Nastavení vývojového prostředí pro Generative AI pro Java

July 2, 2026 · View on GitHub

Rychlý start: Zprovozněte své AI modely na Azure AI Foundry jako kód pomocí Bicep + azd během několika minut — podívejte se na Průvodce nastavením Azure AI Foundry. Autentizace je bezklíčová (Microsoft Entra ID), takže není potřeba spravovat žádné API klíče.

Co se naučíte

  • Nastavit vývojové prostředí pro AI aplikace v jazyce Java
  • Vybrat a nakonfigurovat preferované vývojové prostředí (cloud-first s Codespaces, lokální dev container nebo plná lokální instalace)
  • Otestovat nastavení připojením k modelu Azure AI Foundry

Obsah

Úvod

Tato kapitola vás provede nastavením vývojového prostředí. Během tohoto kurzu budeme používat Azure AI Foundry pro modely. Modely zprovozníte jako kód pomocí Bicep a Azure Developer CLI (azd), a připojíte se s bezklíčovou autentizací (Microsoft Entra ID) — není potřeba kopírovat či uchovávat API klíče.

Není potřeba žádné lokální nastavení! Můžete použít GitHub Codespaces, který poskytuje plné vývojové prostředí přímo v prohlížeči a zde i zprovozníte Foundry.

Používáme Azure AI Foundry, protože:

  • Provisionuje se jako kód — jedno azd up nasadí účet a deploymenty modelů
  • Je bezklíčové — autentizace pomocí přihlášení do Azure nebo spravované identity
  • Je připravené pro produkci — stejný kód běží lokálně i v Azure
  • Je flexibilní — vyměníte model změnou názvu deploymentu, ne kódu

Poznámka: Deploymenty Azure AI Foundry se účtují za tokeny (pay-as-you-go). Viz průvodce nastavením Azure AI Foundry pro detaily o provisioningu, regionech a nákladech.

Krok 1: Nastavte si vývojové prostředí

Vytvořili jsme předkonfigurovaný vývojový kontejner, který minimalizuje nastavení a zajistí, že máte všechny potřebné nástroje pro tento kurz Generative AI pro Java. Vyberte si preferovaný přístup k vývoji:

Možnosti nastavení prostředí:

Možnost A: GitHub Codespaces (Doporučeno)

Začněte kódovat za 2 minuty – bez lokální instalace!

  1. Forkněte si tento repozitář na svůj GitHub účet

    Poznámka: Pokud chcete upravit základní konfiguraci, podívejte se na Dev Container Configuration

  2. Klikněte na Code → záložka Codespaces → ... → New with options...
  3. Použijte výchozí nastavení – vybere se Dev container configuration: Generative AI Java Development Environment vlastní devcontainer vytvořený pro tento kurz
  4. Klikněte na Create codespace
  5. Počkejte asi 2 minuty, než se prostředí připraví
  6. Pokračujte na Krok 2: Provision Azure AI Foundry
Screenshot: Codespaces submenu Screenshot: New with options Screenshot: Create codespace options

Výhody Codespaces:

  • Není potřeba žádná lokální instalace
  • Funguje na libovolném zařízení s prohlížečem
  • Předkonfigurováno se všemi nástroji a závislostmi
  • Zdarma 60 hodin/měsíc pro osobní účty
  • Konzistentní prostředí pro všechny studenty

Možnost B: Lokální Dev Container

Pro vývojáře, kteří preferují lokální vývoj s Dockerem

  1. Forkněte a naklonujte tento repozitář do svého počítače

    Poznámka: Pokud chcete upravit základní konfiguraci, podívejte se na Dev Container Configuration

  2. Nainstalujte Docker Desktop a VS Code
  3. Nainstalujte rozšíření Dev Containers do VS Code
  4. Otevřete složku s repozitářem ve VS Code
  5. Jakmile se zobrazí výzva, klikněte na Reopen in Container (nebo použijte Ctrl+Shift+P → "Dev Containers: Reopen in Container")
  6. Počkejte, až se container sestaví a spustí
  7. Pokračujte na Krok 2: Provision Azure AI Foundry
Screenshot: Dev container setup Screenshot: Dev container build complete

Možnost C: Použijte stávající lokální instalaci

Pro vývojáře s již existujícím Java prostředím

Požadavky:

Postup:

  1. Naklonujte tento repozitář do svého počítače
  2. Otevřete projekt ve svém IDE
  3. Pokračujte na Krok 2: Provision Azure AI Foundry

Tip: Pokud máte zařízení s nízkým výkonem, ale chcete používat VS Code lokálně, využijte GitHub Codespaces! Můžete připojit svůj lokální VS Code ke cloudovému Codespace a mít tak výhody obou světů.

Screenshot: created local devcontainer instance

Krok 2: Provision Azure AI Foundry

Nasadíte AI modely z kurzu do Azure AI Foundry jako kód. Ze složky kořene repozitáře spusťte:

cd 02-SetupDevEnvironment
azd auth login
az login
azd up

azd vás vyzve k zadání názvu prostředí a regionu, provisionuje účet Azure AI Foundry s deploymenty gpt-4o-mini a text-embedding-3-small, a zapíše endpoint do souboru .env příkladu — vše s bezklíčovou autentizací (bez API klíčů).

Plný průvodce: Viz Průvodce nastavením Azure AI Foundry pro předpoklady, manuální (portal) alternativu, doporučení regionu a informace o nákladech a úklidu.

Krok 3: Otestujte své nastavení

Po zprovoznění Foundry modelů otestujte připojení pomocí příkladové aplikace v 02-SetupDevEnvironment/examples/basic-chat-azure.

  1. Otevřete terminál ve vývojovém prostředí.

  2. Přejděte do příkladu:

    cd 02-SetupDevEnvironment/examples/basic-chat-azure

  3. Ujistěte se, že jste přihlášeni (bezklíčová autentizace vyžaduje token):

    az login

    Pokud jste spustili azd up, .env se endpointem už byl vytvořen automaticky.

  4. Spusťte aplikaci:

    mvn clean spring-boot:run

Měli byste vidět odpověď z modelu gpt-4o-mini.

Pochopení příkladového kódu

Příklad v examples/basic-chat-azure je aplikace Spring Boot využívající Spring AI k připojení k Azure AI Foundry s bezklíčovou autentizací.

Co tento kód dělá:

  • Připojuje se k Azure AI Foundry pomocí přihlášení do Azure (Microsoft Entra ID) — bez API klíče
  • Odesílá prompt modelu gpt-4o-mini
  • Přijímá a zobrazuje odpověď AI
  • Ověřuje, že je nastavení správné a funguje

Klíčová závislost (v pom.xml):

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-azure-openai</artifactId>
</dependency>

Konfigurace (application.yml):

spring:
  ai:
    azure:
      openai:
        # Endpoint only - no api-key. Spring AI uses DefaultAzureCredential (keyless).
        endpoint: ${AZURE_OPENAI_ENDPOINT}
        chat:
          options:
            deployment-name: ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini}

Shrnutí

Skvělé! Nyní máte vše nastaveno:

  • Zprovozněné modely Azure AI Foundry jako kód pomocí Bicep + azd
  • Běží vaše Java vývojové prostředí (Codespaces, dev container, nebo lokální)
  • Připojení k Azure AI Foundry s bezklíčovou autentizací (Microsoft Entra ID) — žádné API klíče
  • Otestováno vše funkční jednoduchým příkladem komunikujícím s modelem

Další kroky

Kapitola 3: Základní techniky GenAI

Řešení problémů

Máte problémy? Zde jsou běžné potíže a řešení:

  • Selhání autentizace (401/403)?

    • Spusťte az login — autentizace je bezklíčová, musíte být přihlášeni
    • Zkontrolujte, že máte roli Cognitive Services OpenAI User na daném zdroji
    • Pokud jste právě provedli provisioning, počkejte chvíli, než se role projeví

  • Maven nenalezen?

    • Pokud používáte dev container/Codespaces, Maven by měl být předinstalovaný
    • U lokálního nastavení se ujistěte, že máte Java 21+ a Maven 3.9+
    • Zkuste příkaz mvn --version pro ověření instalace

  • azd nenalezen nebo provisioning selhává?

  • Dev container se nespouští?

    • Ověřte, že Docker Desktop běží (pro lokální vývoj)
    • Zkuste container přebuildovat: Ctrl+Shift+P → "Dev Containers: Rebuild Container"

  • Chyby při kompilaci aplikace?

    • Ujistěte se, že jste ve správném adresáři: 02-SetupDevEnvironment/examples/basic-chat-azure
    • Zkuste mvn clean compile pro vyčištění a znovukompilování

Potřebujete pomoc?: Stále máte problémy? Otevřete issue v repozitáři a rádi vám pomůžeme.

Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.