AI-hulpprogramma's en -modellen gebruiken in Azure Functions

Azure Functions biedt serverloze rekenresources die kunnen worden geïntegreerd met AI- en Azure-services om het proces van het bouwen van intelligente toepassingen in de cloud te stroomlijnen. Dit artikel bevat een overzicht van de breedte van AI-gerelateerde scenario's, integraties en andere AI-resources die u in uw functie-apps kunt gebruiken.

Enkele van de inherente voordelen van het gebruik van Azure Functions als rekenresource voor uw ai-geïntegreerde taken zijn:

• Snelle, gebeurtenisgestuurde schaalaanpassing: u hebt rekenresources beschikbaar wanneer u deze nodig hebt. Met bepaalde abonnementen wordt uw app terug geschaald naar nul wanneer deze niet nodig is. Zie Gebeurtenisgestuurd schalen in Azure Functions voor meer informatie.
• Ingebouwde ondersteuning voor Azure OpenAI: de OpenAI-bindingsextensie vereenvoudigt het proces van interactie met Azure OpenAI voor het werken met agenten, assistenten en retrieval-augmented generation (RAG)-workflows.
• Brede taal- en bibliotheekondersteuning: Met Functies kunt u communiceren met AI met behulp van uw keuze voor programmeertaal, plus u kunt een breed scala aan AI-frameworks en -bibliotheken gebruiken.
• Indelingsmogelijkheden: terwijl functie-uitvoeringen inherent staatloos zijn, kunt u met de Durable Functions-extensie het soort complexe werkstromen maken dat vereist is voor uw AI-agents.

Dit artikel is taalspecifiek, dus zorg ervoor dat u uw programmeertaal boven aan de pagina kiest.

Kernscenario's voor AI-integratie

De combinatie van ingebouwde bindingen en brede ondersteuning voor externe bibliotheken biedt u een breed scala aan mogelijke scenario's voor het uitbreiden van uw apps en oplossingen met de kracht van AI. Dit zijn enkele belangrijke AI-integratiescenario's die worden ondersteund door Functions.

Retrieval-geaugmenteerde generatie

Omdat Functions meerdere gebeurtenissen uit verschillende gegevensbronnen tegelijk kan verwerken, is het een effectieve oplossing voor realtime AI-scenario's, zoals RAG-systemen waarvoor snelle gegevens moeten worden opgehaald en verwerkt. Snelle schaalaanpassing op basis van gebeurtenissen vermindert de latentie die uw klanten ervaren, zelfs in situaties met hoge vraag.

Hier volgen enkele referentievoorbeelden voor scenario's op basis van RAG:

Voor RAG kunt u SDK's gebruiken, waaronder maar niet beperkt tot Azure Open AI en Azure SDK's om uw scenario's uit te bouwen. In dit referentievoorbeeld wordt de OpenAI-bindingsextensie gebruikt om OpenAI RAG te markeren met Azure AI Search.

Assistentfunctie aanroepen

Aanroepen van assistentfuncties biedt uw AI-assistent of -agent de mogelijkheid om dynamisch specifieke functies of API's aan te roepen op basis van de context van een gesprek of taak. Met dit gedrag kunnen assistenten communiceren met externe systemen, gegevens ophalen en andere acties uitvoeren.

Functions is ideaal voor het implementeren van assistentfuncties die worden aangeroepen in agentische werkstromen. Naast het efficiënt schalen om de vraag af te handelen, vereenvoudigen bindingsextensies het proces van het gebruik van Functions om assistenten te verbinden met externe Azure-services. Als er geen binding is voor uw gegevensbron of als u volledige controle over SDK-gedrag nodig hebt, kunt u altijd uw eigen client-SDK-verbindingen in uw app beheren.

Externe MCP-servers

Het Model Context Protocol (MCP) biedt een gestandaardiseerde manier voor AI-modellen om te communiceren met externe systemen om hun mogelijkheden te bepalen en hoe ze het beste kunnen worden gebruikt door AI-assistenten en -agents. Met een MCP-server kan een AI-model (client) deze besluiten efficiënter maken.

Functions biedt een MCP-bindingsextensie die het proces voor het maken van aangepaste MCP-servers in Azure vereenvoudigt.

Proactieve werkstromen

Hoewel het gebruikelijk is voor AI-gestuurde processen om autonoom te bepalen hoe ze moeten communiceren met modellen en andere AI-assets, zijn er veel gevallen waarin een hoger niveau van predicabiliteit vereist is of waar de vereiste stappen goed zijn gedefinieerd. Deze gerichte agentische werkstromen bestaan uit een indeling van afzonderlijke taken of interacties die agents moeten volgen.

Met de Durable Functions-extensie kunt u profiteren van de sterke punten van Functions om langdurige bewerkingen met ingebouwde fouttolerantie in meerdere stappen te maken. Deze werkstromen zijn perfect voor uw gerichte agentische werkstromen. Een oplossing voor reisplanning kan bijvoorbeeld eerst vereisten van de gebruiker verzamelen, plannen zoeken, goedkeuring van de gebruiker verkrijgen en ten slotte vereiste reserveringen maken. In dit scenario kunt u voor elke stap een agent bouwen en vervolgens hun acties coördineren als een werkstroom met behulp van Durable Functions.

Zie Toepassingspatronen in Durable Functions voor meer ideeën over werkstroomscenario's.

AI-hulpprogramma's en -frameworks

Omdat u met Functions apps kunt bouwen in uw voorkeurstaal en uw favoriete bibliotheken kunt gebruiken, is er een breed scala aan flexibiliteit in welke AI-bibliotheken en frameworks u kunt gebruiken in uw functie-apps met AI-functionaliteit.

Hier volgen enkele van de belangrijkste Microsoft AI-frameworks waarvan u rekening moet houden:

Met Functions kunnen uw apps ook verwijzen naar bibliotheken en frameworks van derden, wat betekent dat u ook al uw favoriete AI-hulpprogramma's en bibliotheken in uw ai-functies kunt gebruiken.

Verwante artikelen

• Azure Functions scenario's
• Zelfstudie: Hints voor het voltooien van Azure OpenAI-tekst toevoegen aan uw functies in Visual Studio Code