Connettersi ai servizi di intelligenza artificiale di Azure dai flussi di lavoro in App per la logica di Azure
Si applica a: App per la logica di Azure (a consumo e standard)
Per integrare servizi aziendali, sistemi e dati con tecnologie di intelligenza artificiale, i flussi di lavoro dell'app per la logica possono connettersi alle risorse di Azure OpenAI e Ricerca di intelligenza artificiale di Azure usate per questi scenari di integrazione.
Questa guida offre una panoramica ed esempi che illustrano come usare le operazioni di Azure OpenAI e del connettore di Ricerca intelligenza artificiale di Azure nel flusso di lavoro.
Perché usare App per la logica di Azure con i servizi di intelligenza artificiale?
In genere, la creazione di soluzioni di intelligenza artificiale prevede diversi passaggi chiave e richiede alcuni blocchi predefiniti. In primo luogo, è necessario avere una pipeline di inserimento dinamico e un'interfaccia di chat in grado di comunicare con modelli di linguaggio di grandi dimensioni e database vettoriali.
Suggerimento
Per altre informazioni, è possibile porre queste domande a Copilot di Azure:
- Che cos'è una pipeline di inserimento dinamico nell'intelligenza artificiale?
- Che cos'è un database vettoriale nell'intelligenza artificiale?
Per trovare Copilot di Azure, nella barra degli strumenti del portale di Azure selezionare Copilot.
È possibile assemblare vari componenti, non solo per eseguire l'inserimento dei dati, ma anche per fornire un back-end affidabile per l'interfaccia di chat. Questo back-end facilita l'immissione di richieste e genera risposte affidabili durante le interazioni. Tuttavia, la creazione del codice per gestire e controllare tutti questi elementi può comportare problemi, che è il caso per la maggior parte delle soluzioni.
App per la logica di Azure offre un approccio a basso codice e semplifica la gestione back-end fornendo connettori predefiniti usati come blocchi predefiniti per semplificare il processo back-end. Questo approccio consente di concentrarsi sull'origine dei dati e assicurarsi che i risultati della ricerca forniscano informazioni aggiornate e pertinenti. Con questi connettori di intelligenza artificiale, il flusso di lavoro funge da motore di orchestrazione che trasferisce i dati tra i servizi di intelligenza artificiale e altri componenti da integrare.
Per ulteriori informazioni, vedi le seguenti risorse:
Prerequisiti
Account e sottoscrizione di Azure. Se non si ha una sottoscrizione di Azure, iscriversi per creare un account Azure gratuito.
Le risorse di Ricerca intelligenza artificiale di Azure e OpenAI di Azure per accedere e usarle nel flusso di lavoro, incluse le informazioni di connessione:
Flusso di lavoro dell'app per la logica in cui si vuole accedere alle risorse di Azure OpenAI e Ricerca intelligenza artificiale di Azure.
I connettori per questi servizi attualmente forniscono solo azioni, non trigger. Prima di poter aggiungere un'azione del connettore azure per intelligenza artificiale, assicurarsi che il flusso di lavoro inizi con il trigger appropriato per lo scenario.
Informazioni tecniche sul connettore
Nei flussi di lavoro a consumo, i connettori Azure OpenAI e Ricerca di intelligenza artificiale di Azure gestiti o "condivisi" sono attualmente in anteprima e sono soggetti alle Condizioni per l'utilizzo supplementari per le anteprime di Microsoft Azure.
OpenAI di Azure
Il servizio Azure OpenAI fornisce l'accesso ai modelli linguistici di OpenAI, tra cui GPT-4, GPT-4 Turbo con Vision, GPT-3.5-Turbo e la serie di modelli embeddings. Con il connettore Azure OpenAI , il flusso di lavoro può connettersi al servizio Azure OpenAI e ottenere incorporamenti OpenAI per i dati o generare completamenti della chat.
Suggerimento
Per altre informazioni, è possibile porre queste domande a Copilot di Azure:
- Che cos'è un incorporamento in intelligenza artificiale?
- Che cos'è un completamento della chat nell'intelligenza artificiale?
Per trovare Copilot di Azure, nella barra degli strumenti del portale di Azure selezionare Copilot.
Il connettore Azure OpenAI ha versioni diverse, in base al tipo di app per la logica e al modello di hosting:
| App per la logica | Ambiente | Versione del connettore |
|---|---|---|
| Consumo | App per la logica di Azure multi-tenant | Connettore gestito ospitato in Azure, visualizzato nella raccolta dei connettori in Runtime>Condiviso. Per altre informazioni, vedere Azure OpenAI Managed Connector reference (Informazioni di riferimento sul connettore gestito di Azure OpenAI). |
| Standard | App per la logica di Azure a tenant singolo, ambiente del servizio app v3 (solo piani di Windows) o distribuzione ibrida, ovvero la propria infrastruttura. | Connettore predefinito, visualizzato nella raccolta connettori in Runtime>in-app ed è basato sul provider di servizi. Il connettore predefinito offre tra gli altri le funzionalità seguenti: - Supporto di più tipi di autenticazione - Accesso diretto alle risorse nelle reti virtuali e negli endpoint di Azure per Azure OpenAI dietro i firewall. Per altre informazioni, vedere Azure OpenAI built-in connector reference (Informazioni di riferimento sul connettore predefinito di Azure OpenAI). |
Azure AI Search
Ricerca di intelligenza artificiale di Azure è una piattaforma per il recupero di informazioni basate sull'intelligenza artificiale che consente agli sviluppatori di creare esperienze di ricerca avanzate e generare app di intelligenza artificiale combinando modelli linguistici di grandi dimensioni con i dati aziendali. Con il connettore Ricerca intelligenza artificiale di Azure, il flusso di lavoro può connettersi a Ricerca di intelligenza artificiale di Azure per indicizzare i documenti ed eseguire ricerche vettoriali sui dati.
Il connettore Ricerca intelligenza artificiale di Azure ha versioni diverse, in base al tipo di app per la logica e al modello di hosting:
| App per la logica | Ambiente | Versione del connettore |
|---|---|---|
| Consumo | App per la logica di Azure multi-tenant | Connettore gestito ospitato in Azure, visualizzato nella raccolta dei connettori in Runtime>Condiviso. Per altre informazioni, vedere Informazioni di riferimento sul connettore gestito di Ricerca intelligenza artificiale di Azure. |
| Standard | App per la logica di Azure a tenant singolo, ambiente del servizio app v3 (solo piani di Windows) o distribuzione ibrida, ovvero la propria infrastruttura. | Connettore predefinito, visualizzato nella raccolta connettori in Runtime>in-app ed è basato sul provider di servizi. Il connettore predefinito offre tra gli altri le funzionalità seguenti: - Supporto di più tipi di autenticazione - Accesso diretto alle risorse nelle reti virtuali e negli endpoint di Azure per Azure OpenAI dietro i firewall. Per altre informazioni, vedere Informazioni di riferimento sul connettore predefinito di Ricerca intelligenza artificiale di Azure. |
Autenticazione
I connettori gestiti dall'intelligenza artificiale richiedono una chiave API per l'autenticazione. Tuttavia, i connettori predefiniti di intelligenza artificiale supportano più tipi di autenticazione per l'endpoint del servizio di intelligenza artificiale. Queste opzioni offrono un'autenticazione affidabile che soddisfi la maggior parte delle esigenze dei clienti. Entrambi i connettori predefiniti possono anche connettersi direttamente alle risorse Di Azure OpenAI e Ricerca di intelligenza artificiale di Azure all'interno di reti virtuali o dietro firewall.
La tabella seguente descrive le opzioni di autenticazione predefinite del connettore, che richiedono di fornire l'URL per l'endpoint del servizio di intelligenza artificiale:
| Tipo di autenticazione | Descrizione |
|---|---|
| Autenticazione basata su URL e chiave | Fornire la chiave API o l'amministratore generato dal servizio di intelligenza artificiale. |
| Active Directory OAuth (MICROSOFT Entra ID) | Fornire informazioni quali il tenant Entra, l'ID client e la password per l'autenticazione come utente Entra. |
| Identità gestita | Dopo aver configurato l'autenticazione dell'identità gestita nella risorsa del servizio di intelligenza artificiale e nella risorsa dell'app per la logica, è possibile usare tale identità per autenticare l'accesso per il connettore. |
Importante
Per una sicurezza ottimale, usare Microsoft Entra ID con identità gestite per l'autenticazione, quando possibile. Questo metodo offre una sicurezza superiore senza dover fornire credenziali. Azure gestisce questa identità e consente di proteggere le informazioni di autenticazione in modo che non sia necessario gestire manualmente queste informazioni riservate. Per configurare un'identità gestita per App per la logica di Azure, vedere Autenticare l'accesso e le connessioni alle risorse di Azure con identità gestite in App per la logica di Azure.
Se è necessario usare un tipo di autenticazione diverso, usare l'opzione di sicurezza di livello più alto successiva disponibile. Si supponga, ad esempio, di dover creare una connessione usando un stringa di connessione. Un stringa di connessione include le informazioni di autorizzazione necessarie per consentire all'app di accedere a una risorsa, un servizio o un sistema specifico. La chiave di accesso nella stringa di connessione è simile a una password radice.
Negli ambienti di produzione proteggere sempre informazioni e segreti sensibili, ad esempio credenziali, certificati, identificazioni personali, chiavi di accesso e stringa di connessione. Assicurarsi di archiviare tali informazioni in modo sicuro usando Microsoft Entra ID e Azure Key Vault. Evitare di impostare come hardcoded queste informazioni, condividerle con altri utenti o salvare testo normale ovunque altri utenti possano accedere. Ruotare i segreti il prima possibile se si ritiene che queste informazioni potrebbero essere compromesse. Per altre informazioni, vedere Informazioni su Azure Key Vault.
Per ulteriori informazioni, vedi le seguenti risorse:
- Autenticare le richieste ai servizi di intelligenza artificiale di Azure
- Descrizione di Microsoft Entra ID
- Che cosa sono le identità gestite per le risorse di Azure
- Autenticare l'accesso e le connessioni alle risorse di Azure usando identità gestite in App per la logica di Azure.
Aggiungere un'azione azure OpenAI o Ricerca di intelligenza artificiale di Azure al flusso di lavoro
Attualmente, i connettori per Azure OpenAI e Ricerca di intelligenza artificiale di Azure forniscono solo azioni, non trigger. È possibile avviare il flusso di lavoro con qualsiasi trigger adatto allo scenario o alle esigenze. In base al fatto che si disponga di un flusso di lavoro a consumo o Standard, è quindi possibile seguire questi passaggi generali per aggiungere azioni per Azure OpenAI, Ricerca di intelligenza artificiale di Azure e altre operazioni.
Scenari
Gli scenari seguenti descrivono solo due dei molti modi in cui è possibile usare le operazioni del connettore di intelligenza artificiale nei flussi di lavoro:
Creare una knowledge base per i dati aziendali
App per la logica di Azure fornisce oltre 1.400 connettori gestiti da Microsoft e connettori predefiniti in esecuzione nativa per il flusso di lavoro per connettersi in modo sicuro con quasi tutte le origini dati, ad esempio SharePoint, Oracle DB, Salesforce, OneDrive, Dropbox, SAP, IBM e così via. Ogni connettore fornisce operazioni, che includono trigger, azioni o entrambi, da usare nel flusso di lavoro.
Ad esempio, è possibile selezionare da molti tipi di trigger per eseguire il flusso di lavoro automatizzato in base a una pianificazione o in base a eventi specifici, ad esempio il caricamento di nuovi documenti in un sito di SharePoint. Con così tante operazioni che è possibile scegliere, è possibile creare una knowledge base e creare facilmente una pipeline di inserimento di documenti usando incorporamenti vettoriali per questi documenti in Ricerca di intelligenza artificiale di Azure.
Per ulteriori informazioni, vedi le seguenti risorse:
- Vettori in Azure AI Search
- Che cosa sono gli incorporamenti
- Informazioni sugli incorporamenti in Azure OpenAI
Generare completamenti
Un flusso di lavoro App per la logica di Azure può accettare l'input, mentre il servizio OpenAI di Azure può eseguire operazioni di completamento. Queste funzionalità indicano che il flusso di lavoro può inserire domande in tempo reale, generare risposte sui dati o inviare risposte automatizzate usando Azure OpenAI. È possibile inviare immediatamente le risposte al client o a un flusso di lavoro di approvazione per la verifica.
Per ulteriori informazioni, vedi le seguenti risorse:
Scenario di esempio con codice di esempio: Inserire dati e creare interazioni di chat
Questo esempio di flusso di lavoro Standard illustra come usare i connettori predefiniti Di Azure OpenAI e Ricerca di intelligenza artificiale di Azure per suddividere la logica back-end per inserire dati e condurre conversazioni di chat semplici in due flussi di lavoro chiave. Per prestazioni più veloci, creare flussi di lavoro senza stato che, per impostazione predefinita, non salvare e archiviare la cronologia per ogni esecuzione.
Codice di esempio
Creare una chat usando i dati inseriti
Altri prerequisiti
Flusso di lavoro di un'app per la logica Standard
Vedere i requisiti del codice di esempio.
I valori dei parametri tra ambienti seguenti vengono usati anche dalle operazioni del flusso di lavoro in questo esempio:
Nome parametro Descrizione aisearch_admin_key Chiave di amministrazione per Ricerca di intelligenza artificiale di Azure aisearch_endpoint URL dell'endpoint per l'esempio di Ricerca di intelligenza artificiale di Azure aisearch_index_name Indice da usare per l'esempio di Ricerca di intelligenza artificiale di Azure openapi_api_key Chiave API per Azure OpenAI openai_deployment_id ID di distribuzione per l'esempio di Azure OpenAI openai_endpoint URL dell'endpoint per l'esempio di Azure OpenAI tokenize_function_url URL di una funzione di Azure personalizzata che esegue il batch e tokenzza i dati, che è necessario per Azure OpenAI per creare correttamente incorporamenti per questo esempio.
Per altre informazioni su questa funzione, vedere il codice di esempio per "Creare una chat usando dati inseriti".
Video: Informazioni su come creare applicazioni di intelligenza artificiale usando app per la logica
Informazioni su come creare applicazioni di intelligenza artificiale usando app per la logica
Flusso di lavoro di inserimento dei dati
Per risparmiare tempo e impegno notevole quando si compila una pipeline di inserimento, implementare il modello seguente con qualsiasi origine dati. Questo modello incapsula tutti i vantaggi e i vantaggi attualmente offerti dai flussi di lavoro Standard in App per la logica di Azure a tenant singolo.
Ogni passaggio di questo modello garantisce che l'intelligenza artificiale estragga senza problemi tutte le informazioni cruciali dai file di dati. Se eseguito come flusso di lavoro senza stato, questo modello offre anche prestazioni più veloci. Questo approccio semplifica non solo l'aspetto di codifica, ma garantisce anche che i flussi di lavoro abbiano processi di autenticazione, monitoraggio e distribuzione efficaci.
| Passaggio | Attività | Operazione sottostante | Descrizione |
|---|---|---|---|
| 1 | Verificare la presenza di nuovi dati. | Quando viene ricevuta una richiesta HTTP | Trigger che esegue il polling o attende l'arrivo di nuovi dati, in base rispettivamente a una ricorrenza pianificata o in risposta a eventi specifici. Un evento di questo tipo potrebbe essere un nuovo file caricato in un sistema di archiviazione specifico, ad esempio SharePoint, OneDrive o Archiviazione BLOB di Azure. In questo esempio, l'operazione di trigger richiesta attende una richiesta HTTP o HTTPS inviata da un altro endpoint. La richiesta include l'URL di un nuovo documento caricato. |
| 2 | Ottenere i dati. | HTTP | Azione HTTP che recupera il documento caricato usando l'URL del file dall'output del trigger. |
| 3 | Comporre i dettagli del documento. | Compose. | Azione Operazioni dati che concatena vari elementi. In questo esempio vengono concatenate informazioni chiave-valore sul documento. |
| 4 | Creare la stringa del token. | Analizzare un documento | Azione Operazioni dati che produce una stringa di token usando l'output dell'azione Componi . |
| 5 | Creare blocchi di contenuto. | Testo blocco | Azione Operazioni dati che suddivide la stringa del token in parti, in base al numero di caratteri o token per ogni blocco di contenuto. |
| 6 | Convertire i dati con token in JSON. | Analizza JSON | Azione Operazioni dati che converte i blocchi della stringa del token in una matrice JSON. |
| 7 | Selezionare Elementi della matrice JSON. | Seleziona | Azione Operazioni dati che seleziona più elementi dalla matrice JSON. |
| 8 | Generare gli incorporamenti. | Ottenere più incorporamenti | Azione OpenAI di Azure che crea incorporamenti per ogni elemento della matrice JSON. |
| 9 | Selezionare incorporamenti e altre informazioni. | Seleziona | Azione Operazioni dati che seleziona incorporamenti e altre informazioni sul documento. |
| 10 | Indicizzare i dati. | Indicizzare i documenti | Azione di Ricerca intelligenza artificiale di Azure che indicizza i dati in base a ogni incorporamento selezionato. |
Flusso di lavoro chat
Man mano che i database vettoriali continuano a inserire dati, assicurarsi che i dati siano facilmente ricercabili in modo che quando un utente pone una domanda, il flusso di lavoro dell'app per la logica Standard back-end può elaborare la richiesta e generare una risposta affidabile.
Il modello seguente è solo un esempio che mostra come può essere visualizzato un flusso di lavoro di chat:
| Passaggio | Attività | Operazione sottostante | Descrizione |
|---|---|---|---|
| 1 | Attendere la richiesta di input. | Quando viene ricevuta una richiesta HTTP | Trigger che esegue il polling o attende l'arrivo di nuovi dati, in base rispettivamente a una ricorrenza pianificata o in risposta a eventi specifici. In questo esempio il trigger Richiesta attende e acquisisce la domanda del cliente. |
| 2 | Messaggio di sistema di input per il modello. | Compose. | Azione Operazioni dati che fornisce l'input per eseguire il training del modello. |
| 3 | Domande e risposte di esempio di input. | Compose. | Azione Operazioni dati che fornisce domande di esempio sui clienti e ruoli associati per eseguire il training del modello. |
| 4 | Messaggio di sistema di input per la query di ricerca. | Compose. | Azione Operazioni dati che fornisce l'input della query di ricerca per eseguire il training del modello. |
| 5 | Generare una query di ricerca. | Esegui codice JavaScript | Azione Codice inline che usa JavaScript per creare una query di ricerca per l'archivio vettoriale, in base agli output delle azioni Compose precedenti. |
| 6 | Convertire la query in incorporamento. | Ottenere i completamenti della chat | Azione OpenAI di Azure che si connette all'API di completamento della chat, che garantisce risposte affidabili nelle conversazioni di chat. In questo esempio, l'azione accetta query di ricerca e ruoli come input per il modello e restituisce incorporamenti vettoriali come output. |
| 7 | Ottenere un incorporamento. | Ottenere un incorporamento | Azione OpenAI di Azure che ottiene un singolo vettore di incorporamento. |
| 8 | Cercare nel database vettoriale. | Vettori di ricerca | Un'azione di Ricerca di intelligenza artificiale di Azure che esegue ricerche nell'archivio vettoriale. |
| 9 | Crea richiesta. | Esegui codice JavaScript | Azione Codice inline che usa JavaScript per compilare richieste. |
| 10 | Eseguire il completamento della chat. | Ottenere i completamenti della chat | Azione OpenAI di Azure che si connette all'API di completamento della chat, che garantisce risposte affidabili nelle conversazioni di chat. In questo esempio l'azione accetta prompt e ruoli come input per il modello e restituisce le risposte generate dal modello come output. |
| 11 | Restituisce una risposta. | Response | Azione Richiesta che restituisce i risultati al chiamante quando si usa il trigger Richiesta . |