Conectar-se aos serviços de IA do Azure a partir de fluxos de trabalho Standard nos Aplicativos Lógicos do Azure
Aplica-se a: Aplicativos Lógicos do Azure (Standard)
Para integrar dados e serviços corporativos com tecnologias de IA, você pode usar os conectores internos do OpenAI do Azure e da Pesquisa de IA do Azure em fluxos de trabalho de aplicativo lógico Standard. Esses conectores dão suporte a vários tipos de autenticação, como chaves de API, Microsoft Entra ID e identidades gerenciadas. Eles também podem se conectar a pontos de extremidade do Serviço OpenAI do Azure e da Pesquisa de IA do Azure por trás de firewalls para que seus fluxos de trabalho se conectem com segurança aos seus recursos de IA no Azure.
Este guia fornece uma visão geral e exemplos de como usar as operações do conector do OpenAI do Azure e da Pesquisa de IA do Azure em seu fluxo de trabalho.
Por que usar aplicativos lógicos do Azure com serviços de IA?
Normalmente, a criação de soluções de IA envolve várias etapas principais e requer alguns blocos de construção. Principalmente, você precisa ter um pipeline de ingestão dinâmica e uma interface de chat que possa se comunicar com LLMs (modelos de linguagem grande) e bancos de dados de vetor.
Dica
Para saber mais, você pode fazer estas perguntas ao Copilot no Azure:
- O que é um pipeline de ingestão dinâmica na IA?
- O que é um banco de dados de vetores na IA?
Para localizar o Copilot no Azure, na barra de ferramentas do portal do Azure, selecione Copilot.
Você pode montar vários componentes, não apenas para executar a ingestão de dados, mas também para fornecer um back-end robusto para a interface de chat. Esse back-end facilita a inserção de prompts e gera respostas confiáveis durante as interações. No entanto, a criação do código para gerenciar e controlar todos esses elementos pode ser desafiadora, o que é o caso da maioria das soluções.
Os Aplicativos Lógicos do Azure oferecem uma abordagem de baixo código e simplificam o gerenciamento de back-end, fornecendo conectores predefinidos que você usa como blocos de construção para simplificar o processo de back-end. Essa abordagem permite que você se concentre em fornecer seus dados e garantir que os resultados da pesquisa forneçam informações atuais e relevantes. Com esses conectores de IA, seu fluxo de trabalho atua como um mecanismo de orquestração que transfere dados entre serviços de IA e outros componentes que você deseja integrar.
Para saber mais, consulte os recursos a seguir:
- Introdução a modelos de linguagem grande
- Guia para trabalhar com modelos de linguagem grande
- O que é um banco de dados de vetores
Referência técnica do conector
OpenAI do Azure
O Serviço OpenAI do Azure fornece acesso aos Modelos de linguagem do OpenAI, que incluem GPT-4, GPT-4 Turbo com Visão, GPT-3.5-Turbo e a série de modelos Embeddings. Com o conector do OpenAI do Azure, seu fluxo de trabalho pode se conectar ao Serviço OpenAI do Azure e obter inserções do OpenAI para seus dados ou gerar preenchimentos de chat.
Dica
Para saber mais, você pode fazer estas perguntas ao Copilot no Azure:
- O que é uma inserção na IA?
- O que é um preenchimento de chat na IA?
Para localizar o Copilot no Azure, na barra de ferramentas do portal do Azure, selecione Copilot.
| Aplicativo lógico | Ambiente | Versão do conector |
|---|---|---|
| Standard | Aplicativos Lógicos do Azure de locatário único e Ambiente do Serviço de Aplicativo v3 (somente planos Windows) | O conector interno, que aparece na galeria de conectores em Runtime>No Aplicativo e é baseado no provedor de serviços. O conector integrado pode acessar diretamente as redes virtuais do Azure sem usar um gateway de dados local. Para obter mais informações, consulte a Referência do conector interno do OpenAI do Azure. |
Azure AI Search
A Pesquisa de IA do Azure é uma plataforma para recuperação de informações alimentadas por IA que ajuda os desenvolvedores a criar experiências de pesquisa avançadas e aplicativos de IA generativos combinando modelos de linguagem grande com dados corporativos. Com o conector da Pesquisa de IA do Azure, seu fluxo de trabalho pode se conectar à Pesquisa de IA do Azure para indexar documentos e executar busca em vetores em seus dados.
| Aplicativo lógico | Ambiente | Versão do conector |
|---|---|---|
| Standard | Aplicativos Lógicos do Azure de locatário único e Ambiente do Serviço de Aplicativo v3 (somente planos Windows) | O conector interno, que aparece na galeria de conectores em Runtime>No Aplicativo e é baseado no provedor de serviços. O conector integrado pode acessar diretamente as redes virtuais do Azure sem usar um gateway de dados local. Para obter mais informações, consulte a Referência do conector interno da Pesquisa de IA do Azure. |
Autenticação
Ambos os conectores de IA dão suporte a várias maneiras de autenticar com seu ponto de extremidade de serviço de IA. Essas opções fornecem autenticação robusta que atende às necessidades da maioria dos clientes. Ambos os conectores de IA também podem se conectar diretamente aos serviços do OpenAI do Azure e da Pesquisa de IA do Azure dentro de redes virtuais.
A lista a seguir descreve essas opções, e todas exigem que você forneça o ponto de extremidade de serviço.
| Tipo de autenticação | Descrição |
|---|---|
| Autenticação baseada em chave | Forneça a chave de API ou de administração gerada pelo serviço de IA. |
| Microsoft Entra ID, anteriormente Azure Active Directory | Forneça informações como seu locatário do Entra, a ID do cliente e a senha para se autenticar como um usuário do Entra. |
| Identidade gerenciada | Depois de habilitar a autenticação de identidade gerenciada em seu serviço de IA e no recurso de aplicativo lógico, você pode usar essa identidade para autenticar o acesso para o conector. |
Para saber mais, consulte os recursos a seguir:
- Autenticar solicitações para os serviços de IA do Azure
- O que é o Microsoft Entra ID
- O que são identidades gerenciadas para recursos do Azure
- Autenticar o acesso e as conexões aos recursos do Azure usando identidades gerenciadas nos Aplicativos Lógicos do Azure
Adicionar uma ação do OpenAI do Azure ou da Pesquisa de IA do Azure ao fluxo de trabalho
Atualmente, os conectores internos do OpenAI do Azure e da Pesquisa de IA do Azure fornecem apenas ações, não gatilhos. Você pode iniciar seu fluxo de trabalho com qualquer gatilho que atenda ao seu cenário ou necessidades, e, então, siga estas etapas gerais para adicionar ações para o OpenAI do Azure, a Pesquisa de IA do Azure e outras operações.
Cenários
Os cenários a seguir descrevem apenas duas das várias maneiras pelas quais você pode usar as operações de conector de IA em seus fluxos de trabalho:
Criar uma base de dados de conhecimento para seus dados corporativos
Os Aplicativos Lógicos do Azure fornecem mais de 1.000 conectores gerenciados pela Microsoft e executam nativamente conectores internos para que seu fluxo de trabalho se conecte com segurança a quase qualquer fonte de dados, como SharePoint, Oracle DB, Salesforce, OneDrive, Dropbox, SAP, IBM e assim por diante. Cada conector fornece operações, que incluem gatilhos, ações ou ambos, para você usar em seu fluxo de trabalho.
Por exemplo, você pode selecionar entre muitos tipos de gatilho para fazer seu fluxo de trabalho automatizado ser executado em um agendamento ou com base em eventos específicos, como o carregamento de novos documentos para um site do SharePoint. Com tantas operações para você escolher, você pode criar uma base de dados de conhecimento e criar facilmente um pipeline de ingestão de documentos usando embeddings de vetor para esses documentos na Pesquisa de IA do Azure.
Para saber mais, consulte os recursos a seguir:
- Vetores na Pesquisa de IA do Azure
- O que são embeddings
- Noções básicas sobre embeddings no OpenAI do Azure
Gerar conclusões
Um fluxo de trabalho dos Aplicativos Lógicos do Azure pode aceitar entradas, enquanto o Serviço OpenAI do Azure pode executar operações de conclusão. Esses recursos significam que seu fluxo de trabalho pode ingerir perguntas em tempo real, gerar respostas sobre seus dados ou enviar respostas automatizadas usando o OpenAI do Azure. Você pode enviar imediatamente as respostas de volta para o cliente ou para um fluxo de trabalho de aprovação para verificação.
Para saber mais, consulte os recursos a seguir:
Cenário de exemplo com código de exemplo: ingerir dados e criar interações de chat
Este exemplo mostra como usar os conectores do OpenAI do Azure e da Pesquisa de IA do Azure para dividir a lógica de back-end para ingerir dados e conduzir conversas de chat simples em dois fluxos de trabalho principais. Para obter um desempenho mais rápido, crie fluxos de trabalho sem estado que, por padrão, não salvem e armazenem o histórico para cada execução.
Código de exemplo
Criar um chat usando dados ingeridos
Pré-requisitos
Consulte os requisitos do código de exemplo.
Os seguintes valores de parâmetro entre ambientes também são usados pelas operações de fluxo de trabalho neste exemplo:
| Nome do parâmetro | Descrição |
|---|---|
| aisearch_admin_key | A chave de administração da Pesquisa de IA do Azure |
| aisearch_endpoint | A URL do ponto de extremidade para o exemplo da Pesquisa de IA do Azure |
| aisearch_index_name | O índice a ser usado para o exemplo da Pesquisa de IA do Azure |
| openapi_api_key | A chave de API do OpenAI do Azure |
| openai_deployment_id | A ID de implantação para o exemplo do OpenAI do Azure |
| openai_endpoint | A URL do ponto de extremidade para o exemplo do OpenAI do Azure |
| tokenize_function_url | A URL de uma função personalizada do Azure que agrupa e tokeniza dados, o que é necessário para o OpenAI do Azure criar adequadamente os embeddings para este exemplo. Para obter mais informações sobre essa função, consulte o código de exemplo para "Criar um chat usando dados ingeridos". |
Vídeo: Saiba como criar aplicativos de IA usando aplicativos lógicos
Saiba como criar aplicativos de IA usando aplicativos lógicos
Fluxo de trabalho de ingestão de dados
Para economizar tempo e esforço consideráveis ao criar um pipeline de ingestão, implemente o padrão a seguir com qualquer fonte de dados. Esse padrão encapsula todas as vantagens e benefícios atualmente oferecidos pelos fluxos de trabalho Standard nos Aplicativos Lógicos do Azure de locatário único.
Cada etapa nesse padrão garante que a IA extraia diretamente todas as informações cruciais de seus arquivos de dados. Se for executado como um fluxo de trabalho sem estado, esse padrão também fornecerá um desempenho mais rápido. Essa abordagem simplifica não apenas o aspecto de codificação, mas também garante que seus fluxos de trabalho tenham processos eficazes de autenticação, monitoramento e implantação em vigor.
| Etapa | Tarefa | Operação subjacente | Descrição |
|---|---|---|---|
| 1 | Verifique se há novos dados. | Quando uma solicitação HTTP é recebida | Um gatilho que sonda ou aguarda a chegada de novos dados, com base em uma recorrência agendada ou em resposta a eventos específicos, respectivamente. Esse evento pode ser um novo arquivo carregado em um sistema de armazenamento específico, como SharePoint, OneDrive ou Armazenamento de Blobs do Azure. Neste exemplo, a operação de gatilho Request aguarda uma solicitação HTTP ou HTTPS enviada de outro ponto de extremidade. A solicitação inclui a URL de um novo documento carregado. |
| 2 | Obter os dados. | HTTP | Uma ação HTTP que recupera o documento carregado usando a URL do arquivo da saída do gatilho. |
| 3 | Compor detalhes do documento. | Redigir | Uma ação Data Operations que concatena vários itens. Este exemplo concatena informações chave-valor sobre o documento. |
| 4 | Crie uma cadeia de caracteres de tokens. | Analisar um documento | Uma ação Operações de Dados que produz uma cadeia de caracteres de token usando a saída da ação Redigir. |
| 5 | Crie pedaços de conteúdo. | Texto em partes | Uma ação de Operações de Dados que divide a sequência de tokens em partes, com base no número de caracteres ou de tokens por bloco de conteúdo. |
| 6 | Converter dados tokenizados em JSON. | Analisar JSON | Uma ação Operações de Dados que converte as partes da cadeia de caracteres de token em uma matriz JSON. |
| 7 | Selecionar itens da matriz JSON. | Selecionar | Uma ação Data Operations que seleciona vários itens da matriz JSON. |
| 8 | Gerar os embeddings. | Obter vários embeddings | Uma ação Azure OpenAI que cria embeddings para cada item da matriz JSON. |
| 9 | Selecione embeddings e outras informações. | Selecionar | Uma ação Data Operations que seleciona embeddings e outras informações de documento. |
| 10 | Indexar os dados. | Indexar documentos | Uma ação Azure AI Search que indexa os dados com base em cada embedding selecionado. |
Fluxo de trabalho de chat
À medida que os bancos de dados vetoriais continuam a ingerir dados, verifique se os dados são facilmente pesquisáveis para que, quando um usuário fizer uma pergunta, o fluxo de trabalho do aplicativo lógico de back-end possa processar o prompt e gerar uma resposta confiável.
O padrão a seguir é apenas um exemplo que mostra a aparência de um fluxo de trabalho de chat:
| Etapa | Tarefa | Operação subjacente | Descrição |
|---|---|---|---|
| 1 | Aguarde o prompt de entrada. | Quando uma solicitação HTTP é recebida | Um gatilho que sonda ou aguarda a chegada de novos dados, com base em uma recorrência agendada ou em resposta a eventos específicos, respectivamente. Neste exemplo, o gatilho Request aguarda e captura a pergunta do cliente. |
| 2 | Mensagem do sistema de entrada para o modelo. | Redigir | Uma ação Data Operations que fornece entradas para treinar o modelo. |
| 3 | Exemplos de perguntas e respostas de entrada. | Redigir | Uma ação Data Operations que fornece exemplos de perguntas do cliente e funções associadas para treinar o modelo. |
| 4 | Mensagem do sistema de entrada para consulta de pesquisa. | Redigir | Uma ação Data Operations que fornece entradas de consulta de pesquisa para treinar o modelo. |
| 5 | Gerar consulta de pesquisa. | Executar o código JavaScript | Uma ação Inline Code que usa JavaScript para criar uma consulta de pesquisa para o repositório de vetores, com base nas saídas das ações Compose anteriores. |
| 6 | Converter consulta em embedding. | Obter conclusões de chat | Uma ação Azure OpenAI que se conecta à API de conclusão de chat, que garante respostas confiáveis em conversas de chat. Neste exemplo, a ação aceita consultas de pesquisa e funções como entradas para o modelo e retorna embeddings de vetor como saída. |
| 7 | Obter um embedding. | Obter um embedding | Uma ação Azure OpenAI que obtém um único embedding do vetor. |
| 8 | Pesquisar o banco de dados de vetor. | Pesquisar vetores | Uma ação Azure AI Search que executa pesquisas no repositório de vetores. |
| 9 | Crie um prompt. | Executar o código JavaScript | Uma ação Inline Code que usa JavaScript para criar prompts. |
| 10 | Executar a conclusão do chat. | Obter conclusões de chat | Uma ação Azure OpenAI que se conecta à API de conclusão de chat, que garante respostas confiáveis em conversas de chat. Neste exemplo, a ação aceita prompts e funções como entrada para o modelo e retorna respostas geradas por modelo como saída. |
| 11 | Retornar uma resposta. | Response | Uma ação Request que retorna os resultados para o chamador quando você usa o gatilho Request. |
Confira também
Conectores do Azure OpenAI e do Azure AI Search estão disponíveis de forma geralconectores do Azure OpenAI e Pesquisa de IA para Aplicativos Lógicos do Azure (Standard)