AzureMLChatOnlineEndpoint
Azure Machine Learning 是一个用于构建、训练和部署机器学习模型的平台。用户可以在模型目录中探索可以部署的模型类型，该目录提供来自不同提供商的基础和通用模型。
通常，您需要部署模型以便消费其预测（推理）。在
Azure Machine Learning中，在线端点 用于实时服务地部署这些模型。它们基于Endpoints和Deployments的理念，允许您将生产工作负载的接口与提供该接口的实现解耦。
本笔记本介绍了如何使用托管在 Azure Machine Learning Endpoint 上的聊天模型。
from langchain_community.chat_models.azureml_endpoint import AzureMLChatOnlineEndpoint
设置
您必须 在 Azure ML 上部署模型 或 部署到 Azure AI Studio，并获取以下参数：
endpoint_url: 由端点提供的 REST 端点 URL。endpoint_api_type: 在将模型部署到 专用端点（托管的管理基础设施）时使用endpoint_type='dedicated'。在使用 按需付费 提供的服务（模型即服务）部署模型时使用endpoint_type='serverless'。endpoint_api_key: 由端点提供的 API 密钥。
内容格式化器
content_formatter 参数是一个处理类，用于将 AzureML 端点的请求和响应转换为所需的模式。由于模型目录中有各种各样的模型，每个模型可能以不同的方式处理数据，因此提供了 ContentFormatterBase 类，以便用户可以根据自己的需要转换数据。提供了以下内容格式化器：
CustomOpenAIChatContentFormatter：为遵循 OpenAI API 规范的请求和响应的模型（如 LLaMa2-chat）格式化请求和响应数据。
注意：langchain.chat_models.azureml_endpoint.LlamaChatContentFormatter 正在被弃用，并被 langchain.chat_models.azureml_endpoint.CustomOpenAIChatContentFormatter 替代。
您可以实现特定于您的模型的自定义内容格式化器，派生自类 langchain_community.llms.azureml_endpoint.ContentFormatterBase。
示例
以下部分包含有关如何使用此类的示例：
示例：使用实时端点的聊天完成
from langchain_community.chat_models.azureml_endpoint import (
AzureMLEndpointApiType,
CustomOpenAIChatContentFormatter,
)
from langchain_core.messages import HumanMessage
chat = AzureMLChatOnlineEndpoint(
endpoint_url="https://<your-endpoint>.<your_region>.inference.ml.azure.com/score",
endpoint_api_type=AzureMLEndpointApiType.dedicated,
endpoint_api_key="my-api-key",
content_formatter=CustomOpenAIChatContentFormatter(),
)
response = chat.invoke(
[HumanMessage(content="Collatz 猜想是否会被解决？")]
)
response
AIMessage(content=' The Collatz Conjecture is one of the most famous unsolved problems in mathematics, and it has been the subject of much study and research for many years. While it is impossible to predict with certainty whether the conjecture will ever be solved, there are several reasons why it is considered a challenging and important problem:\n\n1. Simple yet elusive: The Collatz Conjecture is a deceptively simple statement that has proven to be extraordinarily difficult to prove or disprove. Despite its simplicity, the conjecture has eluded some of the brightest minds in mathematics, and it remains one of the most famous open problems in the field.\n2. Wide-ranging implications: The Collatz Conjecture has far-reaching implications for many areas of mathematics, including number theory, algebra, and analysis. A solution to the conjecture could have significant impacts on these fields and potentially lead to new insights and discoveries.\n3. Computational evidence: While the conjecture remains unproven, extensive computational evidence supports its validity. In fact, no counterexample to the conjecture has been found for any starting value up to 2^64 (a number', additional_kwargs={}, example=False)
示例：按需部署的聊天补全（作为服务的模型）
chat = AzureMLChatOnlineEndpoint(
endpoint_url="https://<your-endpoint>.<your_region>.inference.ml.azure.com/v1/chat/completions",
endpoint_api_type=AzureMLEndpointApiType.serverless,
endpoint_api_key="my-api-key",
content_formatter=CustomOpenAIChatContentFormatter,
)
response = chat.invoke(
[HumanMessage(content="Will the Collatz conjecture ever be solved?")]
)
response
如果需要向模型传递额外参数，请使用 model_kwargs 参数：
chat = AzureMLChatOnlineEndpoint(
endpoint_url="https://<your-endpoint>.<your_region>.inference.ml.azure.com/v1/chat/completions",
endpoint_api_type=AzureMLEndpointApiType.serverless,
endpoint_api_key="my-api-key",
content_formatter=CustomOpenAIChatContentFormatter,
model_kwargs={"temperature": 0.8},
)
参数也可以在调用时传递：
response = chat.invoke(
[HumanMessage(content="Will the Collatz conjecture ever be solved?")],
max_tokens=512,
)
response