オンライン エンドポイント用にクライアントを認証する

az login
az ml online-endpoint list --resource-group <RESOURCE_GROUP> --workspace-name <WORKSPACE_NAME>

予期される出力: エンドポイントの JSON 配列 (エンドポイントがまだ存在しない場合は空の [] )。

リファレンス: az ml online-endpoint list

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

subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"
workspace = "<WORKSPACE_NAME>"

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

# List existing endpoints to verify access
endpoints = ml_client.online_endpoints.list()
print("Existing endpoints:", [ep.name for ep in endpoints])

予期される出力: エンドポイント名の一覧 (エンドポイントがまだ存在しない場合は空のリスト [] )。

リファレンス: MLClient、 DefaultAzureCredential

# First, get a token
export CONTROL_PLANE_TOKEN=$(az account get-access-token \
    --resource https://management.azure.com \
    --query accessToken -o tsv)

# List endpoints
curl -s -X GET \
    "https://management.azure.com/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.MachineLearningServices/workspaces/<WORKSPACE_NAME>/onlineEndpoints?api-version=2024-04-01" \
    -H "Authorization: Bearer $CONTROL_PLANE_TOKEN" \
    -H "Content-Type: application/json"

予期される出力: エンドポイントを含む value 配列を含む JSON 応答。

Azure Machine Learning Studio にサインインし、Endpoints>Real-time エンドポイントに移動してアクセスを確認します。

1. Azure にサインインします。

   az login
   

2. 特定の ID を使用することを希望する場合は、次のコードを使用し、その ID でサインインします。

   az login --identity --username <identityID>
   

3. トークンを取得するには、次のコンテキストを使用します。

   export CONTROL_PLANE_TOKEN=$(az account get-access-token \
       --resource https://management.azure.com \
       --query accessToken -o tsv)
   

リファレンス: az login、 az account get-access-token

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

try:
    credential = DefaultAzureCredential()
    # Check whether given credential can get token.
    access_token = credential.get_token("https://management.azure.com/.default")
    print(access_token)
except Exception as ex:
    # Fall back to InteractiveBrowserCredential in case DefaultAzureCredential doesn't work.
    # This will open a browser page. 
    credential = InteractiveBrowserCredential()

リファレンス: DefaultAzureCredential、 InteractiveBrowserCredential

詳細については、「 Azure Identity クライアント ライブラリを使用してトークンを取得する」を参照してください。

Azure 仮想マシンから

トークンは、Azure VM のマネージド ID に基づいて取得できます (VM でマネージド ID が有効になっている場合)。

• Azure VM を対象にしてコントロール プレーン操作用の Microsoft Entra トークン (aad_token) を取得するには、Azure リソース エンドポイント に対応する management.azure.com (IMDS) エンドポイントに対して要求を送信します。

  export CONTROL_PLANE_TOKEN=$(curl -s \
      'http://169.254.169.254/metadata/identity/oauth2/token?api-version=2018-02-01&resource=https%3A%2F%2Fmanagement.azure.com%2F' \
      -H Metadata:true | jq -r '.access_token')
  

  ヒント

  jq ユーティリティは、JSON 出力からトークンを抽出するために使用されます。 ただし、この目的に適した任意のツールを使用することもできます。

  マネージド ID に基づいてトークンを取得する方法の詳細については、「HTTP を使用してトークンを取得する」を参照してください。

コンピューティング インスタンスから

Azure Machine Learning ワークスペースのコンピューティング インスタンスを使用する場合は、トークンを取得できます。 トークンを取得するには、コンピューティング インスタンスでローカルに構成されているマネージド システム ID (MSI) エンドポイントに、コンピューティング インスタンスのマネージド ID のクライアント ID とシークレットを渡す必要があります。 MSI エンドポイント、クライアント ID、シークレットはそれぞれ、環境変数 MSI_ENDPOINT、DEFAULT_IDENTITY_CLIENT_ID、MSI_SECRET から取得できます。 コンピューティング インスタンスに対応するマネージド ID を有効にすると、これらの変数は自動的に設定されます。

• ワークスペースのコンピューティング インスタンスから、Azure リソース エンドポイント management.azure.com に対応するトークンを取得します。

  export CONTROL_PLANE_TOKEN=$(curl -s \
      "${MSI_ENDPOINT}?api-version=2018-02-01&resource=https%3A%2F%2Fmanagement.azure.com%2F&clientid=${DEFAULT_IDENTITY_CLIENT_ID}" \
      -H Metadata:true \
      -H "Secret:$MSI_SECRET" | jq -r '.access_token')
  

Studio は、コントロール プレーン操作用の Microsoft Entra トークンを公開しません。

CLI では、コントロール プレーン トークンを明示的に指定する必要はありません。 代わりに、CLI az login コマンドはサインイン中にユーザーを認証し、トークンが自動的に取得されて渡されます。

1. endpoint.ymlという名前のエンドポイント定義 YAML ファイル を作成します。

   $schema: https://azuremlschemas.azureedge.net/latest/managedOnlineEndpoint.schema.json
   name: my-endpoint
   auth_mode: aad_token
   

   キー認証の場合はauth_mode、Azure Machine Learning トークン認証の場合はkeyにaml_tokenを設定できます。 この例では、Microsoft Entra トークン認証に aad_token を使用します。

   注

   aad_token認証モードは、マネージド オンライン エンドポイントでのみサポートされます。 Kubernetes オンライン エンドポイントの場合は、 auth_mode を key または aml_token に設定します。

2. エンドポイントを作成します。

   az ml online-endpoint create -f endpoint.yml
   

3. エンドポイントの状態を確認します。

   az ml online-endpoint show -n my-endpoint
   

4. エンドポイントの作成時に auth_mode をオーバーライドする (たとえば、aad_token に) ことを希望する場合は、次のコードを実行します:

   az ml online-endpoint create -n my-endpoint --auth-mode aad_token
   

5. 既存のエンドポイントを更新し、 auth_mode (たとえば、 aad_token) を指定する場合は、次のコードを実行します。

   az ml online-endpoint update -n my-endpoint --set auth_mode=aad_token
   

リファレンス: az ml online-endpoint create, az ml online-endpoint show, az ml online-endpoint update

Python SDK では、コントロール プレーン トークンを明示的に指定する必要はありません。 代わりに、サインインの際に SDK MLClient がユーザーを認証し、トークンを自動的に取得してユーザーに渡します。

from azure.ai.ml import MLClient
from azure.ai.ml.entities import (
    ManagedOnlineEndpoint,
    ManagedOnlineDeployment,
    Model,
    Environment,
    CodeConfiguration,
)
from azure.identity import DefaultAzureCredential

subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"
workspace = "<WORKSPACE_NAME>"

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

endpoint = ManagedOnlineEndpoint(
    name="my-endpoint",
    description="this is a sample online endpoint",
    auth_mode="aad_token",
    tags={"foo": "bar"},
)
ml_client.online_endpoints.begin_create_or_update(endpoint).result()

auth_modeは、キー認証のkeyまたは Azure Machine Learning トークン認証のaml_tokenに置き換えることができます。 この例では、Microsoft Entra トークン認証に aad_token を使用します。

リファレンス: MLClient、 ManagedOnlineEndpoint、 begin_create_or_update

REST API を呼び出す場合は、コントロール プレーン トークンを明示的に指定する必要があります。 既に取得したコントロール プレーン トークンを使用します。

1. エンドポイントを作成または更新します:

   export SUBSCRIPTION_ID=<SUBSCRIPTION_ID>
   export RESOURCE_GROUP=<RESOURCE_GROUP>
   export WORKSPACE=<WORKSPACE_NAME>
   export ENDPOINT_NAME=<ENDPOINT_NAME>
   export LOCATION=<LOCATION_NAME>
   export API_VERSION=2024-04-01
   
   response=$(curl --location --request PUT \
       "https://management.azure.com/subscriptions/$SUBSCRIPTION_ID/resourceGroups/$RESOURCE_GROUP/providers/Microsoft.MachineLearningServices/workspaces/$WORKSPACE/onlineEndpoints/$ENDPOINT_NAME?api-version=$API_VERSION" \
       --header "Content-Type: application/json" \
       --header "Authorization: Bearer $CONTROL_PLANE_TOKEN" \
       --data-raw '{
           "identity": {
              "type": "systemAssigned"
           },
           "properties": {
               "authMode": "AADToken"
           },
           "location": "'"$LOCATION"'"
       }')
   
   echo $response
   

   authModeは、キー認証のkeyまたは Azure Machine Learning トークン認証のAMLTokenに置き換えることができます。 この例では、Microsoft Entra トークン認証に AADToken を使用します。

   注

   AADToken認証モードは、マネージド オンライン エンドポイントでのみサポートされます。 Kubernetes オンライン エンドポイントの場合は、 authMode を key または AMLToken に設定します。

2. オンライン エンドポイントの現在の状態を取得します:

   response=$(curl --location --request GET \
       "https://management.azure.com/subscriptions/$SUBSCRIPTION_ID/resourceGroups/$RESOURCE_GROUP/providers/Microsoft.MachineLearningServices/workspaces/$WORKSPACE/onlineEndpoints/$ENDPOINT_NAME?api-version=$API_VERSION" \
       --header "Content-Type: application/json" \
       --header "Authorization: Bearer $CONTROL_PLANE_TOKEN")
   
   echo $response
   

リファレンス: オンライン エンドポイント - 作成または更新、 オンライン エンドポイント - 取得

Studio はサインイン中にユーザーを認証し、トークンが自動的に取得され、渡されるため、コントロール プレーン トークンを明示的に指定する必要はありません。

オンライン エンドポイントのデプロイの詳細については、オンライン エンドポイントを 使用した機械学習モデルのデプロイ (スタジオ経由) に関するページを参照してください。

以下のコードは、デプロイを作成する方法の例です。 オンライン エンドポイントのデプロイの詳細については、「オンライン エンドポイントを 使用した機械学習モデルのデプロイ (CLI を使用)」を参照してください。

1. blue-deployment.ymlという名前のデプロイ定義 YAML ファイルを作成します。

   $schema: https://azuremlschemas.azureedge.net/latest/managedOnlineDeployment.schema.json
   name: blue
   endpoint_name: my-aad-auth-endp1
   model:
     path: ../../model-1/model/
   code_configuration:
     code: ../../model-1/onlinescoring/
     scoring_script: score.py
   environment: 
     conda_file: ../../model-1/environment/conda.yml
     image: mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu22.04:latest
   instance_type: Standard_DS3_v2
   instance_count: 1
   

2. YAML ファイルを使用してデプロイを作成します。 この例では、すべてのトラフィックを新しいデプロイに設定します。

   az ml online-deployment create -f blue-deployment.yml --all-traffic
   

リファレンス: az ml online-deployment create

オンライン エンドポイントのデプロイの詳細については、「(SDK を 使用して) オンライン エンドポイントを使用して機械学習モデルをデプロイする」を参照してください。

REST を使用したオンライン エンドポイントのデプロイの詳細については、「REST を 使用してオンライン エンドポイントとしてモデルをデプロイする」を参照してください。

オンライン エンドポイントのデプロイの詳細については、オンライン エンドポイントを 使用した機械学習モデルのデプロイ (スタジオ経由) に関するページを参照してください。

az ml online-endpoint invokeを使用してエンドポイントを呼び出すと、CLI によってスコア付け URI が自動的に解決されるため、手動で取得する必要はありません。

ただし、他のツール (REST API やカスタム HTTP クライアントなど) で使用するためにスコアリング URI が必要な場合は、次のコマンドを使用して取得できます。

scoringUri=$(az ml online-endpoint show -n my-endpoint --query "scoring_uri")

リファレンス: az ml online-endpoint show

Python SDK を使用してエンドポイントを呼び出す予定の場合は、SDK によって提供されるため、スコア付け URI を明示的に取得する必要はありません。 ただし、SDK を使用してスコア付け URI を取得し、REST API などの他のチャネルで使用できます。

scoring_uri = ml_client.online_endpoints.get(name=endpoint_name).scoring_uri

リファレンス: OnlineEndpointOperations.get

export SUBSCRIPTION_ID=<SUBSCRIPTION_ID>
export RESOURCE_GROUP=<RESOURCE_GROUP>
export WORKSPACE=<WORKSPACE_NAME>
export ENDPOINT_NAME=<ENDPOINT_NAME>
export API_VERSION=2024-04-01

response=$(curl --location --request GET \
    "https://management.azure.com/subscriptions/$SUBSCRIPTION_ID/resourceGroups/$RESOURCE_GROUP/providers/Microsoft.MachineLearningServices/workspaces/$WORKSPACE/onlineEndpoints/$ENDPOINT_NAME?api-version=$API_VERSION" \
    --header "Content-Type: application/json" \
    --header "Authorization: Bearer $CONTROL_PLANE_TOKEN")

scoringUri=$(echo $response | jq -r '.properties.scoringUri')

echo $response
echo $scoringUri

Studio を使用してエンドポイントを呼び出す予定の場合は、Studio によって提供されるため、スコア付け URI を明示的に取得する必要はありません。 ただし、スタジオを使用してスコア付け URI を取得し、REST API などの他のチャネルで使用できます。

スコアリング URI は、エンドポイントのページの [詳細] タブで見つかります。

CLI を使用してエンドポイントを呼び出す予定の場合は、CLI によって提供されるため、データ プレーン操作のキーまたはトークンを明示的に取得する必要はありません。 ただし、REST API などの他のチャネルで使用できるように、CLI を使用してデータ プレーン操作のキーまたはトークンを取得することもできます。

データ プレーン操作用のキーまたはトークンを取得するには、az ml online-endpoint get-credentials コマンドを使用します。 このコマンドは、キー、トークン、またはその他の情報を含む JSON 出力を返します。

エンドポイントの auth_mode が key

• キーは primaryKey と secondaryKey の各フィールド内で返されます。

  export DATA_PLANE_TOKEN=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query primaryKey)
  export DATA_PLANE_TOKEN2=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query secondaryKey)
  

エンドポイントの auth_mode が aml_token

• トークンは、 accessToken フィールドに返されます。

• トークンの有効期限が expiryTimeUtc フィールドに返されます。

• トークンの更新時間は、 refreshAfterTimeUtc フィールドに返されます。

  export DATA_PLANE_TOKEN=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query accessToken)
  export EXPIRY_TIME_UTC=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query expiryTimeUtc)
  export REFRESH_AFTER_TIME_UTC=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query refreshAfterTimeUtc)
  

エンドポイントの auth_mode が aad_token

• トークンは、 accessToken フィールドに返されます。

• トークンの有効期限が expiryTimeUtc フィールドに返されます。

  export DATA_PLANE_TOKEN=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query accessToken)
  export EXPIRY_TIME_UTC=$(az ml online-endpoint get-credentials -n $ENDPOINT_NAME -g $RESOURCE_GROUP -w $WORKSPACE_NAME -o tsv --query expiryTimeUtc)
  

リファレンス: az ml online-endpoint get-credentials

SDK の invoke() メソッドを使用してエンドポイントを呼び出す場合、SDK は認証を自動的に処理するため、キーやトークンを手動で取得する必要はありません。

ただし、他のツール (REST API やカスタム HTTP クライアントなど) で使用するためにキーまたはトークンを取得する必要がある場合は、 クラスで OnlineEndpointOperations メソッドを使用できます。 このメソッドは、キーとトークンを含むオブジェクトを返します。

エンドポイントの auth_mode が key

• キーは primary_key と secondary_key の各フィールド内で返されます。

  DATA_PLANE_TOKEN = ml_client.online_endpoints.get_keys(name=endpoint_name).primary_key
  DATA_PLANE_TOKEN2 = ml_client.online_endpoints.get_keys(name=endpoint_name).secondary_key
  

エンドポイントの auth_mode が aml_token

• トークンは、 access_token フィールドに返されます。

• トークンの有効期限が expiry_time_utc フィールドに返されます。

• トークンの更新時間は、 refresh_after_time_utc フィールドに返されます。

  DATA_PLANE_TOKEN = ml_client.online_endpoints.get_keys(name=endpoint_name).access_token
  EXPIRY_TIME_UTC = ml_client.online_endpoints.get_keys(name=endpoint_name).expiry_time_utc
  REFRESH_AFTER_TIME_UTC = ml_client.online_endpoints.get_keys(name=endpoint_name).refresh_after_time_utc
  

エンドポイントの auth_mode が aad_token

• トークンは、 access_token フィールドに返されます。

• トークンの有効期限が expiry_time_utc フィールドに返されます。

  DATA_PLANE_TOKEN = ml_client.online_endpoints.get_keys(name=endpoint_name).access_token
  EXPIRY_TIME_UTC = ml_client.online_endpoints.get_keys(name=endpoint_name).expiry_time_utc
  

リファレンス: OnlineEndpointOperations.get_keys

詳細については、「 Azure ID クライアント ライブラリを使用してトークンを取得する」を参照してください。

データ プレーン操作用のキーまたはトークンを取得するには、エンドポイントの auth_mode に応じて適切な API を選択します。 API は、キーとトークンを含む JSON 出力を返します。

エンドポイントの auth_mode が key

• API は listkeys を使用します。

• キーは primaryKey と secondaryKey の各フィールド内で返されます。

  response=$(curl -H "Content-Length: 0" --location --request POST \
       "https://management.azure.com/subscriptions/$SUBSCRIPTION_ID/resourceGroups/$RESOURCE_GROUP/providers/Microsoft.MachineLearningServices/workspaces/$WORKSPACE/onlineEndpoints/$ENDPOINT_NAME/listkeys?api-version=$API_VERSION" \
       --header "Authorization: Bearer $CONTROL_PLANE_TOKEN")
  
  export DATA_PLANE_TOKEN=$(echo $response | jq -r '.primaryKey')
  

エンドポイントの auth_mode が aml_token

• API は token を使用します。

• トークンは、 accessToken フィールドに返されます。

• トークンの有効期限が expiryTimeUtc フィールドに返されます。

• トークンの更新時間は、 refreshAfterTimeUtc フィールドに返されます。

  response=$(curl -H "Content-Length: 0" --location --request POST \
       "https://management.azure.com/subscriptions/$SUBSCRIPTION_ID/resourceGroups/$RESOURCE_GROUP/providers/Microsoft.MachineLearningServices/workspaces/$WORKSPACE/onlineEndpoints/$ENDPOINT_NAME/token?api-version=$API_VERSION" \
       --header "Authorization: Bearer $CONTROL_PLANE_TOKEN")
  
  export DATA_PLANE_TOKEN=$(echo $response | jq -r '.accessToken')
  export EXPIRY_TIME_UTC=$(echo $response | jq -r '.expiryTimeUtc')
  export REFRESH_AFTER_TIME_UTC=$(echo $response | jq -r '.refreshAfterTimeUtc')
  

エンドポイントの auth_mode が aad_token

• トークンを要求する場所に応じて、IMDS エンドポイントまたは MSI エンドポイントを使用します。
• トークンは、 accessToken フィールドに返されます。
• トークンの有効期限が expiryTimeUtc フィールドに返されます。

Azure 仮想マシンから

トークンは、Azure VM のマネージド ID に基づいて取得できます (VM でマネージド ID が有効になっている場合)。

• マネージド ID を使用して Azure VM でのデータ プレーン操作の Microsoft Entra トークン (aad_token) を取得するには、Azure リソース エンドポイントの IMDS エンドポイントに要求を送信 ml.azure.com。

  export DATA_PLANE_TOKEN=$(curl -s \
      'http://169.254.169.254/metadata/identity/oauth2/token?api-version=2018-02-01&resource=https%3A%2F%2Fml.azure.com%2F' \
      -H Metadata:true | jq -r '.access_token')
  export EXPIRY_TIME_UTC=$(curl -s \
      'http://169.254.169.254/metadata/identity/oauth2/token?api-version=2018-02-01&resource=https%3A%2F%2Fml.azure.com%2F' \
      -H Metadata:true | jq -r '.expiryTimeUtc')
  

  マネージド ID に基づいてトークンを取得する方法の詳細については、「HTTP を使用してトークンを取得する」を参照してください。

コンピューティング インスタンスから

Azure Machine Learning ワークスペースのコンピューティング インスタンスを使用する場合は、トークンを取得できます。 トークンを取得するには、コンピューティング インスタンスでローカルに構成されている MSI エンドポイントに、コンピューティング インスタンスのマネージド ID のクライアント ID とシークレットを渡す必要があります。 MSI エンドポイント、クライアント ID、シークレットはそれぞれ、環境変数 MSI_ENDPOINT、DEFAULT_IDENTITY_CLIENT_ID、MSI_SECRET から取得できます。 コンピューティング インスタンスに対応するマネージド ID を有効にすると、これらの変数は自動的に設定されます。

• ワークスペースのコンピューティング インスタンスから、Azure リソース エンドポイント ml.azure.com に対応するトークンを取得します。

  export DATA_PLANE_TOKEN=$(curl -s \
      "${MSI_ENDPOINT}?api-version=2018-02-01&resource=https%3A%2F%2Fml.azure.com%2F&clientid=${DEFAULT_IDENTITY_CLIENT_ID}" \
      -H Metadata:true \
      -H "Secret:$MSI_SECRET" | jq -r '.access_token')
  export EXPIRY_TIME_UTC=$(curl -s \
      "${MSI_ENDPOINT}?api-version=2018-02-01&resource=https%3A%2F%2Fml.azure.com%2F&clientid=${DEFAULT_IDENTITY_CLIENT_ID}" \
      -H Metadata:true \
      -H "Secret:$MSI_SECRET" | jq -r '.expiryTimeUtc')
  

キー、Azure Machine Learning トークン、または Microsoft Entra トークンは、デプロイのページの [ 使用 ] タブにあります。

キー、Azure Machine Learning トークン、Microsoft Entra トークンのいずれかを使用するエンドポイントの場合、az ml online-endpoint invoke を使用できます。 CLI ではキーまたはトークンが自動的に提供されるため、明示的に渡す必要はありません。

az ml online-endpoint invoke -n my-endpoint -r request.json

リファレンス: az ml online-endpoint invoke

Azure Machine Learning SDK ml_client.online_endpoints.invoke() は、キー、Azure Machine Learning トークン、および Microsoft Entra トークンでサポートされています。 汎用 Python SDK を使用して、スコアリング URI に POST 要求を送信することもできます。

スコアリングのためにオンライン エンドポイントを呼び出す場合は、承認ヘッダーでキーまたはトークンを渡します。 次のコードは、キーまたはトークンを使用してオンライン エンドポイントを呼び出す方法を示しています。 コード内で、api_key 変数を、使用するキーまたはトークンに置き換えます。

import urllib.request
import json
import os

data = {"data": [
    [1,2,3,4,5,6,7,8,9,10], 
    [10,9,8,7,6,5,4,3,2,1]
]}

body = str.encode(json.dumps(data))

url = '<scoring URI as retrieved earlier>'
api_key = '<key or token as retrieved earlier>'
headers = {'Content-Type':'application/json', 'Authorization':('Bearer '+ api_key)}

req = urllib.request.Request(url, body, headers)

try:
    response = urllib.request.urlopen(req)

    result = response.read()
    print(result)
except urllib.error.HTTPError as error:
    print("The request failed with status code: " + str(error.code))

    # Print the headers - useful for debugging
    print(error.info())
    print(error.read().decode("utf8", 'ignore'))

または、SDK の invoke() メソッドを使用します。

ml_client.online_endpoints.invoke(
    endpoint_name="my-endpoint",
    request_file="./sample-request.json"
)

リファレンス: OnlineEndpointOperations.invoke

スコア付けのためにオンライン エンドポイントを呼び出すときは、承認ヘッダーにキー、Azure Machine Learning トークン、または Microsoft Entra トークンを渡します。 次の例では、cURL ユーティリティを使用してオンライン エンドポイントを呼び出します。

curl --request POST "$scoringUri" \
    --header "Authorization: Bearer $DATA_PLANE_TOKEN" \
    --header 'Content-Type: application/json' \
    --data @endpoints/online/model-1/sample-request.json

キーまたは Azure Machine Learning トークン

デプロイの詳細ページの [ テスト ] タブでは、キー、Azure Machine Learning トークン、または Microsoft Entra トークン認証を使用したエンドポイントのスコア付けがサポートされています。