Uso degli endpoint di Microsoft Foundry

In Foundry è possibile definire i modelli e gli agenti da usare nelle applicazioni di intelligenza artificiale personalizzate. Poiché le risorse foundry sono basate sul cloud, è possibile utilizzarle come API ( Application Programming Interface ) tra connessioni Internet tramite interfacce a livello di codice.

Comprendere gli endpoint

Analogamente alla maggior parte dei servizi cloud, le risorse di Microsoft Foundry sono accessibili tramite un endpoint API, che rappresenta un punto di ingresso del servizio. L'endpoint ha un indirizzo HTTP univoco, ad esempio un sito Web, ma è per il codice dell'applicazione client anziché per gli utenti umani con un Web browser. Quando si visualizza l'endpoint per il modello, l'aspetto è simile al seguente:

https://<foundry-project>-resource.cognitiveservices.azure.com/openai/deployments/gpt-4o/chat/completions?api-version=2024-05-01-preview

Le interfacce fornite nell'endpoint sono note come interfacce di trasferimento dello stato rappresentazione o interfacce REST per brevità.

Per proteggere le risorse Foundry, l'endpoint è protetto. Le applicazioni possono accedervi solo se presentano la chiave API corretta o un token che conferma che le credenziali dell'ID Microsoft Entra sono valide. L'endpoint e la chiave del modello sono disponibili nella pagina dei dettagli di Foundry Playground.

Due tipi comuni di endpoint in Foundry includono:

• Endpoint del progetto: per lavorare con il tuo progetto Foundry e le relative risorse
• Endpoint del modello: per l'invio di richieste ai modelli distribuiti

Uso degli endpoint

Le applicazioni comunicano con l'endpoint inviando richieste REST. Le richieste REST sono costituite da intestazioni contenenti metadati, ad esempio l'autenticazione e le informazioni sul formato dei dati, e un corpo costituito da dati in formato JSON. Ad esempio, una richiesta potrebbe includere una richiesta immessa da un utente in un'applicazione di chat, ad esempio "Che cos'è un'applicazione di intelligenza artificiale?".

curl -X POST https://YOUR-FOUNDRY-RESOURCE-NAME.services.ai.azure.com/api/projects/YOUR-PROJECT-NAME/openai/responses?api-version=2025-11-15-preview \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AUTH_TOKEN" \
-d '{
        "model": "gpt-4.1-mini",
        "input": "What is an AI application?"
}'

I risultati della richiesta vengono restituiti come risposta, con intestazioni e corpo. Ad esempio, la risposta potrebbe includere la risposta generata da un modello dal prompt. La risposta torna in un formato JSON. Una sezione di tale json può essere simile alla seguente:

{
    "metadata": {},
    "temperature": 1,
    "model": "gpt-4.1-mini",
    "object": "response",
    "status": "completed",
    "output": [
        {
            "type": "message",
            "status": "completed",
            "role": "assistant",
            "content": [
                {
                    "type": "output_text",
                    "text": "An AI application is a software program or system that utilizes artificial intelligence technologies to perform tasks that typically require human intelligence. These tasks can include recognizing speech, understanding natural language, making decisions, learning from data, recognizing images, and solving complex problems. AI applications are used in various fields such as healthcare, finance, customer service, autonomous vehicles, and more to enhance efficiency, accuracy, and user experience."
                }
            ]
        }
    ]
}

Anche se gli sviluppatori possono scrivere codice che funziona direttamente con le interfacce REST, la maggior parte degli sviluppatori preferisce lavorare con gli SDK (Software Development Kit) che astraggono le interfacce REST con librerie di codice per il linguaggio di programmazione preferito, ad esempio Python, JavaScript o C#. Questi helper specifici del linguaggio generano le chiamate REST.

L'endpoint per le risorse Foundry è il punto centrale del servizio per le applicazioni client, consentendo di creare soluzioni personalizzate supportate dalla sicurezza, dalla scalabilità e dall'affidabilità della piattaforma cloud di Azure.

Provare quindi a creare una risorsa Foundry e a usare il relativo endpoint.