Menyiapkan Lingkungan Pengembangan untuk Generative AI untuk Java

July 2, 2026 · View on GitHub

Mulai Cepat: Siapkan model AI Anda di Azure AI Foundry sebagai kode dengan Bicep + azd dalam beberapa menit — lihat Panduan Pengaturan Azure AI Foundry. Autentikasi menggunakan keyless (Microsoft Entra ID), jadi tidak ada kunci API yang perlu dikelola.

Apa yang Akan Anda Pelajari

  • Menyiapkan lingkungan pengembangan Java untuk aplikasi AI
  • Memilih dan mengonfigurasi lingkungan pengembangan favorit Anda (cloud-first dengan Codespaces, kontainer pengembangan lokal, atau pengaturan lokal penuh)
  • Menguji pengaturan Anda dengan menghubungkan ke model Azure AI Foundry

Daftar Isi

Pendahuluan

Bab ini akan memandu Anda melalui penyiapan lingkungan pengembangan. Kami akan menggunakan Azure AI Foundry untuk model-model sepanjang kursus ini. Anda menyiapkan model sebagai kode dengan Bicep dan Azure Developer CLI (azd), lalu terhubung dengan autentikasi keyless (Microsoft Entra ID) — tanpa kunci API yang perlu disalin atau bocor.

Tidak perlu pengaturan lokal! Anda dapat menggunakan GitHub Codespaces, yang menyediakan lingkungan pengembangan lengkap di browser Anda, dan menyiapkan Foundry dari sana.

Kami menggunakan Azure AI Foundry untuk kursus ini karena:

  • Disiapkan sebagai kode — satu azd up menerapkan akun dan penempatan model
  • Keyless — autentikasi dengan sign-in Azure Anda atau identitas terkelola
  • Siap produksi — kode yang sama dijalankan secara lokal dan di Azure
  • Fleksibel — ganti model dengan mengubah nama penempatan, bukan kode Anda

Catatan: Penempatan Azure AI Foundry dikenai biaya per token (bayar sesuai pemakaian). Lihat panduan pengaturan Azure AI Foundry untuk detail penyiapan, wilayah, dan biaya.

Langkah 1: Siapkan Lingkungan Pengembangan Anda

Kami telah membuat kontainer pengembangan yang telah dikonfigurasi sebelumnya untuk meminimalkan waktu pengaturan dan memastikan Anda memiliki semua alat yang diperlukan untuk kursus Generative AI untuk Java ini. Pilih pendekatan pengembangan yang Anda sukai:

Pilihan Pengaturan Lingkungan:

Pilihan A: GitHub Codespaces (Disarankan)

Mulai coding dalam 2 menit - tanpa pengaturan lokal!

  1. Fork repositori ini ke akun GitHub Anda

    Catatan: Jika Anda ingin mengedit konfigurasi dasar, silakan lihat Konfigurasi Kontainer Dev

  2. Klik Code → tab Codespaces → ... → New with options...
  3. Gunakan default – ini akan memilih Konfigurasi Kontainer Dev: Lingkungan Pengembangan Generative AI Java kontainer dev khusus yang dibuat untuk kursus ini
  4. Klik Create codespace
  5. Tunggu sekitar ~2 menit hingga lingkungan siap
  6. Lanjut ke Langkah 2: Siapkan Azure AI Foundry
Screenshot: Codespaces submenu Screenshot: New with options Screenshot: Create codespace options

Manfaat Codespaces:

  • Tidak perlu instalasi lokal
  • Berfungsi di perangkat apa pun dengan browser
  • Sudah dikonfigurasi dengan semua alat dan dependensi
  • Gratis 60 jam per bulan untuk akun pribadi
  • Lingkungan konsisten untuk semua peserta

Pilihan B: Kontainer Dev Lokal

Untuk pengembang yang lebih suka pengembangan lokal dengan Docker

  1. Fork dan clone repositori ini ke mesin lokal Anda

    Catatan: Jika Anda ingin mengedit konfigurasi dasar, silakan lihat Konfigurasi Kontainer Dev

  2. Instal Docker Desktop dan VS Code
  3. Instal ekstensi Dev Containers di VS Code
  4. Buka folder repositori di VS Code
  5. Saat diminta, klik Reopen in Container (atau gunakan Ctrl+Shift+P → "Dev Containers: Reopen in Container")
  6. Tunggu sampai kontainer dibangun dan berjalan
  7. Lanjut ke Langkah 2: Siapkan Azure AI Foundry
Screenshot: Dev container setup Screenshot: Dev container build complete

Pilihan C: Gunakan Instalasi Lokal Anda yang Ada

Untuk pengembang dengan lingkungan Java yang sudah ada

Prasyarat:

Langkah:

  1. Clone repositori ini ke mesin lokal Anda
  2. Buka proyek di IDE Anda
  3. Lanjut ke Langkah 2: Siapkan Azure AI Foundry

Tips Pro: Jika Anda memiliki mesin dengan spesifikasi rendah tapi ingin menggunakan VS Code secara lokal, gunakan GitHub Codespaces! Anda bisa menghubungkan VS Code lokal Anda ke Codespace yang dihosting di cloud untuk mendapatkan kombinasi terbaik.

Screenshot: created local devcontainer instance

Langkah 2: Siapkan Azure AI Foundry

Terapkan model AI kursus ini ke Azure AI Foundry sebagai kode. Dari root repositori:

cd 02-SetupDevEnvironment
azd auth login
az login
azd up

azd akan meminta nama lingkungan dan wilayah, menyiapkan akun Azure AI Foundry dengan penempatan gpt-4o-mini dan text-embedding-3-small, dan menulis endpoint ke .env contoh — semua dengan autentikasi keyless (tanpa kunci API).

Panduan lengkap: Lihat Panduan Pengaturan Azure AI Foundry untuk prasyarat, alternatif manual (portal), panduan wilayah, serta catatan biaya/pembersihan.

Langkah 3: Uji Pengaturan Anda

Setelah model Foundry Anda disiapkan, uji koneksi dengan aplikasi contoh di 02-SetupDevEnvironment/examples/basic-chat-azure.

  1. Buka terminal di lingkungan pengembangan Anda.

  2. Masuk ke contoh:

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

  3. Pastikan Anda sudah masuk (autentikasi keyless memerlukan token):

    az login

    Jika Anda menjalankan azd up, file .env dengan endpoint Anda sudah dibuat otomatis.

  4. Jalankan aplikasi:

    mvn clean spring-boot:run

Anda seharusnya melihat respons dari model gpt-4o-mini.

Memahami Kode Contoh

Contoh di bawah examples/basic-chat-azure adalah aplikasi Spring Boot yang menggunakan Spring AI untuk terhubung ke Azure AI Foundry dengan autentikasi keyless.

Apa yang dilakukan kode ini:

  • Terhubung ke Azure AI Foundry menggunakan sign-in Azure Anda (Microsoft Entra ID) — tanpa kunci API
  • Mengirim prompt ke model gpt-4o-mini
  • Menerima dan menampilkan respons AI
  • Memvalidasi bahwa pengaturan Anda bekerja dengan benar

Dependensi Utama (di pom.xml):

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

Konfigurasi (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}

Ringkasan

Bagus! Sekarang Anda sudah menyiapkan semuanya:

  • Model Azure AI Foundry sudah disiapkan sebagai kode dengan Bicep + azd
  • Lingkungan pengembangan Java Anda berjalan (baik itu Codespaces, kontainer dev, atau lokal)
  • Terhubung ke Azure AI Foundry dengan autentikasi keyless (Microsoft Entra ID) — tanpa kunci API
  • Menguji semuanya berfungsi dengan contoh sederhana yang berinteraksi dengan model Anda

Langkah Berikutnya

Bab 3: Teknik Core Generative AI

Pemecahan Masalah

Mengalami masalah? Berikut masalah umum dan solusinya:

  • Autentikasi gagal (401/403)?

    • Jalankan az login — autentikasi keyless, jadi Anda harus sudah masuk
    • Pastikan akun Anda memiliki peran Cognitive Services OpenAI User pada resource
    • Jika baru saja menyiapkan, tunggu sebentar agar penugasan peran diterapkan

  • Maven tidak ditemukan?

    • Jika menggunakan kontainer dev/Codespaces, Maven sudah terpasang
    • Untuk pengaturan lokal, pastikan Java 21+ dan Maven 3.9+ sudah terinstal
    • Coba mvn --version untuk memeriksa instalasi

  • azd tidak ditemukan atau penyiapan gagal?

  • Kontainer dev tidak berjalan?

    • Pastikan Docker Desktop berjalan (untuk pengembangan lokal)
    • Coba bangun ulang kontainer: Ctrl+Shift+P → "Dev Containers: Rebuild Container"

  • Kesalahan kompilasi aplikasi?

    • Pastikan Anda berada di direktori yang benar: 02-SetupDevEnvironment/examples/basic-chat-azure
    • Coba bersihkan dan bangun ulang: mvn clean compile

Butuh bantuan?: Masih ada masalah? Buat isu di repositori dan kami akan membantu Anda.

Penafian: Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berupaya untuk mencapai akurasi, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.