Skip to main content
Open In ColabOpen on GitHub

AzureAIChatCompletionsModel

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

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

概览​

集成详情​

类包本地可序列化JS 支持包下载量最新包版本
AzureAIChatCompletionsModellangchain-azure-ai❌✅✅PyPI - DownloadsPyPI - Version

模型特性​

工具调用结构化输出JSON 模式图像输入音频输入视频输入Token 级流式输出原生异步Token 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。

凭证​

前往 Azure 文档 查看如何创建部署和生成 API 密钥。模型部署后，点击 AI Foundry 中的“获取端点”按钮。这将显示您的端点和 API 密钥。完成这些操作后，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: "
    )

如果你希望自动化跟踪你的模型调用，也可以通过取消注释下面这行来设置你的 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补全了：

from langchain_azure_ai.chat_models import AzureAIChatCompletionsModel

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

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.

Chaining（链接）​

我们可以像这样将模型与提示模板链接起来：

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 Reference: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，请前往 API 参考：https://python.langchain.com/api_reference/azure_ai/chat_models/langchain_azure_ai.chat_models.AzureAIChatCompletionsModel.html