Partager via

Démarrage rapide de Microsoft Foundry

Dans ce guide de démarrage rapide, vous allez commencer à utiliser des modèles et des agents dans Foundry.

Vous allez :

  • Générer une réponse à partir d’un modèle
  • Créer un agent avec une invite définie
  • Mener une conversation à plusieurs reprises avec l'agent

Prerequisites

Définir des variables d’environnement et obtenir le code

Stockez votre point de terminaison de projet en tant que variable d’environnement. Définissez également ces valeurs à utiliser dans vos scripts.

Python et JavaScript

PROJECT_ENDPOINT=<endpoint copied from welcome screen>
AGENT_NAME="MyAgent"

C# et Java

ProjectEndpoint = <endpoint copied from welcome screen>
AgentName = "MyAgent"

Suivez le code ci-dessous ou obtenez le code :

Obtenir le code

Connectez-vous à l’aide de la commande CLI az login pour vous authentifier avant d’exécuter vos scripts Python.

Installer et authentifier

Veillez à installer la version correcte des packages, comme indiqué ici.

  1. Installez la version actuelle de azure-ai-projects. Cette version utilise l’API Projets Foundry (nouveau).

    pip install azure-ai-projects>=2.0.0

  2. Connectez-vous à l’aide de la commande CLI az login pour vous authentifier avant d’exécuter vos scripts Python.

Conseil / Astuce

Le code utilise Azure AI Projects 2.x et est incompatible avec Azure AI Projects 1.x. Consultez la documentation de Foundry (classique) pour la version Azure AI Projects 1.x.

Discuter avec un modèle

L’interaction avec un modèle est le bloc de construction de base des applications IA. Envoyez une entrée et recevez une réponse du modèle :

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
openai = project.get_openai_client()

# Run a responses API call
response = openai.responses.create(
    model="gpt-5-mini",  # supports all Foundry direct models
    input="What is the size of France in square miles?",
)
print(f"Response output: {response.output_text}")

Après avoir exécuté le code, vous voyez une réponse générée par un modèle dans la console (par exemple, un court poème ou une réponse à votre invite). Cela confirme que votre point de terminaison, votre authentification et votre déploiement de modèle fonctionnent correctement.

Conseil / Astuce

Le code utilise Azure AI Projects 2.x et est incompatible avec Azure AI Projects 1.x. Consultez la documentation de Foundry (classique) pour la version Azure AI Projects 1.x.

Créer un agent

Créez un agent à l’aide de votre modèle déployé.

Un agent définit le comportement principal. Une fois créé, il garantit des réponses cohérentes dans les interactions utilisateur sans répéter les instructions à chaque fois. Vous pouvez mettre à jour ou supprimer des agents à tout moment.

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

# Format: "https://resource_name.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"
AGENT_NAME = "your_agent_name"

# Create project client to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)

# Create an agent with a model and instructions
agent = project.agents.create_version(
    agent_name=AGENT_NAME,
    definition=PromptAgentDefinition(
        model="gpt-5-mini",  # supports all Foundry direct models"
        instructions="You are a helpful assistant that answers general questions",
    ),
)
print(f"Agent created (id: {agent.id}, name: {agent.name}, version: {agent.version})")

La sortie confirme que l’agent a été créé. Pour les onglets SDK, vous voyez le nom de l'agent et l'ID affichés dans la console.

Conseil / Astuce

Le code utilise Azure AI Projects 2.x et est incompatible avec Azure AI Projects 1.x. Consultez la documentation de Foundry (classique) pour la version Azure AI Projects 1.x.

Discuter avec un agent

Utilisez l’agent créé précédemment nommé « MyAgent » pour interagir en posant une question et un suivi associé. La conversation maintient l’historique de ces interactions.

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"
AGENT_NAME = "your_agent_name"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=FOUNDRY_PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
openai = project.get_openai_client()

# Create a conversation for multi-turn chat
conversation = openai.conversations.create()

# Chat with the agent to answer questions
response = openai.responses.create(
    conversation=conversation.id,
    extra_body={"agent_reference": {"name": FOUNDRY_AGENT_NAME, "type": "agent_reference"}},
    input="What is the size of France in square miles?",
)
print(response.output_text)

# Ask a follow-up question in the same conversation
response = openai.responses.create(
    conversation=conversation.id,
    extra_body={"agent_reference": {"name": FOUNDRY_AGENT_NAME, "type": "agent_reference"}},
    input="And what is the capital city?",
)
print(response.output_text)

Vous voyez les réponses de l’agent aux deux questions. La réponse de suivi montre que l’agent conserve l’historique des conversations au fil des interactions.

Conseil / Astuce

Le code utilise Azure AI Projects 2.x et est incompatible avec Azure AI Projects 1.x. Consultez la documentation de Foundry (classique) pour la version Azure AI Projects 1.x.

Nettoyer les ressources

Si vous n’avez plus besoin des ressources que vous avez créées, supprimez le groupe de ressources associé à votre projet.

  • Dans le portail Azure, sélectionnez le groupe de ressources, puis Delete. Vérifiez que vous souhaitez supprimer le groupe de ressources.

Étape suivante

Idée de prototype - Générer et évaluer un agent d’entreprise

  • Last updated on