> ## Documentation Index > Fetch the complete documentation index at: https://cndoc-langchain.site/llms.txt > Use this file to discover all available pages before exploring further. # AzureChatOpenAI 集成 > 使用 LangChain Python 集成 AzureChatOpenAI 聊天模型。 你可以在 [Azure 文档](https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/models) 中找到有关 Azure OpenAI 最新模型及其成本、上下文窗口和支持的输入类型的信息。有关 LangChain 中 Microsoft 集成的完整集合（包括 Azure AI Search、Azure Database for PostgreSQL 和 M365 套件等工具），请参阅 [Microsoft 提供者页面](/oss/python/integrations/providers/microsoft)。 **Azure OpenAI 与 OpenAI** Azure OpenAI 指的是托管在 [Microsoft Azure 平台](https://azure.microsoft.com/en-us/products/ai-services/openai-service) 上的 OpenAI 模型。托管在 Azure 上的模型附带了额外的企业功能，包括支持使用 Entra ID 进行无密钥身份验证。 **使用 `ChatOpenAI` 与 v1 API（推荐）** Azure OpenAI 的 [v1 API](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/api-version-lifecycle?tabs=python)（自 2025 年 8 月起正式发布）允许你直接使用 [`ChatOpenAI`](/oss/python/integrations/chat/openai/#using-with-azure-openai) 与 Azure 端点。这消除了对过时的 `api-version` 参数的需求，并提供了对 Microsoft Entra ID 身份验证的原生支持，支持自动令牌刷新。 我们继续支持 [`AzureChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/azure/AzureChatOpenAI)，它现在与 [`ChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/base/ChatOpenAI) 共享相同的基础实现，后者直接与 OpenAI 服务交互。 本页作为身份验证和将你的 Azure OpenAI 聊天模型连接到 LangChain 的快速入门指南。 **API 参考** 有关所有功能和配置选项的详细文档，请访问 [`AzureChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/azure/AzureChatOpenAI) API 参考。有关可用功能的详细信息，请访问 [`ChatOpenAI` 文档](/oss/python/integrations/chat/openai/)。 ## 概述 ### 集成详情 | 类 | 包 | 可序列化 | JS/TS 支持 | 下载量 | 最新版本 | | :------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------- | :--: | :---------------------------------------------------------------: | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | | [`AzureChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/azure/AzureChatOpenAI) | [`langchain-openai`](https://reference.langchain.com/python/langchain-openai/) | beta | ✅ [(npm)](https://js.langchain.com/docs/integrations/chat/openai) | 每月下载量 | PyPI - 最新版本 | ### 模型功能 | [工具调用](/oss/python/langchain/tools) | [结构化输出](/oss/python/langchain/structured-output) | [图像输入](/oss/python/langchain/messages#multimodal) | 音频输入 | 视频输入 | [令牌级流式传输](/oss/python/langchain/streaming/) | 原生异步 | [令牌使用量](/oss/python/langchain/models#token-usage) | [对数概率](/oss/python/langchain/models#log-probabilities) | | :---------------------------------: | :----------------------------------------------: | :-----------------------------------------------: | :--: | :--: | :-----------------------------------------: | :--: | :-----------------------------------------------: | :----------------------------------------------------: | | ✅ | ✅ | ✅ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ## 设置 要访问 Azure OpenAI 模型，你需要 [创建一个 Azure 帐户](https://account.azure.com/signup)，创建一个 Azure OpenAI 模型的部署，获取部署的名称和端点，并安装 `langchain-openai` 集成包。 ### 安装 ```bash pip theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} pip install -U langchain-openai ``` ```bash uv theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} uv add langchain-openai ``` ## 凭证 [`ChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/base/ChatOpenAI) 和 [`AzureChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/azure/AzureChatOpenAI) 都支持使用 **Microsoft Entra ID**（推荐）或 **API 密钥** 进行 Azure OpenAI 身份验证。 ### Microsoft Entra ID [Microsoft Entra ID](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/managed-identity) 提供无密钥身份验证和自动令牌刷新。安装 `azure-identity` 包并创建一个令牌提供者——同一个提供者适用于 `ChatOpenAI` 和 `AzureChatOpenAI`： ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} pip install azure-identity ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from azure.identity import DefaultAzureCredential, get_bearer_token_provider token_provider = get_bearer_token_provider( DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default", ) ``` ### API 密钥 前往 [Azure 文档](https://learn.microsoft.com/en-us/azure/ai-services/openai/chatgpt-quickstart?tabs=command-line%2Cpython-new\&pivots=programming-language-python) 创建你的部署并生成 API 密钥。设置 `AZURE_OPENAI_API_KEY` 和 `AZURE_OPENAI_ENDPOINT` 环境变量： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import getpass import os if "AZURE_OPENAI_API_KEY" not in os.environ: os.environ["AZURE_OPENAI_API_KEY"] = getpass.getpass( "Enter your AzureOpenAI API key: " ) os.environ["AZURE_OPENAI_ENDPOINT"] = "https://YOUR-RESOURCE-NAME.openai.azure.com/" ``` 要启用模型调用的自动跟踪，请设置你的 [LangSmith](/langsmith/home) API 密钥： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ") os.environ["LANGSMITH_TRACING"] = "true" ``` ## 实例化 ### 使用 v1 API 的 ChatOpenAI 将 `base_url` 设置为你的 Azure 端点，并附加 `/openai/v1/`。使用 v1 API，你可以通过单一接口调用部署在 [Microsoft Foundry](https://learn.microsoft.com/en-us/azure/ai-foundry/) 中的任何模型（包括 OpenAI、Llama、DeepSeek、Mistral 和 Phi），只需将 `model` 指向你的部署名称。 将令牌提供者传递给 `api_key`： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", # 你的 Azure 部署名称 base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key=token_provider, # 处理令牌刷新的可调用对象 ) ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", # 你的 Azure 部署名称 base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key="your-azure-api-key", ) ``` ### AzureChatOpenAI 当使用需要 `api_version` 的传统 Azure OpenAI API 版本时，请使用 [`AzureChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/azure/AzureChatOpenAI)。 将令牌提供者传递给 `azure_ad_token_provider`： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import AzureChatOpenAI llm = AzureChatOpenAI( azure_deployment="gpt-5.4-mini", # 或你的部署 api_version="2025-04-01-preview", # 或你的 api 版本 azure_ad_token_provider=token_provider, ) ``` 从环境中读取 `AZURE_OPENAI_API_KEY` 和 `AZURE_OPENAI_ENDPOINT`： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import AzureChatOpenAI llm = AzureChatOpenAI( azure_deployment="gpt-5.4-mini", # 或你的部署 api_version="2025-04-01-preview", # 或你的 api 版本 temperature=0, max_tokens=None, timeout=None, max_retries=2, # 其他参数... ) ``` ## 调用 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} messages = [ ( "system", "You are a helpful assistant that translates English to French. Translate the user sentence.", ), ("human", "I love programming."), ] ai_msg = llm.invoke(messages) print(ai_msg.text) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} J'adore la programmation. ``` ## 工具调用 使用 Pydantic 类、字典模式、LangChain 工具或函数将工具绑定到模型： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI from pydantic import BaseModel, Field class GetWeather(BaseModel): """Get the current weather in a given location""" location: str = Field(description="The city and state, e.g. San Francisco, CA") llm = ChatOpenAI( model="gpt-5.4-mini", base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key="your-azure-api-key", ) llm_with_tools = llm.bind_tools([GetWeather]) ai_msg = llm_with_tools.invoke("What is the weather like in San Francisco?") ai_msg.tool_calls ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} [{'name': 'GetWeather', 'args': {'location': 'San Francisco, CA'}, 'id': 'call_jUqhd8wzAIzInTJl72Rla8ht', 'type': 'tool_call'}] ``` 有关绑定工具和工具调用输出的更多信息，请访问 [工具调用](/oss/python/langchain/tools) 文档。 ## 构建代理 使用 [`create_agent`](https://reference.langchain.com/python/langchain/agents/factory/create_agent) 构建一个使用 Azure OpenAI 和工具的代理： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain.agents import create_agent from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key="your-azure-api-key", ) def get_weather(city: str) -> str: """Get weather for a given city.""" return f"It's always sunny in {city}!" agent = create_agent( model=llm, tools=[get_weather], system_prompt="You are a helpful assistant", ) # 流式传输代理响应 for chunk in agent.stream( {"messages": [{"role": "user", "content": "What is the weather in SF?"}]}, stream_mode="updates", ): for step, data in chunk.items(): print(f"step: {step}") print(f"content: {data['messages'][-1].text}") ``` ## 流式传输使用量元数据 OpenAI 的 Chat Completions API 默认不流式传输令牌使用量统计信息（参见 [OpenAI API 参考中的流式选项](https://platform.openai.com/docs/api-reference/completions/create#completions-create-stream_options)）。 要在流式传输时恢复令牌计数，请将 `stream_usage=True` 设置为初始化参数或在调用时设置： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key="your-azure-api-key", stream_usage=True, # [!code highlight] ) ``` ## Responses API Azure OpenAI 支持 [Responses API](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/responses)，它提供有状态的对话、内置的服务器端工具（代码解释器、图像生成、文件搜索和远程 MCP）以及结构化的推理摘要。当你设置 `reasoning` 参数时，[`ChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/base/ChatOpenAI) 会自动路由到 Responses API，或者你可以通过 `use_responses_api=True` 显式选择使用： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", # 你的 Azure 部署名称 base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key=token_provider, use_responses_api=True, # [!code highlight] ) # 绑定一个内置的服务器端工具 llm_with_tools = llm.bind_tools( # [!code highlight] [{"type": "code_interpreter", "container": {"type": "auto"}}] # [!code highlight] ) # [!code highlight] response = llm_with_tools.invoke( "Use the code interpreter to compute the 25th Fibonacci number." ) print(response.text) ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", # 你的 Azure 部署名称 base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key="your-azure-api-key", use_responses_api=True, # [!code highlight] ) # 绑定一个内置的服务器端工具 llm_with_tools = llm.bind_tools( # [!code highlight] [{"type": "code_interpreter", "container": {"type": "auto"}}] # [!code highlight] ) # [!code highlight] response = llm_with_tools.invoke( "Use the code interpreter to compute the 25th Fibonacci number." ) print(response.text) ``` 有关内置工具及其使用方法的详细信息，请参阅 [Azure OpenAI Responses API 文档](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/responses)。 ## 推理努力与摘要 Azure OpenAI [推理模型](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/reasoning)（例如 `o4-mini`、`gpt-5`）在生成最终答案之前会花费额外的令牌来思考请求。使用 v1 API 上的 `ChatOpenAI`，你可以配置模型在推理上花费多少努力，并可选择请求其思维链的摘要。 ### 推理努力 将 `reasoning_effort` 设置为 `"low"`、`"medium"` 或 `"high"`。较高的设置让模型在推理上花费更多令牌，这通常会提高复杂任务的质量，但会增加延迟： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="gpt-5.4-mini", # 你的 Azure 推理模型部署 base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key=token_provider, reasoning_effort="medium", ) response = llm.invoke("Tell me about the bitter lesson.") print(response.text) ``` 推理模型使用令牌进行内部推理（`completion_tokens_details` 中的 `reasoning_tokens`）。这些令牌不会出现在消息内容中，但会计入输出令牌限制。如果你看到空响应，请增加 `max_tokens` 或将其留空，以便模型有足够的空间进行推理和输出。 ### 推理摘要 当通过 Responses API 使用推理模型时，你可以通过传递 `reasoning` 字典来请求模型思维链的摘要。设置 `reasoning` 会自动将 `ChatOpenAI` 路由到 Responses API： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import ChatOpenAI reasoning = { "effort": "high", # 'low', 'medium', 或 'high' "summary": "auto", # 'auto', 'concise', 或 'detailed' } llm = ChatOpenAI( model="gpt-5.4-mini", # 你的 Azure 推理模型部署 base_url="https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/", api_key=token_provider, reasoning=reasoning, ) response = llm.invoke("What's the optimal strategy to win at poker?") # 最终答案 print(response.text) # 推理摘要块 for block in response.content_blocks: if block["type"] == "reasoning": print(block["reasoning"]) ``` 尝试通过推理摘要参数以外的方法提取原始推理令牌不受支持，并且可能违反 Azure 的可接受使用策略。请使用 `summary` 字段访问模型推理。 即使启用，推理摘要也不保证在每个步骤或请求中都提供——这是预期行为。 ## 指定模型版本（旧版 API） 本节仅适用于使用传统 API 版本的 `AzureChatOpenAI`。v1 API 不需要 `api_version` 参数。 使用 `AzureChatOpenAI` 时，Azure OpenAI 响应包含一个 `model_name` 响应元数据属性。与原生 OpenAI 响应不同，它不包含模型的具体版本（该版本在 Azure 中的部署上设置）。传递 `model_version` 以区分不同版本： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_openai import AzureChatOpenAI llm = AzureChatOpenAI( azure_deployment="gpt-5.4-mini", # 或你的部署 api_version="2025-04-01-preview", # 或你的 api 版本 model_version="0301", ) ``` *** ## API 参考 有关所有功能和配置选项的详细文档，请访问 [`AzureChatOpenAI`](https://reference.langchain.com/python/langchain-openai/chat_models/azure/AzureChatOpenAI) API 参考。 ***
[将这些文档连接](/use-these-docs)到 Claude、VSCode 等，通过 MCP 获取实时答案。 [在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/python/integrations/chat/azure_chat_openai.mdx) 或 [提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。