Desafio 21: Azure AI Foundry
25-30 min | Custo: Gratuito | Domínio: IA Generativa (15-20%)
Habilidades do exame abordadas
- Identificar recursos e capacidades do Azure AI Foundry
- Descrever o catálogo de modelos no Azure AI Foundry
- Identificar opções de implantação do Azure AI Foundry
Visão geral
O Azure AI Foundry (anteriormente Azure AI Studio) é a plataforma unificada da Microsoft para construir, avaliar e implantar aplicações de IA. Pense nele como a "loja única" para desenvolvimento de IA generativa no Azure. Ele reúne acesso a modelos, engenharia de prompt, ferramentas de avaliação e implantação — tudo em um único portal em ai.azure.com.
A plataforma é organizada em torno de hubs e projetos. Um hub é um contêiner de nível superior que gerencia recursos compartilhados como computação, conexões e configurações de segurança em toda a sua organização. Um projeto vive dentro de um hub e é onde equipes individuais fazem seu trabalho de IA — selecionando modelos, testando prompts, construindo fluxos e implantando aplicações. Essa hierarquia hub-projeto permite governança empresarial enquanto dá flexibilidade às equipes.
Um recurso de destaque é o catálogo de modelos — uma coleção curada de modelos de IA de múltiplos provedores. Além dos modelos GPT da OpenAI, você pode acessar modelos da Meta (Llama), Mistral, Microsoft (Phi), Cohere e outros. Isso permite que você compare e escolha o melhor modelo para seu caso de uso específico, considerando fatores como desempenho, custo e licenciamento.
Explorar
Tarefa 1: Entender o modelo Hub + Projeto
O Azure AI Foundry usa uma estrutura hierárquica para organização:
Azure AI Foundry
└── Hub (recursos compartilhados, segurança, governança)
├── Projeto A (equipe 1 - chatbot de clientes)
│ ├── Implantações de modelos
│ ├── Prompt flows
│ └── Avaliações
├── Projeto B (equipe 2 - processamento de documentos)
│ ├── Implantações de modelos
│ ├── Prompt flows
│ └── Avaliações
└── Recursos Compartilhados
├── Instâncias de computação
├── Conexões (para fontes de dados, APIs)
└── Configurações de segurança
| Componente | Propósito | Analogia |
|---|---|---|
| Hub | Infraestrutura compartilhada e governança | Um prédio de escritórios |
| Projeto | Espaço de trabalho individual da equipe | O andar/sala de uma equipe |
| Implantação de modelo | Um modelo em execução pronto para aceitar requisições | Um balcão de atendimento |
| Conexão | Link para recursos externos (armazenamento, APIs) | Cabos de rede |
Tarefa 2: Explore o catálogo de modelos
Navegue para: ai.azure.com → Model catalog
O catálogo de modelos oferece modelos de múltiplos provedores:
| Provedor | Modelos de Exemplo | Pontos Fortes |
|---|---|---|
| OpenAI | GPT-4o, GPT-4, GPT-3.5-Turbo, DALL-E | Uso geral, raciocínio forte |
| Meta | Llama 3.1, Llama 3 | Código aberto, personalizável |
| Mistral | Mistral Large, Mistral Small | Eficiente, multilíngue |
| Microsoft | Phi-3, Phi-3.5 | Modelos pequenos, eficientes para tarefas específicas |
| Cohere | Command R+ | Busca empresarial, cenários RAG |
Recursos do catálogo de modelos:
- Model cards — Descrição, capacidades, limitações para cada modelo
- Benchmarks — Comparações de desempenho entre tarefas
- Opções de implantação — API serverless, computação gerenciada ou auto-hospedado
- Informações de licenciamento — Termos de código aberto vs. proprietário
- Experimente — Teste modelos diretamente no catálogo antes de implantar
Tarefa 3: Entender opções de implantação
O Azure AI Foundry oferece diferentes formas de implantar modelos:
| Tipo de Implantação | Descrição | Quando Usar |
|---|---|---|
| API Serverless (MaaS) | Pague por token, sem gerenciamento de infraestrutura | Início rápido, cargas de trabalho variáveis |
| Computação Gerenciada | Computação dedicada com modelo hospedado para você | Cargas de trabalho previsíveis, modelos personalizados |
| Implantação Azure OpenAI | Via recurso Azure OpenAI Service | Modelos OpenAI com recursos empresariais |
API Serverless (Models as a Service) é especialmente notável:
- Sem necessidade de provisionar computação
- Pague apenas pelos tokens consumidos
- Modelos da Meta, Mistral e outros disponíveis dessa forma
- Rápido para configurar — obtenha um endpoint em minutos
Tarefa 4: Explore prompt flow e avaliação
O Azure AI Foundry inclui ferramentas para construir e avaliar aplicações de IA:
Prompt Flow — Ferramenta visual para construir fluxos de trabalho de aplicações LLM:
- Encadear múltiplas chamadas LLM juntas
- Adicionar etapas de processamento de dados entre chamadas
- Incluir lógica de ramificação
- Conectar a fontes de dados externas
- Testar e debugar fluxos visualmente
Avaliação — Medir a qualidade de aplicações de IA:
- Fundamentação (Groundedness) — As respostas são baseadas nos dados fornecidos?
- Relevância — As respostas respondem à pergunta?
- Coerência — As respostas são logicamente estruturadas?
- Fluência — A linguagem é natural?
- Segurança — A saída evita conteúdo prejudicial?
Sua tarefa: Considere um chatbot de suporte ao cliente. Quais métricas de avaliação seriam mais importantes? (Fundamentação e relevância — você quer respostas precisas baseadas em documentação real, não respostas alucinadas.)
Para o exame, lembre-se que o Azure AI Foundry é a plataforma que reúne tudo — seleção de modelo, engenharia de prompt, avaliação e implantação. Não é um modelo em si, mas o ambiente onde você trabalha com modelos.
Conceitos-Chave
| Conceito | Definição |
|---|---|
| Azure AI Foundry | Plataforma unificada da Microsoft para construir, avaliar e implantar aplicações de IA generativa |
| Hub | Contêiner de nível superior para recursos compartilhados, computação, conexões e governança de segurança |
| Projeto | Espaço de trabalho de equipe dentro de um hub para construir soluções de IA |
| Catálogo de modelos | Coleção curada de modelos de IA de múltiplos provedores (OpenAI, Meta, Mistral, Microsoft, etc.) |
| Prompt flow | Ferramenta visual para construir fluxos de trabalho multi-etapas de aplicações LLM |
| Models as a Service (MaaS) | Implantação serverless pague-por-token que não requer gerenciamento de infraestrutura |
Equívocos Comuns
| Equívoco | Realidade |
|---|---|
| Azure AI Foundry só oferece modelos da OpenAI | O catálogo de modelos inclui modelos da Meta, Mistral, Microsoft, Cohere e outros provedores |
| Azure AI Foundry substitui o Azure OpenAI Service | Eles trabalham juntos — Azure OpenAI Service fornece os modelos; AI Foundry é a plataforma de desenvolvimento |
| Você precisa de um hub para cada projeto | Múltiplos projetos compartilham um único hub; o hub fornece governança e recursos compartilhados |
| Todos os modelos no catálogo são gratuitos | Os modelos têm preços diferentes; alguns são pague-por-token, outros requerem computação dedicada |
| Prompt flow requer programação | Prompt flow fornece uma interface visual de baixo código para construir fluxos de trabalho LLM (embora código possa ser adicionado) |
Verificação de Conhecimento
1. Qual é o propósito do catálogo de modelos no Azure AI Foundry?
2. No Azure AI Foundry, qual é a relação entre um hub e um projeto?
3. Uma empresa quer testar rapidamente um modelo Meta Llama sem provisionar nenhuma infraestrutura de computação. Qual opção de implantação devem escolher?
4. O que a métrica de avaliação "groundedness" mede no Azure AI Foundry?
5. Qual afirmação sobre o Azure AI Foundry está correta?