Microsoft Foundry 聊天模型集成 - 以编程方式使用文档

这将帮助您开始使用 AzureAIOpenAIApiChatModel 聊天模型.

此 AzureAIOpenAIApiChatModel class uses the OpenAI-compatible API available in Azure AI Foundry. AI Foundry has several chat models, including AzureOpenAI, Cohere, Llama, Phi-3/4, and DeepSeek-R1, among others. You can find information about their latest models and their costs, context windows, and supported input types in the Azure 文档.

概述

集成详情

类	包	可序列化	JS 支持	下载量	版本
`ChatOpenAI`	`langchain-openai`	✅	✅	!PyPI - 下载量	!PyPI - 版本
`ChatAnthropic`	`langchain-anthropic`	✅	✅	!PyPI - 下载量	!PyPI - 版本
`AzureAIOpenAIApiChatModel`	`langchain-azure-ai`	✅	✅	!PyPI - 下载量	!PyPI - 版本

模型特性

工具调用	结构化输出	图像输入	音频输入	视频输入	逐Token流式输出	原生异步	Token使用量	对数概率
✅	✅	✅	❌	❌	✅	✅	✅	✅

设置

要访问 AzureAIOpenAIApiChatModel 模型，您需要创建一个 Azure 账户，获取API密钥，并安装 langchain-azure-ai 集成包。

凭据

前往 Azure 文档查看如何创建部署并生成 API 密钥。模型部署后，点击 AI Foundry 中的'获取端点'按钮。这将显示您的端点和 API 密钥。完成此操作后，设置环境变量：

if not os.getenv("AZURE_AI_PROJECT_ENDPOINT"):
    os.environ["AZURE_AI_PROJECT_ENDPOINT"] = getpass.getpass(
        "Enter your Azure AI project endpoint: "
    )

如果您想获取模型调用的自动化追踪，您也可以设置您的 LangSmith API 密钥，方法是将下面的注释取消：

os.environ["LANGSMITH_TRACING"] = "true"
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")

安装

LangChain AzureAIOpenAIApiChatModel 集成位于 langchain-azure-ai package:

pip install -qU langchain-azure-ai

实例化

现在我们可以实例化模型对象并生成聊天补全：

from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel
from azure.identity import DefaultAzureCredential

llm = AzureAIOpenAIApiChatModel(
    model="gpt-4o",
    credential=DefaultAzureCredential(),
    temperature=0,
    max_tokens=None,
    max_retries=2,
)

调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore programmer.", additional_kwargs={}, response_metadata={'model': 'gpt-4o-2024-05-13', 'token_usage': {'input_tokens': 31, 'output_tokens': 4, 'total_tokens': 35}, 'finish_reason': 'stop'}, id='run-c082dffd-b1de-4b3f-943f-863836663ddb-0', usage_metadata={'input_tokens': 31, 'output_tokens': 4, 'total_tokens': 35})

print(ai_msg.content)

J'adore programmer.