Verwenden von KI-Tools und -Modellen in Azure Functions

Azure Functions bietet serverlose Computeressourcen, die in KI- und Azure-Dienste integriert werden, um die Erstellung von in der Cloud gehosteten intelligenten Anwendungen zu optimieren. Dieser Artikel enthält eine Umfrage über die Breite von KI-bezogenen Szenarien, Integrationen und anderen KI-Ressourcen, die Sie in Ihren Funktions-Apps verwenden können.

Erwägen Sie die Verwendung von Azure Functions in Ihren KI-fähigen Umgebungen für diese Szenarien:

Wählen Sie eines dieser Szenarien aus, um weitere Informationen in diesem Artikel zu erhalten.

Dieser Artikel ist sprachspezifisch. Stellen Sie daher sicher, dass Sie ihre Programmiersprache oben auf der Seite auswählen.

Tools und MCP-Server

KI-Modelle und Agents verwenden Funktionsaufrufe , um externe Ressourcen anzufordern, die als Tools bezeichnet werden. Mit Funktionsaufrufen können Modelle und Agents bestimmte Funktionen basierend auf dem Kontext einer Unterhaltung oder Aufgabe dynamisch aufrufen.

Funktionen eignen sich besonders gut für die Implementierung von Funktionsaufrufen in agentischen Workflows, da sie effizient skaliert wird, um den Bedarf zu verarbeiten und bindungserweiterungen zu ermöglichen, die das Verbinden von Agents mit Remote-Azure-Diensten vereinfachen. Wenn Sie KI-Tools in Funktionen erstellen oder hosten, erhalten Sie auch serverlose Preismodelle und Plattformsicherheitsfeatures.

Das Model Context Protocol (MCP) ist der Branchenstandard für die Interaktion mit Remoteservern. Es bietet eine standardisierte Möglichkeit für KI-Modelle und Agenten, mit externen Systemen zu kommunizieren. Mit einem MCP-Server können diese KI-Clients die Tools und Funktionen eines externen Systems effizient ermitteln.

Azure Functions unterstützt derzeit das Verfügbarmachen des Funktionscodes mithilfe dieser Tools:

MCP-Remoteserver

Funktionen unterstützen diese Optionen zum Erstellen und Hosten von Remote-MCP-Servern:

• Verwenden Sie die MCP-Bindungserweiterung , um benutzerdefinierte MCP-Server wie jede andere Funktions-App zu erstellen und zu hosten.
• Eigengehostete MCP-Server, die mit den offiziellen MCP SDKs erstellt wurden. Diese Hostingoption befindet sich derzeit in der Vorschau.

Hier ist ein Vergleich der aktuellen MCP-Serverhostingoptionen, die von Funktionen bereitgestellt werden:

^*Konfigurationsdetails für selbst gehostete MCP-Server ändern sich während der Vorschau.

Warteschlangenbasierte Azure Functions-Tools

Zusätzlich zu MCP-Servern können Sie KI-Tools implementieren, indem Sie Azure Functions mit warteschlangenbasierter Kommunikation verwenden. Foundry stellt Azure Functions-spezifische Tools bereit, mit denen asynchrone Funktionsaufrufe mittels Nachrichtenwarteschlangen ermöglicht werden. Mit diesen Tools interagieren KI-Agents mit Ihrem Code mithilfe von Messagingmustern.

Dieser Toolansatz eignet sich ideal für Foundry-Szenarien, die Folgendes erfordern:

• Zuverlässige Nachrichtenübermittlung und -verarbeitung
• Entkopplung von KI-Agenten und Funktionsausführung
• Integrierte Wiederholungs- und Fehlerbehandlungsfunktionen
• Integration in vorhandene Azure-Messaginginfrastruktur

Agentische Arbeitsabläufe

KI-gesteuerte Prozesse bestimmen häufig, wie sie mit Modellen und anderen KI-Ressourcen interagieren. Einige Szenarien erfordern jedoch ein höheres Maß an Vorhersagbarkeit oder klar definierte Schritte. Diese gerichteten agentischen Workflows orchestrieren separate Aufgaben oder Interaktionen, denen Agents folgen müssen.

Mit der erweiterung Durable Functions können Sie die Stärken von Funktionen nutzen, um mehrstufige, langlaufende Vorgänge mit integrierter Fehlertoleranz zu erstellen. Diese Workflows funktionieren gut für Ihre gerichteten agentischen Workflows. Beispielsweise kann eine Reiseplanungslösung zuerst Anforderungen vom Benutzer sammeln, nach Planoptionen suchen, die Benutzergenehmigung einholen und schließlich erforderliche Buchungen vornehmen. In diesem Szenario können Sie einen Agent für jeden Schritt erstellen und ihre Aktionen dann mithilfe von Durable Functions als Workflow koordinieren.

Weitere Workflowszenarioideen finden Sie unter Application patterns in Durable Functions.

Retrieval Augmented Generation (RAG)

Da Funktionen mehrere Ereignisse aus verschiedenen Datenquellen gleichzeitig verarbeiten können, ist es eine effektive Lösung für ECHTZEIT-KI-Szenarien wie RAG-Systeme, die schnelle Datenabrufe und -verarbeitung erfordern. Schnelle ereignisgesteuerte Skalierung reduziert die Latenz, die Ihre Kunden erleben, auch in Situationen mit hohem Bedarf.

Hier sind einige Referenzbeispiele für RAG-basierte Szenarien:

Für RAG können Sie SDKs verwenden, einschließlich Azure Open AI und Azure SDKs, um Ihre Szenarien zu erstellen. ::: zone-end

KI-Tools und Frameworks für Azure Functions

Mit Funktionen können Sie Apps in Ihrer bevorzugten Sprache erstellen und Ihre bevorzugten Bibliotheken verwenden. Aufgrund dieser Flexibilität können Sie eine vielzahl von KI-Bibliotheken und Frameworks in Ihren KI-fähigen Funktions-Apps verwenden.

Im Folgenden finden Sie einige wichtige Microsoft AI-Frameworks, die Sie beachten sollten:

Mit Funktionen können Ihre Apps auch auf Bibliotheken und Frameworks von Drittanbietern verweisen, sodass Sie alle Ihre bevorzugten KI-Tools und -Bibliotheken in Ihren KI-fähigen Funktionen verwenden können.

Verwandter Artikel

• Azure Functions szenarien