Grundlæggende Chat med Azure AI Foundry - End-to-End Eksempel

Dette eksempel er en simpel Spring Boot-applikation, der forbinder til en Azure AI Foundry-model ved hjælp af keyless authentication (Microsoft Entra ID) og tester din opsætning. Den bruger Spring AI's ChatClient.

Indholdsfortegnelse

• Forudsætninger
• Kom hurtigt i gang
• Hvordan autentificering virker
• Kørsel af applikationen
  • Brug af Maven
  • Brug af VS Code
  • Forventet output
• Konfigurationsreference
  • Miljøvariabler
  • Spring-konfiguration
• Fejlfinding
  • Almindelige problemer
  • Debug-tilstand
• Næste skridt
• Ressourcer

Forudsætninger

Før du kører dette eksempel, skal du sikre dig, at du har:

• En Azure AI Foundry-ressource med en gpt-4o-mini-udrulning — opret den med azd up eller manuelt via Azure AI Foundry opsætningsvejledning
• Rollen Cognitive Services OpenAI User på den ressource (de Bicep-skabeloner tildeler denne til dig)
• Azure CLI (az), logget ind med az login
• Java 21+ og Maven 3.9+

Ingen API-nøgle krævet — autentificering sker keyless via Microsoft Entra ID.

Kom hurtigt i gang

# 1. Naviger til projektet
cd 02-SetupDevEnvironment/examples/basic-chat-azure

# 2. Log ind, så keyless auth kan få et token
az login

# 3. Konfigurer slutpunktet
#    - Hvis du kørte `azd up`, blev .env skrevet for dig (spring dette over).
#    - Ellers kopier skabelonen og sæt AZURE_OPENAI_ENDPOINT:
cp .env.example .env

# 4. Kør applikationen
mvn spring-boot:run

Hvordan autentificering virker

Dette eksempel autentificerer med Microsoft Entra ID — der er ingen API-nøgle.

Når kun spring.ai.azure.openai.endpoint er sat (og ingen api-nøgle), bygger Spring AI Azure OpenAI-klienten med DefaultAzureCredential. Den credential finder automatisk en token fra din az login session lokalt eller fra en managed identity, når den kører i Azure — så den samme kode virker begge steder uden ændringer.

Kørsel af applikationen

Brug af Maven

mvn spring-boot:run

Brug af VS Code

1. Åbn projektet i VS Code
2. Tryk på F5 eller brug "Run and Debug"-panelet
3. Vælg "Spring Boot-BasicChatApplication" konfigurationen

Bemærk: VS Code-konfigurationen indlæser automatisk din .env-fil

Forventet output

Starting Basic Chat with Azure OpenAI...
Environment variables loaded successfully
Connecting to Azure OpenAI...
Sending prompt: What is AI in a short sentence? Max 100 words.

AI Response:
================
AI, or Artificial Intelligence, is the simulation of human intelligence in machines programmed to think and learn like humans.
================

Success! Azure OpenAI connection is working correctly.

Konfigurationsreference

Miljøvariabler

Variabel	Beskrivelse	Krævet	Eksempel
AZURE_OPENAI_ENDPOINT	Foundry (Azure OpenAI) endpoint URL	Ja	https://my-resource.openai.azure.com/
AZURE_OPENAI_DEPLOYMENT	Navn på chat model-udrulning	Nej	gpt-4o-mini (standard)

Der findes ingen API-nøgle-variabel — autentificering sker keyless (Microsoft Entra ID via az login).

Spring-konfiguration

application.yml-filen konfigurerer:

• Endpoint: ${AZURE_OPENAI_ENDPOINT} - Fra miljøvariabel
• Deployment: ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini} - Fra miljøvariabel med fallback
• Auth: keyless — ingen api-key sat, så Spring AI bruger DefaultAzureCredential
• Temperature: 0.7 - Kontrollerer kreativitet (0.0 = deterministisk, 1.0 = kreativ)
• Max Tokens: 500 - Maksimal svarlængde

Fejlfinding

Almindelige problemer

Fejl: 401 / "PermissionDenied" / token fejl

• Kør az login — keyless auth kræver aktiv login for at hente en token
• Bekræft, at din konto har rollen Cognitive Services OpenAI User på ressourcen
• Hvis du lige har tildelt rollen, vent et øjeblik for udbredelse
• Bekræft, at du er i det rigtige tenant/abonnement (az account show)

Fejl: "The endpoint is not valid" / forbindelsesfejl

• Sørg for, at AZURE_OPENAI_ENDPOINT er den fulde basis-URL (f.eks. https://your-resource.openai.azure.com/)
• Tjek konvention for afsluttende skråstreg
• Bekræft at endpoint matcher din udrullede ressource (azd env get-values)

Fejl: "The deployment was not found"

• Bekræft, at AZURE_OPENAI_DEPLOYMENT matcher et udrulningsnavn i Azure
• Tjek at modellen er succesfuldt udrullet og aktiv
• Standardnavnet for udrulning er gpt-4o-mini

VS Code: Miljøvariabler indlæses ikke

• Sørg for, at din .env-fil er i projektets rodmappe (samme niveau som pom.xml)
• Prøv at køre mvn spring-boot:run i VS Codes integrerede terminal
• Tjek at VS Code Java-udvidelsen er korrekt installeret

Debug-tilstand

For at aktivere detaljeret logning skal du afkommentere disse linjer i application.yml:

logging:
  level:
    org.springframework.ai: DEBUG
    com.azure: DEBUG

Næste skridt

Opsætningen er fuldført! Fortsæt din læringsrejse:

Kapitel 3: Core Generative AI Techniques

Ressourcer

• Spring AI Azure OpenAI Dokumentation
• Keyless autentificering med Microsoft Entra ID
• Azure AI Foundry Portal
• Azure AI Foundry Dokumentation

---

Ansvarsfraskrivelse: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.