Создание текстовых ответов с помощью моделей Microsoft Foundry

В этой статье объясняется, как создавать текстовые ответы для моделей Foundry, таких как модели Microsoft ИИ, DeepSeek и Grok, используя API для ответов. Полный список моделей Foundry, поддерживающих использование API ответов, см. в разделе "Поддерживаемые модели Foundry".

Необходимые условия

Чтобы использовать API ответов с развернутыми моделями в приложении, вам потребуется:

Подписка Azure. Если вы используете модели GitHub, вы можете обновить интерфейс и создать подписку Azure в процессе. Прочитайте Переход с моделей GitHub на модели Microsoft Foundry, если это ваш случай.
Проект Foundry. Этот тип проекта управляется ресурсом Foundry. Если у вас нет проекта Foundry, см. раздел Создание проекта для Microsoft Foundry.
URL конечной точки проекта Foundry, который имеет формат https://YOUR-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR_PROJECT_NAME.
Развертывание модели Foundry, например модели DeepSeek-R1-0528, используемой в этой статье. Если у вас еще нет развертывания, см. Добавление и настройка моделей Foundry для развертывания модели в вашем ресурсе.

Используйте стартовый комплект модели ИИ

Фрагменты кода, приведенные в этой статье, относятся к начальном набору моделей ИИ. Используйте этот начальный комплект как быстрый способ начать работу с полной облачной инфраструктурой и кодом, необходимыми для вызова Foundry Models, используя стабильную библиотеку OpenAI с API ответов.

Создание текста с помощью API ответов

Используйте код в этом разделе, чтобы выполнять вызовы API для работы с моделями Foundry. В примерах кода вы создаете клиент для использования модели, а затем отправляете его базовый запрос.

Совет

При развертывании модели на портале Foundry вы назначите ему имя развертывания. Используйте это имя развертывания (а не идентификатор каталога моделей) в параметре model вызовов API.

Примечание

Используйте безключевую проверку подлинности с Microsoft Entra ID. Чтобы узнать больше об аутентификации без ключей, см. Что такое аутентификация Microsoft Entra? и DefaultAzureCredential.

Установите библиотеки, включая клиентская библиотека Azure Identity:
```
pip install azure-identity
pip install -U openai
```

Используйте следующий код, чтобы настроить клиентский объект OpenAI в маршруте проекта, указать развертывание и создать ответы.

from azure.identity import DefaultAzureCredential, get_bearer_token_provider
from openai import OpenAI

project_endpoint = "https://YOUR-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR_PROJECT_NAME"
# Build the base URL: project_endpoint + /openai/v1 (no api-version needed)
base_url = project_endpoint.rstrip("/") + "/openai/v1"

# get_bearer_token_provider returns a callable; call it to get automatic refresh of the token string
credential = DefaultAzureCredential()
token_provider = get_bearer_token_provider(credential, "https://ai.azure.com/.default")
client = OpenAI(
    base_url=base_url,
    api_key=token_provider(),
)   

response = client.responses.create(
    model="DeepSeek-R1-0528", # Replace with your deployment name, not the model ID 
    input="What are the top 3 benefits of cloud computing? Be concise.",
    max_output_tokens=500,
)

print(f"Response: {response.output_text}")
print(f"Status:   {response.status}")
print(f"Output tokens: {response.usage.output_tokens}")

Установите клиентскую библиотеку идентификации Azure:
```
dotnet add package Azure.Identity
dotnet add package OpenAI
```

using Azure.Identity;
using OpenAI;
using OpenAI.Responses;

var deploymentName = "DeepSeek-R1-0528"; // Replace with your deployment name, not the model ID 
var project_endpoint = "https://YOUR-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR_PROJECT_NAME";

// Get EntraID token for keyless auth
var credential = new DefaultAzureCredential();
var token = await credential.GetTokenAsync(
    new Azure.Core.TokenRequestContext(["https://ai.azure.com/.default"])
);

// Standard OpenAI client — no AzureOpenAI wrapper (no api-version needed with /v1 path)
var baseUrl = project_endpoint.TrimEnd('/') + "/openai/v1";
var client = new OpenAIClient(
    new ApiKeyCredential(token.Token),
    new OpenAIClientOptions { Endpoint = new Uri(baseUrl) });    

// GetResponsesClient takes no parameter; model goes in CreateResponseOptions
var responseClient = client.GetResponsesClient(deploymentName);
var result = await responseClient.CreateResponseAsync(new CreateResponseOptions(
    [ResponseItem.CreateUserMessageItem("What are the top 3 benefits of cloud computing? Be concise.")])
    { MaxOutputTokenCount = 500 }
);
Console.WriteLine($"Response: {result.Value.GetOutputText()}");
Console.WriteLine($"Status:   {result.Value.Status}");
Console.WriteLine($"Output tokens: {result.Value.Usage.OutputTokenCount}");

Установите клиентскую библиотеку идентификации Azure перед тем как использовать DefaultAzureCredential.
```
npm install @azure/identity
npm install openai
```

import OpenAI from "openai";
import { DefaultAzureCredential } from "@azure/identity";

async function getToken(): Promise<string> {
  const credential = new DefaultAzureCredential();
  const tokenResponse = await credential.getToken(
    "https://ai.azure.com/.default"
  );
  return tokenResponse.token;
}

async function main() {
    const projectEndpoint = "https://YOUR-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR_PROJECT_NAME";
    const deploymentName = "DeepSeek-R1-0528"; // Replace with your deployment name, not the model ID 

    const baseURL = projectEndpoint.replace(/\/+$/, "") + "/openai/v1";
    const token = await getToken();

    const client = new OpenAI({
        baseURL,
        apiKey: token,
      });

    const response = await client.responses.create({
        model: deploymentName,
        input: "What are the top 3 benefits of cloud computing? Be concise.",
        max_output_tokens: 500,
      });

    console.log(`Response: ${response.output_text}`);
    console.log(`Status:   ${response.status}`);
    console.log(`Output tokens: ${response.usage?.output_tokens}`);
}

main();

Для проверки подлинности с помощью Microsoft Entra ID требуется некоторая начальная настройка. Сначала установите клиентную библиотеку Azure Identity. Дополнительные сведения о том, как установить эту библиотеку, см. в клиентской библиотеке Azure Identity для Java.

Добавьте клиентскую библиотеку Azure Identity:
```
<dependencies>
    <dependency>
        <groupId>com.openai</groupId>
        <artifactId>openai-java</artifactId>
        <version>4.22.0</version>
    </dependency>
    <dependency>
        <groupId>com.azure</groupId>
        <artifactId>azure-identity</artifactId>
        <version>1.15.4</version>
    </dependency>
</dependencies>
```
После настройки выберите, какой тип учетных данных использовать для azure.identity. Например, используется DefaultAzureCredential для проверки подлинности клиента. DefaultAzureCredential — это самый простой вариант, так как он находит лучшие учетные данные для использования в своей среде выполнения.

import com.azure.core.credential.TokenRequestContext;
import com.azure.identity.DefaultAzureCredentialBuilder;
import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.responses.ResponseCreateParams;

public class Sample {
    public static void main(String[] args) {
        String endpoint = "https://YOUR-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR_PROJECT_NAME";
        String deploymentName = "DeepSeek-R1-0528"; // Replace with your deployment name, not the model ID

        // Get EntraID token for keyless auth
        var credential = new DefaultAzureCredentialBuilder().build();
        var context = new TokenRequestContext().addScopes("https://ai.azure.com/.default");
        String token = credential.getToken(context).block().getToken();

        // Standard OpenAI client — no Azure wrapper
        // Java SDK uses /openai/v1 path (no api-version needed; SDK manages versioning internally)
        String baseUrl = endpoint.replaceAll("/+$", "") + "/openai/v1";
        OpenAIClient client = OpenAIOkHttpClient.builder()
                .baseUrl(baseUrl)
                .apiKey(token)
                .build();

        var response = client.responses().create(
                ResponseCreateParams.builder()
                        .model(deploymentName)
                        .input("What are the top 3 benefits of cloud computing? Be concise.")
                        .maxOutputTokens(500)
                        .build()
        );
        System.out.printf("Response: %s%n", response.outputText());
        System.out.printf("Status:   %s%n", response.status());
        response.usage().ifPresent(u ->
                System.out.printf("Output tokens: %d%n", u.outputTokens()));
    }
}

Перед запуском примера установите необходимые модули Go.

go get github.com/Azure/azure-sdk-for-go/sdk/azcore v1.21.0
go get github.com/Azure/azure-sdk-for-go/sdk/azidentity v1.13.1
go get github.com/openai/openai-go/v3 v3.22.0

package main

import (
    "context"
    "fmt"
    "os"
    "strings"

    "github.com/Azure/azure-sdk-for-go/sdk/azcore/policy"
    "github.com/Azure/azure-sdk-for-go/sdk/azidentity"
    "github.com/openai/openai-go/v3"
    "github.com/openai/openai-go/v3/option"
    "github.com/openai/openai-go/v3/responses"
)

func main() {
    projectEndpoint := "https://YOUR-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR_PROJECT_NAME"
    deploymentName := "DeepSeek-R1-0528" // Replace with your deployment name, not the model ID

    ctx := context.Background()

    // Get EntraID token for keyless auth
    credential, err := azidentity.NewDefaultAzureCredential(nil)
    if err != nil {
        fmt.Fprintf(os.Stderr, "Failed to create credential: %v\n", err)
        os.Exit(1)
    }
    token, err := credential.GetToken(ctx, policy.TokenRequestOptions{
        Scopes: []string{"https://ai.azure.com/.default"},
    })
    if err != nil {
        fmt.Fprintf(os.Stderr, "Failed to get token: %v\n", err)
        os.Exit(1)
    }

    // Standard OpenAI client — no Azure wrapper (no api-version needed with /v1 path)
    baseURL := strings.TrimRight(projectEndpoint, "/") + "/openai/v1"
    client := openai.NewClient(
        option.WithBaseURL(baseURL),
        option.WithAPIKey(token.Token),
    )

    resp, err := client.Responses.New(ctx, responses.ResponseNewParams{
        Model: deploymentName,
        Input: responses.ResponseNewParamsInputUnion{
            OfString: openai.String("What are the top 3 benefits of cloud computing? Be concise."),
        },
        MaxOutputTokens: openai.Int(500),
    })
    if err != nil {
        fmt.Fprintf(os.Stderr, "API error: %v\n", err)
        os.Exit(1)
    }

    fmt.Printf("Response: %s\n", resp.OutputText())
    fmt.Printf("Status:   %s\n", resp.Status)
    fmt.Printf("Output tokens: %d\n", resp.Usage.OutputTokens)
}

Ответ включает созданный текст вместе с метаданными модели и использования.

Поддерживаемые модели Foundry

Несколько моделей Foundry поддерживаются для работы с API Responses.

Просмотр поддерживаемых моделей на портале Foundry

Чтобы просмотреть полный список поддерживаемых моделей на портале Foundry:

Войдите в Microsoft Foundry. Убедитесь, что переключатель New Foundry включен. Эти действия относятся к Foundry (new).
Выберите "Обнаружить " в правой верхней части навигации, а затем " Модели " на левой панели.
Откройте раскрывающийся список "Возможности" и выберите поддерживаемый фильтр агента .

Список поддерживаемых моделей

В этом разделе перечислены некоторые модели Foundry, поддерживаемые для использования с API ответов. Список поддерживаемых моделей Azure OpenAI см. в разделе Доступные модели Azure OpenAI.

Модели продаются непосредственно компанией Azure:

MAI-DS-R1: Детерминированное, точностное рассуждение.
grok-4: Гранично масштабное рассуждение для решения сложных многошаговых задач.
grok-4-fast-reasoning: ускоренное агентивное рассуждение, оптимизированное для автоматизации рабочих процессов.
grok-4-fast-non-reasoning: высокая пропускная способность, низкая задержка и системная маршрутизация.
grok-3: строгое обоснование сложных рабочих процессов на уровне системы.
grok-3-mini: упрощенная модель, оптимизированная для интерактивных вариантов использования с большим объемом.
Ллома-3.3-70B-Instruct: универсальная модель для корпоративных вопросов и ответов, поддержки принятия решений и системной оркестрации.
Llama-4-Maverick-17B-128E-Instruct-FP8: модель, оптимизированная под FP8, обеспечивающая быстрое и экономичное выполнение вывода.
DeepSeek-V3-0324: многомодальное понимание текста и изображений.
DeepSeek-V3.1: улучшенное многомодальное рассуждение и прикреплённое извлечение.
DeepSeek-R1-0528: расширенные развернутые формы и многошаговые умозаключения.
gpt-oss-120b: модель open-ecosystem, которая поддерживает прозрачность и воспроизводимость.

Устранение распространенных ошибок

Ошибка	Причина	Разрешение
401 Несанкционированный доступ	Недействительные или истекшие учетные данные	Убедитесь, что для ресурса `DefaultAzureCredential` назначена роль пользователя Cognitive Services OpenAI.
404 Не найдено	Неверное имя конечной точки или развертывания	Убедитесь, что URL-адрес конечной точки включает `/api/projects/YOUR_PROJECT_NAME` и имя развертывания соответствует порталу Foundry.
Модель 400 не поддерживается	Модель не поддерживает API ответов	Проверьте список поддерживаемых моделей и убедитесь, что развертывание использует совместимую модель.

Обратная связь

Были ли сведения на этой странице полезными?

Last updated on 2026-04-29