Passa al contenuto principale

Azure AI Foundry

Azure AI Foundry è una piattaforma in Azure per lo sviluppo, il deployment e la gestione di applicazioni, agenti e modelli AI. All'interno di Siesta AI funge da backend enterprise per l'inferenza e gli agenti con supporto RBAC, restrizioni regionali e audit.

Panoramica​

Siesta AI da Azure AI Foundry:

  • chiama modelli distribuiti (chat, reasoning, trascrizione),
  • utilizza un endpoint compatibile con OpenAI per l'inferenza,
  • rispetta le politiche di sicurezza e RBAC di Azure del cliente.

Concetti di base​

  • Foundry resource – risorsa Azure di tipo Azure AI Foundry in subscription e resource group.
  • Foundry project – progetto logico all'interno della Foundry resource (separazione di team, applicazioni e ambienti).
  • Project endpoint – API endpoint per le capacità del progetto (agenti, valutazioni, inferenza tramite Foundry API).
  • Model deployment – specifico deployment di un modello (es. gpt-5.2, gpt-5.2-chat).
  • API key – chiave per l'autenticazione delle chiamate all'API di Foundry.

Requisiti​

  • Subscription Azure attiva.
  • Permessi almeno di Contributor sul resource group di destinazione.
  • Provider di risorse registrato Microsoft.Foundry.
  • Accesso a ai.azure.com (Microsoft Entra ID).

Creazione di Azure AI Foundry​

1) Foundry resource​

  1. Accedi al Azure Portal.
  2. Crea una nuova risorsa Azure AI Foundry.
  3. Seleziona Subscription, Resource Group, Region (es. westeurope) e il nome della risorsa (es. aif-sai-pro).

La Foundry resource funge da contenitore per tutti i progetti.

2) Foundry project​

  1. Apri ai.azure.com.
  2. A sinistra seleziona Management Center → Projects.
  3. Clicca su New project.
  4. Seleziona la Foundry resource esistente e inserisci il nome del progetto.

Creazione del progetto nel Management Center

Deployment dei modelli​

Model deployments​

Nel progetto vai su Model catalog → Model deployments e distribuisci i modelli disponibili.

Esempi di deployment:

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

Ogni deployment ha nome del deployment, versione del modello, stato e data di retirement.

Elenco dei model deployment

⚠️ Siesta AI lavora con nome del deployment, non con il nome del modello.

Endpoint e chiavi API​

Project endpoint (Foundry API)​

Il project endpoint serve per le capacità del progetto (agenti, valutazioni e API di inferenza di Foundry). Lo trovi nei dettagli del progetto.

Forma dell'endpoint:

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

Project endpoint nel Azure Portal

Endpoints e chiavi nel progetto​

In ai.azure.com apri il progetto e la sezione Endpoints and keys:

  • Microsoft Foundry project endpoint
  • API Key per il progetto

Endpoints e chiavi nel progetto

Keys and Endpoint (Azure Portal)​

Nel Azure Portal sulla Foundry resource:

  • Keys and Endpoint → Foundry
  • Key 1 / Key 2 per la rotazione
  • Endpoint di base della risorsa

Keys and Endpoint nel Azure Portal

Integrazione di Azure AI Foundry in Siesta AI​

1) Aggiunta dell'integrazione​

  1. Accedi a Siesta AI Admin.
  2. Apri Integrations.
  3. Clicca su Aggiungi integrazione.
  4. Seleziona Azure AI Foundry.

Selezione di Azure AI Foundry nell&#39;elenco delle integrazioni

2) Compilazione dei dettagli dell'integrazione​

Compila:

  • Nome: es. Azure AI Foundry – PROD
  • Project endpoint (OpenAI‑compatible): 
    https://<foundry-resource-name>.services.ai.azure.com/openai/v1/
  • ApiKey: utilizza API key del progetto (da ai.azure.com) o chiave dal Azure Portal.
  • Accesso: Privato (consigliato)

Dettagli dell&#39;integrazione Azure AI Foundry in Siesta AI

3) Verifica dell'integrazione​

Dopo aver salvato l'integrazione:

  • Siesta AI eseguirà un test di validazione.
  • L'endpoint e la chiave verranno salvati in modo crittografato.
  • L'integrazione sarà disponibile per assistenti, workflow e data collections.

Utilizzo dei modelli in Siesta AI​

  1. Apri Agent / Template / Workflow.
  2. Seleziona Model provider: Azure AI Foundry.
  3. Scegli nome del deployment (es. gpt-5.2-chat).
  4. Salva la configurazione.

Sicurezza e Governance​

  • Autenticazione tramite chiave API.
  • RBAC gestito a livello di Azure.
  • Possibilità di Private Endpoint + VNET.
  • Log di audit in Azure Activity Log.
  • Monitoraggio tramite Foundry + Azure Monitor.

Architettura consigliata​

  • Una Foundry resource per ambiente (DEV / STAGE / PROD).
  • Più progetti per team o clienti.
  • Deployment di modelli separati.
  • Rotazione delle chiavi tramite Key Vault.

Aumento della quota​

Se hai bisogno di aumentare la quota di Azure AI Foundry, utilizza questo documento:

Azure AI Foundry funge da backbone AI enterprise, mentre Siesta AI costruisce assistenti, workflow, raccolte di dati e integrazioni con sistemi SaaS sopra di esso. L'integrazione è auditabile e completamente sotto il controllo del cliente in Azure.