Hop til hovedindhold

Azure AI Foundry

Azure AI Foundry er en platform i Azure til udvikling, implementering og administration af AI-applikationer, agenter og modeller. Inden for Siesta AI fungerer den som enterprise backend til inferens og agenter med støtte for RBAC, regionale begrænsninger og revisioner.

Oversigt​

Siesta AI fra Azure AI Foundry:

  • kalder implementerede modeller (chat, ræsonnering, transkribering),
  • bruger OpenAI-kompatible endpoints til inferens,
  • respekterer Azure RBAC og kundens sikkerhedspolitikker.

Grundlæggende begreber​

  • Foundry resource – Azure resource af typen Azure AI Foundry i abonnement og resourcegruppe.
  • Foundry projekt – logisk projekt inden for Foundry resource (adskillelse af teams, applikationer og miljøer).
  • Project endpoint – API endpoint til projektets kapabiliteter (agenter, evalueringer, inferens via Foundry API).
  • Model deployment – specifik implementering af en model (f.eks. gpt-5.2, gpt-5.2-chat).
  • API key – nøgle til autentificering af kald til Foundry API.

Krav​

  • Aktiv Azure-abonnement.
  • Rettigheder mindst Contributor på den målrettede resourcegruppe.
  • Registreret resource provider Microsoft.Foundry.
  • Adgang til ai.azure.com (Microsoft Entra ID).

Oprettelse af Azure AI Foundry​

1) Foundry resource​

  1. Log ind på Azure Portal.
  2. Opret en ny resource Azure AI Foundry.
  3. Vælg Subscription, Resource Group, Region (f.eks. westeurope) og navn på resource (f.eks. aif-sai-pro).

Foundry resource fungerer som en container for alle projekter.

2) Foundry projekt​

  1. Åbn ai.azure.com.
  2. Vælg til venstre Management Center → Projects.
  3. Klik på New project.
  4. Vælg eksisterende Foundry resource og indtast projektets navn.

Oprettelse af projekt i Management Center

Implementering af modeller​

Model deployments​

I projektet skal du gå til Model catalog → Model deployments og implementere de tilgængelige modeller.

Eksempler på implementeringer:

  • gpt-5.2
  • gpt-5.2-chat
  • gpt-4o-mini-transcribe
  • claude-opus-4-5

Hver implementering har navn på implementeringen, modelversion, status og dato for pensionering.

Liste over model deployments

⚠️ Siesta AI arbejder med navnet på implementeringen, ikke med navnet på modellen.

Endpoints og API-nøgler​

Project endpoint (Foundry API)​

Project endpoint bruges til projektets kapabiliteter (agenter, evalueringer og Foundry inferens API). Du finder det i projektets detaljer.

Format for endpoint:

https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-id-or-name>

Project endpoint i Azure Portalen

Endpoints og nøgler i projektet​

I ai.azure.com åbner du projektet og sektionen Endpoints and keys:

  • Microsoft Foundry project endpoint
  • API Key til projektet

Endpoints og nøgler i projektet

Nøgler og Endpoint (Azure Portal)​

I Azure Portalen på Foundry resource:

  • Keys and Endpoint → Foundry
  • Key 1 / Key 2 til rotation
  • Grundlæggende endpoint for resource

Nøgler og Endpoint i Azure Portalen

Tilslutning af Azure AI Foundry til Siesta AI​

1) Tilføjelse af integration​

  1. Log ind på Siesta AI Admin.
  2. Åbn Integrations.
  3. Klik på Tilføj integration.
  4. Vælg Azure AI Foundry.

Valg af Azure AI Foundry i integrationslisten

2) Udfyldning af integrationsdetaljer​

Udfyld:

  • Navn: f.eks. Azure AI Foundry – PROD
  • Project endpoint (OpenAI-kompatibel): 
    https://<foundry-resource-name>.services.ai.azure.com/openai/v1/
  • ApiKey: brug API key til projektet (fra ai.azure.com) eller nøglen fra Azure Portalen.
  • Adgang: Privat (anbefales)

Detalje om integration af Azure AI Foundry i Siesta AI

3) Verificering af integration​

Efter gemning af integrationen:

  • Siesta AI udfører en valideringstest.
  • Endpoint og nøgle gemmes krypteret.
  • Integration er tilgængelig for assistenter, workflows og data collections.

Brug af modeller i Siesta AI​

  1. Åbn Agent / Template / Workflow.
  2. Vælg Model provider: Azure AI Foundry.
  3. Vælg deployment name (f.eks. gpt-5.2-chat).
  4. Gem konfigurationen.

Sikkerhed & Governance​

  • Autentificering via API-nøgle.
  • RBAC styret på Azure-niveau.
  • Mulighed for Private Endpoint + VNET.
  • Audit logs i Azure Activity Log.
  • Overvågning via Foundry + Azure Monitor.

Anbefalet arkitektur​

  • Én Foundry resource pr. miljø (DEV / STAGE / PROD).
  • Flere projekter til teams eller kunder.
  • Adskilte model deployments.
  • Rotation af nøgler via Key Vault.

Forøgelse af kvote​

Hvis du har brug for at forøge kvoten for Azure AI Foundry, brug dette dokument:

Resumé​

Azure AI Foundry fungerer som enterprise AI backbone, mens Siesta AI bygger assistenter, workflows, datakollektioner og integrationer med SaaS-systemer oven på den. Integration er reviderbar og fuldt under kundens kontrol i Azure.