AzureAIChatCompletionsModel

這將幫助您開始使用 AzureAIChatCompletionsModel 聊天模型。如需所有 AzureAIChatCompletionsModel 功能和配置的詳細文件，請前往 API 參考文件

AzureAIChatCompletionsModel 類別使用 Azure AI Foundry SDK。AI Foundry 有多種聊天模型，包括 AzureOpenAI、Cohere、Llama、Phi-3/4 和 DeepSeek-R1 等等。您可以在 Azure 文件 中找到有關其最新模型及其成本、上下文窗口和支援的輸入類型的資訊。

概觀

整合細節

類別	套件	本地	可序列化	JS 支援	套件下載次數	套件最新版
AzureAIChatCompletionsModel	langchain-azure-ai	❌	✅	✅

模型功能

工具呼叫	結構化輸出	JSON 模式	圖片輸入	音訊輸入	影片輸入	Token 層級串流	原生非同步	Token 使用量	Logprobs
✅	✅	✅	✅	❌	❌	✅	✅	✅	✅

設定

若要存取 AzureAIChatCompletionsModel 模型，您需要建立一個 Azure 帳戶、取得 API 金鑰，並安裝 langchain-azure-ai 整合套件。

憑證

前往 Azure 文件 了解如何建立您的部署並產生 API 金鑰。部署模型後，請點擊 AI Foundry 中的「取得端點」按鈕。這將顯示您的端點和 API 金鑰。完成後，請設定 AZURE_INFERENCE_CREDENTIAL 和 AZURE_INFERENCE_ENDPOINT 環境變數

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: "
    )

如果您想要取得模型呼叫的自動追蹤，您也可以透過取消註解下方內容來設定您的 LangSmith API 金鑰

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

安裝

LangChain AzureAIChatCompletionsModel 整合位於 langchain-azure-ai 套件中

%pip install -qU langchain-azure-ai

實例化

現在我們可以實例化我們的模型物件並產生聊天完成

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 參考文件：AzureAIChatCompletionsModel

調用

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.

鏈結

我們可以像這樣使用提示範本鏈結我們的模型

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 參考文件：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 參考文件

如需所有 AzureAIChatCompletionsModel 功能和配置的詳細文件，請前往 API 參考文件：https://langchain-python.dev.org.tw/api_reference/azure_ai/chat_models/langchain_azure_ai.chat_models.AzureAIChatCompletionsModel.html

相關

• 聊天模型概念指南
• 聊天模型操作指南