跳到主要内容
所有 LangChain 与 Microsoft Azure 及其相关项目的集成。 Azure AI、动态会话、SQL Server 的集成包在 langchain-azure 存储库中维护。

​
聊天模型

我们建议开发人员从 (langchain-azure-ai) 开始，以访问 Azure AI Foundry 中所有可用的模型。

​
Azure AI 聊天补全

使用 AzureAIChatCompletionsModel 类访问 Azure OpenAI、DeepSeek R1、Cohere、Phi 和 Mistral 等模型。 
pip install -U langchain-azure-ai
配置您的 API 密钥和端点。 
export AZURE_AI_CREDENTIAL=your-api-key
export AZURE_AI_ENDPOINT=your-endpoint

from langchain_azure_ai.chat_models import AzureAIChatCompletionsModel

llm = AzureAIChatCompletionsModel(
    model_name="gpt-4o",
    api_version="2024-05-01-preview",
)

llm.invoke('Tell me a joke and include some emojis')

​
嵌入模型

​
Azure AI 嵌入模型推理

pip install -U langchain-azure-ai
配置您的 API 密钥和端点。 
export AZURE_AI_CREDENTIAL=your-api-key
export AZURE_AI_ENDPOINT=your-endpoint

from langchain_azure_ai.embeddings import AzureAIEmbeddingsModel

embed_model = AzureAIEmbeddingsModel(
    model_name="text-embedding-ada-002"
)

​
向量存储

Azure CosmosDB NoSQL 是一个功能齐全、全球分布式、无服务器的文档数据库，适用于现代应用程序。它以灵活的 JSON 文档存储数据，并使用类似 SQL 的查询语言。这提供了高性能、低延迟和自动、弹性可扩展性。它还具有集成的向量搜索功能，适用于生成式 AI 和 RAG 等 AI 工作负载。这允许您在同一数据库中存储、索引和查询向量嵌入以及您的操作数据。您可以将向量相似性搜索与传统的基于关键字的搜索相结合，以获得相关结果，并选择各种索引方法以获得最佳性能。这种统一的方法简化了应用程序架构并确保了数据一致性。
我们需要安装 azure-cosmos 包才能使用此向量存储。 
pip install -qU azure-cosmos

from langchain_azure_ai.vectorstores.azure_cosmos_db_no_sql import (
    AzureCosmosDBNoSqlVectorSearch,
)
vector_search = AzureCosmosDBNoSqlVectorSearch.from_documents(
    documents=docs,
    embedding=openai_embeddings,
    cosmos_client=cosmos_client,
    database_name=database_name,
    container_name=container_name,
    vector_embedding_policy=vector_embedding_policy,
    full_text_policy=full_text_policy,
    indexing_policy=indexing_policy,
    cosmos_container_properties=cosmos_container_properties,
    cosmos_database_properties={},
    full_text_search_enabled=True,
)
请参阅用法示例。
Azure CosmosDB Mongo vCore 架构使得创建具有完整原生 MongoDB 支持的数据库变得容易。您可以通过将应用程序指向适用于 MongoDB（vCore）集群的连接字符串，来应用您的 MongoDB 经验并继续使用您喜欢的 MongoDB 驱动程序、SDK 和工具。
我们需要安装 pymongo 包才能使用此向量存储。 
pip install -qU pymongo

from langchain_azure_ai.vectorstores.azure_cosmos_db_mongo_vcore import (
    AzureCosmosDBMongoVCoreVectorSearch,
)

vectorstore = AzureCosmosDBMongoVCoreVectorSearch.from_documents(
    docs,
    openai_embeddings,
    collection=collection,
    index_name=INDEX_NAME,
)
请参阅用法示例。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.