Connettersi ai servizi di intelligenza artificiale di Azure da flussi di lavoro Standard in App per la logica di Azure
Si applica: App per la logica di Azure (Standard)
Per integrare i dati e i servizi aziendali con tecnologie di intelligenza artificiale, è possibile usare i connettori predefiniti Di Azure OpenAI e Ricerca di intelligenza artificiale di Azure nei flussi di lavoro dell'app per la logica Standard. Questi connettori supportano più tipi di autenticazione, ad esempio chiavi API, ID Microsoft Entra e identità gestite. Possono anche connettersi agli endpoint del servizio Azure OpenAI e di Ricerca intelligenza artificiale di Azure dietro i firewall in modo che i flussi di lavoro si connettano in modo sicuro alle risorse di intelligenza artificiale in Azure.
Questa guida offre una panoramica ed esempi su come usare le operazioni del connettore Azure OpenAI e 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 rivelarsi complessa, 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:
- Introduzione ai modelli linguistici di grandi dimensioni
- Guida all'uso di modelli linguistici di grandi dimensioni
- Che cos'è un database vettoriale
Informazioni tecniche sul connettore
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.
| App per la logica | Ambiente | Versione del connettore |
|---|---|---|
| Standard | App per la logica di Azure a tenant singolo e ambiente del servizio app v3 (solo piani di Windows) | Connettore predefinito, visualizzato nella raccolta connettori in Runtime>In-App ed è basato sul provider di servizi. Il connettore predefinito può accedere direttamente alle reti virtuali di Azure senza usare un gateway dati locale. 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.
| App per la logica | Ambiente | Versione del connettore |
|---|---|---|
| Standard | App per la logica di Azure a tenant singolo e ambiente del servizio app v3 (solo piani di Windows) | Connettore predefinito, visualizzato nella raccolta connettori in Runtime>In-App ed è basato sul provider di servizi. Il connettore predefinito può accedere direttamente alle reti virtuali di Azure senza usare un gateway dati locale. Per altre informazioni, vedere Informazioni di riferimento sul connettore predefinito di Ricerca intelligenza artificiale di Azure. |
Autenticazione
Entrambi i connettori di intelligenza artificiale supportano più modi per eseguire l'autenticazione con 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 di intelligenza artificiale possono anche connettersi direttamente ad Azure OpenAI e alle servizio di ricerca di intelligenza artificiale di Azure all'interno delle reti virtuali.
Nell'elenco seguente vengono descritte queste opzioni, che richiedono di fornire l'endpoint del servizio.
| Tipo di autenticazione | Descrizione |
|---|---|
| Autenticazione basata su chiave | Fornire la chiave API o l'amministratore generato dal servizio di intelligenza artificiale. |
| ID Microsoft Entra, in precedenza Azure Active Directory | Fornire informazioni quali il tenant Entra, l'ID client e la password per l'autenticazione come utente Entra. |
| Identità gestita | Dopo aver abilitato l'autenticazione dell'identità gestita nel servizio di intelligenza artificiale e nella risorsa dell'app per la logica, è possibile usare tale identità per autenticare l'accesso per il connettore. |
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 con 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 predefiniti 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 e quindi 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 offre oltre 1.000 connettori gestiti da Microsoft e connettori predefiniti per il flusso di lavoro per connettersi in modo sicuro con quasi qualsiasi origine 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 illustra come usare i connettori Di Azure OpenAI e Ricerca intelligenza artificiale di Azure per suddividere la logica back-end per l'inserimento di dati e l'esecuzione di 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
Prerequisiti
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 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 . |
Vedi anche
I connettori openAI di Azure e Ricerca di intelligenza artificiale di Azure sono ora disponibilia livello generale per i connettori di Ricerca di Azure OpenAI e intelligenza artificiale per App per la logica di Azure (Standard)