在 Azure AI Foundry 入口網站中建立專案

本文說明如何建立 Azure AI Foundry 專案。 專案可用來組織工作並儲存狀態，同時建置自訂的 AI 應用程式。

專案由 Azure AI Foundry 中樞裝載。 如果您的公司有為您建立中樞的系統管理小組，您可以從該中樞建立專案。 如果您自行工作，您可以建立專案，並會自動為您建立預設中樞。

如需專案和中樞模型的詳細資訊，請參閱 Azure AI Foundry 中樞。

必要條件

使用下列索引標籤來選取您計劃用於建立專案的方法：

Azure AI Foundry 入口網站

• Azure 訂用帳戶。 如果您沒有 Azure 訂用帳戶，請建立免費帳戶。

Python SDK

• Azure 訂用帳戶。 如果您沒有 Azure 訂用帳戶，請建立免費帳戶。
• Azure 機器學習 SDK v2。
• Azure AI Foundry 中樞。 如果您沒有中樞，請參閱使用 Azure 機器學習 SDK 和 CLI 建立中樞。

Azure CLI

• Azure 訂用帳戶。 如果您沒有 Azure 訂用帳戶，請建立免費帳戶。
• Azure CLI 和機器學習延伸模組。
• Azure AI Foundry 中樞。 如果您沒有中樞，請參閱使用 Azure 機器學習 SDK 和 CLI 建立中樞。

建立專案

Azure AI Foundry 入口網站

若要在 Azure AI Foundry 中建立專案，請遵循下列步驟：

1. 移至 Azure AI Foundry。 如果您是在專案中，請選取 頁面左上方的 [Azure AI Foundry ]，以移至 [首頁 ]。

2. 選取 [+ 建立專案]。

3. 輸入專案名稱。

4. 如果您有中樞，您會看到最近使用過的中樞。

   • 如果您有多個中樞的存取權，您可以從下拉式清單中選取不同的中樞。

   • 如果您想要建立新的中樞，請選取 [建立新的中樞 ]，並提供名稱。 如果您想要自定義預設值，請參閱下一節。

     

5. 如果您沒有中樞，則會為您建立預設的中樞。 如果您想要自定義預設值，請參閱下一節。

6. 選取 建立。 或者，如果您想要自定義新的中樞，請遵循下一節中的步驟。

自定義中樞

項目位於中樞內。 中樞可讓您共用設定，例如與所有專案的數據連線，以及集中管理安全性設定和支出。 如果您是小組的一員，則中樞會跨訂用帳戶中的其他小組成員共用。 如需中樞與專案之間關聯性的詳細資訊，請參閱中 樞和專案概觀 檔。

當您建立新的中樞時，您必須擁有 所選資源群組的擁有者 或 參與者 許可權。 如果您是小組的一員，且沒有這些許可權，您的系統管理員應該為您建立中樞。

雖然您可以在專案建立過程中建立中樞，但您可以擁有更多控制權，而且如果您個別建立中樞，可以設定更進階的設定。 例如，您可以自定義網路安全性或基礎 Azure 儲存體 帳戶。 如需詳細資訊，請參閱 如何建立和管理 Azure AI Foundry 中樞。

當您在專案建立時建立新的中樞時，會提供預設設定。 如果您要自訂這些設定，請在建立專案之前執行此動作：

1. 在 [ 建立專案 ] 表單中，選取 [ 自定義]。

   

2. 選取您想要使用的現有 資源群組 ，或保留預設值以建立新的資源群組。

   提示

   特別是在一開始，建議您為專案建立新的資源群組。 這可讓您輕鬆地一併管理專案及其所有資源。 當您建立專案時，會在資源群組中建立數個資源，包括中樞、容器登錄和儲存體帳戶。

3. 選取 [ 位置 ] 或使用預設值。 位置是裝載中樞所在的區域。 中樞的位置也是專案的位置。 Azure AI 服務可用性會因每個區域而異。 例如，某些區域中可能無法使用特定模型。

4. 如果您有 Azure AI 服務資源，請從下拉式清單中選取現有的 Azure AI 服務資源（包括 Azure OpenAI），或使用預設值來建立新的資源。

   

5. 選取 [建立專案]。 您會看到資源建立進度，專案會在程序完成時建立。

   

Python SDK

本節中的程式代碼假設您有現有的中樞。 如果您沒有中樞，請參閱 如何建立和管理 Azure AI Foundry 中樞 來建立一個。

1. 依照 SDK 快速入門 中所述安裝 Python。

2. 安裝 Azure Machine Learning SDK v2。

3. 安裝 azure-identity：pip install azure-identity。 如果在筆記本資料格中， 請使用 %pip install azure-identity。

4. 提供您的訂用帳戶詳細資料：

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

5. 取得訂用帳戶的控制代碼。 本文中的所有 Python 程式碼都會使用 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. (選擇性) 如果您有多個帳戶，請將您想要使用的 Microsoft Entra ID 租用戶識別碼新增至 DefaultAzureCredential。 在 Azure 入口網站的 [Microsoft Entra ID，外部身分識別] 下，尋找您的租用戶識別碼。

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (選擇性) 如果您正在 Azure Government - US 或 Azure China 21Vianet 區域，請指定您要驗證的區域。 您可以使用 DefaultAzureCredential 來指定區域。 下列範例會向 Azure Government - 美國區域進行驗證：

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

8. 使用下列程式碼，從您或您的系統管理員先前建立的中樞建立專案。 請以您自己的值取代範例字串：

   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

本節中的程式代碼假設您有現有的中樞。 如果您沒有中樞，請參閱 如何建立和管理 Azure AI Foundry 中樞 來建立一個。

1. 如果您沒有安裝 Azure CLI 和機器學習延伸模組，請遵循安裝並設定機器學習延伸模組一文中的步驟。

2. 若要從 Azure CLI 驗證您的 Azure 訂用帳戶，請使用下列命令：

   az login
   

   如需有關驗證的詳細資訊，請參閱驗證方法。

3. 在擴充功能安裝並驗證至您的 Azure 訂用帳戶之後，請使用下列命令，從現有的 Azure AI Foundry 中樞建立新的 Azure AI Foundry 專案：

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

   使用下列語法的表單 my_hub_ID ： /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}。

檢視項目設定

Azure AI Foundry 入口網站

在專案 [概觀] 頁面上，您可以找到專案的相關信息。

• 名稱：項目的名稱會出現在左上角。 您可以使用編輯工具重新命名專案。
• 訂用帳戶：裝載中樞的訂用帳戶，而該中樞會裝載此專案。
• 資源群組：裝載中樞的資源群組，而該中樞會裝載此專案。

選取 [管理中心 ] 以流覽至 Azure AI Foundry 入口網站中的項目資源。 在 Azure 入口網站 中選取 [管理]，以流覽至 Azure 入口網站 中的項目資源。

Python SDK

若要管理或使用新專案，請將它包括在 MLClient：

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

Azure CLI

若要檢視專案的設定，請使用 az ml workspace show 命令。 例如：

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

存取項目資源

中樞上的常見設定會與您的專案共用，包括連線、計算執行個體和網路存取，讓您可以立即開始開發。

此外，只有專案工作區中的使用者才能存取部分資源：

• 包括資料集、流程、索引、已部署的模型 API 端點 (開啟和無伺服器) 的元件。

• 您在 [項目設定] 下建立的連線。

• Azure 儲存體 Blob 容器，以及專案內資料上傳的檔案共用。 使用下列連線存取儲存體：

  資料連線	儲存位置	目的
  workspaceblobstore	{project-GUID}-azureml-blobstore	數據上傳的預設容器
  workspaceartifactstore	{project-GUID}-azureml	儲存專案的元件和中繼資料，例如模型權重
  workspacefilestore	{project-GUID}-code	在您的計算和使用提示流程上建立的主機檔案

注意

當儲存體帳戶的公用網路存取設定為停用時，不會直接與專案建立儲存體連線。 當第一位使用者透過專用網連線存取 Azure AI Foundry 時，會改為建立這些專案。 疑難排解的儲存體連線

相關內容

• 部署企業聊天 Web 應用程式
• 深入瞭解 Azure AI Foundry
• 深入了解中樞