. No Azure AI Foundry, selecione o projeto Foundry ou seu recurso associado.

  2. No painel esquerdo, selecione Centro de Gerenciamento.

  3. Na seção de recursos, selecione Visão geral.

  4. Selecione Novo projeto e forneça um nome.

     

  SDK do Python

  Adicione este código ao script para criar um novo projeto em seu recurso existente:

  # 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": {}
      }
  )
  

  Azure CLI

  Os comandos da CLI não estão disponíveis no momento para a criação de um projeto do Foundry.

• Se você excluir o projeto padrão do recurso foundry, o próximo projeto criado se tornará o projeto padrão.

Exibir as configurações do projeto

Portal do Azure AI Foundry

Na home page do projeto, você pode encontrar informações sobre o projeto.

• Nome: o nome do projeto aparece no canto superior esquerdo.
• Assinatura: a assinatura que hospeda o hub que hospeda o projeto.
• Grupo de recursos: o grupo de recursos que hospeda o hub que hospeda o projeto.

SDK do Python

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

Azure CLI

Para exibir as configurações do projeto, use o comando az cognitiveservices account connection show. Por exemplo:

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

Conteúdo relacionado

• Início Rápido: Introdução ao Azure AI Foundry
• Saiba mais sobre o Azure AI Foundry