허브 기반에서 Foundry 프로젝트로 마이그레이션

이 가이드는 허브 기반 프로젝트를 사용하는 기존 고객이 새 Azure AI Foundry 프로젝트로 마이그레이션하여 최신 플랫폼 기능에 액세스할 수 있도록 도와줍니다.

Azure AI Foundry는 여러 Azure 서비스를 관리해야 하는 이전 리소스 모델을 대체하면서 통합된 서비스로서의 플랫폼으로 전환하고 있습니다. AI 워크로드가 점점 더 복잡해짐에 따라 Azure AI Foundry 프로젝트는 다음과 같습니다.

• 플랫폼 설정 및 거버넌스 간소화
• 여러 모델 및 Foundry 도구에 걸쳐 있는 워크플로를 향상시킵니다.
• 거버넌스 기능 강화

자세히알아보세요.

새 Foundry 프로젝트 개요

Foundry 프로젝트는 개발자 워크플로의 구성과 AI 애플리케이션의 핵심 구성 요소 관리를 통합하고 간소화하도록 설계되었습니다.

• Models
• 에이전트 및 해당 도구
• 관찰 가능성, 보안 및 신뢰

이전에는 AI Foundry 프로젝트의 기능을 통해 이러한 구성 요소를 구성하기 위해 백 엔드의 워크플로에 대해 여러 Azure 리소스 및 SDK를 관리해야 했습니다.

새로운 기능은 다음과 같습니다.

• Foundry API에 대한 액세스는 에이전트, 평가, 모델 인덱스, 데이터를 통합된 경험 및 일관된 계약으로 모델 제공자 전반에 걸쳐 구성하는 API 우선 에이전트 애플리케이션을 빌드하고 평가하도록 설계되었습니다.

• Azure AI Foundry SDK 는 Foundry API를 래핑하여 애플리케이션이 Python, C#, JavaScript/TypeScript 또는 Java에서 빌드되었는지 여부에 관계없이 기능을 코드에 쉽게 통합할 수 있도록 합니다.

• 에이전트, 모델 및 도구 연결 은 권한 관리, 네트워킹, 비용 분석 및 정책 구성을 위해 Foundry에서 함께 관리됩니다. 이전에는 Azure Machine Learning의 허브를 통해 특정 도구와 모델에 액세스했으며, 추가 스토리지 및 키 자격 증명 모음 리소스도 프로비전해야 했습니다.

• 이제 프로젝트는 자식 리소스입니다. Azure RBAC와 같은 자체 관리자 컨트롤이 할당될 수 있지만 기본적으로 부모 리소스에서 공통 설정을 공유합니다. 이 원칙은 IT 관리자를 일상적인 루프에서 제외하는 것을 목표로 합니다. 보안이 유지되면 리소스 수준에서 리소스 연결 및 거버넌스가 설정됩니다. 개발자는 고유한 프로젝트를 폴더로 만들어 작업을 구성할 수 있습니다.

Foundry 프로젝트로 전환하는 방법

허브 기반 프로젝트에서 AI Foundry 모델 리소스에 새 Azure AI Foundry 프로젝트를 만듭니다. 이 프로세스를 통해 새 프로젝트는 원래 허브 기반 프로젝트에서 수행된 작업에 액세스할 수 있습니다.

새 프로젝트 형식으로 무엇을 전달할 수 있나요?

• 모델 배포
• 데이터 파일
• 미세 조정된 모델
• Assistants
• 벡터 저장소

Limitations:

• 메시지, 스레드 및 파일을 포함한 미리 보기 에이전트의 상태는 이동할 수 없습니다. 그러나 새 프로젝트의 코드를 사용하여 에이전트를 다시 만들 수 있습니다.
• 오픈 소스 모델 배포는 현재 Foundry 프로젝트에서 지원되지 않습니다.
• 허브 기반 프로젝트는 AI Foundry 모델 리소스에서 만든 새 프로젝트에 액세스할 수 없습니다.

다음 섹션에서는 허브 기반 프로젝트에서 Azure AI Foundry 프로젝트로 이동하는 방법을 안내합니다.

1. 기존 AI Foundry 리소스 찾기
2. AI 리소스에 새 Azure AI Foundry 프로젝트를 만듭니 다.

새 프로젝트가 생기면 다음을 고려해 보세요.

• (선택 사항) 연결 다시 생성
• (선택 사항) 에이전트 마이그레이션

1. 기존 AI Foundry 리소스 찾기

대부분의 Azure AI Foundry 사용자에게는 모델 배포에 액세스하기 위해 이전에 허브 기반 프로젝트와 함께 만든 'AI Foundry'(이전의 'AI 서비스') 리소스가 이미 있습니다.

2. 새 프로젝트 만들기

에이전트 서비스를 비롯한 새로운 기능은 각 사용 사례에 대한 폴더로 개발 작업을 구성하는 프로젝트를 통해서만 액세스할 수 있습니다. 여러 항목을 만들어 유사한 설정 및 연결 요구 사항이 있는 사용 사례에 대한 작업을 구성할 수 있습니다.

이제 일반 공급하고 최신 기능을 갖춘 에이전트를 빌드할 준비가 되었습니다. SDK 또는 에이전트 플레이그라운드 사용을 시작합니다.

(선택 사항) 연결 다시 생성

허브 기반 프로젝트에서 연결을 사용하여 도구, 데이터 원본 또는 모델에 액세스하는 경우 허브를 사용하지 않고 Foundry 리소스에서 해당 연결을 다시 만들 수 있습니다.

(선택 사항) 코드 에이전트 마이그레이션

에이전트 서비스의 미리 보기를 사용하여 빌드하는 모든 코드 에이전트는 Foundry 프로젝트의 일반 공급에서 에이전트 서비스로 이동할 때 다음 업그레이드가 필요합니다.

1. 기본 설정 SDK 클라이언트의 최신 버전을 설치합니다.

2. Foundry API를 사용하도록 프로젝트 클라이언트를 업데이트합니다. 이제 연결 문자열 대신 Azure AI Foundry 프로젝트 엔드포인트를 사용합니다. 예를 들어 Python에서 다음을 수행합니다.

   from azure.identity import DefaultAzureCredential
   from azure.ai.projects import AIProjectClient
   
   project = AIProjectClient(
     endpoint="your_project_endpoint",  # Replace with your endpoint
     credential=DefaultAzureCredential())
   

3. 미리 보기와 안정적인 SDK 패키지 간의 클래스 구조 변경 내용을 반영하도록 스크립트를 업데이트합니다.

기존 코드를 업데이트하는 방법에 대한 SDK 마이그레이션 가이드 를 참조하세요.

(선택 사항) 허브 기반 프로젝트 정리

허브 기반 프로젝트에 더 이상 액세스할 필요가 없는 경우 Azure 구독에서 삭제합니다.

구독에서 허브 및 허브 기반 프로젝트를 유지하려는 몇 가지 이유가 있습니다.

• Azure AI Foundry 프로젝트에서 아직 지원되지 않는 기능을 선택할 수 있습니다. 이 지원 매트릭스를 참조하세요.

• 사용자 지정 기계 학습 모델 학습에 중점을 두는 사용 사례입니다. 허브 기반 프로젝트는 Azure Machine Learning 스택에 빌드되며 Azure Machine Learning Studio/CLI/SDK를 통해 계속 액세스할 수 있습니다.

Learn more

• 조직 전체에서 Azure AI Foundry 롤아웃

• 샘플 Bicep 템플릿

• 샘플 Terraform 템플릿

• SDK 마이그레이션 가이드