LangChain'i ve Foundry ile LangGraph'ı kullanmaya başlama

langchain-azure-ai paketini, Microsoft Foundry özelliklerine sahip LangChain ve LangGraph uygulamaları oluşturmak için giriş noktası olarak kullanın. Bu makale, hızlı bir şekilde başlayıp her özellik için doğru ayrıntılı belgelere geçebilmeniz için paketin üst düzey bir haritasını sunar.

Önkoşullar

• Azure aboneliği. Ücretsiz bir tane oluşturun.

• Dökümhane projesi.

• Foundry projesindeki Foundry User rolü (için en düşük ayrıcalık düzeyine sahip rol)

  Important

  Foundry RBAC rolleri yakın zamanda yeniden adlandırıldı. Foundry User, Foundry Owner, Foundry Hesabı Sahibi ve Foundry Project Manager daha önce Azure Yapay Zeka Kullanıcısı, Azure Yapay Zeka Sahibi, Azure Yapay Zeka Hesabı Sahibi ve Azure Yapay Zeka Project Yöneticisi olarak adlandırıldı. Yeniden adlandırma kullanıma sunulmaya devam ederken bazı yerlerde önceki adları görmeye devam edebilirsiniz. Rol kimlikleri ve temel izinler yeniden adlandırma ile değiştirilmez.

  geliştirme). Kaynakları da oluşturuyor veya yönetiyorsanız, gerektiğinde Katkıda Bulunan'ı veya Sahip'i kullanın. Ayrıntılar için bkz. Microsoft Foundry için rol tabanlı erişim denetimi.

• Python 3.10 veya üzeri.

• Azure CLI oturum açtı (az login) böylece DefaultAzureCredential kimlik doğrulaması yapabilir.

Ipucu

Bu makalede, sürümünü kullanan azure-ai-projects>=2.0 desteğinden bahsediliyor. Klasik Foundry kullanıyorsanız, bunun yerine kullanın langchain-azure-ai[v1] .

Paketi yükleme

Temel paketi yükleyin:

pip install -U langchain-azure-ai azure-identity

Senaryonuza göre isteğe bağlı ek özellikleri yükleyin:

pip install -U "langchain-azure-ai[tools]"
pip install -U "langchain-azure-ai[opentelemetry]"

• Uygulamanız, Belge Zekası gibi ad alanından [tools]araçlar kullanıyorsa kullanınlangchain_azure_ai.tools.*.
• OpenTelemetry aracılığıyla tümleştirmeyi izlemeyi istiyorsanız kullanın [opentelemetry] .

Tümleştirme yapı taşları seçme

Çözümünüz için doğru ad alanını seçmek için bu haritayı kullanın.

Yeteneği	Ad alanı	Tipik kullanım
Döküm Aracısı Servisi	langchain_azure_ai.agents	LangGraph ve LangChain için karmaşık graf ve akışlar oluşturmak için yönetilen aracı düğümleri oluşturun. Ayrıntılı örneklere bakın.
LangGraph barındırma	langchain_azure_ai.agents.hosting	Responses veya Invocations protokolleriyle derlenmiş LangGraph aracılarını Foundry Agent Service üzerinde barındırın. Ayrıntılı örneklere bakın.
Dökümhane İçerik Güvenliği	langchain_azure_ai.agents.middleware	Çözümü doğru korumalarla dağıtabileceğinizden emin olmak için Dökümhane İçerik Güvenliği ve Moderasyonu'nu kullanın. Ayrıntılı örneklere bakın.
Sohbet modelleri	langchain_azure_ai.chat_models	Azure OpenAI ve model kataloğu sohbet modellerini çağır. Ayrıntılı örneklere bakın.
Eklemeler	langchain_azure_ai.embeddings	Katalogdan ekleme modellerini çağırın ve arama, alma ve derecelendirme iş akışları için vektörler oluşturun. Ayrıntılı örneklere bakın.
Vektör depoları	langchain_azure_ai.vectorstores	Azure Yapay Zeka Arama ve Cosmos DB vektör tümleştirmelerini kullanın.
Retrieverlar	langchain_azure_ai.retrievers	Azure destekli dizinler ve depolar üzerinde alma işlemini çalıştırın.
Sohbet geçmişi saklama	langchain_azure_ai.chat_history	Oturumlar arasında sohbet geçmişini kalıcı hale getirip tekrar oynatabilirsiniz. Birleştirilmiş geçiş sohbeti geçmişini almak için bellek destekli geçmişleri kullanın. Ayrıntılı örneklere bakın.
Araçları	langchain_azure_ai.tools	Belge Zekası, Görüntü İşleme, sistem durumu metin analizi ve Logic Apps gibi araçlar ekleyin; veya tüm proje Araç Kutusu'nu seçin. Ayrıntılı örneklere bakın
Döküm Araç Seti	langchain_azure_ai.tools	Tek bir MCP uç noktası üzerinden bir Foundry Araç Kutusu’ndan yönetilen araçlar ve beceriler yükleyin. Ayrıntılı örneklere bakın.
Geri çağırmalar ve izleme	langchain_azure_ai.callbacks	Çalıştırma olaylarını yakalayın ve OpenTelemetry izlemeleri yayımlayın. Ayrıntılı örneklere bakın.
Sorgu oluşturucuları	langchain_azure_ai.query_constructors	Alma senaryoları için arka uca özgü sorgu filtreleri oluşturun.

Belirli özel incelemeler için Her özelliği ayrıntılı olarak öğrenme bölümüne bakın.

Proje uç noktaları ve kimlik bilgileriyle bağlanma

Birçok langchain-azure-ai sınıf, Foundry proje uç noktası üzerinden bağlanmayı destekler. Bir kez ayarlayın AZURE_AI_PROJECT_ENDPOINT , ardından desteklenen sınıflar arasında yeniden kullanabilirsiniz.

export AZURE_AI_PROJECT_ENDPOINT="https://<resource>.services.ai.azure.com/api/projects/<project>"

project_endpoint kullandığınızda, kimlik doğrulaması projede Microsoft Entra ID ve Azure RBAC kullanır.

API anahtarları gibi /openai/v1doğrudan hizmet uç noktalarına yöneliktir.

export OPENAI_BASE_URL="https://<resource>.services.ai.azure.com/openai/v1"
export OPENAI_API_KEY="<your-key>"

Örnek: DökümHane Modellerini Kullanma

Ortam değişkenleri yapılandırıldıktan sonra şu şekilde bir model kullanabilirsiniz:

from langchain.chat_models import init_chat_model

model = init_chat_model("azure_ai:gpt-5.2")

ayrıca istemcileri özel olarak yapılandırabilirsiniz. Örnek olarak, temsili bir desen olarak görelim AzureAIOpenAIApiChatModel :

import os

from azure.identity import AzureCliCredential, DefaultAzureCredential
from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel

# Option A: Use a Foundry project endpoint (Microsoft Entra ID required).
model_from_project = AzureAIOpenAIApiChatModel(
  project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option B: Use a service endpoint directly with an API key.
model_from_endpoint = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential=os.environ["OPENAI_API_KEY"],
  model="gpt-5.2",
)

# Option C: Use a different credential strategy.
model_with_cli_credential = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential=AzureCliCredential(),
  model="gpt-5.2",
)

Bu kod parçacığının yaptığı iş: Aynı modelin Bir Döküm projesi uç noktasından veya doğrudan hizmet uç noktasından başlatıldığını gösterir ve kimlik bilgilerinin nasıl değiştirıldığını gösterir.

Araçlara aynı deseni uygulayabilirsiniz. Örneğin, AzureAIDocumentIntelligenceTool proje uç noktasını ve DefaultAzureCredential ek bir yapılandırmaya gerek kalmadan AZURE_AI_PROJECT_ENDPOINT ayarlandığında kullanabilir.

from langchain_azure_ai.tools import AzureAIDocumentIntelligenceTool

document_tool = AzureAIDocumentIntelligenceTool()

Nasıl DefaultAzureCredential çalışır?

DefaultAzureCredential birkaç Microsoft Entra ID kimlik bilgisi kaynağını sırayla dener ve çalışan ilk kimlik bilgilerini kullanır. Yaygın kaynaklar ortam değişkenleri, yönetilen kimlik, geliştirici araçları ve Azure CLI.

Yerel geliştirme ve dağıtılan iş yükleri için varsayılan olarak kullanın DefaultAzureCredential . Daha katı bir denetime ihtiyacınız varsa, bunu yalnızca yerel geliştirme için AzureCliCredential veya Azure'daki üretim iş yükleri için ManagedIdentityCredential gibi belirli bir kimlik bilgileriyle değiştirin.

Aynı proje uç nokta deseni diğer sınıflar tarafından da kullanılır.

Her özelliği ayrıntılı olarak öğrenin

Bu belge kümesindeki şu kılavuzlarla başlayın:

• LangChain ve LangGraph ile DökümHane Modellerini Kullanma
• Dökümhane İçerik Güvenliği ara yazılımını kullanma
• LangGraph ile Foundry Ajan Servisini Kullanma
• LangChain ile Döküm Araç Kutusu'nu kullanma
• LangGraph aracılarını Foundry tarafından barındırılan aracılar olarak barındırın
• LangChain ve LangGraph ile Döküm Belleği Kullanma
• Uygulamaları izlemek için Foundry Gözlemlenebilirliğini kullanma

Modül düzeyi ayrıntıları ve güncelleştirmeleri için şu paket kaynaklarını kullanın:

• Paket genel bakışı ve README.
• langchain-azure-aiLangChain belgeleri için.

Sonraki adım

LangChain ile DökümHane Modellerini Kullanma