Wdrażanie aplikacji korzystającej z interfejsu OpenAI w usłudze Azure Kubernetes Service (AKS)

W tym artykule wdrożysz aplikację demonstracyjną sklepu AKS na Azure Kubernetes Service (AKS) i skonfigurujesz Azure interfejsu OpenAI lub interfejsu API OpenAI w celu wygenerowania opisów produktów.

Przykładowa aplikacja natywna dla chmury obejmuje usługi napisane w wielu językach i strukturach, w tym:

Golang z ginem
Rust z Actix-Web
Język JavaScript z Vue.js i funkcją Fastify
Python za pomocą interfejsu FastAPI

Te aplikacje udostępniają frontony dla kupujących i administratorów sklepów, interfejsów API REST, które wysyłają dane do kolejki komunikatów RabbitMQ i bazy danych DocumentDB oraz aplikacji konsoli symulujących ruch.

Uwaga

Nie uruchamiaj kontenerów stanowych, takich jak DocumentDB i RabbitMQ, bez trwałego magazynu w środowisku produkcyjnym. W tym artykule są używane bez magazynu trwałego dla uproszczenia. W przypadku obciążeń produkcyjnych użyj usług zarządzanych, takich jak Azure Cosmos DB lub Azure Service Bus.

Aby uzyskać dostęp do bazy kodu GitHub dla przykładowej aplikacji, zobacz AKS Store Demo.

Zanim rozpoczniesz

Potrzebujesz konta Azure z aktywną subskrypcją. Jeśli go nie masz, utwórz bezpłatne konto.
Na potrzeby tego pokazu użyj Azure interfejsu OpenAI lub interfejsu API OpenAI.
- Aby użyć Azure OpenAI, musisz mieć uprawnienia do tworzenia zasobu Azure OpenAI i wdrażania modelu. Rejestracja jest wymagana tylko w przypadku modeli z ograniczonym dostępem lub zmodyfikowanych zabezpieczeń.
- Aby użyć interfejsu API OpenAI, utwórz konto w witrynie internetowej openAI.

Prerequisites

Użyj środowiska powłoki Bash w Azure Cloud Shell. Aby uzyskać więcej informacji, zobacz Rozpocznij pracę z Azure Cloud Shell.
Jeśli wolisz uruchamiać polecenia referencyjne interfejsu wiersza polecenia lokalnie, zainstaluj Azure CLI. Jeśli korzystasz z Windows lub macOS, rozważ uruchomienie Azure CLI w kontenerze platformy Docker. Aby uzyskać więcej informacji, zobacz Jak uruchomić Azure CLI w kontenerze platformy Docker.
- Jeśli używasz instalacji lokalnej, zaloguj się do Azure CLI przy użyciu polecenia az login. Aby zakończyć proces uwierzytelniania, wykonaj kroki wyświetlane na Twoim terminalu. Aby uzyskać inne opcje logowania, zobacz Uwierzytelnianie do Azure za pomocą Azure CLI.
- Po wyświetleniu monitu zainstaluj rozszerzenie Azure CLI podczas pierwszego użycia. Aby uzyskać więcej informacji na temat rozszerzeń, zobacz Używanie rozszerzeń i zarządzanie nimi za pomocą Azure CLI.
- Uruchom az version, aby sprawdzić zainstalowaną wersję i biblioteki zależne. Aby przeprowadzić uaktualnienie do najnowszej wersji, uruchom az upgrade.

Tworzenie grupy zasobów

Grupa zasobów Azure to grupa logiczna, w której wdrażasz zasoby Azure i zarządzasz nimi. Podczas tworzenia grupy zasobów zostanie wyświetlony monit o określenie lokalizacji. Ta lokalizacja to lokalizacja magazynu metadanych grupy zasobów i lokalizacja, w której zasoby są uruchamiane w Azure, jeśli nie określisz innego regionu podczas tworzenia zasobów.

W poniższym przykładzie tworzona jest grupa zasobów o nazwie myResourceGroup w lokalizacji eastus.

Utwórz grupę zasobów przy użyciu polecenia az group create.

az group create --name myResourceGroup --location eastus

Następujące przykładowe dane wyjściowe pokazują pomyślne utworzenie grupy zasobów:

{
  "id": "/subscriptions/<guid>/resourceGroups/myResourceGroup",
  "location": "eastus",
  "managedBy": null,
  "name": "myResourceGroup",
  "properties": {
    "provisioningState": "Succeeded"
  },
  "tags": null,
  "type": "Microsoft.Resources/resourceGroups"
}

Utwórz klaster AKS

Poniższy przykład tworzy klaster o nazwie myAKSCluster w grupie myResourceGroup.

Utwórz klaster AKS za pomocą polecenia az aks create.

az aks create --resource-group myResourceGroup --name myAKSCluster --generate-ssh-keys

Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

Połącz się z klastrem

Aby zarządzać klastrem Kubernetes, użyj klienta wiersza polecenia Kubernetes, kubectl. Jeśli korzystasz z usługi Azure Cloud Shell, narzędzie kubectl jest już zainstalowane.

Zainstaluj kubectl lokalnie przy użyciu az aks install-cli polecenia .
```
az aks install-cli
```
Uwaga

Jeśli system oparty na systemie Linux wymaga podwyższonych uprawnień, użyj sudo az aks install-cli polecenia .
Skonfiguruj kubectl, aby nawiązać połączenie z klastrem Kubernetes za pomocą polecenia az aks get-credentials.

To polecenie uruchamia następujące operacje:
- Pobiera poświadczenia i konfiguruje narzędzie CLI Kubernetes do ich użycia.
- Używa ~/.kube/config, domyślnej lokalizacji pliku konfiguracji Kubernetes. Określ inną lokalizację pliku konfiguracji platformy Kubernetes przy użyciu argumentu --file .
```
az aks get-credentials --resource-group myResourceGroup --name myAKSCluster
```

Zweryfikuj połączenie z klastrem, używając polecenia kubectl get. Ta komenda zwraca listę węzłów klastra.

kubectl get nodes

Poniższe przykładowe dane wyjściowe pokazują węzły utworzone w poprzednich krokach. Sprawdź, czy każdy węzeł ma stan Gotowe.

NAME                                STATUS   ROLES   AGE     VERSION
aks-nodepool1-31469198-vmss000000   Ready    agent   3h29m   v1.25.6
aks-nodepool1-31469198-vmss000001   Ready    agent   3h29m   v1.25.6
aks-nodepool1-31469198-vmss000002   Ready    agent   3h29m   v1.25.6

Uwaga

W przypadku prywatnego klastra usługi AKS nawiąż połączenie z punktu końcowego w tej samej sieci wirtualnej co klaster. Aby uzyskać instrukcje dotyczące konfiguracji, zobacz Tworzenie prywatnego klastra usługi AKS.

Wdrażanie aplikacji

Aplikacja AKS Store zawiera następujące wdrożenia i usługi Kubernetes:

Usługa produktu: wyświetla informacje o produkcie.
Usługa zamówień: składa zamówienia.
Usługa makeline: Przetwarza zamówienia z kolejki i realizuje zamówienia.
Front sklepu: aplikacja internetowa dla klientów do wyświetlania produktów i składania zamówień.
Administrator sklepu: aplikacja internetowa dla pracowników sklepu umożliwiająca wyświetlanie zamówień w kolejce i zarządzanie informacjami o produkcie.
Klient wirtualny: symuluje tworzenie zamówień zgodnie z harmonogramem.
Wirtualny proces roboczy: symuluje ukończenie zamówienia zgodnie z harmonogramem.
DocumentDB: NoSQL wystąpienie dla utrwalanych danych.
RabbitMQ: kolejka komunikatów do obsługi kolejki zamówień.

Uwaga

Przejrzyj manifest YAML dla aplikacji.

Wdróż aplikację przy użyciu kubectl apply polecenia i określ nazwę manifestu YAML.

kubectl apply -f https://raw.githubusercontent.com/Azure-Samples/aks-store-demo/main/aks-store-all-in-one.yaml

Wdrażanie usługi OpenAI

Wybierz Azure interfejsu OpenAI lub interfejsu API OpenAI dla aplikacji działającej w usłudze AKS.

Azure OpenAI
Otwarta sztuczna inteligencja

W portalu Azure utwórz wystąpienie Azure OpenAI.
Zaloguj się do usługi Microsoft Foundry.
Wyłącz przełącznik New Foundry , a następnie wybierz pozycję Wyświetl wszystkie zasoby w obszarze Zachowaj kompilowanie za pomocą narzędzia Foundry.
Wybierz utworzony zasób openAI Azure, a następnie wybierz pozycję Wdrożenia w obszarze Udostępnione zasoby.
Wybierz Wdróż model>Wdróż model podstawowy.
Wybierz model gpt-4o-mini base, wprowadź nazwę wdrożenia, a następnie wdróż model. Zapisz nazwę wdrożenia dla następnej sekcji.

Aby uzyskać więcej informacji na temat tworzenia wdrożenia Azure OpenAI, zobacz Wprowadzenie do generowania tekstu przy użyciu Azure OpenAI.

Wdrażanie mikrousługi sztucznej inteligencji

Wdróż mikrousługę sztucznej inteligencji opartą na Python, która automatycznie generuje opisy produktów przy użyciu interfejsu OpenAI. Ta mikrousługa łączy się z aplikacją ze Sklepu AKS wdrożonym w poprzedniej sekcji.

Azure OpenAI
Otwarta sztuczna inteligencja

Użyj Azure wdrożenia zasobu OpenAI i modelu utworzonego w sekcji Wdrażanie usługi OpenAI. Skonfiguruj następujące zmienne środowiskowe w manifeście mikrousługi sztucznej inteligencji:

Zmienna środowiskowa	Wartość
`USE_AZURE_OPENAI`	Ustaw wartość na wartość , aby `"True"` użyć Azure OpenAI.
`AZURE_OPENAI_DEPLOYMENT_NAME`	Nazwa `gpt-4o-mini` wdrożenia modelu w usłudze Microsoft Foundry.
`AZURE_OPENAI_ENDPOINT`	Punkt końcowy ze strony Klucze i punkt końcowy zasobu Azure OpenAI.
`OPENAI_API_KEY`	Klucz interfejsu API ze strony Klucze i punkt końcowy zasobu Azure OpenAI.

Utwórz plik o nazwie ai-service.yaml i skopiuj go w następującym manifeście:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: ai-service
spec:
  replicas: 1
  selector:
    matchLabels:
      app: ai-service
  template:
    metadata:
      labels:
        app: ai-service
    spec:
      nodeSelector:
        "kubernetes.io/os": linux
      containers:
        - name: ai-service
          image: ghcr.io/azure-samples/aks-store-demo/ai-service:2.2.0
          ports:
            - containerPort: 5001
          env:
            - name: USE_AZURE_OPENAI
              value: "True"
            - name: AZURE_OPENAI_DEPLOYMENT_NAME
              value: ""
            - name: AZURE_OPENAI_ENDPOINT
              value: ""
            - name: OPENAI_API_KEY
              value: ""
          resources:
            requests:
              cpu: 20m
              memory: 50Mi
            limits:
              cpu: 50m
              memory: 128Mi
---
apiVersion: v1
kind: Service
metadata:
  name: ai-service
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 5001
      targetPort: 5001
  selector:
    app: ai-service

Ustaw zmienną środowiskową USE_AZURE_OPENAI na "True".
W Microsoft Foundry skopiuj nazwę wdrożenia Azure OpenAI i ustaw AZURE_OPENAI_DEPLOYMENT_NAME wartość .
W portalu Azure wybierz pozycję Klucze i punkt końcowy w zasobie Azure OpenAI. Skopiuj punkt końcowy i klucz interfejsu API, a następnie ustaw AZURE_OPENAI_ENDPOINT wartości i OPENAI_API_KEY .
Wdróż aplikację przy użyciu kubectl apply polecenia i określ nazwę manifestu YAML.
```
kubectl apply -f ai-service.yaml
```
W poniższych przykładowych danych wyjściowych przedstawiono pomyślnie utworzone wdrożenia i usługi:
```
  deployment.apps/ai-service created
  service/ai-service created
```

Użyj klucza tajnego openAI i identyfikatora organizacji z sekcji Wdrażanie usługi OpenAI . Skonfiguruj następujące zmienne środowiskowe w manifeście mikrousługi sztucznej inteligencji:

Zmienna środowiskowa	Wartość
`USE_AZURE_OPENAI`	Ustaw wartość na wartość , aby `"False"` używać interfejsu OpenAI.
`OPENAI_API_KEY`	Klucz tajny interfejsu OpenAI wygenerowany na stronie Klucze interfejsu API openAI.
`OPENAI_ORG_ID`	Identyfikator organizacji ze strony ustawień organizacji OpenAI.

Utwórz plik o nazwie ai-service.yaml i skopiuj go w następującym manifeście:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: ai-service
spec:
  replicas: 1
  selector:
    matchLabels:
      app: ai-service
  template:
    metadata:
      labels:
        app: ai-service
    spec:
      nodeSelector:
        "kubernetes.io/os": linux
      containers:
        - name: ai-service
          image: ghcr.io/azure-samples/aks-store-demo/ai-service:2.2.0
          ports:
            - containerPort: 5001
          env:
            - name: USE_AZURE_OPENAI
              value: "False"
            - name: OPENAI_API_KEY
              value: ""
            - name: OPENAI_ORG_ID
              value: ""
          resources:
            requests:
              cpu: 20m
              memory: 50Mi
            limits:
              cpu: 50m
              memory: 128Mi
---
apiVersion: v1
kind: Service
metadata:
  name: ai-service
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 5001
      targetPort: 5001
  selector:
    app: ai-service

Ustaw zmienną środowiskową USE_AZURE_OPENAI na "False".
Ustaw OPENAI_API_KEY klucz tajny openAI wygenerowany na stronie Klucze interfejsu API openAI w sekcji Wdrażanie usługi OpenAI .
Ustaw OPENAI_ORG_ID identyfikator organizacji na stronie ustawień organizacji OpenAI.
Wdróż aplikację przy użyciu kubectl apply polecenia i określ nazwę manifestu YAML.
```
kubectl apply -f ai-service.yaml
```
W poniższych przykładowych danych wyjściowych przedstawiono pomyślnie utworzone wdrożenia i usługi:
```
  deployment.apps/ai-service created
  service/ai-service created
```

Uwaga

Przechowywanie kluczy interfejsu API bezpośrednio w manifestach platformy Kubernetes jest niezabezpieczone i może uwidaczniać wpisy tajne w kontroli źródła. W tym przykładzie użyto wartości manifestu dla uproszczenia. W przypadku obciążeń produkcyjnych należy uwierzytelnić się w usłudze Azure OpenAI przy użyciu tożsamości zarządzanej lub przechowywać wpisy tajne w Azure Key Vault.

Testowanie aplikacji

Sprawdź stan wdrożonych zasobników za pomocą polecenia kubectl get pods.
```
kubectl get pods
```
Przed kontynuowaniem sprawdź, czy wszystkie zasobniki mają stan Uruchomiono .
Pobierz zewnętrzny adres IP administratora magazynu przy użyciu kubectl get service polecenia .
```
kubectl get service store-admin
```
Usługa Kubernetes uwidacznia administratora magazynu za pośrednictwem publicznego modułu równoważenia obciążenia. Przypisanie adresu przez moduł równoważenia obciążenia może potrwać kilka minut. Wartość EXTERNAL-IP jest wyświetlana jako oczekująca do momentu udostępnienia adresu.
```
NAME          TYPE           CLUSTER-IP     EXTERNAL-IP     PORT(S)        AGE
store-admin   LoadBalancer   10.0.142.228   40.64.86.161    80:32494/TCP   50m
```
Powtórz poprzedni krok dla store-front usługi.
W przeglądarce internetowej przejdź do zewnętrznego adresu IP administratora sklepu. W tym przykładzie adres to 40.64.86.161.
W obszarze Administrator sklepu wybierz pozycję Produkty>Dodaj produkt.
Po ai-service uruchomieniu obok pola opisu zostanie wyświetlony przycisk Zapytaj asystenta sztucznej inteligencji . Wprowadź nazwę, cenę i słowa kluczowe, wybierz pozycję Zapytaj Asystenta sztucznej inteligencji, aby wygenerować opis produktu, a następnie wybierz pozycję Zapisz produkt.
Sprawdź, czy w obszarze Administrator sklepu jest wyświetlany przycisk Dog Smart Collar.
Przejdź do zewnętrznego adresu IP aplikacji Store Front i sprawdź, czy jest wyświetlany pies Smart Collar.

Dalsze kroki

Po dodaniu funkcji OpenAI do aplikacji usługi AKS możesz zabezpieczyć dostęp do Azure OpenAI z usług Azure Kubernetes Service (AKS).

Aby dowiedzieć się więcej na temat przypadków użycia generatywnej sztucznej inteligencji, zobacz następujące zasoby.

Opinia

Czy ta strona była pomocna?

Last updated on 2026-08-13

Wdrażanie aplikacji korzystającej z interfejsu OpenAI w usłudze Azure Kubernetes Service (AKS)

Zanim rozpoczniesz

Prerequisites

Tworzenie grupy zasobów

Utwórz klaster AKS

Połącz się z klastrem

Wdrażanie aplikacji

Wdrażanie usługi OpenAI

Wdrażanie mikrousługi sztucznej inteligencji

Testowanie aplikacji

Dalsze kroki

Opinia

Dodatkowe zasoby