Playbook, exemples, échantillons et autres ressources pour les flux de travail IA dans Azure Logic Apps

S’applique à : Azure Logic Apps (Consommation + Standard)

Les fonctionnalités d’IA jouent un rôle rapide et croissant dans les applications et d’autres logiciels en effectuant des tâches utiles, d’économie de temps ou de nouvelles tâches telles que les interactions de conversation. Ces fonctionnalités peuvent également fonctionner avec d’autres services, systèmes, applications et sources de données pour aider à créer des charges de travail d’intégration pour les entreprises et les organisations.

Ce guide fournit des blocs de construction, des exemples et d’autres ressources qui montrent comment utiliser des services IA tels qu’Azure OpenAI, Azure AI Foundry et Azure AI Search avec Azure Logic Apps pour créer des flux de travail automatisés pour les solutions d’intégration d’IA.

Agent IA et flux de travail alimentés par des modèles (Aperçu)

Azure Logic Apps prend en charge les flux de travail d’application logique standard qui effectuent des tâches à l’aide d’agents avec de grands modèles de langage (LLMs). Un agent utilise un processus itératif en boucle pour résoudre des problèmes complexes et à plusieurs étapes. Un LLM est un programme formé qui reconnaît les modèles et effectue des travaux sans interaction humaine.

Par exemple, un LLM peut effectuer les tâches suivantes :

• Analysez, interprétez et raisonnez des informations telles que des instructions, des messages et des entrées.
• Prenez des décisions en fonction des résultats et des données disponibles.
• Formulez et retournez des réponses à l’invitant en fonction des instructions de l’assistant.

Après avoir créé une application logique standard, vous pouvez ajouter un flux de travail qui utilise le type de flux de travail Agents autonomes ou Agents conversationnels . Ces types de flux de travail créent un flux de travail partiel qui inclut une action Agent vide. En fonction de votre type de flux de travail sélectionné, vous pouvez ensuite configurer l’agent pour fonctionner sans ou avec une interaction humaine, ce qui se produit via une interface de conversation intégrée.

L’agent utilise le langage naturel et le LLM connecté pour interpréter les instructions fournies précédemment ou les interactions humaines en temps réel, respectivement. L’agent utilise également des sorties générées par un modèle pour effectuer des tâches. Le modèle aide l’agent à fournir les fonctionnalités suivantes :

• Acceptez des informations sur le rôle de l’agent, sur le fonctionnement et sur la façon de répondre.
• Recevoir et répondre aux instructions et aux requêtes de notification.
• Traitez les entrées, analysez les données et faites des choix en fonction des informations disponibles.
• Choisissez des outils pour effectuer les tâches nécessaires pour répondre aux demandes. Dans les scénarios d’IA, un outil est une séquence avec une ou plusieurs actions qui terminent une tâche.
• S’adapter aux environnements qui nécessitent de la flexibilité et qui sont fluides, dynamiques, imprévisibles ou instables.

Avec 1 400 connecteurs disponibles pour vous aider à créer des outils pour les agents à utiliser, les flux de travail d’agent prennent en charge de nombreux scénarios qui bénéficient considérablement des fonctionnalités d’agent et de modèle.

Pour plus d’informations, consultez les ressources suivantes :

Blocs de construction pour les solutions IA

Cette section décrit les opérations intégrées et les liens vers la documentation qui vous aident à créer des flux de travail Standard pour les scénarios d’intégration d’IA, tels que l’ingestion de documents. Ces opérations permettent aux clients de « discuter avec les données ».

Par exemple, les connecteurs Azure OpenAI et Azure AI Search fournissent des opérations qui simplifient les processus principaux avec une configuration sans code. Ces opérations ne nécessitent aucun code, logique ou configuration personnalisé à utiliser.

Cette approche sans code réduit la complexité liée à l’intégration des fonctionnalités d’IA dans vos flux de travail. Vous pouvez automatiser des flux de travail complexes pour les tâches telles que l’analyse des documents, la segmentation des données ou l’alimentation des modèles IA pour déverrouiller le plein potentiel de vos données avec un effort minimal.

Les blocs de construction IA, tels que les opérations intégrées et les connecteurs, sont disponibles pour les flux de travail Consommation et Standard. Les exemples, les échantillons et les ressources utilisent des flux de travail standard pour l'illustration.

Pour plus d’informations, consultez les ressources suivantes :

Préparer votre contenu

Les actions et connecteurs intégrés suivants vous aident à préparer le contenu pour la consommation par les services IA, l’ingestion des données et les interactions de conversation.

Indexation des données et bases de données vectorielles

Les connecteurs suivants fournissent des opérations pour l’indexation et la récupération des données lorsque vous travaillez avec des bases de données vectorielles, des recherches et des bases de données standard.

Plus de ressources

Pour plus d’informations, consultez les ressources suivantes :

Conversation en temps quasi réel avec des données

Les sections suivantes décrivent les façons dont vous pouvez configurer des fonctionnalités de conversation en quasi-temps réel pour vos données à l’aide d’Azure Logic Apps et de différents services IA.

Créer des assistants Azure OpenAI avec Azure Logic Apps

Avec Azure OpenAI, vous pouvez facilement créer des fonctionnalités de type agent dans vos applications à l’aide de l’API Assistants. Bien que la capacité de générer des agents existait précédemment, le processus nécessitait souvent une ingénierie importante, des bibliothèques externes et plusieurs intégrations.

Grâce aux Assistants, vous pouvez maintenant rapidement créer des copilotes avec état personnalisés qui sont entraînés sur leurs données d’entreprise et peuvent gérer diverses tâches en utilisant les derniers modèles, outils et connaissances de transformeur génératif préentraîné (GPT). La version actuelle inclut des fonctionnalités telles que les outils Recherche de fichiers et Parcourir, les fonctionnalités de sécurité des données améliorées, les contrôles améliorés, les nouveaux modèles et la prise en charge des régions étendues. Ces améliorations facilitent la transition du prototypage à la production.

Vous pouvez désormais créer des Assistants en appelant des flux de travail Azure Logic Apps en tant que fonctions IA. Vous pouvez découvrir, importer et appeler des flux de travail dans Azure OpenAI Studio à partir du terrain de jeu Des Assistants Azure OpenAI sans écrire de code. Le terrain de jeu Assistants énumère et répertorie tous les flux de travail de votre abonnement éligibles à l’appel de fonction.

Pour tester les Assistants avec l’appel de fonction, vous pouvez importer des flux de travail en tant que fonctions IA à l’aide d’une expérience de navigation et de sélection. La génération des spécifications de fonction et d’autres configurations sont automatiquement extraites de Swagger pour votre flux de travail. L'appel de fonction déclenche des flux de travail selon les suggestions de l'utilisateur. Tous les paramètres appropriés sont transmis en fonction de la définition.

Pour plus d’informations, consultez les ressources suivantes :

Intégrer avec le noyau sémantique

Ce kit de développement open source léger vous permet de créer facilement des agents IA et d’intégrer les derniers modèles IA à votre codebase C#, Python ou Java. Au niveau le plus simple, le noyau est un conteneur d’injection de dépendances qui gère tous les services et plug-ins que votre application IA doit exécuter.

Si vous fournissez tous vos services et plug-ins au noyau, l’IA utilise en toute transparence ces composants en fonction des besoins. En tant que composant central, le noyau sert d’intergiciel efficace qui vous aide à fournir rapidement des solutions de qualité entreprise.

Pour plus d’informations, consultez les ressources suivantes :

Gérer la collecte et le traitement de documents intelligents

Vous pouvez utiliser Azure AI Document Intelligence et Azure Logic Apps pour créer des workflows de traitement de documents intelligents. Le connecteur Document Intelligence fournit des opérations qui vous aident à extraire du texte et des informations à partir de différents documents. Document Intelligence vous aide à gérer la vitesse de collecte et de traitement de grandes quantités de données stockées dans des formulaires et des documents avec un large éventail de types de données.

Pour plus d’informations, consultez les ressources suivantes :

Génération augmentée par récupération (RAG)

Les modèles IA génératives ou LLM comme ChatGPT sont formés pour générer des sorties pour des tâches telles que la réponse à des questions et l’exécution de phrases à l’aide de grands volumes de données statiques et de milliards de paramètres. La génération augmentée par récupération ajoute des fonctionnalités de récupération d’informations à un LLM et modifie ses interactions afin qu’elle puisse répondre aux requêtes utilisateur en référençant du contenu qui augmente ses données d’apprentissage.

Un LLM peut utiliser RAG pour permettre aux chatbots d’accéder aux informations spécifiques au domaine ou mises à jour. RAG peut vous aider à implémenter des cas d’usage qui incorporent des données d’entreprise internes ou des informations factuelles fournies par une source faisant autorité.

RAG étend les fonctionnalités déjà puissantes d’un LLM à des domaines spécifiques ou à la base de connaissances interne d’une organisation sans avoir à réentraîner le modèle. L’architecture RAG fournit également une approche rentable pour améliorer et maintenir la sortie LLM pertinente, précise et utile.

Exemples RAG

Les exemples suivants montrent des façons d’appliquer ou d’implémenter le modèle RAG à l’aide de flux de travail Standard dans Azure Logic Apps.

Créer une application d’IA basée sur RAG de bout en bout avec Azure Logic Apps

Créer une application d’IA basée sur RAG de bout en bout avec Azure Logic Apps (Standard)

Discuter avec des données d’assurance

Cet exemple utilise un modèle RAG classique où un flux de travail ingère les documents et les données d’une compagnie d’assurance afin que les employés puissent poser des questions sur leurs avantages et options de couverture du plan. Pour plus d’informations, consultez les ressources suivantes :

Automatiser les réponses aux questions StackOverflow

Cet exemple montre comment un flux de travail peut répondre automatiquement aux nouvelles questions StackOverflow qui ont un hashtag spécifique à l’aide des connecteurs Azure OpenAI et Azure AI Search . Les publications précédentes et la documentation de produit peuvent être ingérées par l’exemple. Lorsqu’une nouvelle question est disponible, la solution peut répondre automatiquement à l’aide de la base de connaissances, puis demander à un humain d’approuver la réponse avant de publier sur StackOverflow.

Vous pouvez personnaliser ce flux de travail pour déclencher un flux de travail quotidien, hebdomadaire ou mensuel, et simplifier le support communautaire en configurant votre propre système de réponse automatisé pour tout hashtag. Vous pouvez également adapter cette solution pour les tickets dans Outlook, ServiceNow ou d’autres plateformes à l’aide de connecteurs Azure Logic Apps pour un accès sécurisé.

Pour plus d’informations, consultez les ressources suivantes :

Ingérer des documents et discuter avec des données

Les données sont la pierre angulaire de n’importe quelle application IA et sont uniques pour chaque organisation. Lorsque vous créez une application IA, l’ingestion efficace des données est essentielle pour réussir. Quel que soit l’emplacement de vos données, vous pouvez intégrer l’IA dans des processus métier nouveaux et existants en créant des flux de travail Standard qui utilisent peu ou pas de code.

Plus de 1 400 connecteurs et opérations d’entreprise vous permettent d’utiliser Azure Logic Apps pour accéder et effectuer rapidement des tâches avec un large éventail de services, de systèmes, d’applications et de bases de données. Lorsque vous utilisez ces connecteurs avec des services IA tels qu’Azure OpenAI et Azure AI Search, votre organisation peut transformer des charges de travail comme suit :

• Automatisez les tâches de routine.
• Améliorez les interactions client avec les fonctionnalités de conversation.
• Fournissez l’accès aux données organisationnelles si nécessaire.
• Générez des insights ou des réponses intelligents.

Par exemple, lorsque vous intégrez des services IA à l’aide des opérations du connecteur Azure OpenAI et Azure AI Search dans vos flux de travail, votre organisation peut implémenter en toute transparence le modèle RAG. RAG réduit les coûts à l’aide d’un système de récupération d’informations pour référencer des connaissances spécifiques au domaine ou faisant autorité et augmenter la formation d’un LLM sans avoir à réentraîner le modèle. Pour plus d’informations, consultez la génération d’extraction augmentée (RAG) et les ressources suivantes :

Démarrage rapide avec des modèles de flux de travail

Pour prendre en charge l’intégration de l’IA et vous aider à créer rapidement vos applications, Azure Logic Apps inclut des modèles de flux de travail prédéfinis qui ingèrent des données provenant de nombreuses sources de données courantes, telles que SharePoint, Stockage Fichier Azure, Stockage Blob et Protocole SFTP (Secure File Transfer Protocol). Lorsque vous ajoutez un nouveau flux de travail à votre application logique Standard ou Consommation, vous pouvez sélectionner un modèle prédéfini comme point de départ.

Chaque modèle suit un modèle de flux de travail courant qui prend en charge un scénario spécifique. Vous pouvez également créer des modèles de flux de travail que vous pouvez ensuite partager avec d’autres développeurs de flux de travail en les publiant dans le référentiel de modèles GitHub.

Le tableau suivant décrit quelques exemples de modèles de flux de travail :

Pour plus d’informations, consultez les ressources suivantes :

Contenu connexe

• Analyser ou segmenter du contenu pour les flux de travail Standard dans Azure Logic Apps
• Se connecter à Azure AI Services depuis des workflows Standard dans Azure Logic Apps