Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Important
Les éléments indiqués comme (aperçu) dans cet article sont en aperçu public. Cette version préliminaire est fournie sans contrat de niveau de service, et nous la déconseillons pour les charges de travail en production. Certaines fonctionnalités peuvent ne pas être prises en charge ou avoir des fonctionnalités contraintes. Pour plus d’informations, consultez Conditions d'utilisation supplémentaires pour les versions préliminaires de Microsoft Azure.
Lorsque vous exécutez azd ai agent init --infra ou azd ai agent init --infra=bicep, l’interface de ligne de commande Azure Developer (azd) génère dans votre projet un répertoire infra/ contenant des modèles Bicep. Ces modèles définissent les ressources Azure dont votre agent hébergé a besoin à partir des services déclarés dans azure.yaml. L’exécution azd provision déploie les modèles pour créer l’infrastructure. Cet article explique ce que ces modèles provisionnent et comment les personnaliser.
Ce qui est provisionné
Par défaut, azd ai agent init ne crée pas de fichiers infrastructure-as-code. Utilisez --infra ou --infra=bicep pour ajouter une infrastructure Bicep. Utilisez --infra=terraform pour ajouter l’infrastructure Terraform et définissez infra.provider: terraform.
Lorsque vous ajoutez Bicep infrastructure, les modèles sont basés sur le référentiel azd-ai-starter-basic et créent les ressources Azure suivantes :
| Resource | Purpose |
|---|---|
| Groupe de ressources | Organise toutes les ressources. Nommé rg-<agent-name>. |
| Compte AI Services | Le compte Microsoft Foundry. |
| Projet de fonderie | Héberge les fonctionnalités de l’agent et de l’IA. |
| Déploiements de modèles | Les modèles que l’agent utilise, par exemple gpt-4.1-mini. |
| Azure Container Registry (Service d'enregistrement de conteneurs Azure) | Stocke les images conteneur de l’agent. |
| Application Insights | Surveillance et télémétrie des performances de l’agent. |
| Espace de travail Log Analytics | Collecte de journaux centralisée. |
| Identité gérée | L'identité attribuée par le système du projet, qui authentifie le modèle d'identité de l'agent auprès de Microsoft Entra ID et détient les attributions de rôles de la plateforme. |
Les modèles créent davantage de ressources de manière conditionnelle, en fonction des services et des dépendances déclarés dans azure.yaml:
- Hôte de capacité : prend en charge le déploiement d’agent hébergé sur le projet Foundry. Créé lorsque vous avez besoin d’un stockage personnalisé de conversations.
- Grounding avec Bing ou Grounding avec Bing Custom Search — pour l’outil de recherche web.
- Recherche Azure AI -- pour l’ancrage de la recherche.
- stockage Azure : pour les opérations de fichier.
Structure du projet
infra/
|-- main.bicep # Main deployment template (subscription-scoped)
|-- main.parameters.json # Parameter bindings to azd environment variables
|-- abbreviations.json # Naming convention abbreviations
\-- core/
|-- ai/ # Foundry account, project, and connections
|-- host/ # Container registry
|-- monitor/ # Application Insights and Log Analytics
|-- search/ # Azure AI Search (conditional)
\-- storage/ # Azure Storage (conditional)
Flux des paramètres
Le fichier main.parameters.json associe les variables d’environnement azd aux paramètres Bicep :
{
"environmentName": { "value": "${AZURE_ENV_NAME}" },
"location": { "value": "${AZURE_LOCATION}" },
"aiFoundryResourceName": { "value": "${AZURE_AI_ACCOUNT_NAME}" },
"aiProjectDeploymentsJson": { "value": "${AI_PROJECT_DEPLOYMENTS=[]}" }
}
Lors de azd provision, azd résout ces références ${VAR} à partir de l’environnement (.azure/<env>/.env) et les transmet au processus de déploiement Bicep. Les résultats du déploiement, tels que le point de terminaison du projet Foundry, le nom du déploiement du modèle et le point de terminaison du registre de conteneurs, sont réinjectés dans l’environnement pour être utilisés par azd deploy, azd ai agent run et les commandes de ressource azd ai.
Ressources existantes
Les modèles Bicep prennent en charge la connexion à des ressources Azure existantes au lieu de créer de nouvelles ressources. Cela est utile lorsque votre équipe dispose déjà d’une infrastructure partagée.
| Ressource existante | Variables d’environnement à définir |
|---|---|
| Compte AI Services | AZURE_AI_ACCOUNT_NAME |
| Container Registry |
AZURE_CONTAINER_REGISTRY_RESOURCE_ID et AZURE_CONTAINER_REGISTRY_ENDPOINT |
| Application Insights |
APPLICATIONINSIGHTS_CONNECTION_STRING et APPLICATIONINSIGHTS_RESOURCE_ID |
Définissez ces variables avec azd env set avant d’exécuter azd provision.
Personnaliser l’infrastructure
Le infra/ répertoire est une infrastructure standard azd . Vous disposez donc d’un contrôle total sur celui-ci. Pour ajouter ou modifier des ressources :
- Modifiez
infra/main.bicepou ajoutez de nouveaux modules sousinfra/core/. - Ajoutez de nouveaux paramètres à
main.parameters.jsonavec des liaisons${VAR}. - Définissez les variables d’environnement correspondantes
azdavecazd env set. - Exécutez
azd provisionpour appliquer les modifications.
Les modifications apportées aux fichiers Bicep persistent entre les déploiements.
Restrictions de région
Le modèle main.bicep limite location aux régions dans lesquelles les agents hébergés sont pris en charge. Si vous devez déployer dans une région qui ne figure pas dans la liste des régions autorisées, mettez à jour le décorateur @allowed dans main.bicep.