Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Note
Dieses Dokument bezieht sich auf das Microsoft Foundry(klassische) Portal.
🔄 Wechseln Sie zur Microsoft Foundry-Dokumentation (neu), wenn Sie das neue Portal verwenden.
Note
Dieses Dokument bezieht sich auf das Microsoft Foundry (neue) Portal.
In diesem Artikel werden die SDKs und Endpunkte beschrieben, die Sie mit Ihrer Foundry-Ressource verwenden können. Es zeigt Ihnen, wie Sie eine Verbindung mit Ihrem Projekt herstellen, auf Modelle von verschiedenen Anbietern zugreifen und Foundry Tools verwenden. Das SDK bietet eine einheitliche Möglichkeit zum Arbeiten mit KI-Ressourcen über Clientbibliotheken in mehreren Programmiersprachen.
Das Microsoft Foundry SDK vereinfacht die KI-Anwendungsentwicklung in Azure. Es ermöglicht Entwicklern:
- Zugreifen auf Modelle von verschiedenen Anbietern über eine Schnittstelle
- Kombinieren von Modellen, Daten und Foundry Tools zum Erstellen von KI-basierten Anwendungen
- Bewerten, Debuggen und Verbessern der Anwendungsqualität und -sicherheit in Entwicklung, Tests und Produktion
Das Microsoft Foundry SDK ist in andere Clientbibliotheken und -dienste integriert, die zusammenarbeiten.
Foundry SDK
Entwickler, die mit Microsoft Foundry arbeiten, benötigen Flexibilität, um mehrere KI-Funktionen in einheitliche Workflows zu integrieren. Diese SDKs bieten die Bausteine für die Bereitstellung von Ressourcen, die Orchestrierung von Agents und das Herstellen einer Verbindung mit spezialisierten Foundry Tools. Indem Sie die richtige Bibliothek auswählen, können Sie die Entwicklung optimieren, die Komplexität reduzieren und sicherstellen, dass Ihre Lösungen für Foundry-Projekte und externe Endpunkte skaliert werden.
Note
Dieser Artikel bezieht sich auf ein Foundry-Projekt. Der hier gezeigte Code funktioniert nicht für ein hubbasiertes Projekt. Weitere Informationen finden Sie unter Projekttypen.
Prerequisites
- Ein Azure-Konto mit einem aktiven Abonnement. Wenn Sie über keins verfügen, erstellen Sie ein kostenloses Azure-Konto, das ein kostenloses Testabonnement enthält.
- Erstellen Sie ein Foundry-Projekt , wenn Sie noch kein Projekt haben.
- Microsoft Foundry Models ermöglicht Es Kunden, die leistungsstärksten Modelle von Flagship-Modellanbietern mit einem einzigen Endpunkt und anmeldeinformationen zu nutzen. Dies bedeutet, dass Sie zwischen Modellen wechseln und diese aus Ihrer Anwendung nutzen können, ohne eine einzelne Codezeile zu ändern.Kopieren Sie den Endpunkt des Foundry-Projekts im Abschnitt "Übersicht" Ihres Projekts. Sie werden es gleich verwenden.
Tip
Wenn der Endpunkt des Foundry-Projekts nicht angezeigt wird, verwenden Sie ein hubbasiertes Projekt. (Siehe Projekttypen). Wechseln Sie zu einem Foundry-Projekt, oder verwenden Sie die vorherigen Schritte, um ein Projekt zu erstellen.
- Wählen Sie "Start" in der oberen rechten Navigationsleiste aus.
- Wählen Sie Schlüssel aus, und kopieren Sie den Endpunkt. Sie verwenden sie in Kürze.
- Kopieren Sie Ihren Endpunkt vom Willkommensbildschirm. Sie verwenden es im nächsten Schritt.
Melden Sie sich mit der Azure CLI mit demselben Konto an, das Sie für den Zugriff auf Ihr Projekt verwenden:
az login
Die folgenden Beispiele zeigen, wie Sie einen Client für Ihren Projektendpunkt authentifizieren und erstellen.
Tip
Diese Codebeispiele sind Ausgangspunkte. Verwenden Sie diese Clients, um mit Modellen zu interagieren, Auswertungen auszuführen und vieles mehr, wie im Abschnitt "Clientbibliotheken" erläutert.
Die Azure AI Projects-Clientbibliothek für Python ist eine einheitliche Bibliothek, mit der Sie mehrere Clientbibliotheken zusammen verwenden können, indem Sie eine Verbindung mit einem einzelnen Projektendpunkt herstellen.
Installieren der Projektclientbibliothek
pip install azure-ai-projects azure-identity openaipip install --pre azure-ai-projects pip install azure-identity openaiErstellen Sie einen Projektclient im Code. Kopieren Sie den Foundry-Projektendpunkt von der Übersichtsseite des Projekts und aktualisieren Sie den Endpunktwert.
from azure.identity import DefaultAzureCredential from azure.ai.projects import AIProjectClient project = AIProjectClient( endpoint="your_project_endpoint", # Replace with your endpoint credential=DefaultAzureCredential()) # The AIProjectClient lets you access models, data, and services in your project.
Die Azure AI Projects-Clientbibliothek für Java (Vorschau) ist eine einheitliche Bibliothek, mit der Sie mehrere Clientbibliotheken zusammen verwenden können, indem Sie eine Verbindung mit einem einzelnen Projektendpunkt herstellen.
Important
Die in diesem Artikel markierten Elemente (Vorschau) sind aktuell als öffentliche Vorschau verfügbar. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt und sollte nicht für Produktionsworkloads verwendet werden. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar. Weitere Informationen finden Sie unter Zusätzliche Nutzungsbestimmungen für Microsoft Azure-Vorschauen.
Fügen Sie ihrer Installation die folgenden Pakete hinzu:
com.azure.ai.projectscom.azure.core
Erstellen Sie einen Projektclient im Code. Kopieren Sie den Foundry-Projektendpunkt auf der Seite "Übersicht" des Projekts, und aktualisieren Sie den Verbindungszeichenfolgenwert.
import com.azure.ai.projects.ProjectsClient; import com.azure.ai.projects.ProjectsClientBuilder; import com.azure.core.credential.AzureKeyCredential; String endpoint ="your_project_endpoint"; // Replace with your endpoint ProjectsClient projectClient = new ProjectsClientBuilder() .credential(new DefaultAzureCredential()) .endpoint(endpoint) .buildClient(); // The ProjectsClient enables unified access to your project's resources.
Die Azure AI Projects-Clientbibliothek für JavaScript ist eine einheitliche Bibliothek, mit der Sie mehrere Clientbibliotheken zusammen verwenden können, indem Sie eine Verbindung mit einem einzelnen Projektendpunkt herstellen.
Installieren von Abhängigkeiten (Vorschau):
npm install @azure/ai-projects @azure/identitynpm install @azure/ai-projects@beta @azure/identityErstellen Sie einen Projektclient im Code. Kopieren Sie den Foundry-Projektendpunkt von der Übersichtsseite des Projekts und aktualisieren Sie den Endpunktwert.
import { AIProjectClient } from '@azure/ai-projects'; import { DefaultAzureCredential } from '@azure/identity'; const endpoint = "your_project_endpoint"; // Replace with your actual endpoint const project = new AIProjectClient(endpoint, new DefaultAzureCredential()); // The AIProjectClient lets you access models, data, and services in your project.
Die Azure AI Projects-Clientbibliothek für .NET ist eine einheitliche Bibliothek, mit der Sie mehrere Clientbibliotheken zusammen verwenden können, indem Sie eine Verbindung mit einem einzelnen Projektendpunkt herstellen.
Installieren der Pakete:
dotnet add package Azure.Identity dotnet add package Azure.Core dotnet add package OpenAIErstellen Sie einen Projektclient im Code. Kopieren Sie den Foundry-Projektendpunkt von der Seite "Übersicht" des Projekts, und aktualisieren Sie den Zeichenfolgenwert "endpointUrl".
using Azure.Identity; using Azure.Core; using Azure.Core.Pipeline; using Azure.AI.Projects; using System; string endpointUrl = "your_project_endpoint"; // Replace with your endpoint DefaultAzureCredential credential = new(); BearerTokenPolicy tokenPolicy = new(credential, "https://cognitiveservices.azure.com/.default"); AIProjectClientOptions clientOptions = new AIProjectClientOptions(); // The PerRetry position ensures the authentication policy is applied to every retry attempt. // This is important for robust authentication in distributed/cloud environments. clientOptions.AddPolicy(tokenPolicy, HttpPipelinePosition.PerRetry); AIProjectClient projectClient = new(new Uri(endpointUrl), new DefaultAzureCredential(), clientOptions); // The AIProjectClient lets you access models, data, and services in your project.
OpenAI SDK
Mit dem OpenAI SDK können Sie mit dem Azure OpenAI-Dienst interagieren. Es bietet eine einfache Schnittstelle zum Tätigen von API-Aufrufen und zum Verwalten der Authentifizierung. Das OpenAI SDK ruft den Azure OpenAI-Endpunkt direkt auf. Der folgende Codeausschnitt zeigt, wie Sie den OpenAI-Client aus dem Project-Client erstellen, um die richtige Bereichsdefinition und kontextbezogene Verwaltung zu erhalten.
Welchen Endpunkt sollten Sie verwenden?
- Verwalten eines Projekts oder Aufrufen von Agents v2? Verwenden Sie den Foundry Project-Endpunkt mit dem Foundry SDK. Rufen Sie Ihren OpenAI-Client aus dem Projekt unter Verwendung der Microsoft Entra-ID zur Authentifizierung ab.
- Direktes Aufrufen eines Modells? Verwenden Sie den Azure OpenAI-Endpunkt mit dem OpenAI SDK mit Microsoft Entra ID als bevorzugte Authentifizierungsmethode. Wenn Sie API-Schlüssel verwenden, wählen Sie den v1-Endpunkt aus:
https://<YOUR-RESOURCE-NAME>.openai.azure.com/openai/v1/.
Erstellen eines OpenAI-Clients aus Ihrem Projekt
# Use the AIProjectClient to create an OpenAI client for your project
openai_client = project.get_openai_client(api_version="api_version")
response = openai_client.responses.create(
model="gpt-4.1-mini",
input="What is the size of France in square miles?",
)
print(f"Response output: {response.output_text}")
Der folgende Codeausschnitt veranschaulicht die Verwendung des Azure OpenAI v1-Endpunkts mit dem OpenAI-Client für Antworten.
from openai import OpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider
token_provider = get_bearer_token_provider(
DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)
client = OpenAI(
base_url = "https://<YOUR-RESOURCE-NAME>.openai.azure.com/openai/v1/",
api_key=token_provider,
)
response = client.responses.create(
model="model_deployment_name",
input= "What is the size of France in square miles?"
)
print(response.model_dump_json(indent=2))
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
# Use the AIProjectClient to create an OpenAI client for your project
openai_client = project.get_openai_client()
response = openai_client.responses.create(
model="gpt-4.1-mini",
input="What is the size of France in square miles?",
)
print(f"Response output: {response.output_text}")
Der folgende Codeausschnitt veranschaulicht die Verwendung des Azure OpenAI v1-Endpunkts mit dem OpenAI-Client für Antworten.
from openai import OpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider
token_provider = get_bearer_token_provider(
DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)
client = OpenAI(
base_url = "https://<YOUR-RESOURCE-NAME>.openai.azure.com/openai/v1/",
api_key=token_provider,
)
response = client.responses.create(
model="model_deployment_name",
input= "What is the size of France in square miles?"
)
print(response.model_dump_json(indent=2))
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
Important
Die in diesem Artikel markierten Elemente (Vorschau) sind aktuell als öffentliche Vorschau verfügbar. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt und sollte nicht für Produktionsworkloads verwendet werden. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar. Weitere Informationen finden Sie unter Zusätzliche Nutzungsbestimmungen für Microsoft Azure-Vorschauen.
//
OpenAIClient openAIClient = projectClient.getOpenAIClient();
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
// Use the AIProjectClient to create an OpenAI client for your project
const openAIClient = await project.getOpenAIClient();
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
Installieren Sie das OpenAI-Paket:
dotnet add package OpenAIDer folgende Codeausschnitt veranschaulicht, wie der OpenAI-Client direkt mithilfe des Azure OpenAI v1-Endpunkts erstellt wird.
using Azure.Identity; using Azure.Core; using Azure.Core.Pipeline; using OpenAI; using System; using System.ClientModel.Primitives; endpointUrl = "https://<YOUR-RESOURCE-NAME>.openai.azure.com/openai/v1/" DefaultAzureCredential credential = new(); BearerTokenPolicy tokenPolicy = new(credential, "https://cognitiveservices.azure.com/.default"); OpenAIClientOptions clientOptions = new() { Endpoint = new Uri(endpointUrl) }; // The PerRetry position ensures the authentication policy is applied to every retry attempt. // This is important for robust authentication in distributed/cloud environments. clientOptions.AddPolicy(tokenPolicy, HttpPipelinePosition.PerRetry); var projectClient = new ResponseClient( endpointUrl, credential, clientOptions ); // The ResponseClient lets you interact with models and services in your project.
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
Weitere Informationen zur Verwendung des OpenAI SDK finden Sie in den von Azure OpenAI unterstützten Programmiersprachen.
Nachdem Sie einen Client erstellt haben, verwenden Sie ihn, um auf Modelle zuzugreifen, Auswertungen auszuführen und eine Verbindung mit anderen Foundry Tools herzustellen.
- Mit dem Projektendpunkt können Sie:
- Verwenden von Foundry-Modellen, einschließlich Azure OpenAI
- Verwenden des Foundry Agent-Diensts
- Ausführen von Auswertungen in der Cloud
- Aktivieren Sie die Ablaufverfolgung für Ihre App
- Optimieren eines Modells
- Rufen Sie Endpunkte und Schlüssel für externe Ressourcenverbindungen ab, z. B. Foundry Tools, lokale Orchestrierung und vieles mehr.
Im nächsten Abschnitt werden die Clientbibliotheken der Foundry Tools aufgelistet und gezeigt, wie sie verwendet werden.
Foundry Tools SDKs
Um Foundry Tools zu verwenden, können Sie die folgenden SDKs mit den aufgelisteten Endpunkten verwenden.
Welchen Endpunkt sollten Sie verwenden?
Wählen Sie einen Endpunkt basierend auf Ihren Anforderungen aus:
Verwenden Sie den Azure AI Services-Endpunkt, um auf Computer vision, Content Safety, Document Intelligence, Language, Translation, and Token Foundry Tools zuzugreifen.
Azure AI Services-Endpunkt: https://<YOUR-RESOURCE-NAME>.services.ai.azure.com/
Verwenden Sie für die Sprach- und Übersetzungswerkzeuge die Endpunkte in den folgenden Tabellen. Ersetzen Sie Platzhalter durch Ihre Ressourceninformationen.
Sprachendpunkte
| Gießerei-Werkzeug | Endpunkt |
|---|---|
| Sprache zu Text (Standard) | https://<YOUR-RESOURCE-REGION>.stt.speech.microsoft.com |
| Text-zu-Sprache (Neural) | https://<YOUR-RESOURCE-REGION>.tts.speech.microsoft.com |
| Custom Voice | https://<YOUR-RESOURCE-NAME>.cognitiveservices.azure.com/ |
Übersetzungsendpunkte
| Gießerei-Werkzeug | Endpunkt |
|---|---|
| Textübersetzung | https://api.cognitive.microsofttranslator.com/ |
| Dokumentübersetzung | https://<YOUR-RESOURCE-NAME>.cognitiveservices.azure.com/ |
Die folgenden Abschnitte enthalten Schnellstartlinks für die Foundry Tools-SDKs und Referenzinformationen.
C#-Unterstützte Foundry Tools
Von Java unterstützte Foundry-Tools
JavaScript unterstützte Foundry Tools
Python unterstützte Foundry Tools
Verwenden des Agent-Frameworks für die lokale Orchestrierung
Microsoft Agent Framework ist ein Open-Source Development Kit zum Erstellen von KI-Agents und Multi-Agent-Workflows für .NET und Python. Es bietet eine Möglichkeit, KI-Agents zu erstellen und zu verwalten, die mit Benutzern und anderen Diensten interagieren können. Es kann Agenten in Foundry koordinieren oder lokale Agenten haben, die Foundry-Modelle verwenden.
Weitere Informationen finden Sie in der Übersicht über das Microsoft Agent Framework