Azure AI 集成

使用 LangChain Python 集成 Azure AI。

本页面涵盖了与Microsoft Azure及其相关项目集的所有LangChain集成。

Azure AI、动态会话和SQL Server的集成包 maintained 在 (https://github.com/langchain-ai/langchain-azure) langchain-azure 仓库中。

聊天模型

我们建议开发者从 langchain-azure-ai（Azure AI Foundry）开始，以访问所有可用模型。

Azure AI聊天补全

使用 AzureAIOpenAIApiChatModel 类访问Azure OpenAI、DeepSeek R1、Cohere、Phi和Mistral等模型。

pip

pip install -U langchain-azure-ai

配置您的端点。您可以使用项目端点并通过 DefaultAzureCredential，或直接设置API密钥。

export AZURE_AI_PROJECT_ENDPOINT=your-project-endpoint

from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel
from azure.identity import DefaultAzureCredential

llm = AzureAIOpenAIApiChatModel(
    model="gpt-5.5",
    credential=DefaultAzureCredential(),
)

llm.invoke('Tell me a joke and include some emojis')

嵌入模型

Azure AI模型推理（嵌入）

pip

pip install -U langchain-azure-ai

配置您的端点。您可以使用项目端点并通过 DefaultAzureCredential，或直接设置API密钥。

export AZURE_AI_PROJECT_ENDPOINT=your-project-endpoint

from langchain_azure_ai.embeddings import AzureAIOpenAIApiEmbeddingsModel
from azure.identity import DefaultAzureCredential

embed_model = AzureAIOpenAIApiEmbeddingsModel(
    model="text-embedding-ada-002",
    credential=DefaultAzureCredential(),
)

向量存储

Azure CosmosDB NoSQL向量搜索

Azure CosmosDB NoSQL 是一个完全托管的、全球分布的、无服务器文档数据库，专为现代应用程序设计。它以灵活的JSON文档存储数据，并使用类SQL查询语言。该数据库提供高性能、低延迟和自动弹性扩展能力。同时支持集成向量搜索功能，适用于生成式AI和RAG等AI工作负载。您可以在同一数据库中存储、索引和查询嵌入向量与业务数据，支持向量相似度搜索与传统关键词搜索的混合检索。您可以选择多种索引方法以优化性能，这种统一架构简化了应用架构并确保数据一致性。

需要安装 langchain-azure-cosmosdb 和 azure-cosmos 包以使用此向量存储。

pip

pip install -qU langchain-azure-cosmosdb azure-cosmos

from langchain_azure_cosmosdb import AzureCosmosDBNoSqlVectorSearch

vector_search = AzureCosmosDBNoSqlVectorSearch.from_documents(
    documents=docs,
    embedding=openai_embeddings,
    cosmos_client=cosmos_client,
    database_name=database_name,
    container_name=container_name,
    vector_embedding_policy=vector_embedding_policy,
    full_text_policy=full_text_policy,
    indexing_policy=indexing_policy,
    cosmos_container_properties=cosmos_container_properties,
    cosmos_database_properties={},
    full_text_search_enabled=True,
)

请参考 (/oss/integrations/vectorstores/azure_cosmos_db_no_sql) 的使用示例。

Azure CosmosDB mongo vCore向量搜索

Azure CosmosDB Mongo vCore 架构使创建支持完整MongoDB特性的数据库变得简单。您可以通过指向MongoDB（vCore）集群连接字符串，继续使用MongoDB驱动、SDK和工具。

需要安装 pymongo 包以使用此向量存储。

pip

pip install -qU pymongo

from langchain_azure_ai.vectorstores.azure_cosmos_db_mongo_vcore import (
    AzureCosmosDBMongoVCoreVectorSearch,
)

vectorstore = AzureCosmosDBMongoVCoreVectorSearch.from_documents(
    docs,
    openai_embeddings,
    collection=collection,
    index_name=INDEX_NAME,
)

请参考 (/oss/integrations/vectorstores/azure_cosmos_db_mongo_vcore) 的使用示例。

---

官方原文：src/oss/python/integrations/providers/azure_ai.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。