Hızlı Başlangıç: Microsoft Döküm SDK'sı kullanmaya başlama

Bu hızlı başlangıçta Foundry'de modelleri ve aracıları kullanmaya başlarsınız.

Şunu yapacaksınız:

• Modelden yanıt oluşturma
• Tanımlı bir istemle bir aracı oluşturun
• Temsilciyle çok adımlı bir sohbet gerçekleştirin

Önkoşullar

• Microsoft Foundry'de dağıtılan bir model. Modeliniz yoksa, önce Quickstart: Microsoft Foundry kaynaklarını ayarlama tamamlayın.

  Ipucu

  Veya dağıtım adımını atlayıp bunun yerine bir anlık model (önizleme) deneyin. Hızlı erişim modellerini kullanmak için Batı ABD 3'te bir proje oluşturun. Instant modeller için dağıtım yoktur; bu nedenle örneklerde dağıtım adı istendiği her yerde model adı olarak gpt-5-mini kullanın.

• Geliştirme ortamınızı hazırlama bölümünde açıklandığı gibi gerekli dil çalışma zamanları, küresel araçlar ve Visual Studio Code uzantıları.

Ortam değişkenlerini ayarlama ve kodu alma

Python

1. Proje uç noktanızı ve model adınızı ortam değişkenleri olarak depolayın. quickstart-responses.py örneği bu değerleri okur:

   AZURE_AI_PROJECT_ENDPOINT=https://<resource-name>.services.ai.azure.com/api/projects/<project-name>
   MODEL_DEPLOYMENT=gpt-5-mini
   

2. quickstart-create-agent.py ve quickstart-chat-with-agent.py örnekleri ortam değişkenlerini okumaz. Her dosyada PROJECT_ENDPOINT ve AGENT_NAME değerlerini, uç noktanız ve MyAgent gibi bir aracı adıyla değiştirin.

Örnekler, Microsoft Dökümhane kaynaklarını ayarlama bölümünde oluşturduğunuz dağıtımı kullanırgpt-5-mini. Modeli farklı bir adla dağıttıysanız örnek koddaki model adını güncelleştirin.

Aşağıdaki adımları izleyin veya kodu alın:

Kodu alma

C#

1. Proje uç noktanızı ve model adınızı ortam değişkenleri olarak depolayın. quickstart-responses.cs örnek bu değerleri okur:

   AZURE_AI_PROJECT_ENDPOINT=https://<resource-name>.services.ai.azure.com/api/projects/<project-name>
   MODEL_DEPLOYMENT=gpt-5-mini
   

2. quickstart-create-agent.cs ve quickstart-chat-with-agent.cs örnekleri ortam değişkenlerini okumaz. Her dosyada, ProjectEndpoint ve AgentName değerlerini uç noktanız ve MyAgent gibi bir aracı adı ile değiştirin.

Örnekler, Microsoft Dökümhane kaynaklarını ayarlama bölümünde oluşturduğunuz dağıtımı kullanırgpt-5-mini. Modeli farklı bir adla dağıttıysanız örnek koddaki model adını güncelleştirin.

Aşağıdaki adımları izleyin veya kodu alın:

Kodu alma

TypeScript

TypeScript örnekleri ortam değişkenlerini okumaz. Her dosyada, bu değerleri proje uç noktanız ve MyAgent gibi bir aracı adı ile değiştirin:

const PROJECT_ENDPOINT = "https://<resource-name>.services.ai.azure.com/api/projects/<project-name>";
const AGENT_NAME = "MyAgent";

Örnekler, Microsoft Dökümhane kaynaklarını ayarlama bölümünde oluşturduğunuz dağıtımı kullanırgpt-5-mini. Modeli farklı bir adla dağıttıysanız örnek koddaki model adını güncelleştirin.

Aşağıdaki adımları izleyin veya kodu alın:

Kodu alma

Java

Java örnekleri ortam değişkenlerini okumaz. Her dosyada, bu değerleri proje uç noktanız ve MyAgent gibi bir aracı adıyla değiştirin:

String ProjectEndpoint = "https://<resource-name>.services.ai.azure.com/api/projects/<project-name>";
String AgentName = "MyAgent";

Örnekler, Microsoft Dökümhane kaynaklarını ayarlama bölümünde oluşturduğunuz dağıtımı kullanırgpt-5-mini. Modeli farklı bir adla dağıttıysanız örnek koddaki model adını güncelleştirin.

Aşağıdaki adımları izleyin veya kodu alın:

Kodu alma

REST API

1. Her istek URL’sinde, YOUR-PROJECT-NAME ve https://<resource-name>.services.ai.azure.com/api/projects/<project-name> ifadelerini, şu biçimde olan proje uç noktanızdaki değerlerle değiştirin: YOUR-FOUNDRY-RESOURCE-NAME.

2. Aracı ile sohbet isteği bir ortam değişkeninden aracı adını okur:

   AGENT_NAME=MyAgent
   

Örnekler, Microsoft Dökümhane kaynaklarını ayarlama bölümünde oluşturduğunuz dağıtımı kullanırgpt-5-mini. Modeli farklı bir adla dağıttıysanız, istek gövdesindeki model değeri güncelleştirin.

Aşağıdaki adımları izleyin veya kodu alın:

Kodu alın.

Dökümhane portalı

Dökümhane portalı kullanılırken kod gerekmez.

Yükleme ve kimlik doğrulaması

Burada gösterildiği gibi paketlerin doğru sürümünü yüklediğinizden emin olun.

Python

1. Mevcut sürümünü yükleyin azure-ai-projects. Bu sürüm, Foundry projeleri (yeni) API'sini kullanır. Örnekler, DefaultAzureCredential kaynağından gelen azure-identity kullanarak kimlik doğrulaması yapar.

   pip install "azure-ai-projects>=2.3.0" azure-identity
   

2. Python betiklerinizi çalıştırmadan önce kimlik doğrulaması yapmak için CLI az login komutunu kullanarak oturum açın.

C#

1. Paketleri yükleme:

   Tümleşik terminalde .NET CLI kullanarak NuGet paketleri ekleyin: Bu paketler Foundry projeleri (yeni) API kullanır.

   dotnet add package Azure.AI.Projects
   dotnet add package Azure.AI.Projects.Agents
   dotnet add package Azure.AI.Extensions.OpenAI
   dotnet add package Azure.Identity
   

2. C# betiklerinizi çalıştırmadan önce kimlik doğrulaması yapmak için CLI az login komutunu kullanarak oturum açın.

TypeScript

1. Mevcut sürümünü yükleyin @azure/ai-projects. Bu sürüm , Foundry projeleri (yeni) API'sini kullanır.:

   npm install @azure/ai-projects @azure/identity
   

2. TypeScript betiklerinizi çalıştırmadan önce kimlik doğrulaması yapmak için CLI az login komutunu kullanarak oturum açın.

Java

<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-ai-agents</artifactId>
    <version>2.2.0</version>
</dependency>
<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-core</artifactId>
    <version>1.57.0</version>
</dependency>
<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-identity</artifactId>
    <version>1.18.1</version>
</dependency>

1. Java betiklerinizi çalıştırmadan önce kimlik doğrulaması yapmak için CLI az login komutunu kullanarak oturum açın.

REST API

1. Sonraki komutu çalıştırmadan önce kimlik doğrulaması yapmak için CLI az login komutunu kullanarak oturum açın.

2. Geçici erişim belirteci alma. Süresi 60-90 dakika içinde dolacak, bundan sonra yenilemeniz gerekir.

   az account get-access-token --scope https://ai.azure.com/.default
   

3. Sonuçları ortam değişkeni AZURE_AI_AUTH_TOKENolarak kaydedin.

Dökümhane portalı

Dökümhane portalını kullanmak için yükleme gerekmez.

Ipucu

Kod, Azure AI Projeleri 2.x kullanır ve Azure AI Projeleri 1.x ile uyumlu değildir. Azure AI Projects 1.x sürümü için Foundry (klasik) belgelerini görüntüleyin.

Modelle sohbet etme

Modelle etkileşim kurmak, yapay zeka uygulamalarının temel yapı taşıdır. Giriş gönderin ve modelden bir yanıt alın:

Python

import os

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = os.getenv("AZURE_AI_PROJECT_ENDPOINT", "your_project_endpoint")
MODEL_DEPLOYMENT = os.getenv("MODEL_DEPLOYMENT", "gpt-5-mini")

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
openai = project.get_openai_client()

# Run a responses API call
response = openai.responses.create(
    model=MODEL_DEPLOYMENT,
    input="What is the size of France in square miles?",
)
if not response.output_text or not response.output_text.strip():
    raise RuntimeError("Response output text was empty.")

print(f"Response output: {response.output_text}")

C#

using Azure.Identity;
using Azure.AI.Projects;
using Azure.AI.Extensions.OpenAI;
using OpenAI.Responses;

#pragma warning disable OPENAI001

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
var projectEndpoint = Environment.GetEnvironmentVariable("AZURE_AI_PROJECT_ENDPOINT") ?? "your_project_endpoint";
var modelDeployment = Environment.GetEnvironmentVariable("MODEL_DEPLOYMENT") ?? "gpt-5-mini";

// Create project client to call Foundry API
AIProjectClient projectClient = new(
    endpoint: new Uri(projectEndpoint),
    tokenProvider: new DefaultAzureCredential());

// Run a responses API call
ProjectResponsesClient responseClient = projectClient.ProjectOpenAIClient.GetProjectResponsesClientForModel(modelDeployment);
ResponseResult response = await responseClient.CreateResponseAsync(
    "What is the size of France in square miles?");
string outputText = response.GetOutputText();
if (string.IsNullOrWhiteSpace(outputText))
{
    throw new InvalidOperationException("Response output text was empty.");
}

Console.WriteLine(outputText);

TypeScript

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
const PROJECT_ENDPOINT = "your_project_endpoint";

async function main(): Promise<void> {
    // Create project and openai clients to call Foundry API
    const project = new AIProjectClient(PROJECT_ENDPOINT, new DefaultAzureCredential());
    const openai = project.getOpenAIClient();

    // Run a responses API call
    const response = await openai.responses.create({
        model: "gpt-5-mini",
        input: "What is the size of France in square miles?",
    });
    console.log(`Response output: ${response.output_text}`);
}

main().catch(console.error);

Java

package com.azure.ai.agents;

import com.azure.identity.DefaultAzureCredentialBuilder;
import com.openai.models.responses.Response;
import com.openai.models.responses.ResponseCreateParams;

public class CreateResponse {
    public static void main(String[] args) {
        // Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
        String ProjectEndpoint = "your_project_endpoint";

        // Create responses client to call Foundry API
        ResponsesClient responsesClient = new AgentsClientBuilder()
                .credential(new DefaultAzureCredentialBuilder().build())
                .endpoint(ProjectEndpoint)
                .buildResponsesClient();

        // Run a responses API call
        ResponseCreateParams responseRequest = new ResponseCreateParams.Builder()
                .input("What is the size of France in square miles?")
                .model("gpt-5-mini")
                .build();
        Response response = responsesClient.getResponseService().create(responseRequest);
        System.out.println(response.output());
    }
}

REST API

YOUR-FOUNDRY-RESOURCE-NAME değerini kendi değerlerinizle değiştirin.

curl -X POST https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/openai/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
-d '{
        "model": "gpt-5-mini",
        "input": "What is the size of France in square miles?"
}'

Dökümhane portalı

1. Model dağıtıldıktan sonra, otomatik olarak Giriş'tenDerleme bölümüne taşınırsınız. Yeni modeliniz seçili ve denemeniz için hazır.

   Ipucu

   Dağıtımı atladıysanız ana sayfadan Oyun alanında test seçeneğini belirleyin. Kullanmak istediğiniz anlık erişim modelini (gibi gpt-5-mini) seçin. (Önizleme sırasında bu anlık erişim modelleri yalnızca Batı ABD3'teki projeler için kullanılabilir.)

2. Modelinizle sohbet etmeye başlayın, örneğin, "Bana çiçekler hakkında bir şiir yazın."

Kodu çalıştırdıktan sonra konsolda model tarafından oluşturulan bir yanıt görürsünüz (örneğin, kısa bir şiir veya isteminize yanıt). Bu, proje uç noktanızın, kimlik doğrulamanızın ve model dağıtımınızın düzgün çalıştığını onaylar.

Ipucu

Kod, Azure AI Projeleri 2.x kullanır ve Azure AI Projeleri 1.x ile uyumlu değildir. Azure AI Projects 1.x sürümü için Foundry (klasik) belgelerini görüntüleyin.

Bir ajan oluştur

Dağıtılan modelinizi kullanarak bir aracı oluşturun.

Aracı temel davranışı tanımlar. Oluşturulduktan sonra, her seferinde yönergeleri yinelemeden kullanıcı etkileşimlerinde tutarlı yanıtlar sağlar. Aracıları istediğiniz zaman güncelleştirebilir veya silebilirsiniz.

Python

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

# Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"
AGENT_NAME = "your_agent_name"

# Create project client to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)

# Create an agent with a model and instructions
agent = project.agents.create_version(
    agent_name=AGENT_NAME,
    definition=PromptAgentDefinition(
        model="gpt-5-mini",  # supports all Foundry direct models
        instructions="You are a helpful assistant that answers general questions",
    ),
)
print(f"Agent created (id: {agent.id}, name: {agent.name}, version: {agent.version})")

C#

using Azure.Identity;
using Azure.AI.Projects;
using Azure.AI.Projects.Agents;
using Azure.AI.Extensions.OpenAI;

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
var ProjectEndpoint = "your_project_endpoint";
var AgentName = "your_agent_name";

// Create project client to call Foundry API
AIProjectClient projectClient = new(
    endpoint: new Uri(ProjectEndpoint),
    tokenProvider: new DefaultAzureCredential());

// Create an agent with a model and instructions
ProjectsAgentDefinition agentDefinition = new DeclarativeAgentDefinition("gpt-5-mini") // supports all Foundry direct models
{
    Instructions = "You are a helpful assistant that answers general questions",
};

ProjectsAgentVersion agent = projectClient.AgentAdministrationClient.CreateAgentVersion(
    AgentName,
    options: new(agentDefinition));
Console.WriteLine($"Agent created (id: {agent.Id}, name: {agent.Name}, version: {agent.Version})");

TypeScript

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
const PROJECT_ENDPOINT = "your_project_endpoint";
const AGENT_NAME = "your_agent_name";

async function main(): Promise<void> {
    // Create project client to call Foundry API
    const project = new AIProjectClient(PROJECT_ENDPOINT, new DefaultAzureCredential());

    // Create an agent with a model and instructions
    const agent = await project.agents.createVersion(AGENT_NAME, {
        kind: "prompt",
        model: "gpt-5-mini", //supports all Foundry direct models
        instructions: "You are a helpful assistant that answers general questions",
    });
    console.log(`Agent created (id: ${agent.id}, name: ${agent.name}, version: ${agent.version})`);
}

main().catch(console.error);

Java

package com.azure.ai.agents;

import com.azure.ai.agents.models.AgentVersionDetails;
import com.azure.ai.agents.models.PromptAgentDefinition;
import com.azure.identity.DefaultAzureCredentialBuilder;

public class CreateAgent {
    public static void main(String[] args) {
        // Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
        String ProjectEndpoint = "your_project_endpoint";
        String AgentName = "your_agent_name";

        // Create agents client to call Foundry API
        AgentsClient agentsClient = new AgentsClientBuilder()
                .credential(new DefaultAzureCredentialBuilder().build())
                .endpoint(ProjectEndpoint)
                .buildAgentsClient();

        // Create an agent with a model and instructions
        PromptAgentDefinition request = new PromptAgentDefinition("gpt-5-mini") // supports all Foundry direct models
                .setInstructions("You are a helpful assistant that answers general questions");
        AgentVersionDetails agent = agentsClient.createAgentVersion(AgentName, request);

        System.out.println("Agent ID: " + agent.getId());
        System.out.println("Agent Name: " + agent.getName());
        System.out.println("Agent Version: " + agent.getVersion());
    }
}

REST API

YOUR-FOUNDRY-RESOURCE-NAME değerini kendi değerlerinizle değiştirin.

curl -X POST https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents?api-version=v1 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "name": "MyAgent",
    "definition": {
      "kind": "prompt",
      "model": "gpt-5-mini",
      "instructions": "You are a helpful assistant that answers general questions"
    }
  }'

Dökümhane portalı

Şimdi bir aracı oluşturun ve aracıyla etkileşime geçin.

1. Hâlâ Build bölümündeyken, sol panelde Ajanlar'ı seçin.
2. Aracı oluştur'u seçin ve "MyAgent" gibi bir ad verin.

Çıktı, aracın oluşturulduğunu onaylıyor. SDK sekmeleri için, konsola yazdırılan ajan ismini ve kimliğini görürsünüz.

Ipucu

Kod, Azure AI Projeleri 2.x kullanır ve Azure AI Projeleri 1.x ile uyumlu değildir. Azure AI Projects 1.x sürümü için Foundry (klasik) belgelerini görüntüleyin.

Bir temsilciyle sohbet edin

Daha önce oluşturulan "MyAgent" adlı aracıyı kullanarak bir soru ve ilgili bir izleme sorarak etkileşime geçin. Konuşma, bu etkileşimler arasında geçmişi korur.

Python

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"
AGENT_NAME = "your_agent_name"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
# Get an OpenAI client pre-bound to the specified agent
openai = project.get_openai_client(agent_name=AGENT_NAME)

# Create a conversation for multi-turn chat
conversation = openai.conversations.create()

# Chat with the agent to answer questions
response = openai.responses.create(
    conversation=conversation.id,
    input="What is the size of France in square miles?",
)
print(response.output_text)

# Ask a follow-up question in the same conversation
response = openai.responses.create(
    conversation=conversation.id,
    input="And what is the capital city?",
)
print(response.output_text)

C#

using Azure.Identity;
using Azure.AI.Projects;
using Azure.AI.Extensions.OpenAI;
using OpenAI.Responses;

#pragma warning disable OPENAI001

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
var ProjectEndpoint = "your_project_endpoint";
var AgentName = "your_agent_name";

// Create project client to call Foundry API
AIProjectClient projectClient = new(
    endpoint: new Uri(ProjectEndpoint),
    tokenProvider: new DefaultAzureCredential());

// Create a conversation for multi-turn chat
ProjectConversation conversation = projectClient.ProjectOpenAIClient.GetProjectConversationsClient().CreateProjectConversation();

// Chat with the agent to answer questions
ProjectResponsesClient responsesClient = projectClient.ProjectOpenAIClient.GetProjectResponsesClientForAgent(
    defaultAgent: AgentName,
    defaultConversationId: conversation.Id);
ResponseResult response = responsesClient.CreateResponse("What is the size of France in square miles?");
Console.WriteLine(response.GetOutputText());

// Ask a follow-up question in the same conversation
response = responsesClient.CreateResponse("And what is the capital city?");
Console.WriteLine(response.GetOutputText());

TypeScript

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";

// Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
const PROJECT_ENDPOINT = "your_project_endpoint";
const AGENT_NAME = "your_agent_name";

async function main(): Promise<void> {
    // Create project and openai clients to call Foundry API
    const project = new AIProjectClient(PROJECT_ENDPOINT, new DefaultAzureCredential());
    const openai = project.getOpenAIClient({
        azureConfig: { allowPreview: true, agentName: AGENT_NAME },
    });

    // Create a conversation for multi-turn chat
    const conversation = await openai.conversations.create();

    // Chat with the agent to answer questions
    const response = await openai.responses.create({
        conversation: conversation.id,
        input: "What is the size of France in square miles?",
    });
    console.log(response.output_text);

    // Ask a follow-up question in the same conversation
    const response2 = await openai.responses.create({
        conversation: conversation.id,
        input: "And what is the capital city?",
    });
    console.log(response2.output_text);
}

main().catch(console.error);

Java

package com.azure.ai.agents;

import com.azure.identity.DefaultAzureCredentialBuilder;
import com.openai.client.OpenAIClient;
import com.openai.models.conversations.Conversation;
import com.openai.models.responses.Response;
import com.openai.models.responses.ResponseCreateParams;

public class ChatWithAgent {
    public static void main(String[] args) {
        // Format: "https://resource_name.services.ai.azure.com/api/projects/project_name"
        String ProjectEndpoint = "your_project_endpoint";
        String AgentName = "your_agent_name";
        
        AgentsClientBuilder builder = new AgentsClientBuilder()
                .credential(new DefaultAzureCredentialBuilder().build())
                .endpoint(ProjectEndpoint);

        // Create an OpenAI client bound to the agent endpoint
        OpenAIClient openai = builder.buildAgentScopedOpenAIClient(AgentName);

        // Create a conversation for multi-turn chat
        Conversation conversation = openai.conversations().create();

        // Chat with the agent to answer questions
        Response response = openai.responses().create(
            ResponseCreateParams.builder()
                .conversation(conversation.id())
                .input("What is the size of France in square miles?")
                .build());
        printResponse(response);

        // Ask a follow-up question in the same conversation
        Response followUp = openai.responses().create(
            ResponseCreateParams.builder()
                .conversation(conversation.id())
                .input("And what is the capital city?")
                .build());
        printResponse(followUp);
    }

    private static void printResponse(Response response) {
        response.output().forEach(item -> item.message().ifPresent(message ->
            message.content().forEach(content -> content.outputText().ifPresent(
                text -> System.out.println(text.text())))));
    }
}

REST API

YOUR-FOUNDRY-RESOURCE-NAME değerini kendi değerlerinizle değiştirin.

# Generate a response using the agent

curl -X POST "https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents/${AGENT_NAME}/endpoint/protocols/openai/responses?api-version=v1" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "input": [{"role": "user", "content": "What is the size of France in square miles?"}]
  }'

# Optional Step: Create a conversation to use with the agent
curl -X POST "https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents/${AGENT_NAME}/endpoint/protocols/openai/conversations?api-version=v1" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "items": [
      {
        "type": "message",
        "role": "user",
        "content": [
          {
            "type": "input_text",
            "text": "What is the size of France in square miles?"
          }
        ]
      }
    ]
  }'

# Lets say Conversation ID created is conv_123456789. Use this in the next step

#Optional Step: Ask a follow-up question in the same conversation
curl -X POST "https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/agents/${AGENT_NAME}/endpoint/protocols/openai/responses?api-version=v1" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_AI_AUTH_TOKEN" \
  -d '{
    "conversation": "<CONVERSATION_ID>",
    "input": [{"role": "user", "content": "And what is the capital?"}]
  }'

Dökümhane portalı

Temsilcinizle etkileşim kurun.

1. "Yararlı bir yazma yardımcısısınız" gibi yönergeler ekleyin.
2. Temsilcinizle sohbet etmeye başlayın, örneğin, "Güneş hakkında bir şiir yazın."
3. "Haiku'ya ne dersin?"

Ajanın her iki komuta verdiği yanıtları görüyorsunuz. İzleme yanıtı, temsilcinin konuşma turları arasında konuşma geçmişini koruduğunu gösterir.

Ipucu

Kod, Azure AI Projeleri 2.x kullanır ve Azure AI Projeleri 1.x ile uyumlu değildir. Azure AI Projects 1.x sürümü için Foundry (klasik) belgelerini görüntüleyin.

Kaynakları temizleme

Oluşturduğunuz kaynaklardan herhangi birine artık ihtiyacınız yoksa projenizle ilişkili kaynak grubunu silin.

• Azure portalında kaynak grubunu seçin ve ardından Delete öğesini seçin. Kaynak grubunu silmek istediğinizi onaylayın.

Sonraki adım

Prototip oluşturma fikri - Kurumsal aracı oluşturma ve değerlendirme