你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

在 Azure AI Foundry 门户中创建项目

本文介绍如何创建 Azure AI Foundry 项目。 项目用于在生成自定义 AI 应用时组织工作并保存状态。

项目由 Azure AI Foundry 中心托管。 如果你公司的管理团队已为你创建了中心，则可以从该中心创建项目。 如果你自己工作，则可以创建一个项目，系统将自动为你创建一个默认中心。

有关项目和中心模型的详细信息，请参阅 Azure AI Foundry 中心。

先决条件

• Azure 订阅。 如果还没有 Azure 订阅，可以创建一个免费帐户。
• 对于 Python SDK 或 CLI 步骤，需要使用 Azure AI Foundry 中心。 如果没有中心，请参阅如何创建和管理 Azure AI Foundry 中心。
• 对于 Azure AI Foundry，无需使用中心。 需要时系统会创建它。

创建项目

使用以下选项卡选择要用于创建项目的方法：

Azure AI Foundry 门户

要在 Azure AI Foundry 中创建项目，请执行以下步骤：

1. 转到 Azure AI Foundry。 如果你已进入项目，请选择页面左上角的“Azure AI Foundry”以转到“主页”。

2. 选择“+ 创建项目”。

3. 输入项目的名称。

4. 如果你有一个中心，会选择最近使用过的中心。

   • 如果你有权访问多个中心，可以从下拉列表中选择一个不同的中心。

   • 如果要创建新中心，请选择“创建新中心”并输入名称。 如果要自定义默认值，请参阅下一部分。

     

5. 如果没有中心，则会为你创建一个默认中心。 如果要自定义默认值，请参阅下一部分。

6. 选择“创建项目”。 或者，如果要自定义新中心，请按照下一部分中的步骤进行操作。

对中心进行自定义

项目位于中心内。 通过中心，你可以与所有项目共享数据连接等配置，并集中管理安全设置和支出。 如果你是团队的一员，则中心会在订阅中的其他团队成员之间共享。 有关中心和项目之间的关系的更多信息，请参阅中心和项目概述文档。

新建中心时，必须对所选资源组具有“所有者”或“参与者”权限。 如果你是团队的一员但没有这些权限，管理员应为你创建一个中心。

虽然可以在项目创建过程中创建中心，但如果单独创建，则可以对中心拥有更多控制权，并可以为其设置更高级的设置。 例如，可以自定义网络安全或基础 Azure 存储帐户。 有关详细信息，请参阅如何创建和管理 Azure AI Foundry 中心。

在项目创建过程中创建新中心时，会提供默认设置。 如果要自定义这些设置，请在创建项目之前这样操作：

1. 在“创建项目”窗体中，选择“自定义”。

   

2. 选择要使用的现有资源组，或保留默认值以创建新资源组。

   提示

   特别是在开始阶段，建议为项目创建一个新的资源组。 这允许你轻松管理项目及其所有资源。 创建项目时，会在资源组中创建多个资源，包括中心、容器注册表和存储帐户。

3. 选择“位置”或使用默认值。 位置是中心所在的位置。 中心的位置也是项目的位置。 Azure AI 服务可用性因区域而异。 例如，某些模型在某些区域中可能不可用。

4. 如果有的话，从下拉列表中选择一个现有的 Azure AI 服务资源（包括 Azure OpenAI），或者使用默认值创建一个新的资源。

   

5. 选择“创建项目”。 可以看到资源创建进度，该过程完成时项目便创建完毕。

   

Python SDK

本部分中的代码假定你已有一个中心。 如果没有中心，请参阅如何创建和管理 Azure AI Foundry 中心以创建一个。

1. 安装 Python，如 SDK 快速入门中所述。

2. 安装 Azure 机器学习 SDK v2。

3. 安装 azure-identity：pip install azure-identity。 如果在笔记本单元格中，请使用 %pip install azure-identity。

4. 提供订阅的详细信息：

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

5. 获取订阅的句柄。 本文中的所有 Python 代码都使用 ml_client：

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

6. （可选）如果有多个帐户，请添加要在 DefaultAzureCredential 中使用的 Microsoft Entra ID 的租户 ID。 在 Azure 门户的“Microsoft Entra ID 外部标识”下找到你的租户 ID。

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. （可选）如果你在 Azure 政府 - 美国或 Azure 中国世纪互联区域工作，请指定要在其中进行身份验证的区域。 可以使用 DefaultAzureCredential 指定区域。 以下示例向 Azure 政府 - 美国区域进行身份验证：

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

8. 使用以下代码在你或你的管理员之前创建的中心中创建项目。 将示例字符串值替换为自己的值：

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

Azure CLI

本部分中的代码假定你已有一个中心。 如果没有中心，请参阅如何创建和管理 Azure AI Foundry 中心以创建一个。

1. 如果未安装 Azure CLI 和机器学习扩展，请按照安装和设置机器学习扩展一文中的步骤操作。

2. 要从 Azure CLI 向 Azure 订阅进行身份验证，请使用以下命令：

   az login
   

   有关身份验证的详细信息，请参阅身份验证方法。

3. 安装扩展并向 Azure 订阅进行身份验证后，使用以下命令从现有 Azure AI Foundry 中心创建一个新的 Azure AI Foundry 项目：

   az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
   

查看项目设置

Azure AI Foundry 门户

在项目“概述”页上，可以找到有关项目的信息。

• 名称：项目名称显示在左上角。 可以使用编辑工具重命名项目。
• 订阅：托管项目的中心所在的订阅。
• 资源组：托管项目的中心所在的资源组。

选择“管理中心”以导航到 Azure AI Foundry 门户中的项目资源。 选择“在 Azure 门户中管理”，以导航到 Azure 门户中的项目资源。

Python SDK

若要管理或使用新项目，请将其包含在 MLClient 中：

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

Azure CLI

若要查看项目的设置，请使用 az ml workspace show 命令。 例如：

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

访问项目资源

系统会与项目共享中心上的常见配置，包括连接、计算实例和网络访问，以便你可以立即开始开发。

此外，许多资源只有项目工作区中的用户才能访问：

• 组件包括数据集、流程、索引、部署的模型 API 端点（开放和无服务器）。

• 在“项目设置”下创建的连接。

• Azure 存储 Blob 容器和用于在项目中上传数据的文件共享。 使用以下连接访问存储：

  数据连接	存储位置	目的
  workspaceblobstore	{project-GUID}-azureml-blobstore	数据上传的默认容器
  workspaceartifactstore	{project-GUID}-azureml	存储项目的组件和元数据，例如模型权重
  workspacefilestore	{project-GUID}-code	托管在计算机上创建并使用提示流的文件

注意

在将存储帐户的“可通过公共网络访问”设置为禁用时，系统不会直接创建连接至项目的存储链接。 当第一个用户通过专用网络连接访问 Azure AI Foundry 时，系统会改为创建这些内容。 排查存储连接问题

相关内容

• 部署企业聊天 Web 应用
• 详细了解 Azure AI Foundry
• 详细了解中心