Descrever a extensão de IA do Azure

4 minutos

A extensão azure_ai é uma ferramenta poderosa criada pela equipe do Microsoft Postgres que fornece integração perfeita entre sua instância de servidor flexível do Banco de Dados do Azure para PostgreSQL e várias Ferramentas de Fundação. Essa integração simplifica o processo de desenvolvimento e permite que você incorpore recursos de IA em seus aplicativos sem esforço.

Você pode acessar ferramentas do Foundry, como processamento de linguagem natural, análise de texto e modelos de linguagem de IA generativos de suas consultas SQL usando uma chamada de função simples. Essa extensão permite que você use o poder da IA do Azure e do Machine Learning para adicionar análises e insights avançados aos seus aplicativos sem sair do banco de dados PostgreSQL.

A extensão facilita a integração do Azure OpenAI, Microsoft Foundry e Azure Machine Learning ao banco de dados. No geral, a azure_ai extensão é um divisor de águas para desenvolvedores que buscam adicionar recursos de IA generativos aos seus aplicativos. Suas funcionalidades avançadas e a integração perfeita com os serviços de IA e Machine Learning do Azure simplificam o processo de desenvolvimento e permitem que você crie aplicativos avançados de IA diretamente em seu banco de dados PostgreSQL.

Qual é a extensão azure_ai?

A azure_ai extensão fornece um conjunto abrangente de ferramentas que podem aprimorar a funcionalidade de um banco de dados PostgreSQL integrando a IA do Azure e os Serviços de Machine Learning. Com a azure_ai extensão, você pode incorporar perfeitamente recursos de IA generativos ao banco de dados. Essa extensão permite que você crie um novo conteúdo com base nas informações existentes. Essas ferramentas incluem uma coleção de esquemas, UDFs (funções definidas pelo usuário) e tipos compostos que podem ser perfeitamente integrados a qualquer banco de dados PostgreSQL. Ao utilizar o poder das Ferramentas Foundry, você pode se beneficiar de análises avançadas, aprendizado de máquina e outras capacidades orientadas por IA para obter insights mais profundos e tomar decisões mais acertadas. Com a azure_ai extensão, PostgreSQL, você pode desbloquear um novo nível de funcionalidade e desempenho. A extensão fornece três integrações de serviço primárias:

Ferramentas de Fundição

A extensão permite que seu banco de dados chame várias Foundry Tools para extrair insights dos dados, como sumarização de texto, tradução e extração de entidades. Esses serviços simplificam o processo de desenvolvimento, tornando a integração de recursos de IA em seus aplicativos mais acessível.

OpenAI do Azure

A integração do Serviço OpenAI do Azure permite que você invoque a API do Azure OpenAI diretamente do banco de dados para gerar inserções de vetor. Combinado com a vector extensão, você pode armazenar as inserções geradas diretamente no banco de dados PostgreSQL. Essas inserções permitem funcionalidades avançadas, como pesquisa semântica, recomendações e detecção de anomalias.

Azure Machine Learning

A extensão permite que você se conecte ao Azure Machine Learning para executar inferência. Você pode usar um modelo de machine learning treinado para fazer previsões ou gerar saídas com base em dados novos e não vistos.

Habilitando a extensão azure_ai

Antes de usar a azure_ai extensão, ela deve ser permitida e instalada com seu banco de dados:

Configuração da lista de permissões: adicione a extensão à lista de permissões executando SHOW azure.extensions;.
Instalação: conecte-se ao banco de dados de destino e execute o seguinte comando para instalar a extensão:

CREATE EXTENSION IF NOT EXISTS azure_ai;

Criação de esquema

Depois de instalada, a extensão cria quatro esquemas no banco de dados:

Esquema	Descrição
`azure_ai`	Contém a tabela de configuração e as funções para interagir com a extensão.
`azure_cognitive`	Contém funções e tipos de composição relacionados aos Serviços Cognitivos do Azure.
`azure_ml`	Contém funções relacionadas à inferência do Azure Machine Learning.
`azure_openai`	Contém as funções relacionadas ao Azure OpenAI.

Configurando a extensão

A extensão cria a azure_ai.settings tabela, que é crucial para configurar e gerenciar as configurações de extensão. A tabela hospeda com segurança as configurações de endpoint e chave relacionadas às Ferramentas Foundry que você integra ao banco de dados. Para configurar a extensão, forneça os pontos de extremidade e as chaves de API necessários para autenticação.

Definindo valores:
- A função azure_ai.set_setting() permite definir vários valores de configuração para Foundry Tools. Você pode atribuir valores a chaves específicas usando essa função.
- Por exemplo, você pode definir o endpoint do Azure OpenAI e prover a chave de assinatura correspondente usando os seguintes comandos:
```
SELECT azure_ai.set_setting('azure_openai.endpoint', '{endpoint}');
SELECT azure_ai.set_setting('azure_openai.subscription_key', '{api-key}');
```
Recuperando configurações:
- A azure_ai.get_setting() função permite recuperar os valores definidos anteriormente usando set_setting().
- Especifique a chave da configuração que você deseja exibir e a função retorna o valor associado.
- Por exemplo, para verificar as configurações escritas na tabela de configuração, use:
```
SELECT azure_ai.get_setting('azure_openai.endpoint');
SELECT azure_ai.get_setting('azure_openai.subscription_key');
```

Chaves de acesso e segurança

As chaves de acesso à IA do Azure são semelhantes às senhas raiz da sua conta. É crucial lidar com eles com cuidado. A melhor abordagem é usar o Azure Key Vault para gerenciar e girar suas chaves.

Os usuários que precisam gerenciar as chaves de serviço usadas pela extensão exigem a função azure_ai_settings_manager no banco de dados. Funções que exigem essa função incluem azure_ai.set_setting() e azure_ai.get_setting().

Como funciona a extensão azure_ai?

Aqui está um exemplo rápido de como é fácil usar a azure_ai extensão em um servidor flexível do Banco de Dados do Azure para PostgreSQL:

Gerando inserções: você pode criar inserções chamando uma UDF (função definida pelo usuário) embutida do SQL. Por exemplo:

SELECT azure_openai.create_embeddings('text-embedding-ada-002', 'Learn about building intelligent applications with azure_ai extension and vector');

Serviços de linguagem: precisa de análise de sentimento? É tão simples quanto uma chamada UDF do SQL:
```
SELECT a.* FROM azure_cognitive.analyze_sentiment('The GenAI session was awesome', 'en') a;
```
Recursos adicionais: você pode adicionar colunas de vetor a tabelas, criar índices HNSW (Hierárquico Navigable Small World) e executar pesquisas semânticas, todas alimentadas pela extensão azure_ai.

Comentários

Esta página foi útil?