Compreensão de Conteúdo do Azure

ContentUnderstandingContextProvideranalisa anexos de ficheiros com o Azure Content Understanding e injeta resultados estruturados no contexto do agente. Suporta documentos, imagens, áudio e vídeo, incluindo OCR, tabelas, campos estruturados, transcrição, diarização e resumos de segmentos.

Esta integração utiliza o padrão de pré-processamento: transforma o conteúdo recebido antes da invocação do modelo e pode manter o estado processado para turnos posteriores.

Para documentos grandes, o fornecedor pode carregar o markdown extraído para um armazenamento vetorial para pesquisa de ficheiros, em vez de inserir o resultado completo no contexto do modelo.

Pré-requisitos

  • Uma assinatura do Azure.
  • Azure Content Understanding numa região suportada.
  • As implementações de modelo necessárias para o serviço.
  • Acesso de identidade Azure ao recurso.

Instale o pacote

pip install agent-framework-azure-contentunderstanding --pre

Analisar um documento

Anexe ContentUnderstandingContextProvider ao agente e envie um anexo binário compatível. O fornecedor remove a entrada binária após a análise e fornece o conteúdo extraído ao modelo.

async def main() -> None:
    credential = AzureCliCredential()

    # Set up Azure Content Understanding context provider
    cu = ContentUnderstandingContextProvider(
        endpoint=os.environ["AZURE_CONTENTUNDERSTANDING_ENDPOINT"],
        credential=credential,
        analyzer_id="prebuilt-documentSearch",  # RAG-optimized document analyzer
        max_wait=None,  # wait until CU analysis finishes (no background deferral)
    )

    # Set up the LLM client
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["FOUNDRY_MODEL"],
        credential=credential,
    )

    # Create agent with CU context provider.
    # The provider extracts document content via CU and injects it into the
    # LLM context so the agent can answer questions about the document.
    async with credential, cu:
        agent = Agent(
            client=client,
            name="DocumentQA",
            instructions=(
                "You are a helpful document analyst. Use the analyzed document "
                "content and extracted fields to answer questions precisely."
            ),
            context_providers=[cu],
        )

        # --- Turn 1: Upload PDF and ask a question ---
        # 4. Upload PDF and ask questions
        # The CU provider extracts markdown + fields from the PDF and injects
        # the full content into context so the agent can answer precisely.
        print("--- Upload PDF and ask questions ---")

        pdf_bytes = SAMPLE_PDF_PATH.read_bytes()

        response = await agent.run(
            Message(
                role="user",
                contents=[
                    Content.from_text(
                        "What is this document about? Who is the vendor, and what is the total amount due?"
                    ),
                    Content.from_data(
                        pdf_bytes,
                        "application/pdf",
                        # Always provide filename — used as the document key
                        additional_properties={"filename": SAMPLE_PDF_PATH.name},
                    ),
                ],
            )
        )
        usage = response.usage_details or {}
        print(f"Agent: {response}")
        print(f"  [Input tokens: {usage.get('input_token_count', 'N/A')}]\n")

Opções de processamento

  • Deixe analyzer_id sem definir para selecionar um analisador de pesquisa de documento, áudio ou vídeo do tipo de conteúdo.
  • Define max_wait=None quando a execução tem de esperar que a análise termine.
  • Utilize FileSearchConfig para recuperação eficiente em termos de tokens em grandes documentos extraídos.
  • Reutilizar an AgentSession para preservar o estado do documento analisado ao longo dos turnos.

Passos seguintes

Mistral

Vai mais fundo:

  • Last updated on