Ansluta till Azure AI-tjänster från Standard-arbetsflöden i Azure Logic Apps
Gäller för: Azure Logic Apps (Standard)
Om du vill integrera företagsdata och tjänster med AI-tekniker kan du använda inbyggda anslutningsappar för Azure OpenAI och Azure AI Search i arbetsflöden för standardlogikappar. Dessa anslutningsappar stöder flera autentiseringstyper, till exempel API-nycklar, Microsoft Entra-ID och hanterade identiteter. De kan också ansluta till Azure OpenAI Service och Azure AI Search-slutpunkter bakom brandväggar så att dina arbetsflöden ansluter säkert till dina AI-resurser i Azure.
Den här guiden innehåller en översikt och exempel på hur du använder anslutningsåtgärderna Azure OpenAI och Azure AI Search i arbetsflödet.
Varför ska du använda Azure Logic Apps med AI-tjänster?
Att skapa AI-lösningar omfattar vanligtvis flera viktiga steg och kräver några byggstenar. I första hand måste du ha en dynamisk inmatningspipeline och ett chattgränssnitt som kan kommunicera med stora språkmodeller (LLM) och vektordatabaser.
Dricks
Om du vill veta mer kan du ställa följande frågor till Azure Copilot:
- Vad är en dynamisk inmatningspipeline i AI?
- Vad är en vektordatabas i AI?
Om du vill hitta Azure Copilot väljer du Copilot i verktygsfältet Azure Portal.
Du kan montera olika komponenter, inte bara för att utföra datainmatning utan också för att tillhandahålla en robust serverdel för chattgränssnittet. Den här serverdelen underlättar inmatning av frågor och genererar pålitliga svar under interaktioner. Att skapa koden för att hantera och kontrollera alla dessa element kan dock vara en utmaning, vilket är fallet för de flesta lösningar.
Azure Logic Apps erbjuder en lågkodsmetod och förenklar serverdelshanteringen genom att tillhandahålla fördefinierade anslutningsappar som du använder som byggstenar för att effektivisera serverdelsprocessen. Med den här metoden kan du fokusera på att hämta dina data och se till att sökresultaten ger aktuell och relevant information. Med dessa AI-anslutningsappar fungerar ditt arbetsflöde som en orkestreringsmotor som överför data mellan AI-tjänster och andra komponenter som du vill integrera.
Mer information finns i följande resurser:
- Introduktion till stora språkmodeller
- Guide för att arbeta med stora språkmodeller
- Vad är en vektordatabas?
Teknisk referens för anslutningsprogram
Azure OpenAI
Azure OpenAI Service ger åtkomst till OpenAI:s språkmodeller som GPT-4, GPT-4 Turbo with Vision, GPT-3.5-Turbo och modellserien Embeddings. Med Azure OpenAI-anslutningsappen kan ditt arbetsflöde ansluta till Azure OpenAI Service och hämta OpenAI-inbäddningar för dina data eller generera chattavslutningar.
Dricks
Om du vill veta mer kan du ställa följande frågor till Azure Copilot:
- Vad är en inbäddning i AI?
- Vad är en chattavslutning i AI?
Om du vill hitta Azure Copilot väljer du Copilot i verktygsfältet Azure Portal.
| Logikapp | Environment | Anslutningsversion |
|---|---|---|
| Standard | Azure Logic Apps för en klientorganisation och App Service-miljön v3 (endast Windows-abonnemang) | Inbyggd anslutningsapp, som visas i anslutningsgalleriet under Runtime>In-App och är tjänstleverantörsbaserad. Den inbyggda anslutningsappen kan komma åt virtuella Azure-nätverk direkt utan att använda en lokal datagateway. Mer information finns i den inbyggda anslutningsreferensen för Azure OpenAI. |
Azure AI-sökning
Azure AI Search är en plattform för AI-baserad informationshämtning som hjälper utvecklare att skapa omfattande sökupplevelser och generativa AI-appar genom att kombinera stora språkmodeller med företagsdata. Med Azure AI Search-anslutningsappen kan ditt arbetsflöde ansluta till Azure AI Search för att indexera dokument och utföra vektorsökningar på dina data.
| Logikapp | Environment | Anslutningsversion |
|---|---|---|
| Standard | Azure Logic Apps för en klientorganisation och App Service-miljön v3 (endast Windows-abonnemang) | Inbyggd anslutningsapp, som visas i anslutningsgalleriet under Runtime>In-App och är tjänstleverantörsbaserad. Den inbyggda anslutningsappen kan komma åt virtuella Azure-nätverk direkt utan att använda en lokal datagateway. Mer information finns i inbyggd anslutningsreferens för Azure AI Search. |
Autentisering
Båda AI-anslutningsapparna stöder flera sätt att autentisera med din AI-tjänstslutpunkt. De här alternativen ger robust autentisering som uppfyller de flesta kunders behov. Båda AI-anslutningsapparna kan också ansluta direkt till Azure OpenAI- och Azure AI-tjänsten Search i virtuella nätverk.
I följande lista beskrivs de här alternativen, som alla kräver att du anger tjänstens slutpunkt.
| Authentication type | beskrivning |
|---|---|
| Nyckelbaserad autentisering | Ange API-nyckeln eller administratören som genereras av AI-tjänsten. |
| Microsoft Entra-ID, tidigare Azure Active Directory | Ange information som din Entra-klientorganisation, klient-ID och lösenord för att autentisera som en Entra-användare. |
| Hanterad identitet | När du har aktiverat hanterad identitetsautentisering på DIN AI-tjänst och din logikappresurs kan du använda den identiteten för att autentisera åtkomsten för anslutningsappen. |
Mer information finns i följande resurser:
- Autentisera begäranden till Azure AI-tjänster
- Vad är Microsoft Entra ID
- Vad är hanterade identiteter för Azure-resurser
- Autentisera åtkomst och anslutningar till Azure-resurser med hanterade identiteter i Azure Logic Apps
Lägga till en Azure OpenAI- eller Azure AI Search-åtgärd i arbetsflödet
För närvarande tillhandahåller de inbyggda anslutningsprogrammen för Azure OpenAI och Azure AI Search endast åtgärder, inte utlösare. Du kan starta arbetsflödet med valfri utlösare som passar ditt scenario eller dina behov och sedan följa dessa allmänna steg för att lägga till åtgärder för Azure OpenAI, Azure AI Search och andra åtgärder.
Scenarier
Följande scenarier beskriver bara två av de många sätt som du kan använda AI-anslutningsåtgärder i dina arbetsflöden:
Skapa en kunskapsbas för dina företagsdata
Azure Logic Apps tillhandahåller över 1 000 Microsoft-hanterade anslutningsappar och inbyggda inbyggda anslutningsappar för ditt arbetsflöde för säker anslutning med nästan alla datakällor, till exempel SharePoint, Oracle DB, Salesforce, OneDrive, Dropbox, SAP, IBM och så vidare. Varje anslutningsapp tillhandahåller åtgärder som omfattar utlösare, åtgärder eller båda, som du kan använda i arbetsflödet.
Du kan till exempel välja bland många utlösartyper för att få ditt automatiserade arbetsflöde att köras enligt ett schema eller baserat på specifika händelser, till exempel uppladdning av nya dokument till en SharePoint-webbplats. Med så många åtgärder som du kan välja kan du skapa en kunskapsbas och enkelt skapa en pipeline för dokumentinmatning med hjälp av vektorinbäddningar för dessa dokument i Azure AI Search.
Mer information finns i följande resurser:
Generera slutföranden
Ett Azure Logic Apps-arbetsflöde kan acceptera indata, medan Azure OpenAI Service kan utföra slutförandeåtgärder. De här funktionerna innebär att arbetsflödet kan mata in realtidsfrågor, generera svar om dina data eller skicka automatiserade svar med Hjälp av Azure OpenAI. Du kan omedelbart skicka tillbaka svaren till klienten eller till ett arbetsflöde för godkännande för verifiering.
Mer information finns i följande resurser:
Exempelscenario med exempelkod: Mata in data och skapa chattinteraktioner
Det här exemplet visar hur du använder anslutningsapparna Azure OpenAI och Azure AI Search för att dela upp serverdelslogik för att mata in data och utföra enkla chattkonversationer i två viktiga arbetsflöden. För snabbare prestanda skapar du tillståndslösa arbetsflöden som som standard inte sparar och lagrar historiken för varje körning.
Exempelkod
Skapa en chatt med inmatade data
Förutsättningar
Följande parametervärden mellan miljöer används också av arbetsflödesåtgärderna i det här exemplet:
| Parameternamn | beskrivning |
|---|---|
| aisearch_admin_key | Administratörsnyckeln för Azure AI Search |
| aisearch_endpoint | Slutpunkts-URL:en för Azure AI Search-exemplet |
| aisearch_index_name | Indexet som ska användas för Azure AI Search-exemplet |
| openapi_api_key | API-nyckeln för Azure OpenAI |
| openai_deployment_id | Distributions-ID:t för Azure OpenAI-exemplet |
| openai_endpoint | Slutpunkts-URL:en för Azure OpenAI-exemplet |
| tokenize_function_url | URL:en för en anpassad Azure-funktion som batchar och tokeniserar data, vilket krävs för att Azure OpenAI ska kunna skapa inbäddningar korrekt för det här exemplet. Mer information om den här funktionen finns i exempelkoden för "Skapa en chatt med inmatade data". |
Video: Lär dig hur du skapar AI-program med hjälp av logikappar
Lär dig hur du skapar AI-program med hjälp av logikappar
Mata in dataarbetsflöde
Om du vill spara mycket tid och arbete när du skapar en inmatningspipeline implementerar du följande mönster med alla datakällor. Det här mönstret kapslar in alla fördelar och fördelar som för närvarande erbjuds av Standard-arbetsflöden i Azure Logic Apps med en enda klientorganisation.
Varje steg i det här mönstret ser till att AI:n sömlöst extraherar all viktig information från dina datafiler. Om det körs som ett tillståndslöst arbetsflöde ger det här mönstret också snabbare prestanda. Den här metoden förenklar inte bara kodningsaspekten utan garanterar också att dina arbetsflöden har effektiva autentiserings-, övervaknings- och distributionsprocesser på plats.
| Steg | Aktivitet | Underliggande åtgärd | beskrivning |
|---|---|---|---|
| 1 | Sök efter nya data. | När en HTTP-begäran tas emot | En utlösare som antingen avsöker eller väntar på att nya data ska tas emot, antingen baserat på en schemalagd upprepning eller som svar på specifika händelser. En sådan händelse kan vara en ny fil som laddas upp till ett visst lagringssystem, till exempel SharePoint, OneDrive eller Azure Blob Storage. I det här exemplet väntar åtgärden Förfrågningsutlösare på en HTTP- eller HTTPS-begäran som skickas från en annan slutpunkt. Begäran innehåller URL:en för ett nytt uppladdat dokument. |
| 2 | Hämta data. | HTTP | En HTTP-åtgärd som hämtar det uppladdade dokumentet med hjälp av fil-URL:en från utlösarens utdata. |
| 3 | Skriv dokumentinformation. | Compose | En åtgärd för dataåtgärder som sammanfogar olika objekt. I det här exemplet sammanfogas nyckel/värde-information om dokumentet. |
| 4 | Skapa tokensträng. | Parsa ett dokument | En åtgärd för dataåtgärder som skapar en tokensträng med hjälp av utdata från åtgärden Skriv . |
| 5 | Skapa innehållssegment. | Segmenttext | En åtgärd för dataåtgärder som delar upp tokensträngen i delar, baserat på antingen antalet tecken eller token per innehållssegment. |
| 6 | Konvertera tokeniserade data till JSON. | Parsa JSON | En åtgärd för dataåtgärder som konverterar tokensträngssegmenten till en JSON-matris. |
| 7 | Välj JSON-matrisobjekt. | Välj | En åtgärd för dataåtgärder som väljer flera objekt från JSON-matrisen. |
| 8 | Generera inbäddningarna. | Hämta flera inbäddningar | En Azure OpenAI-åtgärd som skapar inbäddningar för varje JSON-matrisobjekt. |
| 9 | Välj inbäddningar och annan information. | Välj | En åtgärd för dataåtgärder som väljer inbäddningar och annan dokumentinformation. |
| 10 | Indexering av data. | Indexdokument | En Azure AI Search-åtgärd som indexerar data baserat på varje vald inbäddning. |
Chattarbetsflöde
När dina vektordatabaser fortsätter att mata in data kontrollerar du att data enkelt kan sökas så att när en användare ställer en fråga kan arbetsflödet för logikappen för serverdelen bearbeta prompten och generera ett tillförlitligt svar.
Följande mönster är bara ett exempel som visar hur ett chattarbetsflöde kan se ut:
| Steg | Aktivitet | Underliggande åtgärd | beskrivning |
|---|---|---|---|
| 1 | Vänta tills indataprompten har angetts. | När en HTTP-begäran tas emot | En utlösare som antingen avsöker eller väntar på att nya data ska tas emot, antingen baserat på en schemalagd upprepning eller som svar på specifika händelser. I det här exemplet väntar utlösaren Förfrågning på och registrerar kundens fråga. |
| 2 | Indatasystemmeddelande för modellen. | Compose | En åtgärd för dataåtgärder som tillhandahåller indata för att träna modellen. |
| 3 | Indataexempelfrågor och svar. | Compose | En Data Operations-åtgärd som innehåller exempel på kundfrågor och associerade roller för att träna modellen. |
| 4 | Indatasystemmeddelande för sökfråga. | Compose | En åtgärd för dataåtgärder som tillhandahåller sökfrågeindata för att träna modellen. |
| 5 | Generera sökfråga. | Köra JavaScript-kod | En infogad kodåtgärd som använder JavaScript för att skapa en sökfråga för vektorarkivet, baserat på utdata från föregående Skriv-åtgärder . |
| 6 | Konvertera frågan till inbäddning. | Få chattavslutningar | En Azure OpenAI-åtgärd som ansluter till API:et för chattens slutförande, vilket garanterar tillförlitliga svar i chattkonversationer. I det här exemplet accepterar åtgärden sökfrågor och roller som indata till modellen och returnerar vektorinbäddningar som utdata. |
| 7 | Hämta en inbäddning. | Hämta en inbäddning | En Azure OpenAI-åtgärd som hämtar en enda vektorinbäddning. |
| 8 | Sök i vektordatabasen. | Sökvektorer | En Azure AI Search-åtgärd som kör sökningar i vektorarkivet. |
| 9 | Skapa fråga. | Köra JavaScript-kod | En infogad kodåtgärd som använder JavaScript för att skapa prompter. |
| 10 | Utför chattens slutförande. | Få chattavslutningar | En Azure OpenAI-åtgärd som ansluter till API:et för chattens slutförande, vilket garanterar tillförlitliga svar i chattkonversationer. I det här exemplet accepterar åtgärden uppmaningar och roller som indata till modellen och returnerar modellgenererade svar som utdata. |
| 11 | Returnera ett svar. | Response | En begäransåtgärd som returnerar resultatet till anroparen när du använder utlösaren Förfrågning . |
Se även
Azure OpenAI- och Azure AI Search-anslutningsappar är nu allmänt tillgängligaAzure OpenAI- och AI Search-anslutningsappar för Azure Logic Apps (Standard)