strumento Python

Lo strumento Python consente di creare frammenti di codice personalizzati come nodi eseguibili autonomi nel flusso di richiesta. È possibile creare facilmente Python strumenti, modificare il codice e verificare i risultati.

Input

Tipi

I parametri con l'annotazione Connection del tipo vengono considerati come input di connessione, ovvero:

• L'estensione del flusso di richiesta mostra un selettore per scegliere la connessione.
• Durante l'esecuzione, il flusso del prompt tenta di trovare la connessione con lo stesso nome dal valore del parametro passato.

Outputs

Gli output sono il valore restituito della funzione dello strumento Python.

Scrivere con lo strumento Python

Usare le linee guida seguenti per la scrittura con lo strumento Python.

Guidelines

• Python codice dello strumento deve essere costituito da codice completo Python, incluse le eventuali importazioni di moduli necessarie.

• Python codice dello strumento deve contenere una funzione decorata con @tool (funzione strumento), che funge da punto di ingresso per l'esecuzione. Applicare l'elemento @tool Decorator una sola volta all'interno del frammento di codice.

  L'esempio seguente definisce lo strumento di Python my_python_tool, decorato con @tool.

• Python parametri della funzione dello strumento devono essere assegnati nella sezione Inputs.

  L'esempio seguente definisce l'input message e lo worldassegna .

• Una funzione dello strumento Python deve avere un valore restituito.

  Nell'esempio seguente viene restituita una stringa concatenata.

Codice

Il frammento di codice seguente mostra la struttura di base di una funzione dello strumento. Il flusso del prompt legge la funzione ed estrae gli input dai parametri della funzione e dalle annotazioni di tipo.

from promptflow import tool
from promptflow.connections import CustomConnection

# The inputs section will change based on the arguments of the tool function, after you save the code
# Adding type to arguments and return value will help the system show the types properly
# Please update the function name/signature per need
@tool
def my_python_tool(message: str, my_conn: CustomConnection) -> str:
    my_conn_dict = dict(my_conn)
    # Do some function call with my_conn_dict...
    return 'hello ' + message

Input

Il flusso di richiesta tenta di trovare la connessione denominata my_conn durante l'esecuzione.

Outputs

"hello world"

Chiamare un modello di ragionamento dallo strumento Python

Se è necessario chiamare modelli di ragionamento non supportati dal nodo LLM, è possibile usare lo strumento Python per chiamare direttamente i modelli. Nell'esempio seguente viene illustrato come chiamare un modello di ragionamento dallo strumento Python.

from promptflow import tool
from promptflow.connections import AzureOpenAIConnection
from openai import AzureOpenAI
 
@tool
def my_python_tool(
    OpenAIConnection: AzureOpenAIConnection,
    scope_reply: str
):
    model_name = "o3-mini"
    deployment = "o3-mini"
    print(OpenAIConnection['api_base'])
    endpoint = OpenAIConnection['api_base'] #"https://<your endpoint>.openai.azure.com/"
    model_name = "o3-mini" #your model name
    deployment = "o3-mini" #your deployment name
 
    subscription_key = OpenAIConnection['api_key']
    api_version = "2024-12-01-preview" #Supply an API version that supports reasoning models.
 
    client = AzureOpenAI(
        api_version=api_version,
        azure_endpoint=endpoint,
        api_key=subscription_key,
    )
 
    response = client.chat.completions.create(
        messages=[
            {
                "role": "system",
                "content": "You are a helpful assistant.",
            },
            {
                "role": "user",
                "content": "I am going to Paris, what should I see?",
            }
        ],
        max_completion_tokens=100000,
        model=deployment
    )
    return response.choices[0].message.content

Connessione personalizzata nello strumento Python

Se si sviluppa uno strumento di Python che richiede la chiamata a servizi esterni con l'autenticazione, usare la connessione personalizzata nel flusso di richiesta. È possibile usarlo per archiviare in modo sicuro la chiave di accesso e quindi recuperarla nel codice Python.

Creare una connessione personalizzata

Creare una connessione personalizzata che archivia tutte le chiavi API del modello linguistico di grandi dimensioni o altre credenziali necessarie.

1. Passare al flusso di richiesta nell'area di lavoro e quindi selezionare la scheda Connessioni .

2. Selezionare Crea>personalizzato.

   

3. Nel riquadro destro è possibile definire il nome della connessione. È possibile aggiungere più coppie chiave-valore per archiviare le credenziali e le chiavi selezionando Aggiungi coppie chiave-valore.

   

Usare una connessione personalizzata in Python

Per usare una connessione personalizzata nel codice Python:

1. Nella sezione del codice del nodo Python importare la libreria di connessioni personalizzata from promptflow.connections import CustomConnection. Definire un parametro di input del tipo CustomConnection nella funzione dello strumento.

   

2. Analizzare l'input nella sezione input e quindi selezionare la connessione personalizzata di destinazione nell'elenco a discesa Valore .

   

Per esempio:

from promptflow import tool
from promptflow.connections import CustomConnection

@tool
def my_python_tool(message: str, myconn: CustomConnection) -> str:
    # Get authentication key-values from the custom connection
    connection_key1_value = myconn.key1
    connection_key2_value = myconn.key2