Azure Language는 텍스트를 이해하고 분석하기 위한 NLP(자연어 처리) 기능을 제공하는 클라우드 기반 서비스입니다. 이 서비스를 사용하여 웹 기반 Microsoft Foundry, REST API 및 클라이언트 라이브러리를 사용하여 지능형 애플리케이션을 빌드할 수 있습니다. AI 에이전트 개발의 경우 서비스 기능은 Microsoft Foundry 도구 카탈로그의 원격 서버와 자체 호스팅 환경을 위한 로컬 서버로 모두 사용할 수 있는 Azure Language MCP 서버의 도구로도 사용할 수 있습니다.
사용 가능한 도구
Azure Language는 표준화된 프로토콜을 통해 AI 에이전트와 언어 처리 서비스 간의 원활한 통합을 가능하게 하는 특수 도구를 제공합니다.
Azure Language MCP 서버 🆕
MCP(모델 컨텍스트 프로토콜) 서버는 업계 표준 프로토콜을 통해 AI 에이전트를 Azure 언어 서비스에 직접 연결하는 표준화된 브리지를 만듭니다. 이러한 통합을 통해 개발자는 안정적인 자연어 처리 기능을 갖춘 정교한 대화형 애플리케이션을 빌드하는 동시에 AI 워크플로 전체에서 엔터프라이즈급 규정 준수, 데이터 보호 및 처리 정확도를 보장할 수 있습니다.
Azure Language는 원격 및 로컬 MCP 서버 옵션을 모두 제공합니다.
- 원격 서버: 클라우드 호스팅 배포를 위해 Foundry 도구 카탈로그를 통해 사용할 수 있습니다.
- 로컬 서버: 자체 환경에서 서버를 호스트하려는 개발자가 사용할 수 있습니다.
자세한 내용은 Azure Language MCP 서버를참조하세요.
사용 가능한 에이전트
Azure Language는 기본 제공 거버넌스, 라우팅 논리 및 품질 제어 메커니즘을 사용하여 특정 대화형 AI 시나리오를 처리하는 미리 빌드된 에이전트를 제공합니다.
Azure 언어 의도 라우팅 에이전트 🆕
의도 라우팅 에이전트는 사용자 의도를 이해하고 대화형 AI 애플리케이션에서 정확한 응답을 제공하여 대화 흐름을 지능적으로 관리합니다. 이 에이전트는 제어된 응답 생성과 결합된 예측 가능한 의사 결정 프로세스를 사용하여 조직이 신뢰하고 모니터링할 수 있는 일관되고 안정적인 상호 작용을 보장합니다.
자세한 내용은 Azure 언어 의도 라우팅 에이전트를참조하세요.
Azure 언어 정확한 질문 답변 에이전트 🆕
정확한 질문 답변 에이전트는 가장 중요한 비즈니스 질문에 대한 신뢰할 수 있는 단어 응답 기능을 제공합니다. 이 에이전트는 정확도와 규정 준수를 보장하기 위해 사용자 감독 및 품질 관리를 유지하면서 자주 묻는 질문을 자동화합니다.
자세한 내용은 Azure 언어 정확한 질문 답변 에이전트를참조하세요.
사용 가능한 기능
이 언어 서비스는 이전에 사용 가능한 Foundry 도구인 Text Analytics, QnA Maker 및 LUIS를 통합합니다. 이러한 서비스에서 마이그레이션해야 하는 경우 마이그레이션 섹션을 참조하세요.
언어는 다음과 같은 몇 가지 새로운 기능도 제공합니다.
- 미리 구성되었으므로 기능에서 사용하는 AI 모델은 사용자 지정할 수 없습니다. 데이터를 보내고 애플리케이션에서 기능의 출력을 사용하기만 하면 됩니다.
- 사용자 지정할 수 있습니다. 즉, 데이터를 구체적으로 맞추기 위해 도구를 사용하여 AI 모델을 학습합니다.
Tip
어떤 기능을 사용할지 확실하지 않나요? 어떤 언어 기능을 사용해야 할지 결정하는 데 도움이 되는 내용을 참조하세요.
Foundry 를 사용하면 코드를 작성할 필요 없이 다음 서비스 기능 대부분을 사용할 수 있습니다.
NER(명명된 엔터티 인식)
명명된 엔터티 인식 은 텍스트의 다른 항목을 식별하고 미리 정의된 형식으로 분류합니다.
개인 및 건강 데이터 정보 검색
중요합니다
Foundry 도구의 Azure 언어 텍스트 PII(개인 식별 정보) 검색 익명화 기능(가상 대체)은 현재 preview에서 사용할 수 있으며, Azure 구독의 일부로 사용자에게 라이선스가 부여됩니다. 이 기능의 사용은 Microsoft Azure Preview 및 Microsoft 제품 및 서비스 DPA(데이터 보호 부록)에 대한 추가 사용 약관에 설명된 대로 미리 보기에 적용되는 약관에 따라 적용됩니다.
PII(개인 식별 정보) 검색 은 개인과 연결된 텍스트 및 대화(채팅 또는 대본)의 엔터티를 식별합니다.
언어 감지
언어 감지는 텍스트를 평가하고 다양한 언어 및 변형 방언을 감지합니다.
감정 분석 및 오피니언 마이닝
브랜드 또는 토픽에 대한 대중의 인식을 이해하는 데 도움이 되는 감정 분석 및 오피니언 마이닝 미리 구성된 기능입니다. 이러한 기능은 텍스트를 분석하여 긍정적이거나 부정적인 감정을 식별하고 텍스트 내의 특정 요소에 연결할 수 있습니다.
Summarization
요약은 텍스트 및 대화(채팅 및 대본)에 대한 정보를 압축합니다. 텍스트 요약은 요약을 생성하여 두 가지 방법을 지원합니다. 추출 요약은 문서에서 주요 문장을 선택하고 원래 위치를 유지하여 요약을 만듭니다. 반면 추상적 요약은 원래 문서에서 직접 복사되지 않은 새롭고 간결하며 일관된 문장 또는 구를 생성하여 요약을 생성합니다. 대화 요약은 긴 모임을 타임스탬프가 있는 장으로 요약하고 분할합니다. 콜 센터 요약에는 고객 문제 및 해결 방법이 요약되어 있습니다.
핵심 문구 추출
핵심 구 추출은 구조화되지 않은 텍스트의 주요 개념을 평가 및 반환하고, 이를 목록으로 반환하는 미리 구성된 기능입니다.
엔터티 연결
중요합니다
엔터티 링크는 2028년 9월 1일부터 Foundry Tools의 Azure 언어에서 사용 중지됩니다. 이 날짜 이후에는 엔터티 연결 기능이 더 이상 지원되지 않습니다. 지원 기간 동안 사용자는 기존 워크로드를 마이그레이션하고 모든 새 프로젝트를 Azure Language Named Entity Recognition 으로 보내거나 다른 대체 솔루션을 고려하는 것이 좋습니다.
엔터티 링크 설정은 구조화되지 않은 텍스트에 있는 엔터티(단어 또는 구)의 ID를 명확히 하고, Wikipedia에 대한 링크를 반환하는 미리 구성된 기능입니다.
의료 분야 텍스트 분석
상태에 대한 텍스트 분석은 구조화되지 않은 텍스트에서 관련 상태 정보를 추출하고 레이블을 지정합니다.
사용자 지정 텍스트 분류
사용자 지정 텍스트 분류를 사용하면 비정형 텍스트 문서를 사용자가 정의한 사용자 지정 클래스로 분류하도록 사용자 지정 AI 모델을 빌드할 수 있습니다.
사용자 지정 NER(사용자 지정 명명된 엔터티 인식)
사용자 지정 NER을 사용하면 사용자가 제공하는 비정형 텍스트를 사용하여 사용자 지정 엔터티 범주(단어 또는 구 레이블)를 추출하도록 사용자 지정 AI 모델을 빌드할 수 있습니다.
대화형 언어 이해
CLU(대화 언어 이해)를 사용하면 사용자가 들어오는 발화의 전반적인 의도를 예측하고 여기에서 중요한 정보를 추출하도록 사용자 지정 자연어 이해 모델을 빌드할 수 있습니다.
오케스트레이션 워크플로
오케스트레이션 워크플로는 CLU(대화 언어 이해),질문 답변 및 LUIS 애플리케이션을 연결하도록 설정하는 사용자 지정 기능입니다.
질문 답변
질문 답변 은 사용자 입력에 가장 적합한 답변을 식별하는 사용자 지정 기능입니다. 이 기능은 일반적으로 소셜 미디어 플랫폼, 채팅 봇 및 음성 지원 데스크톱 애플리케이션을 비롯한 대화형 클라이언트 애플리케이션을 개발하는 데 사용됩니다.
어떤 언어 기능을 사용해야 하나요?
이 섹션에서는 애플리케이션에 사용해야 하는 언어 기능을 결정하는 데 도움이 됩니다.
| 수행 작업 | 문서 형식 | 최적의 솔루션 | 이 솔루션을 사용자 지정할 수 있나요?* |
|---|---|---|---|
PII 및 PHI와 같은 민감한 정보를 탐지 및/또는 수정합니다. |
구조화되지 않은 텍스트, 전사된 대화 |
PII 검색 | |
| 사용자 지정 모델을 만들지 않고 정보의 범주를 추출합니다. | 구조화되지 않은 텍스트 | 미리 구성된 NER 기능 | |
| 데이터와 관련된 모델을 사용하여 정보 범주를 추출합니다. | 구조화되지 않은 텍스트 | 사용자 지정 NER | ✓ |
| 기본 topics 및 중요한 구를 추출합니다. | 구조화되지 않은 텍스트 | 핵심 구 추출 | |
| 텍스트로 표현된 감정과 의견을 결정합니다. | 구조화되지 않은 텍스트 | 감정 분석 및 오피니언 마이닝 | |
| 긴 텍스트 또는 대화 청크를 요약합니다. | 구조화되지 않은 텍스트, 녹취된 대화입니다. |
Summarization | |
| 엔터티를 명확히 하고 Wikipedia에 대한 링크를 가져옵니다. | 구조화되지 않은 텍스트 | 엔터티 연결 | |
| 문서를 하나 이상의 범주로 분류합니다. | 구조화되지 않은 텍스트 | 사용자 지정 텍스트 분류 | ✓ |
| 모델을 빌드하지 않고 임상/의료 문서에서 의료 정보를 추출합니다. | 구조화되지 않은 텍스트 | 의료 분야 텍스트 분석 | |
| 사용자 입력에 응답하는 대화형 애플리케이션을 빌드합니다. | 구조화되지 않은 사용자 입력 | 질문 답변 | ✓ |
| 텍스트가 작성된 언어를 검색합니다. | 구조화되지 않은 텍스트 | 언어 감지 | |
| 사용자 입력의 의도를 예측하고 해당 입력에서 정보를 추출합니다. | 구조화되지 않은 사용자 입력 | 대화 언어 이해 | ✓ |
| 대화형 언어 이해, LUIS 및 질문 답변에서 앱을 연결합니다. | 구조화되지 않은 사용자 입력 | 오케스트레이션 워크플로 | ✓ |
* 기능이 사용자 지정 가능한 경우, 데이터를 구체적으로 맞추는 도구를 사용하여 AI 모델을 학습시킬 수 있습니다. 그렇지 않으면 기능이 미리 구성되어 있으므로 사용하는 AI 모델을 변경할 수 없습니다. 데이터를 보내고 애플리케이션에서 기능의 출력을 사용하기만 하면 됩니다.
Text Analytics, QnA Maker 또는 LUIS(Language Understanding)에서 마이그레이션
Azure Language는 Foundry 도구에서 Text Analytics, QnA Maker 및 LUIS(Language Understanding)의 세 가지 개별 언어를 통합합니다. 이러한 세 가지 서비스를 사용한 경우 새 Azure 언어로 쉽게 마이그레이션할 수 있습니다. 지침은 Azure 언어로 마이그레이션을 참조하세요.
Tutorials
Azure Language 빠른 시작을 시작한 후 다양한 시나리오를 해결하는 방법을 보여 주는 자습서를 사용해 보세요.
- Power BI에 저장된 텍스트에서 핵심 구 추출
- Power Automate를 사용하여 Microsoft Excel 정보 정렬
- Flask를 사용하여 텍스트 번역, 감정 분석 및 음성 합성
- 캔버스 앱에서 Foundry 도구 사용
- FAQ 봇 만들기
코드 샘플
GitHub에서 다음 언어에 대한 추가 코드 샘플을 찾을 수 있습니다.
Docker 컨테이너를 사용하여 온-프레미스 배포
언어 컨테이너를 사용하여 온-프레미스에서 API 기능을 배포합니다. 이러한 Docker 컨테이너를 사용하면 규정 준수, 보안 또는 기타 운영상의 이유로 서비스를 데이터에 더 가깝게 가져올 수 있습니다. 언어는 다음 컨테이너를 제공합니다.
책임 있는 인공지능
AI 시스템에는 기술뿐만 아니라 기술을 사용하는 사용자, 영향을 받는 사용자 및 배포 환경도 포함됩니다. 시스템에서 책임 있는 AI 사용 및 배포에 대해 알아보려면 다음 문서를 읽어보세요.