你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

适用于 JavaScript 的 Azure AI Projects 客户端库 - 版本 1.0.0-beta.3

项目
03/21/2025

使用 AI Projects 客户端库（预览版）可以：

枚举 Azure AI Foundry 项目中 的连接并获取连接属性。例如，获取与 Azure OpenAI 连接关联的推理终结点 URL 和凭据。
使用 Azure AI 代理服务开发代理，利用 OpenAI、Microsoft 和其他 LLM 提供商提供的大量模型、工具和功能生态系统。 Azure AI 代理服务支持为各种生成式 AI 用例构建代理。该包目前以个人预览版提供。
启用 OpenTelemetry 跟踪。

产品文档

| 示例 | 包（npm） | API 参考文档

入门
- 先决条件
- 安装包
关键概念
- 创建和验证客户端
示例
- 枚举连接
  - 获取所有连接的属性
  - 获取特定类型的所有连接的属性
  - 获取默认连接的属性
  - 按连接名称获取连接的属性
- 代理（预览版）
  - 使用以下项创建代理：
  - 使用创建线程
    - 工具资源
  - 使用以下方法创建消息：
    - 文件搜索附件
    - 代码解释器附件
  - 执行运行、创建线程和运行，或流
  - 检索消息
  - 检索文件
  - 通过删除资源来拆解
  - 跟踪
- 跟踪
  - 安装
  - 跟踪示例
故障排除
参与

开始

先决条件

LTS 版本的 Node.js
Azure 订阅。
Azure AI Foundry中的项目。
项目连接字符串。可以在 Azure AI Foundry 项目概述页的“项目详细信息”下找到它。下面假设定义了环境变量 AZURE_AI_PROJECTS_CONNECTION_STRING 来保存此值。
需要 Entra ID 才能对客户端进行身份验证。应用程序需要实现 TokenCredential 接口的对象。此处的代码示例使用 DefaultAzureCredential。若要使该工作正常，需要：
- Contributor 角色。可以通过 Azure 门户中 Azure AI 项目资源的“访问控制（IAM）”选项卡完成分配的角色。
- 已安装 Azure CLI。
- 通过运行 az login登录到 Azure 帐户。
- 请注意，如果有多个 Azure 订阅，则包含 Azure AI 项目资源的订阅必须是默认订阅。运行 az account list --output table 列出所有订阅，并查看默认订阅。运行 az account set --subscription "Your Subscription ID or Name" 以更改默认订阅。

安装包

npm install @azure/ai-projects @azure/identity

关键概念

创建并验证客户端

类工厂方法 fromConnectionString 用于构造客户端。构造客户端：

import { AIProjectsClient } from "@azure/ai-projects";
import { DefaultAzureCredential } from "@azure/identity";

const connectionString = process.env.AZURE_AI_PROJECTS_CONNECTION_STRING ?? "<connectionString>";
const client = AIProjectsClient.fromConnectionString(
  connectionString,
  new DefaultAzureCredential(),
);

例子

枚举连接

Azure AI Foundry 项目有一个“管理中心”。输入时，项目下会显示一个名为“已连接资源”的选项卡。客户端上的 .connections 操作允许枚举连接并获取连接属性。连接属性包括资源 URL 和身份验证凭据，等等。

下面是连接操作的代码示例。可以在包示例的“connections”文件夹下找到完整示例。

获取所有连接的属性

列出 Azure AI Foundry 项目中所有连接的属性：

const connections = await client.connections.listConnections();
for (const connection of connections) {
  console.log(connection);
}

获取特定类型的所有连接的属性

若要列出特定类型的连接属性（此处为 Azure OpenAI）：

const connections = await client.connections.listConnections({ category: "AzureOpenAI" });
for (const connection of connections) {
  console.log(connection);
}

按连接名称获取连接的属性

若要获取名为 connectionName的连接的连接属性，

const connection = await client.connections.getConnection("connectionName");
console.log(connection);

若要使用其身份验证凭据获取连接属性，请执行以下操作：

const connection = await client.connections.getConnectionWithSecrets("connectionName");
console.log(connection);

代理（预览版）

Azure AI Projects 客户端库中的代理旨在促进 AI 项目中的各种交互和操作。它们充当管理和执行任务的核心组件，利用不同的工具和资源来实现特定目标。以下步骤概述了与代理交互的典型顺序。有关其他代理示例，请参阅包示例中的“代理”文件夹。

代理正在积极开发。即将推出个人预览版注册表单。

创建代理

下面是有关如何创建代理的示例：

const agent = await client.agents.createAgent("gpt-4o", {
  name: "my-agent",
  instructions: "You are a helpful assistant",
});

若要允许代理访问资源或自定义函数，需要工具。可以将工具传递给 createAgenttools 和 toolResources 参数。

可以使用 ToolSet 执行此操作：

import { ToolSet } from "@azure/ai-projects";

const toolSet = new ToolSet();
toolSet.addFileSearchTool([vectorStore.id]);
toolSet.addCodeInterpreterTool([codeInterpreterFile.id]);
const agent = await client.agents.createAgent("gpt-4o", {
  name: "my-agent",
  instructions: "You are a helpful agent",
  tools: toolSet.toolDefinitions,
  toolResources: toolSet.toolResources,
});
console.log(`Created agent, agent ID: ${agent.id}`);

使用文件搜索创建代理

若要按代理执行文件搜索，首先需要上传文件、创建向量存储并将该文件关联到向量存储。下面是一个示例：

import { ToolUtility } from "@azure/ai-projects";

const localFileStream = fs.createReadStream(filePath);
const file = await client.agents.uploadFile(localFileStream, "assistants", {
  fileName: "sample_file_for_upload.txt",
});
console.log(`Uploaded file, ID: ${file.id}`);
const vectorStore = await client.agents.createVectorStore({
  fileIds: [file.id],
  name: "my_vector_store",
});
console.log(`Created vector store, ID: ${vectorStore.id}`);
const fileSearchTool = ToolUtility.createFileSearchTool([vectorStore.id]);
const agent = await client.agents.createAgent("gpt-4o", {
  name: "SDK Test Agent - Retrieval",
  instructions: "You are helpful agent that can help fetch data from files you know about.",
  tools: [fileSearchTool.definition],
  toolResources: fileSearchTool.resources,
});
console.log(`Created agent, agent ID : ${agent.id}`);

使用代码解释器创建代理

下面是上传文件并将其用于代理的代码解释器的示例：

import { ToolUtility } from "@azure/ai-projects";

const localFileStream = fs.createReadStream(filePath);
const localFile = await client.agents.uploadFile(localFileStream, "assistants", {
  fileName: "localFile",
});
console.log(`Uploaded local file, file ID : ${localFile.id}`);
const codeInterpreterTool = ToolUtility.createCodeInterpreterTool([localFile.id]);
// Notice that CodeInterpreter must be enabled in the agent creation, otherwise the agent will not be able to see the file attachment
const agent = await client.agents.createAgent("gpt-4o-mini", {
  name: "my-agent",
  instructions: "You are a helpful agent",
  tools: [codeInterpreterTool.definition],
  toolResources: codeInterpreterTool.resources,
});
console.log(`Created agent, agent ID: ${agent.id}`);

使用必应地面创建代理

若要使代理能够通过必应搜索 API 执行搜索，请使用 ToolUtility.createConnectionTool() 以及连接。

下面是一个示例：

import { ToolUtility, connectionToolType } from "@azure/ai-projects";

const bingConnection = await client.connections.getConnection(
  process.env.BING_CONNECTION_NAME ?? "<connection-name>",
);
const connectionId = bingConnection.id;
const bingTool = ToolUtility.createConnectionTool(connectionToolType.BingGrounding, [connectionId]);
const agent = await client.agents.createAgent("gpt-4o", {
  name: "my-agent",
  instructions: "You are a helpful agent",
  tools: [bingTool.definition],
});
console.log(`Created agent, agent ID : ${agent.id}`);

使用 Azure AI 搜索创建代理

Azure AI 搜索是适用于高性能应用程序的企业搜索系统。它与 Azure OpenAI 服务和 Azure 机器学习集成，提供高级搜索技术，如矢量搜索和全文搜索。非常适合知识库见解、信息发现和自动化

下面是集成 Azure AI 搜索的示例：

import { ToolUtility } from "@azure/ai-projects";

const connectionName =
  process.env.AZURE_AI_SEARCH_CONNECTION_NAME ?? "<AzureAISearchConnectionName>";
const connection = await client.connections.getConnection(connectionName);
const azureAISearchTool = ToolUtility.createAzureAISearchTool(connection.id, connection.name);
const agent = await client.agents.createAgent("gpt-4-0125-preview", {
  name: "my-agent",
  instructions: "You are a helpful agent",
  tools: [azureAISearchTool.definition],
  toolResources: azureAISearchTool.resources,
});
console.log(`Created agent, agent ID : ${agent.id}`);

使用函数调用创建代理

可以通过将回调函数定义为函数工具来增强代理。可以通过 createAgent 和 tools的组合提供这些内容来 toolResources。只有函数定义和说明提供给 createAgent，而不提供实现。 Run 或 event handler of stream 将根据函数定义引发 requires_action 状态。代码必须处理此状态并调用相应的函数。

下面是一个示例：

import {
  FunctionToolDefinition,
  ToolUtility,
  RequiredToolCallOutput,
  FunctionToolDefinitionOutput,
  ToolOutput,
} from "@azure/ai-projects";

class FunctionToolExecutor {
  private functionTools: {
    func: Function;
    definition: FunctionToolDefinition;
  }[];
  constructor() {
    this.functionTools = [
      {
        func: this.getUserFavoriteCity,
        ...ToolUtility.createFunctionTool({
          name: "getUserFavoriteCity",
          description: "Gets the user's favorite city.",
          parameters: {},
        }),
      },
      {
        func: this.getCityNickname,
        ...ToolUtility.createFunctionTool({
          name: "getCityNickname",
          description: "Gets the nickname of a city, e.g. 'LA' for 'Los Angeles, CA'.",
          parameters: {
            type: "object",
            properties: {
              location: { type: "string", description: "The city and state, e.g. Seattle, Wa" },
            },
          },
        }),
      },
      {
        func: this.getWeather,
        ...ToolUtility.createFunctionTool({
          name: "getWeather",
          description: "Gets the weather for a location.",
          parameters: {
            type: "object",
            properties: {
              location: { type: "string", description: "The city and state, e.g. Seattle, Wa" },
              unit: { type: "string", enum: ["c", "f"] },
            },
          },
        }),
      },
    ];
  }
  private getUserFavoriteCity(): {} {
    return { location: "Seattle, WA" };
  }
  private getCityNickname(location: string): {} {
    return { nickname: "The Emerald City" };
  }
  private getWeather(location: string, unit: string): {} {
    return { weather: unit === "f" ? "72f" : "22c" };
  }
  public invokeTool(
    toolCall: RequiredToolCallOutput & FunctionToolDefinitionOutput,
  ): ToolOutput | undefined {
    console.log(`Function tool call - ${toolCall.function.name}`);
    const args = [];
    if (toolCall.function.parameters) {
      try {
        const params = JSON.parse(toolCall.function.parameters);
        for (const key in params) {
          if (Object.prototype.hasOwnProperty.call(params, key)) {
            args.push(params[key]);
          }
        }
      } catch (error) {
        console.error(`Failed to parse parameters: ${toolCall.function.parameters}`, error);
        return undefined;
      }
    }
    const result = this.functionTools
      .find((tool) => tool.definition.function.name === toolCall.function.name)
      ?.func(...args);
    return result
      ? {
          toolCallId: toolCall.id,
          output: JSON.stringify(result),
        }
      : undefined;
  }
  public getFunctionDefinitions(): FunctionToolDefinition[] {
    return this.functionTools.map((tool) => {
      return tool.definition;
    });
  }
}
const functionToolExecutor = new FunctionToolExecutor();
const functionTools = functionToolExecutor.getFunctionDefinitions();
const agent = await client.agents.createAgent("gpt-4o", {
  name: "my-agent",
  instructions:
    "You are a weather bot. Use the provided functions to help answer questions. Customize your responses to the user's preferences as much as possible and use friendly nicknames for cities whenever possible.",
  tools: functionTools,
});
console.log(`Created agent, agent ID: ${agent.id}`);

创建线程

对于每个会话或对话，需要一个线程。下面是一个示例：

const thread = await client.agents.createThread();

使用工具资源创建线程

在某些情况下，可能需要将特定资源分配给单个线程。为此，请提供 toolResourcescreateThread 参数。在下面的示例中，创建矢量存储并上传文件，使用 tools 参数启用代理进行文件搜索，然后使用 toolResources 参数将该文件与线程相关联。

import { ToolUtility } from "@azure/ai-projects";

const localFileStream = fs.createReadStream(filePath);
const file = await client.agents.uploadFile(localFileStream, "assistants", {
  fileName: "sample_file_for_upload.csv",
});
console.log(`Uploaded file, ID: ${file.id}`);
const vectorStore = await client.agents.createVectorStore({
  fileIds: [file.id],
});
console.log(`Created vector store, ID: ${vectorStore.id}`);
const fileSearchTool = ToolUtility.createFileSearchTool([vectorStore.id]);
const agent = await client.agents.createAgent("gpt-4o", {
  name: "myAgent",
  instructions: "You are helpful agent that can help fetch data from files you know about.",
  tools: [fileSearchTool.definition],
});
console.log(`Created agent, agent ID : ${agent.id}`);
// Create thread with file resources.
// If the agent has multiple threads, only this thread can search this file.
const thread = await client.agents.createThread({ toolResources: fileSearchTool.resources });

创建消息

若要为助手创建要处理的消息，请将 user 作为 role 传递，并将问题作为 content传递：

const message = await client.agents.createMessage(thread.id, {
  role: "user",
  content: "hello, world!",
});
console.log(`Created message, message ID: ${message.id}`);

使用文件搜索附件创建邮件

若要将文件附加到消息进行内容搜索，请使用 ToolUtility.createFileSearchTool() 和 attachments 参数：

import { ToolUtility } from "@azure/ai-projects";

const fileSearchTool = ToolUtility.createFileSearchTool();
const message = await client.agents.createMessage(thread.id, {
  role: "user",
  content: "What feature does Smart Eyewear offer?",
  attachments: {
    fileId: file.id,
    tools: [fileSearchTool.definition],
  },
});

使用代码解释器附件创建消息

若要将文件附加到消息以供数据分析，请使用 ToolUtility.createCodeInterpreterTool() 和 attachment 参数。

下面是一个示例：

import { ToolUtility } from "@azure/ai-projects";

// notice that CodeInterpreter must be enabled in the agent creation,
// otherwise the agent will not be able to see the file attachment for code interpretation
const codeInterpreterTool = ToolUtility.createCodeInterpreterTool();
const agent = await client.agents.createAgent("gpt-4-1106-preview", {
  name: "my-assistant",
  instructions: "You are helpful assistant",
  tools: [codeInterpreterTool.definition],
});
console.log(`Created agent, agent ID: ${agent.id}`);

const thread = await client.agents.createThread();
console.log(`Created thread, thread ID: ${thread.id}`);
const message = await client.agents.createMessage(thread.id, {
  role: "user",
  content:
    "Could you please create bar chart in TRANSPORTATION sector for the operating profit from the uploaded csv file and provide file to me?",
  attachments: {
    fileId: file.id,
    tools: [codeInterpreterTool.definition],
  },
});
console.log(`Created message, message ID: ${message.id}`);

创建运行、Run_and_Process或流

下面是在运行完成之前 createRun 和轮询的示例：

let run = await client.agents.createRun(thread.id, agent.id);
// Poll the run as long as run status is queued or in progress
while (
  run.status === "queued" ||
  run.status === "in_progress" ||
  run.status === "requires_action"
) {
  // Wait for a second
  await new Promise((resolve) => setTimeout(resolve, 1000));
  run = await client.agents.getRun(thread.id, run.id);
}

若要代表你轮询 SDK，请使用 createThreadAndRun 方法。

下面是一个示例：

const run = await client.agents.createThreadAndRun(agent.id, {
  thread: {
    messages: [
      {
        role: "user",
        content: "hello, world!",
      },
    ],
  },
});

使用流式处理时，也无需考虑轮询。

下面是一个示例：

const streamEventMessages = await client.agents.createRun(thread.id, agent.id).stream();

事件处理可以按如下方式完成：

import {
  RunStreamEvent,
  ThreadRunOutput,
  MessageStreamEvent,
  MessageDeltaChunk,
  MessageDeltaTextContent,
  DoneEvent,
} from "@azure/ai-projects";

const streamEventMessages = await client.agents.createRun(thread.id, agent.id).stream();
for await (const eventMessage of streamEventMessages) {
  switch (eventMessage.event) {
    case RunStreamEvent.ThreadRunCreated:
      console.log(`ThreadRun status: ${(eventMessage.data as ThreadRunOutput).status}`);
      break;
    case MessageStreamEvent.ThreadMessageDelta:
      {
        const messageDelta = eventMessage.data as MessageDeltaChunk;
        messageDelta.delta.content.forEach((contentPart) => {
          if (contentPart.type === "text") {
            const textContent = contentPart as MessageDeltaTextContent;
            const textValue = textContent.text?.value || "No text";
            console.log(`Text delta received:: ${textValue}`);
          }
        });
      }
      break;
    case RunStreamEvent.ThreadRunCompleted:
      console.log("Thread Run Completed");
      break;
    case ErrorEvent.Error:
      console.log(`An error occurred. Data ${eventMessage.data}`);
      break;
    case DoneEvent.Done:
      console.log("Stream completed.");
      break;
  }
}

检索消息

若要从代理检索消息，请使用以下示例：

import { MessageContentOutput, isOutputOfType, MessageTextContentOutput } from "../src/index.js";

const messages = await client.agents.listMessages(thread.id);
while (messages.hasMore) {
  const nextMessages = await client.agents.listMessages(currentRun.threadId, {
    after: messages.lastId,
  });
  messages.data = messages.data.concat(nextMessages.data);
  messages.hasMore = nextMessages.hasMore;
  messages.lastId = nextMessages.lastId;
}

// The messages are following in the reverse order,
// we will iterate them and output only text contents.
for (const dataPoint of messages.data.reverse()) {
  const lastMessageContent: MessageContentOutput = dataPoint.content[dataPoint.content.length - 1];
  console.log(lastMessageContent);
  if (isOutputOfType<MessageTextContentOutput>(lastMessageContent, "text")) {
    console.log(
      `${dataPoint.role}: ${(lastMessageContent as MessageTextContentOutput).text.value}`,
    );
  }
}

检索文件

无法检索代理上传的文件。如果用例需要访问代理上传的文件内容，建议保留应用程序可访问的其他副本。但是，代理生成的文件可通过 getFileContent检索。

下面是从消息检索文件 ID 的示例：

import {
  isOutputOfType,
  MessageTextContentOutput,
  MessageImageFileContentOutput,
} from "../src/index.js";

const messages = await client.agents.listMessages(thread.id);
// Get most recent message from the assistant
const assistantMessage = messages.data.find((msg) => msg.role === "assistant");
if (assistantMessage) {
  const textContent = assistantMessage.content.find((content) =>
    isOutputOfType<MessageTextContentOutput>(content, "text"),
  ) as MessageTextContentOutput;
  if (textContent) {
    console.log(`Last message: ${textContent.text.value}`);
  }
}
const imageFile = (messages.data[0].content[0] as MessageImageFileContentOutput).imageFile;
const imageFileName = (await client.agents.getFile(imageFile.fileId)).filename;
const fileContent = await (
  await client.agents.getFileContent(imageFile.fileId).asNodeStream()
).body;
if (fileContent) {
  const chunks: Buffer[] = [];
  for await (const chunk of fileContent) {
    chunks.push(Buffer.from(chunk));
  }
  const buffer = Buffer.concat(chunks);
  fs.writeFileSync(imageFileName, buffer);
} else {
  console.error("Failed to retrieve file content: fileContent is undefined");
}
console.log(`Saved image file to: ${imageFileName}`);

拆卸

若要在完成任务后删除资源，请使用以下函数：

await client.agents.deleteVectorStore(vectorStore.id);
console.log(`Deleted vector store, vector store ID: ${vectorStore.id}`);
await client.agents.deleteFile(file.id);
console.log(`Deleted file, file ID: ${file.id}`);
client.agents.deleteAgent(agent.id);
console.log(`Deleted agent, agent ID: ${agent.id}`);

描图

可以将 Application Insights Azure 资源添加到 Azure AI Foundry 项目。请参阅工作室中的“跟踪”选项卡。如果启用了 Application Insights 连接字符串，可以配置代理，并通过 Azure Monitor 观察完整的执行路径。通常，在创建代理之前，可能需要开始跟踪。

安装

确保通过安装 OpenTelemetry 和 Azure SDK 跟踪插件

npm install @opentelemetry/api \
  @opentelemetry/instrumentation \
  @opentelemetry/sdk-trace-node \
  @azure/opentelemetry-instrumentation-azure-sdk \
  @azure/monitor-opentelemetry-exporter

还需要导出程序将遥测数据发送到可观测性后端。可以将跟踪打印到控制台或使用本地查看器，例如 Aspire 仪表板。

若要连接到 Aspire 仪表板或其他与 OpenTelemetry 兼容的后端，请安装 OTLP 导出程序：

npm install @opentelemetry/exporter-trace-otlp-proto \
  @opentelemetry/exporter-metrics-otlp-proto

跟踪示例

下面是 createAgent上面要包含的代码示例：

import {
  NodeTracerProvider,
  SimpleSpanProcessor,
  ConsoleSpanExporter,
} from "@opentelemetry/sdk-trace-node";
import { trace } from "@opentelemetry/api";
import { AzureMonitorTraceExporter } from "@azure/monitor-opentelemetry-exporter";

const provider = new NodeTracerProvider();
provider.addSpanProcessor(new SimpleSpanProcessor(new ConsoleSpanExporter()));
provider.register();
const tracer = trace.getTracer("Agents Sample", "1.0.0");
let appInsightsConnectionString =
  process.env.APP_INSIGHTS_CONNECTION_STRING ?? "<appInsightsConnectionString>";
if (appInsightsConnectionString == "<appInsightsConnectionString>") {
  appInsightsConnectionString = await client.telemetry.getConnectionString();
}
if (appInsightsConnectionString) {
  const exporter = new AzureMonitorTraceExporter({
    connectionString: appInsightsConnectionString,
  });
  provider.addSpanProcessor(new SimpleSpanProcessor(exporter));
}
await tracer.startActiveSpan("main", async (span) => {
  client.telemetry.updateSettings({ enableContentRecording: true });
  // ...
});

故障排除

异常

发出服务调用的客户端方法会引发 RestError，以响应来自该服务的非成功 HTTP 状态代码响应。异常 code 将保留 HTTP 响应状态代码。异常 error.message 包含可能有助于诊断问题的详细消息：

import { RestError } from "@azure/core-rest-pipeline";

try {
  const result = await client.connections.listConnections();
} catch (e) {
  if (e instanceof RestError) {
    console.log(`Status code: ${e.code}`);
    console.log(e.message);
  } else {
    console.error(e);
  }
}

例如，提供错误的凭据时：

Status code: 401 (Unauthorized)
Operation returned an invalid status 'Unauthorized'

报告问题

若要报告客户端库问题或请求其他功能，请在此处打开 GitHub 问题

后续步骤

查看包示例文件夹，其中包含完全可运行的代码。

贡献

此项目欢迎贡献和建议。大多数贡献要求你同意参与者许可协议（CLA），声明你有权（实际这样做）授予我们使用你的贡献的权利。有关详细信息，请访问 https://cla.microsoft.com。

提交拉取请求时，CLA 机器人会自动确定是否需要提供 CLA 并适当修饰 PR（例如标签、注释）。只需按照机器人提供的说明进行操作。只需使用 CLA 在所有存储库中执行此操作一次。

该项目已采用 Microsoft开源行为准则。有关详细信息，请参阅《行为准则常见问题解答》或联系 opencode@microsoft.com，了解任何其他问题或意见。

通过

适用于 JavaScript 的 Azure AI Projects 客户端库 - 版本 1.0.0-beta.3

目录

开始

先决条件

安装包

关键概念

创建并验证客户端

例子

枚举连接

获取所有连接的属性

获取特定类型的所有连接的属性

按连接名称获取连接的属性

代理（预览版）

创建代理

使用文件搜索创建代理

使用代码解释器创建代理

使用必应地面创建代理

使用 Azure AI 搜索创建代理

使用函数调用创建代理

创建线程

使用工具资源创建线程

创建消息

使用文件搜索附件创建邮件

使用代码解释器附件创建消息

创建运行、Run_and_Process或流

检索消息

检索文件

拆卸

描图

安装

跟踪示例

故障排除

异常

报告问题

后续步骤

贡献

其他资源

通过

适用于 JavaScript 的 Azure AI Projects 客户端库 - 版本 1.0.0-beta.3

目录

开始

先决条件

安装包

关键概念

创建并验证客户端

例子

枚举连接

获取所有连接的属性

获取特定类型的所有连接的属性

按连接名称获取连接的属性

代理（预览版）

创建代理

使用文件搜索创建代理

使用代码解释器创建代理

使用必应地面创建代理

使用 Azure AI 搜索创建代理

使用函数调用创建代理

创建线程

使用工具资源创建线程

创建消息

使用文件搜索附件创建邮件

使用代码解释器附件创建消息

创建运行、Run_and_Process或流

检索消息

检索文件

拆卸

描图

安装

跟踪示例

故障 排除

异常

报告问题

后续步骤

贡献

其他资源

故障排除