Skip to main content
本页涵盖 LangChain 与 Microsoft Azure 及其相关项目的所有集成。 Azure AI、Dynamic Sessions、SQL Server 的集成包在 langchain-azure 仓库中维护。

​
聊天模型

我们建议开发者从（langchain-azure-ai）开始，以访问 Azure AI Foundry 中提供的所有模型。

​
Azure AI 聊天补全

使用 AzureAIChatCompletionsModel 类访问 Azure OpenAI、DeepSeek R1、Cohere、Phi 和 Mistral 等模型。 
pip install -U langchain-azure-ai
配置您的 API 密钥和端点。 
export AZURE_AI_CREDENTIAL=your-api-key
export AZURE_AI_ENDPOINT=your-endpoint

from langchain_azure_ai.chat_models import AzureAIChatCompletionsModel

llm = AzureAIChatCompletionsModel(
    model_name="gpt-4.1",
    api_version="2024-05-01-preview",
)

llm.invoke('Tell me a joke and include some emojis')

​
嵌入模型

​
用于嵌入的 Azure AI 模型推理

pip install -U langchain-azure-ai
配置您的 API 密钥和端点。 
export AZURE_AI_CREDENTIAL=your-api-key
export AZURE_AI_ENDPOINT=your-endpoint

from langchain_azure_ai.embeddings import AzureAIEmbeddingsModel

embed_model = AzureAIEmbeddingsModel(
    model_name="text-embedding-ada-002"
)

​
向量存储

​
Azure CosmosDB NoSQL 向量搜索

Azure CosmosDB NoSQL 是一个全托管、 全球分布的、无服务器文档数据库，适用于现代应用程序。它以灵活的 JSON 文档存储数据，并使用类 SQL 查询语言。 这提供了高性能、低延迟以及自动、弹性可扩展性。它还具有集成的向量搜索功能，适用于生成式 AI 和 RAG 等 AI 工作负载。 这使您可以在同一数据库中将向量嵌入与运营数据一起存储、索引和查询。您可以将向量相似性搜索与传统的关键字搜索相结合， 获取相关结果，并从多种索引方法中选择以获得最佳性能。 这种统一的方法简化了应用程序架构并确保数据一致性。
我们需要安装 azure-cosmos 包来使用此向量存储。 
pip install -qU azure-cosmos

from langchain_azure_ai.vectorstores.azure_cosmos_db_no_sql import (
    AzureCosmosDBNoSqlVectorSearch,
)
vector_search = AzureCosmosDBNoSqlVectorSearch.from_documents(
    documents=docs,
    embedding=openai_embeddings,
    cosmos_client=cosmos_client,
    database_name=database_name,
    container_name=container_name,
    vector_embedding_policy=vector_embedding_policy,
    full_text_policy=full_text_policy,
    indexing_policy=indexing_policy,
    cosmos_container_properties=cosmos_container_properties,
    cosmos_database_properties={},
    full_text_search_enabled=True,
)
查看使用示例。

​
Azure CosmosDB Mongo vCore 向量搜索

Azure CosmosDB Mongo vCore 架构使 创建具有完整原生 MongoDB 支持的数据库变得简单。您可以应用您的 MongoDB 经验，并继续使用您喜欢的 MongoDB 驱动程序、SDK 和工具，只需将应用程序指向 API for MongoDB (vCore) 集群的连接字符串即可。
我们需要安装 pymongo 包来使用此向量存储。 
pip install -qU pymongo

from langchain_azure_ai.vectorstores.azure_cosmos_db_mongo_vcore import (
    AzureCosmosDBMongoVCoreVectorSearch,
)

vectorstore = AzureCosmosDBMongoVCoreVectorSearch.from_documents(
    docs,
    openai_embeddings,
    collection=collection,
    index_name=INDEX_NAME,
)
查看使用示例。
在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将这些文档接入 Claude、VSCode 等工具，获取实时解答。