Skip to main content

Azure AI Foundry

Azure AI Foundry er en plattform i Azure for utvikling, distribusjon og administrasjon av AI-applikasjoner, agenter og modeller. I Siesta AI fungerer den som en enterprise backend for inferens og agenter med støtte for RBAC, regionale begrensninger og revisjoner.

Oversikt​

Siesta AI fra Azure AI Foundry:

  • kaller distribuerte modeller (chat, reasoning, transcribe),
  • bruker OpenAI-kompatibel endpoint for inferens,
  • respekterer Azure RBAC og kundens sikkerhetspolicyer.

Grunnleggende begreper​

  • Foundry resource – Azure resource av typen Azure AI Foundry i abonnementet og ressursgruppen.
  • Foundry project – et logisk prosjekt innenfor Foundry resource (separasjon av team, applikasjoner og miljøer).
  • Project endpoint – API endpoint for prosjektets kapabiliteter (agenter, evalueringer, inferens via Foundry API).
  • Model deployment – spesifikk distribusjon av en modell (f.eks. gpt-5.2, gpt-5.2-chat).
  • API key – nøkkel for autentisering av kall til Foundry API.

Krav​

  • Aktiv Azure-abonnement.
  • Rettigheter minst Contributor på målressursgruppen.
  • Registrert ressursleverandør Microsoft.Foundry.
  • Tilgang til ai.azure.com (Microsoft Entra ID).

Oppretting av Azure AI Foundry​

1) Foundry resource​

  1. Logg inn på Azure Portal.
  2. Opprett en ny ressurs Azure AI Foundry.
  3. Velg Subscription, Resource Group, Region (f.eks. westeurope) og navnet på ressursen (f.eks. aif-sai-pro).

Foundry resource fungerer som en beholder for alle prosjekter.

2) Foundry prosjekt​

  1. Åpne ai.azure.com.
  2. Til venstre velg Management Center → Projects.
  3. Klikk på New project.
  4. Velg eksisterende Foundry resource og skriv inn navnet på prosjektet.

Oppretting av prosjekt i Management Center

Distribusjon av modeller​

Model deployments​

I prosjektet går du til Model catalog → Model deployments og distribuerer tilgjengelige modeller.

Eksempler på distribusjoner:

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

Hver distribusjon har navn på distribusjonen, modellversjon, status og dato for avvikling.

Liste over model deployments

⚠️ Siesta AI arbeider med navn på distribusjonen, ikke med navnet på modellen.

Endepunkter og API-nøkler​

Project endpoint (Foundry API)​

Project endpoint brukes for prosjektets kapabiliteter (agenter, evalueringer og Foundry inferens API). Du finner det i prosjektets detaljer.

Format for endpoint:

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

Project endpoint i Azure Portalen

Endepunkter og nøkler i prosjektet​

I ai.azure.com åpner du prosjektet og seksjonen Endpoints and keys:

  • Microsoft Foundry project endpoint
  • API Key for prosjektet

Endepunkter og nøkler i prosjektet

Nøkler og Endepunkt (Azure Portal)​

I Azure Portalen på Foundry resource:

  • Keys and Endpoint → Foundry
  • Key 1 / Key 2 for rotasjon
  • Grunnleggende endpoint for ressursen

Nøkler og Endepunkt i Azure Portalen

Koble Azure AI Foundry til Siesta AI​

1) Legge til integrasjon​

  1. Logg inn på Siesta AI Admin.
  2. Åpne Integrations.
  3. Klikk på Legg til integrasjon.
  4. Velg Azure AI Foundry.

Valg av Azure AI Foundry i listen over integrasjoner

2) Fylle ut detaljene for integrasjonen​

Fyll ut:

  • Navn: f.eks. Azure AI Foundry – PROD
  • Project endpoint (OpenAI-kompatibel): 
    https://<foundry-resource-name>.services.ai.azure.com/openai/v1/
  • ApiKey: bruk API-nøkkelen for prosjektet (fra ai.azure.com) eller nøkkelen fra Azure Portalen.
  • Tilgang: Privat (anbefalt)

Detalj for integrasjon av Azure AI Foundry i Siesta AI

3) Verifisering av integrasjonen​

Etter lagring av integrasjonen:

  • Siesta AI vil utføre en valideringstest.
  • Endpoint og nøkkel lagres kryptert.
  • Integrasjonen er tilgjengelig for assistenter, arbeidsflyter og datainnsamlinger.

Bruk av modeller i Siesta AI​

  1. Åpne Agent / Template / Workflow.
  2. Velg Model provider: Azure AI Foundry.
  3. Velg deployment name (f.eks. gpt-5.2-chat).
  4. Lagre konfigurasjonen.

Sikkerhet & Styring​

  • Autentisering via API-nøkkel.
  • RBAC styrt på Azure-nivå.
  • Mulighet for Private Endpoint + VNET.
  • Revisjonslogger i Azure Activity Log.
  • Overvåking via Foundry + Azure Monitor.

Anbefalt arkitektur​

  • Én Foundry resource per miljø (DEV / STAGE / PROD).
  • Flere prosjekter for team eller kunder.
  • Separate model deployments.
  • Rotasjon av nøkler via Key Vault.

Økning av kvote​

Hvis du trenger å øke kvoten for Azure AI Foundry, bruk dette dokumentet:

Nyttige lenker​

Oppsummering​

Azure AI Foundry fungerer som en enterprise AI backbone, mens Siesta AI bygger assistenter, arbeidsflyter, datainnsamlinger og integrasjoner med SaaS-systemer over den. Integrasjonen er reviderbar og fullt under kontroll av kunden i Azure.