Skip to main content
本页涵盖所有与 Microsoft Azure 及其相关项目的 LangChain 集成。 Azure AI、Dynamic Sessions 和 SQL Server 的集成包由 langchain-azure 仓库维护。

​
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 AzureAIOpenAIApiChatModel 类访问 Azure OpenAI、DeepSeek R1、Cohere、Phi 和 Mistral 等模型。 
pip install -U langchain-azure-ai
配置您的端点。您可以使用带有 DefaultAzureCredential 的项目端点，或直接设置 API 密钥。 
export AZURE_AI_PROJECT_ENDPOINT=your-project-endpoint

from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel
from azure.identity import DefaultAzureCredential

llm = AzureAIOpenAIApiChatModel(
    model="gpt-4.1",
    credential=DefaultAzureCredential(),
)

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
配置您的端点。您可以使用带有 DefaultAzureCredential 的项目端点，或直接设置 API 密钥。 
export AZURE_AI_PROJECT_ENDPOINT=your-project-endpoint

from langchain_azure_ai.embeddings import AzureAIOpenAIApiEmbeddingsModel
from azure.identity import DefaultAzureCredential

embed_model = AzureAIOpenAIApiEmbeddingsModel(
    model="text-embedding-ada-002",
    credential=DefaultAzureCredential(),
)

​
向量存储

​
Azure CosmosDB NoSQL 向量搜索

Azure CosmosDB NoSQL 是一款专为现代应用设计的完全托管、全球分布、无服务器文档数据库。它以灵活的 JSON 文档形式存储数据，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扩展能力。它还具备针对生成式 AI 和 RAG 等 AI 工作负载的集成向量搜索功能。这使得您能够在同一数据库中，将向量嵌入与业务数据一同存储、索引和查询。您可以将向量相似度搜索与传统基于关键词的搜索相结合以获得相关结果，并选择多种索引方法以实现最佳性能。这种统一的方法简化了应用架构并确保数据一致性。
我们需要安装 azure-cosmos 包才能使用此向量存储。 
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 架构使得创建具有完整原生 MongoDB 支持的数据库变得轻而易举。您可以利用现有的 MongoDB 经验，通过将应用程序指向 MongoDB (vCore) 集群的连接字符串，继续使用您喜爱的 MongoDB 驱动程序、SDK 和工具。
我们需要安装 pymongo 包才能使用此向量存储。 
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 将这些文档连接到 Claude、VSCode 等，以获取实时答案。