您可以在 Azure 文档中找到有关 Azure OpenAI 最新模型及其成本、上下文窗口和支持的输入类型的信息 Azure 文档。有关 LangChain 中的完整 Microsoft 集成集合（包括 Azure AI Search、Azure Database for PostgreSQL 和 M365 套件等工具），请参阅 Microsoft 提供商页面.

概述

集成详情

模型功能

设置

要访问 Azure OpenAI 模型，您需要 创建一个 Azure 账户，创建 Azure OpenAI 模型的部署，获取部署的名称和端点，并安装 langchain-openai 集成包。

安装

    pip install -U langchain-openai
    

    uv add langchain-openai
    

凭据

ChatOpenAI 和 AzureChatOpenAI 都支持使用 **Microsoft Entra ID** （推荐）或 **API 密钥**.

Microsoft Entra ID

Microsoft Entra ID 提供无密钥身份验证和自动令牌刷新。安装 azure-identity 包并创建令牌提供程序——同一提供程序同时适用于 ChatOpenAI 和 AzureChatOpenAI:

pip install azure-identity

from azure.identity import DefaultAzureCredential, get_bearer_token_provider

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(),
    "https://cognitiveservices.azure.com/.default",
)

API 密钥

前往 Azure 文档 创建您的部署并生成 API 密钥。设置 AZURE_OPENAI_API_KEY 和 AZURE_OPENAI_ENDPOINT 环境变量：

if "AZURE_OPENAI_API_KEY" not in os.environ:
    os.environ["AZURE_OPENAI_API_KEY"] = getpass.getpass(
        "Enter your AzureOpenAI API key: "
    )
os.environ["AZURE_OPENAI_ENDPOINT"] = "https://YOUR-RESOURCE-NAME.openai.azure.com/"

要启用模型调用的自动跟踪，请设置您的 LangSmith API 密钥：

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

实例化

使用 v1 API 的 ChatOpenAI

将 base_url 设置为您的 Azure 端点，后跟 /openai/v1/ 。使用 v1 API，您可以调用部署在 Microsoft Foundry 中的任何模型（包括 OpenAI、Llama、DeepSeek、Mistral 和 Phi），通过单一接口指向 model 您的部署名称。

        from langchain_openai import ChatOpenAI

        llm = ChatOpenAI(
            model="gpt-5.4-mini",  # your Azure deployment name
            base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
            api_key=token_provider,  # callable that handles token refresh
        )
        

        from langchain_openai import ChatOpenAI

        llm = ChatOpenAI(
            model="gpt-5.4-mini",  # your Azure deployment name
            base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
            api_key="your-azure-api-key",
        )
        

AzureChatOpenAI

使用 AzureChatOpenAI 处理需要传统 Azure OpenAI API 版本的情况 api_version.

        from langchain_openai import AzureChatOpenAI

        llm = AzureChatOpenAI(
            azure_deployment="gpt-5.4-mini",  # or your deployment
            api_version="2025-04-01-preview",  # or your api version
            azure_ad_token_provider=token_provider,
        )
        

        from langchain_openai import AzureChatOpenAI

        llm = AzureChatOpenAI(
            azure_deployment="gpt-5.4-mini",  # or your deployment
            api_version="2025-04-01-preview",  # or your api version
            temperature=0,
            max_tokens=None,
            timeout=None,
            max_retries=2,
            # other params...
        )
        

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)
print(ai_msg.text)

J'adore la programmation.

工具调用

使用 Pydantic 类、字典模式、LangChain 工具或函数将工具绑定到模型：

from langchain_openai import ChatOpenAI
from pydantic import BaseModel, Field


class GetWeather(BaseModel):
    """Get the current weather in a given location"""

    location: str = Field(description="The city and state, e.g. San Francisco, CA")


llm = ChatOpenAI(
    model="gpt-5.4-mini",
    base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
    api_key="your-azure-api-key",
)

llm_with_tools = llm.bind_tools([GetWeather])

ai_msg = llm_with_tools.invoke("What is the weather like in San Francisco?")
ai_msg.tool_calls

[{'name': 'GetWeather',
  'args': {'location': 'San Francisco, CA'},
  'id': 'call_jUqhd8wzAIzInTJl72Rla8ht',
  'type': 'tool_call'}]

有关绑定工具和工具调用输出的更多信息，请参阅 工具调用 docs.

构建代理

使用 create_agent 使用 Azure OpenAI 和工具构建代理：

from langchain.agents import create_agent
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.4-mini",
    base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
    api_key="your-azure-api-key",
)


def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"


agent = create_agent(
    model=llm,
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

# Stream agent responses
stream = agent.stream_events(
    {"messages": [{"role": "user", "content": "What is the weather in SF?"}]},
    version="v3",
)
for snapshot in stream.values:
    print(snapshot["messages"][-1].text)

流式使用元数据

OpenAI 的 Chat Completions API 默认不流式传输令牌使用统计（请参阅 OpenAI API 参考中的流式传输选项).

要在流式传输时恢复令牌计数，请设置 stream_usage=True 作为初始化参数或在调用时：

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.4-mini",
    base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
    api_key="your-azure-api-key",
    stream_usage=True,  # [!code highlight]
)

Responses API

Azure OpenAI 支持 Responses API，它提供有状态对话、内置服务器端工具（代码解释器、图像生成、文件搜索和远程 MCP）以及结构化推理摘要。ChatOpenAI 在您设置 reasoning 参数时会自动路由到 Responses API，或者您可以显式选择加入 use_responses_api=True:

        from langchain_openai import ChatOpenAI

        llm = ChatOpenAI(
            model="gpt-5.4-mini",  # your Azure deployment name
            base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
            api_key=token_provider,
            use_responses_api=True,  # [!code highlight]
        )

        # Bind a built-in server-side tool
        llm_with_tools = llm.bind_tools(  # [!code highlight]
            [{"type": "code_interpreter", "container": {"type": "auto"}}]  # [!code highlight]
        )  # [!code highlight]

        response = llm_with_tools.invoke(
            "Use the code interpreter to compute the 25th Fibonacci number."
        )
        print(response.text)
        

        from langchain_openai import ChatOpenAI

        llm = ChatOpenAI(
            model="gpt-5.4-mini",  # your Azure deployment name
            base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
            api_key="your-azure-api-key",
            use_responses_api=True,  # [!code highlight]
        )

        # Bind a built-in server-side tool
        llm_with_tools = llm.bind_tools(  # [!code highlight]
            [{"type": "code_interpreter", "container": {"type": "auto"}}]  # [!code highlight]
        )  # [!code highlight]

        response = llm_with_tools.invoke(
            "Use the code interpreter to compute the 25th Fibonacci number."
        )
        print(response.text)
        

有关内置工具及其用法的详细信息，请参阅 Azure OpenAI Responses API 文档.

推理工作负载和摘要

Azure OpenAI 推理模型 （例如， o4-mini, gpt-5）在生成最终答案之前会花费额外的 token 来思考请求。通过 ChatOpenAI ，在 v1 API 上，你可以配置模型在推理上花费多少精力，并可选择请求其思维链的摘要。

推理力度

设置 reasoning_effort to "low", "medium", or "high"。更高的设置会让模型在推理上花费更多 token，这通常会以延迟为代价提高复杂任务的质量：

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.4-mini",  # your Azure reasoning model deployment
    base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
    api_key=token_provider,
    reasoning_effort="medium",
)

response = llm.invoke("Tell me about the bitter lesson.")
print(response.text)

推理摘要

通过 Responses API 使用推理模型时，你可以通过传递一个 reasoning 字典来请求模型思维链的摘要。设置 reasoning 会自动路由 ChatOpenAI 到 Responses API：

from langchain_openai import ChatOpenAI

reasoning = {
    "effort": "high",    # 'low', 'medium', or 'high'
    "summary": "auto",   # 'auto', 'concise', or 'detailed'
}

llm = ChatOpenAI(
    model="gpt-5.4-mini",  # your Azure reasoning model deployment
    base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/",
    api_key=token_provider,
    reasoning=reasoning,
)

response = llm.invoke("What's the optimal strategy to win at poker?")

# Final answer
print(response.text)

# Reasoning summary blocks
for block in response.content_blocks:
    if block["type"] == "reasoning":
        print(block["reasoning"])

指定模型版本（传统 API）

使用 AzureChatOpenAI时，Azure OpenAI 响应包含一个 model_name 响应元数据属性。与原生 OpenAI 响应不同，它不包含模型的具体版本（版本在 Azure 上的部署中设置）。传递 model_version 来区分不同版本：

from langchain_openai import AzureChatOpenAI

llm = AzureChatOpenAI(
    azure_deployment="gpt-5.4-mini",  # or your deployment
    api_version="2025-04-01-preview",  # or your api version
    model_version="0301",
)

API 参考

有关所有功能和配置选项的详细文档，请访问 AzureChatOpenAI API 参考。