使用 Azure 机器学习 SDK 和 CLI 创建中心

2025-05-20

重要

本文中标记了“（预览版）”的项目目前为公共预览版。此预览版未提供服务级别协议，不建议将其用于生产工作负载。某些功能可能不受支持或者受限。有关详细信息，请参阅 Microsoft Azure 预览版补充使用条款。

本文介绍如何使用 Azure 机器学习 SDK 和 Azure CLI 创建以下 Azure AI Foundry 资源（使用机器学习扩展）：

一个 Azure AI Foundry 中心
Azure AI 服务连接

注释

中心仅用于 基于中心的项目。 Foundry 项目不使用中心。有关详细信息，请参阅项目类型。

先决条件

一份 Azure 订阅。如果没有 Azure 订阅，请在开始操作前先创建一个免费帐户。立即试用 Azure AI Foundry 的免费或付费版本。

配置你的环境

使用以下选项卡选择是使用 Python SDK 还是 Azure CLI：

Python SDK
Azure CLI

安装 azure-identity：pip install azure-identity。如果在笔记本单元格中，请使用 %pip install azure-identity。

提供订阅的详细信息：

# Enter details of your subscription
subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"

获取订阅的句柄。本文中的所有 Python 代码都使用 ml_client：

# get a handle to the subscription

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

（可选）如果您有多个帐户，请在 DefaultAzureCredential中添加您希望使用的 Microsoft Entra ID 的租户 ID。在 Azure 门户中，在 Microsoft Entra ID，外部标识 下找到你的租户 ID。
```
DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
```
（可选）如果你在 Azure 政府 - 美国或 Azure 中国世纪互联区域工作，请指定要在其中进行身份验证的区域。可以使用 DefaultAzureCredential 指定区域。以下示例向 Azure 政府 - 美国区域进行身份验证：
```
from azure.identity import AzureAuthorityHosts
DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
```

如果未安装 Azure CLI 和机器学习扩展，请按照安装和设置机器学习扩展一文中的步骤操作。
要从 Azure CLI 向 Azure 订阅进行身份验证，请使用以下命令：
```
az login
```
有关身份验证的详细信息，请参阅身份验证方法。

创建 Azure AI Foundry 中心和 AI 服务连接

使用以下示例新建中心。将示例字符串值替换为自己的值：

Python SDK
Azure CLI

from azure.ai.ml.entities import Hub

my_hub_name = "myexamplehub"
my_location = "East US"
my_display_name = "My Example Hub"

# construct a basic hub
my_hub = Hub(name=my_hub_name, 
            ___location=my_location,
            display_name=my_display_name)

created_hub = ml_client.workspaces.begin_create(my_hub).result()

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name}

创建 AI 服务连接

创建自己的 AI 服务后，可以将其连接到中心。

Python SDK
Azure CLI

ml_client 连接现在需要包含中心：

提供订阅的详细信息。对于 <AML_WORKSPACE_NAME>，请使用中心名称：

# Enter details of your AML workspace
subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"
workspace = "<AML_WORKSPACE_NAME>"

获取中心句柄：

# get a handle to the workspace
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient(
    DefaultAzureCredential(), subscription_id, resource_group, workspace
)

使用 ml_client 创建与 AI Services 的连接：

from azure.ai.ml.entities import AzureAIServicesConnection

# construct an AI Services connection
my_connection_name = "myaiservivce" # any name you want
aiservices_resource_name = <resource_name> # copy from Azure AI Foundry portal
my_endpoint = "<endpoint>" # copy from Azure AI Foundry portal
my_api_keys = None # leave blank for Authentication type = AAD
my_ai_services_resource_id = f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.CognitiveServices/accounts/{aiservices_resource_name}"

my_connection = AzureAIServicesConnection(name=my_connection_name,
                                    endpoint=my_endpoint, 
                                    api_key= my_api_keys,
                                    ai_services_resource_id=my_ai_services_resource_id)

# Create the connection
ml_client.connections.create_or_update(my_connection)

az ml connection create --file {connection.yml} --resource-group {my_resource_group} --workspace-name {my_hub_name}

可以使用 API 密钥或无凭据 YAML 配置文件。有关 YAML 配置文件的详细信息，请参阅AI 服务连接 YAML 架构：

API 密钥示例：

name: myazai_ei
type: azure_ai_services
endpoint: <endpoint for your AI Services>
api_key: XXXXXXXXXXXXXXX
ai_services_resource_id: <fully_qualified_resource_id>

无凭据

name: myazai_apk
type: azure_ai_services
endpoint: <endpoint for your AI Services>
ai_services_resource_id: <fully_qualified_resource_id>

<fully_qualified_resource_id> 是 AI 服务资源的资源 ID。其格式为 /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.CognitiveServices/accounts/{aiservices_resource_name}。

使用现有依赖项资源创建 Azure AI Foundry 中心

还可以使用现有资源（例如 Azure 存储和 Azure 密钥保管库）创建中心。在以下示例中，将示例字符串值替换为你自己的值：

小窍门

可以通过转到资源概述并选择“JSON 视图”，从 Azure 门户检索存储帐户和密钥保管库的资源 ID。资源 ID 位于 ID 字段中。还可以使用 Azure CLI 检索资源 ID。例如，az storage account show --name {my_storage_account_name} --query "id" 和 az keyvault show --name {my_key_vault_name} --query "id"。

Python SDK
Azure CLI

from azure.ai.ml.entities import Hub

my_hub_name = "myexamplehub"
my_location = "East US"
my_display_name = "My Example Hub"
my_resource_group = "myresourcegroupname"
my_storage_account_id = "/subscriptions/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/resourceGroups/myresourcegroupname/providers/Microsoft.Storage/storageAccounts/mystorageaccountname"
my_key_vault_id = "/subscriptions/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/resourceGroups/myresourcegroupname/providers/Microsoft.KeyVault/vaults/mykeyvaultname"

# construct a basic hub
my_hub = Hub(name=my_hub_name, 
            ___location=my_location,
            display_name=my_display_name,
            resource_group=my_resource_group,
            storage_account_id=my_storage_account_id,
            key_vault_id=my_key_vault_id)

created_hub = ml_client.workspaces.begin_create(my_hub).result()

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name} --___location {hub-region} --storage-account {my_storage_account_id} --key-vault {my_key_vault_id}

通过