Lernprogramm: Erstellen einer agentischen Web-App in Azure App Service mit LangGraph oder Foundry Agent Service (Python)

Dies LangGraphTaskAgent wird im Konstruktor in src/agents/langgraph_task_agent.py initialisiert. Der Initialisierungscode führt Folgendes aus:

• Konfiguriert den AzureChatOpenAI-Client mithilfe von Umgebungsvariablen.
• Erstellt den vordefinierten ReAct-Agent mit Arbeitsspeicher und einer Reihe von CRUD-Tools für die Aufgabenverwaltung (siehe Schnellstart von LangGraph).

# Initialize Azure OpenAI client
credential = DefaultAzureCredential()
azure_ad_token_provider = get_bearer_token_provider(
    credential, "https://cognitiveservices.azure.com/.default"
)

self.llm = AzureChatOpenAI(
    azure_endpoint=endpoint,
    azure_deployment=deployment_name,
    azure_ad_token_provider=azure_ad_token_provider,
    api_version="2024-10-21"
)

# Define tools
tools = [
    self._create_task_tool(),
    self._get_tasks_tool(),
    self._get_task_tool(),
    self._update_task_tool(),
    self._delete_task_tool()
]

# Create the agent
self.agent = create_react_agent(self.llm, tools, checkpointer=self.memory)
print("LangGraph Task Agent initialized successfully")

Beim Verarbeiten von Benutzernachrichten wird der Agent mit ainvoke() der Nachricht des Benutzers und einer Thread-ID für die Unterhaltungskontinuität aufgerufen:

result = await self.agent.ainvoke(
    {"messages": [("user", message)]},
    config=config
)

Dies FoundryTaskAgent wird im Konstruktor von src/agents/foundry_task_agent.py initialisiert. Der Initialisierungscode führt Folgendes aus:

• Erstellt eine AIProjectClient mithilfe von Azure-Anmeldeinformationen.
• Ruft einen OpenAI-Client vom Projektclient ab.
• Ruft den Foundry-Agent nach Namen ab.
• Erzeugt eine neue Kommunikation für die Sitzung.

# Create the project client using Azure credentials
self.project_client = AIProjectClient(
    endpoint=endpoint,
    credential=DefaultAzureCredential()
)

# Get the OpenAI client for conversation operations
self.openai_client = self.project_client.get_openai_client()

# Find the existing agent by name
self.agent = self.project_client.agents.get(agent_name)

if not self.agent:
    print(f"Agent with name '{agent_name}' not found in project.")
    return
            
# Create a conversation for this session
conversation = self.openai_client.conversations.create()
self.conversation_id = conversation.id
print("Foundry agent initialized successfully")

Dieser Initialisierungscode definiert keine Funktionen für den Agent, da Sie normalerweise den Agent im Foundry-Portal erstellen würden. Im Rahmen des Beispielszenarios folgt es auch dem OpenAPI-Muster, das in eine App Service-App als Tool im Foundry Agent Service (Python) hinzufügen dargestellt wird, und stellt seine CRUD-Funktionalität als OpenAPI-Endpunkt zur Verfügung. Auf diese Weise können Sie sie dem Agent später als aufrufbares Tool hinzufügen.

Der OpenAPI-Code wird in src/routes/api.py definiert. Beispielsweise definiert die Route "GET /tasks" einen benutzerdefinierten operation_id Parameter, wie es das OpenAPI-Spezifikationstool in Microsoft Foundry erfordert, und description hilft dem Agenten zu bestimmen, wie die API aufgerufen werden soll.

@router.get(
    "/tasks",
    response_model=List[TaskItem],
    operation_id="getAllTasks",
    description="Retrieve all tasks in the task list."
)
async def get_all_tasks():
    """Get all tasks"""
    try:
        tasks = await task_service.get_all_tasks()
        return tasks
    except Exception as e:
        print(f"Error getting tasks: {e}")
        import traceback
        traceback.print_exc()
        raise HTTPException(status_code=500, detail=f"Failed to get tasks: {str(e)}")

Beim Verarbeiten von Benutzernachrichten wird der Agent aufgerufen, indem die Nachricht des Benutzers zur Unterhaltung hinzugefügt und mit der Agentenreferenz responses.create() aufgerufen wird.

# Add user message to the conversation
self.openai_client.conversations.items.create(
    conversation_id=self.conversation_id,
    items=[{"type": "message", "role": "user", "content": message}],
)

# Create response using the agent
response = self.openai_client.responses.create(
    conversation=self.conversation_id,
    extra_body={"agent": {"name": self.agent.name, "type": "agent_reference"}},
    input="",
)

1. Vergewissern Sie sich im Foundry-Portal, dass die obere Neue Foundry-Schaltfläche auf aktiv festgelegt ist und erstellen Sie ein Projekt.

2. Stellen Sie ein Modell Ihrer Wahl bereit (siehe Schnellstart von Microsoft Foundry: Erstellen von Ressourcen).

3. Kopieren Sie den Namen des Modells aus dem oberen Bereich des Modell-Playrounds.

4. Die einfachste Möglichkeit zum Abrufen des Azure OpenAI-Endpunkts ist noch aus dem klassischen Portal. Wählen Sie die Schaltfläche Neues Foundry, dann Azure OpenAI und kopieren Sie die URL in Azure OpenAI Endpunkt für später.

   

1. Vergewissern Sie sich im Foundry-Portal, dass die obere Neue Foundry-Schaltfläche auf aktiv festgelegt ist und erstellen Sie ein Projekt.

2. Kopieren Sie auf der Startseite den Project-Endpunkt für einen späteren Zeitpunkt.

3. Wählen Sie "Beginnen Sie mit dem Erstellen>von Agenten" aus, und folgen Sie der Eingabeaufforderung.

4. Erstellen Sie im Playground des neuen Agents ein OpenAPI-Tool, um Ihre Web-App aufzurufen, indem Sie tools>Add>Custom>OpenAPI tool>Create auswählen. Fügen Sie im Setupbereich eine Aktion mit dem OpenAPI-Spezifikationstool hinzu. Verwenden Sie das OpenAPI-Schema, das Sie aus der bereitgestellten Web-App und der anonymen Authentifizierung erhalten. Ausführliche Schritte finden Sie unter Verwenden des OpenAPI-Spezifikationstools.

   Ihr Anwendungscode ist bereits so konfiguriert, dass er die url und operationId des Servers einbindet, die vom Agent benötigt werden. Weitere Informationen finden Sie unter Connect to OpenAPI Specification.

5. Wählen Sie " Speichern" aus.

6. Wählen Sie "In Playground testen" aus, und testen Sie Ihren Foundry-Agent mit Eingabeaufforderungen wie "Alle Aufgaben anzeigen" und "Bitte fügen Sie eine Aufgabe hinzu".

   Wenn Sie eine gültige Antwort erhalten, sendet der Agent Toolaufrufe an den OpenAPI-Endpunkt in Ihrer bereitgestellten Web-App.

1. Wählen Sie im oberen Menü des neuen Gießereiportals "Betreiben" und dann "Administrator" aus. In der Zeile für Ihr Foundry-Projekt sollten zwei Links angezeigt werden. Die Ressource in der Spalte Name ist die Projektressource von Foundry, und die Ressource in der Spalte Übergeordnete Ressource ist die Foundry-Ressource.

   

2. Wählen Sie die Foundry-Ressource in der übergeordneten Ressource aus, und wählen Sie dann im Azure-Portal "Diese Ressource verwalten" aus. Im Azure-Portal können Sie der bereitgestellten Web-App rollenbasierten Zugriff für die Ressource zuweisen.

3. Fügen Sie die folgende Rolle für die verwaltete Identität der App Service-Anwendung hinzu:

   Zielressource	Erforderliche Rolle	Erforderlich für
   Gießerei	Kognitive Dienste OpenAI-Nutzer	Der Chatabschlussdienst in Microsoft Agent Framework.

   Anweisungen hierzu finden Sie unter Zuweisen von Azure-Rollen über das Azure-Portal.

1. Wählen Sie im oberen Menü des neuen Gießereiportals "Betreiben" und dann "Administrator" aus. In der Zeile für Ihr Foundry-Projekt sollten zwei Links angezeigt werden. Die Ressource in der Spalte Name ist die Projektressource von Foundry, und die Ressource in der Spalte Übergeordnete Ressource ist die Foundry-Ressource.

   

2. Wählen Sie die Ressource "Foundry"-Projekt in der Spalte "Name " und dann im Azure-Portal "Diese Ressource verwalten" aus. Im Azure-Portal können Sie der bereitgestellten Web-App rollenbasierten Zugriff für die Ressource zuweisen.

3. Fügen Sie die folgende Rolle für die verwaltete Identität der App Service-Anwendung hinzu:

   Zielressource	Erforderliche Rolle	Erforderlich für
   Gießerei-Projekt	Azure AI-Benutzer	Lesen und Aufrufen des Foundry-Agents.

   Anweisungen hierzu finden Sie unter Zuweisen von Azure-Rollen über das Azure-Portal.