Azure Functions 的 Azure OpenAI 文本完成输入绑定

此示例演示 模板化 模式，其中 HTTP 触发器函数采用参数 name 并将其嵌入文本提示中，然后通过扩展将其发送到 Azure OpenAI 完成 API。 对提示的回复在 HTTP 响应中返回。

[Function(nameof(WhoIs))]
public static IActionResult WhoIs(
    [HttpTrigger(AuthorizationLevel.Function, Route = "whois/{name}")] HttpRequestData req,
    [TextCompletionInput("Who is {name}?", ChatModel = "%CHAT_MODEL_DEPLOYMENT_NAME%")] TextCompletionResponse response)
{
    return new OkObjectResult(response.Content);
}

此示例将提示作为输入，将其直接发送到完成 API，并将响应作为输出返回。

[Function(nameof(GenericCompletion))]
public static IActionResult GenericCompletion(
    [HttpTrigger(AuthorizationLevel.Function, "post")] HttpRequestData req,
    [TextCompletionInput("{Prompt}", ChatModel = "%CHAT_MODEL_DEPLOYMENT_NAME%")] TextCompletionResponse response,
    ILogger log)
{
    string text = response.Content;
    return new OkObjectResult(text);
}

此示例演示 模板化 模式，其中 HTTP 触发器函数采用参数 name 并将其嵌入文本提示中，然后通过扩展将其发送到 Azure OpenAI 完成 API。 对提示的回复在 HTTP 响应中返回。

@FunctionName("WhoIs")
public HttpResponseMessage whoIs(
    @HttpTrigger(
        name = "req", 
        methods = {HttpMethod.GET},
        authLevel = AuthorizationLevel.ANONYMOUS, 
        route = "whois/{name}") 
        HttpRequestMessage<Optional<String>> request,
    @BindingName("name") String name,
    @TextCompletion(prompt = "Who is {name}?", chatModel = "%CHAT_MODEL_DEPLOYMENT_NAME%", name = "response", isReasoningModel = false) TextCompletionResponse response,
    final ExecutionContext context) {
    return request.createResponseBuilder(HttpStatus.OK)
        .header("Content-Type", "application/json")
        .body(response.getContent())
        .build();
}

此示例将提示作为输入，将其直接发送到完成 API，并将响应作为输出返回。

@FunctionName("GenericCompletion")
public HttpResponseMessage genericCompletion(
    @HttpTrigger(
        name = "req", 
        methods = {HttpMethod.POST},
        authLevel = AuthorizationLevel.ANONYMOUS) 
        HttpRequestMessage<Optional<String>> request,
    @TextCompletion(prompt = "{prompt}", chatModel = "%CHAT_MODEL_DEPLOYMENT_NAME%", name = "response", isReasoningModel = false) TextCompletionResponse response,
    final ExecutionContext context) {
    return request.createResponseBuilder(HttpStatus.OK)
        .header("Content-Type", "application/json")
        .body(response.getContent())
        .build();
}

此示例演示 模板化 模式，其中 HTTP 触发器函数采用参数 name 并将其嵌入文本提示中，然后通过扩展将其发送到 Azure OpenAI 完成 API。 对提示的回复在 HTTP 响应中返回。

const { app, input } = require("@azure/functions");

// This OpenAI completion input requires a {name} binding value.
const openAICompletionInput = input.generic({
    prompt: 'Who is {name}?',
    maxTokens: '100',
    type: 'textCompletion',
    chatModel: '%CHAT_MODEL_DEPLOYMENT_NAME%'
})

app.http('whois', {
    methods: ['GET'],
    route: 'whois/{name}',
    authLevel: 'function',
    extraInputs: [openAICompletionInput],
    handler: async (_request, context) => {
        var response = context.extraInputs.get(openAICompletionInput)
        return { body: response.content.trim() }
    }
});

此示例演示 模板化 模式，其中 HTTP 触发器函数采用参数 name 并将其嵌入文本提示中，然后通过扩展将其发送到 Azure OpenAI 完成 API。 对提示的回复在 HTTP 响应中返回。

import { app, input } from "@azure/functions";

// This OpenAI completion input requires a {name} binding value.
const openAICompletionInput = input.generic({
    prompt: 'Who is {name}?',
    maxTokens: '100',
    type: 'textCompletion',
    chatModel: '%CHAT_MODEL_DEPLOYMENT_NAME%'
})

app.http('whois', {
    methods: ['GET'],
    route: 'whois/{name}',
    authLevel: 'function',
    extraInputs: [openAICompletionInput],
    handler: async (_request, context) => {
        var response: any = context.extraInputs.get(openAICompletionInput)
        return { body: response.content.trim() }
    }
});

此示例演示 模板化 模式，其中 HTTP 触发器函数采用参数 name 并将其嵌入文本提示中，然后通过扩展将其发送到 Azure OpenAI 完成 API。 对提示的回复在 HTTP 响应中返回。

的 function.json 文件如下所示TextCompletionResponse：

{
  "bindings": [
    {
      "authLevel": "function",
      "type": "httpTrigger",
      "direction": "in",
      "name": "Request",
      "route": "whois/{name}",
      "methods": [
        "get"
      ]
    },
    {
      "type": "http",
      "direction": "out",
      "name": "Response"
    },
    {
      "type": "textCompletion",
      "direction": "in",
      "name": "TextCompletionResponse",
      "prompt": "Who is {name}?",
      "maxTokens": "100",
      "chatModel": "%CHAT_MODEL_DEPLOYMENT_NAME%"
    }
  ]
}

有关 function.json 文件属性的详细信息，请参阅配置部分。

代码只是将完成 API 中的文本作为响应返回：

using namespace System.Net

param($Request, $TriggerMetadata, $TextCompletionResponse)

Push-OutputBinding -Name Response -Value ([HttpResponseContext]@{
        StatusCode = [HttpStatusCode]::OK
        Body       = $TextCompletionResponse.Content
    })

此示例演示 模板化 模式，其中 HTTP 触发器函数采用参数 name 并将其嵌入文本提示中，然后通过扩展将其发送到 Azure OpenAI 完成 API。 对提示的回复在 HTTP 响应中返回。

@app.route(route="whois/{name}", methods=["GET"])
@app.text_completion_input(
    arg_name="response",
    prompt="Who is {name}?",
    max_tokens="100",
    chat_model="%CHAT_MODEL_DEPLOYMENT_NAME%",
)
def whois(req: func.HttpRequest, response: str) -> func.HttpResponse:
    response_json = json.loads(response)
    return func.HttpResponse(response_json["content"], status_code=200)

此示例将提示作为输入，将其直接发送到完成 API，并将响应作为输出返回。

@app.route(route="genericcompletion", methods=["POST"])
@app.text_completion_input(
    arg_name="response",
    prompt="{Prompt}",
    chat_model="%CHAT_MODEL_DEPLOYMENT_NAME%",
)
def genericcompletion(
    req: func.HttpRequest,
    response: str
) -> func.HttpResponse:
    response_json = json.loads(response)
    return func.HttpResponse(response_json["content"], status_code=200)

特性

用于定义文本完成输入绑定的特定属性取决于 C# 进程模式。

该属性支持以下参数：

批注

通过 TextCompletion 批注可以定义文本完成输入绑定，该绑定支持以下参数：

修饰器

在预览期间，将输入绑定定义为 generic_input_binding 类型的 textCompletion 绑定，该绑定支持以下参数：

配置

绑定支持在 function.json 文件中设置的这些配置属性。

配置

绑定支持以下属性，这些属性在代码中定义：