Implementación de una aplicación que usa OpenAI en Azure Kubernetes Service (AKS)

En este artículo, aprenderá a implementar una aplicación que use Azure OpenAI u OpenAI en AKS. Con OpenAI, puede adaptar fácilmente diferentes modelos de inteligencia artificial, como la generación de contenido, el resumen, la búsqueda semántica y el lenguaje natural a la generación de código, para sus tareas específicas. Empieza implementando un clúster de AKS en tu suscripción de Azure. Luego, despliegas tu servicio de OpenAI y la aplicación de ejemplo.

La aplicación nativa de nube de ejemplo es representativa de las implementaciones del mundo real. La aplicación de varios contenedores consta de aplicaciones escritas en varios lenguajes y marcos, entre los que se incluyen:

Golang con Gin
Rust con Actix-Web
JavaScript con Vue.js y Fastify
Python con FastAPI

Estas aplicaciones proporcionan interfaces frontales para los clientes y los administradores, API REST para enviar datos a la cola de mensajes de RabbitMQ y la base de datos de MongoDB, así como aplicaciones de consola para simular el tráfico.

Nota

No se recomienda ejecutar contenedores con estado, como MongoDB y Rabbit MQ, sin almacenamiento persistente para producción. Aquí se usan por simplicidad, pero se recomienda usar servicios administrados, como Azure CosmosDB o Azure Service Bus.

Para acceder al código base de GitHub para la aplicación de ejemplo, veaDemostración de la Tienda AKS.

Antes de empezar

Necesita una cuenta de Azure con una suscripción activa. Si no tiene ninguna cuenta, cree una gratuita.
Para esta demostración, puede usar el servicio Azure OpenAI o el servicio OpenAI.
- Si planea usar el servicio Azure OpenAI, debe solicitar acceso para habilitarlo en la suscripción de Azure mediante el formulario Solicitar acceso a Azure OpenAI Service.
- Si planea usar OpenAI, regístrese en el sitio web de OpenAI.

Requisitos previos

Use el entorno de Bash en Azure Cloud Shell. Para más información, consulte Introducción a Azure Cloud Shell.
Si prefiere ejecutar comandos de referencia de la CLI localmente, instale la CLI de Azure. Si utiliza Windows o macOS, considere la posibilidad de ejecutar la CLI de Azure en un contenedor Docker. Para más información, vea Ejecución de la CLI de Azure en un contenedor de Docker.
- Si usa una instalación local, inicie sesión en la CLI de Azure mediante el comando az login. Siga los pasos que se muestran en el terminal para completar el proceso de autenticación. Para ver otras opciones de inicio de sesión, consulte Autenticación en Azure mediante la CLI de Azure.
- En caso de que se le solicite, instale las extensiones de la CLI de Azure la primera vez que la use. Para obtener más información sobre las extensiones, consulte Uso y administración de extensiones con la CLI de Azure.
- Ejecute az version para buscar cuál es la versión y las bibliotecas dependientes que están instaladas. Para realizar la actualización a la versión más reciente, ejecute az upgrade.

Crear un grupo de recursos

Un grupo de recursos de Azure es un contenedor lógico en el que se implementan y administran recursos de Azure. Cuando crea un grupo de recursos, se le pide que especifique una ubicación. Esta ubicación es la ubicación de almacenamiento de los metadatos del grupo de recursos y donde se ejecutan los recursos en Azure si no se especifica otra región durante la creación de recursos.

En el ejemplo siguiente, se crea un grupo de recursos denominado myResourceGroup en la ubicación eastus.

Cree un grupo de recursos con el comando az group create.

az group create --name myResourceGroup --location eastus

La siguiente salida de ejemplo muestra la creación exitosa del grupo de recursos:

{
  "id": "/subscriptions/<guid>/resourceGroups/myResourceGroup",
  "location": "eastus",
  "managedBy": null,
  "name": "myResourceGroup",
  "properties": {
    "provisioningState": "Succeeded"
  },
  "tags": null,
  "type": "Microsoft.Resources/resourceGroups"
}

Creación de un clúster de AKS

En el siguiente ejemplo se crea un clúster denominado myAKSCluster en myResourceGroup.

Cree un clúster de AKS con el comando az aks create.
```
az aks create --resource-group myResourceGroup --name myAKSCluster --generate-ssh-keys
```
Transcurridos unos minutos, el comando se completa y devuelve información en formato JSON sobre el clúster.

Conectarse al clúster

Para administrar un clúster de Kubernetes, use kubectl, el cliente de línea de comandos de Kubernetes. Si usa Azure Cloud Shell, kubectl ya está instalado.

Para instalar kubectl localmente, use el comando az aks install-cli.
```
az aks install-cli
```
Nota

Si el sistema basado en Linux necesita permisos elevados, puede usar el comando sudo az aks install-cli.
Para configurar kubectl para conectarse a su clúster de Kubernetes, use el comando az aks get-credentials.

Este comando ejecuta las siguientes operaciones:
- Descarga las credenciales y configura la CLI de Kubernetes para usarlas.
- Usa ~/.kube/config, la ubicación predeterminada del archivo de configuración de Kubernetes. Puede especificar otra ubicación para el archivo de configuración de Kubernetes con el argumento --file.
```
az aks get-credentials --resource-group myResourceGroup --name myAKSCluster
```

Compruebe la conexión al clúster con el comando kubectl get. Este comando devuelve una lista de los nodos del clúster.

kubectl get nodes

La salida del siguiente ejemplo muestra los nodos creados en los pasos anteriores. Asegúrese de que el estado del nodo es Listo.

NAME                                STATUS   ROLES   AGE     VERSION
aks-nodepool1-31469198-vmss000000   Ready    agent   3h29m   v1.25.6
aks-nodepool1-31469198-vmss000001   Ready    agent   3h29m   v1.25.6
aks-nodepool1-31469198-vmss000002   Ready    agent   3h29m   v1.25.6

Nota

En el caso de los clústeres privados, es posible que los nodos no sean accesibles si intenta conectarse a ellos mediante la dirección IP pública. Para corregir esto, debe crear un punto de conexión dentro de la misma red virtual que el clúster para poder conectarse a él. Siga las instrucciones para crear un clúster de AKS privado y, a continuación, conéctese a él.

Implementación de la aplicación

En el manifiesto de Aplicación de tienda de AKS se incluyen las siguientes implementaciones y servicios de Kubernetes:

Servicio de producto: muestra información del producto.
Servicio de pedidos: realiza pedidos.
Makeline service: procesa los pedidos de la cola y completa los pedidos.
Tienda virtual: aplicación web para que los clientes vean productos y realicen pedidos.
Administración de la tienda: aplicación web para que los empleados de la tienda puedan ver los pedidos en cola y administrar la información sobre los productos.
Cliente virtual: simula la creación de pedidos de forma programada.
Trabajo virtual: simula la finalización de pedidos según una programación.
Mongo DB: instancia NoSQL para datos persistentes.
Rabbit MQ: cola de mensajes para una cola de pedidos.

Nota

Revise el manifiesto de YAML de la aplicación.

Implemente la aplicación mediante el comando kubectl apply y especifique el nombre del manifiesto de YAML.

kubectl apply -f https://raw.githubusercontent.com/Azure-Samples/aks-store-demo/main/aks-store-all-in-one.yaml

En la salida de ejemplo siguiente se muestran las implementaciones y los servicios creados correctamente:

deployment.apps/mongodb created
service/mongodb created
deployment.apps/rabbitmq created
service/rabbitmq created
deployment.apps/order-service created
service/order-service created
deployment.apps/makeline-service created
service/makeline-service created
deployment.apps/product-service created
service/product-service created
deployment.apps/store-front created
service/store-front created
deployment.apps/store-admin created
service/store-admin created
deployment.apps/virtual-customer created
deployment.apps/virtual-worker created

Implementación de OpenAI

Puede usar Azure OpenAI u OpenAI y ejecutar la aplicación en AKS.

Azure OpenAI
OpenAI

En Azure Portal, cree una instancia de Azure OpenAI.
Vaya a la instancia de Azure OpenAI que creó.
En la hoja Información general , vaya al portal de Azure AI Foundry.
Cree una nueva implementación de chat con el modelo base gpt-4o-mini .

Para más información sobre cómo crear una implementación en Azure OpenAI, vea Introducción a la generación de texto mediante Azure OpenAI Service.

Implementación del servicio de IA

Ahora que la aplicación está implementada, puede implementar el microservicio basado en Python que usa OpenAI para generar automáticamente descripciones de los nuevos productos que se agregan al catálogo de la tienda.

Azure OpenAI
OpenAI

Cree un archivo denominado ai-service.yaml y cópielo en el siguiente manifiesto:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: ai-service
spec:
  replicas: 1
  selector:
    matchLabels:
      app: ai-service
  template:
    metadata:
      labels:
        app: ai-service
    spec:
      nodeSelector:
        "kubernetes.io/os": linux
      containers:
        - name: ai-service
          image: ghcr.io/azure-samples/aks-store-demo/ai-service:latest
          ports:
            - containerPort: 5001
          env:
            - name: USE_AZURE_OPENAI
              value: "True"
            - name: AZURE_OPENAI_DEPLOYMENT_NAME
              value: ""
            - name: AZURE_OPENAI_ENDPOINT
              value: ""
            - name: OPENAI_API_KEY
              value: ""
          resources:
            requests:
              cpu: 20m
              memory: 50Mi
            limits:
              cpu: 50m
              memory: 128Mi
---
apiVersion: v1
kind: Service
metadata:
  name: ai-service
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 5001
      targetPort: 5001
  selector:
    app: ai-service

Establezca la variable de entorno USE_AZURE_OPENAI en "True".
Obtenga el nombre de la implementación de Azure OpenAI en Estudio de Azure OpenAI y rellene el valor AZURE_OPENAI_DEPLOYMENT_NAME.
Obtenga el punto de conexión de Azure OpenAI y la clave de la API de Azure OpenAI desde Azure Portal; para ello, haga clic en Claves y punto de conexión en el panel izquierdo del recurso. Actualice AZURE_OPENAI_ENDPOINT y OPENAI_API_KEY en YAML en consecuencia.
Implemente la aplicación mediante el comando kubectl apply y especifique el nombre del manifiesto de YAML.
```
kubectl apply -f ai-service.yaml
```
En la salida de ejemplo siguiente se muestran las implementaciones y los servicios creados correctamente:
```
  deployment.apps/ai-service created
  service/ai-service created
```

Cree un archivo denominado ai-service.yaml y cópielo en el siguiente manifiesto:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: ai-service
spec:
  replicas: 1
  selector:
    matchLabels:
      app: ai-service
  template:
    metadata:
      labels:
        app: ai-service
    spec:
      nodeSelector:
        "kubernetes.io/os": linux
      containers:
        - name: ai-service
          image: ghcr.io/azure-samples/aks-store-demo/ai-service:latest
          ports:
            - containerPort: 5001
          env:
            - name: USE_AZURE_OPENAI
              value: "False"
            - name: OPENAI_API_KEY
              value: ""
            - name: OPENAI_ORG_ID
              value: ""
          resources:
            requests:
              cpu: 20m
              memory: 50Mi
            limits:
              cpu: 50m
              memory: 128Mi
---
apiVersion: v1
kind: Service
metadata:
  name: ai-service
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 5001
      targetPort: 5001
  selector:
    app: ai-service

Establezca la variable de entorno USE_AZURE_OPENAI en "False".
Establezca la variable de entorno OPENAI_API_KEY pegando la clave de OpenAI que generó en el último paso.
Busque su id. de organización de OpenAI, copie el valor y establezca la variable de entorno OPENAI_ORG_ID.
Implemente la aplicación mediante el comando kubectl apply y especifique el nombre del manifiesto de YAML.
```
kubectl apply -f ai-service.yaml
```
En la salida de ejemplo siguiente se muestran las implementaciones y los servicios creados correctamente:
```
  deployment.apps/ai-service created
  service/ai-service created
```

Nota

La adición directa de información confidencial, como las claves de API, a los archivos de manifiesto de Kubernetes no es segura y puede confirmarse accidentalmente en los repositorios de código. Lo agregamos aquí por motivos de simplicidad. En el caso de las cargas de trabajo de producción, use Identidad administrada para autenticarse en el servicio Azure OpenAI en su lugar o almacenar los secretos en Azure Key Vault.

Prueba de la aplicación

Compruebe el estado de los pods implementados con el comando kubectl get pods.

kubectl get pods

Asegúrese de que todos los pods estén en ejecución antes de continuar con el paso siguiente.

NAME                                READY   STATUS    RESTARTS   AGE
makeline-service-7db94dc7d4-8g28l   1/1     Running   0          99s
mongodb-78f6d95f8-nptbz             1/1     Running   0          99s
order-service-55cbd784bb-6bmfb      1/1     Running   0          99s
product-service-6bf4d65f74-7cbvk    1/1     Running   0          99s
rabbitmq-9855984f9-94nlm            1/1     Running   0          99s
store-admin-7f7d768c48-9hn8l        1/1     Running   0          99s
store-front-6786c64d97-xq5s9        1/1     Running   0          99s
virtual-customer-79498f8667-xzsb7   1/1     Running   0          99s
virtual-worker-6d77fff4b5-7g7rj     1/1     Running   0          99s

Para obtener la dirección IP de la aplicación web de administración de la tienda y la aplicación web de front-end de la tienda, use el comando kubectl get service.
```
kubectl get service store-admin
```
La aplicación expone el sitio de Administración de la tienda a Internet a través de un equilibrador de carga público aprovisionado por el servicio Kubernetes. Este proceso puede tardar unos minutos en completarse. IP EXTERNA muestra inicialmente pendiente, hasta que el servicio se activa y muestra la dirección IP.
```
NAME          TYPE           CLUSTER-IP     EXTERNAL-IP     PORT(S)        AGE
store-admin   LoadBalancer   10.0.142.228   40.64.86.161    80:32494/TCP   50m
```
Repita el mismo paso para el servicio denominado `store-front`.
Abra un explorador web y vaya a la dirección IP externa del servicio. En el ejemplo que se muestra aquí, abra 40.64.86.161 para ver Administración de la tienda en el navegador. Repita el mismo paso para Escaparate.
En la administración de la tienda, seleccione la pestaña de productos y después Agregar productos.
Cuando "ai-service" se ejecuta correctamente, debería ver el botón Preguntar a OpenAI junto al campo de descripción. Rellene el nombre, el precio y las palabras clave y, después, seleccione Preguntar a OpenAI>Guardar producto para generar una descripción del producto.
Ahora puede ver el nuevo producto que ha creado en Administración de la tienda usado por los vendedores. En la imagen, puede ver que se agrega el collar inteligente de perro.
También puede ver el nuevo producto que ha creado en el Escaparate usado por los compradores. En la imagen, puede ver que se agrega el collar inteligente de perro. No olvide obtener la dirección IP del escaparate mediante el comandokubectl get service.

Pasos siguientes

Ahora que ha agregado la funcionalidad de OpenAI a una aplicación de AKS, puede proteger el acceso a Azure OpenAI desde Azure Kubernetes Service (AKS).

Para más información sobre los casos de uso de IA generativa, vea los siguientes recursos:

Comentarios

¿Le ha resultado útil esta página?

Last updated on 2025-07-21

Compartir a través de

Implementación de una aplicación que usa OpenAI en Azure Kubernetes Service (AKS)

Antes de empezar

Requisitos previos

Crear un grupo de recursos

Creación de un clúster de AKS

Conectarse al clúster

Implementación de la aplicación

Implementación de OpenAI

Implementación del servicio de IA

Prueba de la aplicación

Pasos siguientes

Comentarios

Recursos adicionales