Introducción a LangChain y LangGraph con Foundry

Use el paquete langchain-azure-ai como punto de entrada para compilar aplicaciones LangChain y LangGraph con funcionalidades de Microsoft Foundry. En este artículo se proporciona un mapa de alto nivel del paquete para que pueda empezar rápidamente y, a continuación, pasar a la documentación de profundización correcta para cada funcionalidad.

Requisitos previos

• Una suscripción Azure. Cree uno gratis.
• Un proyecto de fundición.
• El rol Azure AI User en el proyecto Foundry (rol con los privilegios mínimos para el desarrollo). Si también crea o administra recursos, use Colaborador o Propietario según sea necesario. Para obtener más información, consulte el control de acceso basado en roles para Microsoft Foundry.
• Python 3.10 o posterior.
• CLI de Azure inició sesión (az login) para que DefaultAzureCredential pueda autenticarse.

Instalación del paquete

Instale el paquete base:

pip install -U langchain-azure-ai azure-identity

Instale extras opcionales en función de su escenario:

pip install -U "langchain-azure-ai[tools]"
pip install -U "langchain-azure-ai[opentelemetry]"

• Use [tools] si la aplicación usa herramientas del espacio de nombres langchain_azure_ai.tools.*, como Document Intelligence.
• Use [opentelemetry] si quiere realizar el seguimiento de la integración a través de OpenTelemetry.

Elegir bloques de construcción de integración

Use este mapa para elegir el espacio de nombres adecuado para la solución:

Consulte la sección Información detallada de cada funcionalidad para ver tutoriales específicos.

Conexión con puntos de conexión y credenciales del proyecto

Muchas langchain-azure-ai clases admiten la conexión a través de un punto de conexión de proyecto "Foundry". Establezca AZURE_AI_PROJECT_ENDPOINT una vez y vuelva a usarlo en las clases admitidas.

export AZURE_AI_PROJECT_ENDPOINT="https://<resource>.services.ai.azure.com/api/projects/<project>"

Cuando se usa project_endpoint, la autenticación usa Microsoft Entra ID y Azure RBAC en el proyecto.

Las claves de API son para puntos de conexión de servicio directos, como /openai/v1.

export OPENAI_BASE_URL="https://<resource>.services.ai.azure.com/openai/v1"
export OPENAI_API_KEY="<your-key>"

Ejemplo: Usa modelos de fundición

Una vez configuradas las variables de entorno, puede usar un modelo mediante:

import langchain.chat_models import init_chat_model

model = init_chat_model("azure_ai:gpt-5.2")

También puede configurar clientes específicamente. Por ejemplo, veamos AzureAIOpenAIApiChatModel como un patrón representativo:

import os

from azure.identity import DefaultAzureCredential
from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel

# Option A: Use a Foundry project endpoint (Microsoft Entra ID required).
model_from_project = AzureAIOpenAIApiChatModel(
  project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option B: Use a service endpoint directly.
model_from_endpoint = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option C: Use a different credential strategy.
model_with_cli_credential = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential="super-secret",
  model="gpt-5.2",
)

Qué hace este fragmento de código: Muestra el mismo modelo inicializado desde un punto de conexión de proyecto foundry o desde un punto de conexión de servicio directo y muestra cómo intercambiar credenciales.

Puede aplicar el mismo patrón a las herramientas. Por ejemplo, AzureAIDocumentIntelligenceTool puede usar el punto de conexión del proyecto y DefaultAzureCredential sin configuración adicional cuando AZURE_AI_PROJECT_ENDPOINT se establece:

from langchain_azure_ai.tools import AzureAIDocumentIntelligenceTool

document_tool = AzureAIDocumentIntelligenceTool()

Cómo funciona DefaultAzureCredential

DefaultAzureCredential prueba varias fuentes de credenciales de Microsoft Entra ID en orden y utiliza la primera que funcione. Los orígenes comunes son variables de entorno, identidad administrada, herramientas de desarrollo y CLI de Azure.

Use DefaultAzureCredential como valor predeterminado para las cargas de trabajo de desarrollo e implementación locales. Si necesita un control más estricto, reemplácelo por una credencial específica, como AzureCliCredential para el desarrollo solo local o ManagedIdentityCredential para cargas de trabajo de producción en Azure.

Otras clases también utilizan el mismo patrón de fin de proyecto.

Obtenga información detallada sobre cada funcionalidad.

Comience con estas guías en este conjunto de documentación:

• Uso de Modelos de Foundry con LangChain y LangGraph
• Uso del middleware de seguridad de contenido de Foundry
• Uso del servicio de agente Foundry con LangGraph
• Utilizar la memoria de Foundry con LangChain y LangGraph
• Uso de la observabilidad de Foundry para realizar un seguimiento de las aplicaciones

Use estos recursos de paquete para obtener detalles y actualizaciones de nivel de módulo:

• Información general del paquete y LÉAME.
• Documentación de LangChain para langchain-azure-ai.

Paso siguiente