AzureAIChatCompletionsModel

这将帮助您开始使用 AzureAIChatCompletionsModel 聊天模型。有关所有 AzureAIChatCompletionsModel 功能和配置的详细文档，请访问 API 参考

AzureAIChatCompletionsModel 类使用 Azure AI Foundry SDK。AI Foundry 有多种聊天模型，包括 AzureOpenAI、Cohere、Llama、Phi-3/4 和 DeepSeek-R1 等。您可以在 Azure 文档 中找到有关其最新模型及其成本、上下文窗口和支持的输入类型的信息。

概述

集成详情

类	包	本地	可序列化	JS 支持	包下载	最新包
AzureAIChatCompletionsModel	langchain-azure-ai	❌	✅	✅

模型功能

工具调用	结构化输出	JSON 模式	图像输入	音频输入	视频输入	令牌级流式传输	原生异步	令牌使用量	Logprobs
✅	✅	✅	✅	❌	❌	✅	✅	✅	✅

设置

要访问 AzureAIChatCompletionsModel 模型，您需要创建一个 Azure 账户，获取 API 密钥，并安装 langchain-azure-ai 集成包。

凭据

请访问 Azure 文档，了解如何创建部署并生成 API 密钥。部署模型后，单击 AI Foundry 中的“获取端点”按钮。这将显示您的端点和 API 密钥。完成后，设置 AZURE_INFERENCE_CREDENTIAL 和 AZURE_INFERENCE_ENDPOINT 环境变量

import getpass
import os

if not os.getenv("AZURE_INFERENCE_CREDENTIAL"):
    os.environ["AZURE_INFERENCE_CREDENTIAL"] = getpass.getpass(
        "Enter your AzureAIChatCompletionsModel API key: "
    )

if not os.getenv("AZURE_INFERENCE_ENDPOINT"):
    os.environ["AZURE_INFERENCE_ENDPOINT"] = getpass.getpass(
        "Enter your model endpoint: "
    )

如果您想获得模型调用的自动跟踪，您还可以通过取消注释下方内容来设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")

安装

LangChain AzureAIChatCompletionsModel 集成位于 langchain-azure-ai 包中

%pip install -qU langchain-azure-ai

实例化

现在我们可以实例化我们的模型对象并生成聊天完成

from langchain_azure_ai.chat_models import AzureAIChatCompletionsModel

llm = AzureAIChatCompletionsModel(
    model_name="gpt-4",
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
)

API 参考:AzureAIChatCompletionsModel

调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore programmer.", additional_kwargs={}, response_metadata={'model': 'gpt-4o-2024-05-13', 'token_usage': {'input_tokens': 31, 'output_tokens': 4, 'total_tokens': 35}, 'finish_reason': 'stop'}, id='run-c082dffd-b1de-4b3f-943f-863836663ddb-0', usage_metadata={'input_tokens': 31, 'output_tokens': 4, 'total_tokens': 35})

print(ai_msg.content)

J'adore programmer.

链接

我们可以使用提示模板链接我们的模型，如下所示

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)

API 参考:ChatPromptTemplate

AIMessage(content='Ich liebe Programmieren.', additional_kwargs={}, response_metadata={'model': 'gpt-4o-2024-05-13', 'token_usage': {'input_tokens': 26, 'output_tokens': 5, 'total_tokens': 31}, 'finish_reason': 'stop'}, id='run-01ba6587-6ff4-4554-8039-13204a7d95db-0', usage_metadata={'input_tokens': 26, 'output_tokens': 5, 'total_tokens': 31})

API 参考

有关所有 AzureAIChatCompletionsModel 功能和配置的详细文档，请访问 API 参考：https://python.langchain.ac.cn/api_reference/azure_ai/chat_models/langchain_azure_ai.chat_models.AzureAIChatCompletionsModel.html

相关内容

• 聊天模型概念指南
• 聊天模型操作指南