Skip to main content
你可以在 Azure 文档 中找到关于 Azure OpenAI 最新模型及其成本、上下文窗口和受支持输入类型的信息。
Azure OpenAI 与 OpenAIAzure OpenAI 指的是托管在 Microsoft Azure 平台 上的 OpenAI 模型。OpenAI 也提供其自己的模型 API。要直接访问 OpenAI 服务，请使用 ChatOpenAI 集成。
Azure OpenAI v1 APIAzure OpenAI 的 v1 API（自 2025 年 8 月起正式发布）允许你直接使用 ChatOpenAI 与 Azure 端点交互。这提供了一个统一的接口，并原生支持 Microsoft Entra ID 认证和自动令牌刷新。有关将 ChatOpenAI 与 Azure v1 API 结合使用的详细信息，请参阅 ChatOpenAI Azure 部分。AzureChatOpenAI 目前仍受支持，适用于传统的 Azure OpenAI API 版本以及需要 Azure 特定配置的场景，但我们建议未来使用 ChatOpenAI 或 LangChain Azure AI 中的 AzureAIOpenAIApiChatModel。
AzureChatOpenAI 与 ChatOpenAI 共享相同的基础实现，后者直接与 OpenAI 服务交互。本页面作为快速入门，指导你如何认证并将你的 Azure OpenAI 服务连接到 LangChain 聊天模型。有关可用功能的详细信息，请访问 ChatOpenAI 文档，或前往 AzureChatOpenAI API 参考。
API 参考有关所有功能和配置选项的详细文档，请前往 AzureChatOpenAI API 参考。

​
概述

​
集成详情

类包可序列化JS/TS 支持下载量最新版本
AzureChatOpenAIlangchain-openaibeta✅ (npm)Downloads per monthPyPI - Latest version

​
模型特性

工具调用结构化输出图像输入音频输入视频输入令牌级流式传输原生异步令牌使用量对数概率
✅✅✅❌❌✅✅✅✅

​
设置

要访问 AzureChatOpenAI 模型，你需要创建一个 Azure 账户，部署一个 Azure OpenAI 模型，获取部署的名称和端点，获取一个 Azure OpenAI API 密钥，并安装 langchain-openai 集成包。

​
安装

pip install -U langchain-openai

​
凭证

前往 Azure 文档 创建你的部署并生成 API 密钥。完成后，设置 AZURE_OPENAI_API_KEY 和 AZURE_OPENAI_ENDPOINT 环境变量： 
import getpass
import os

if "AZURE_OPENAI_API_KEY" not in os.environ:
    os.environ["AZURE_OPENAI_API_KEY"] = getpass.getpass(
        "输入你的 AzureOpenAI API 密钥: "
    )
os.environ["AZURE_OPENAI_ENDPOINT"] = "https://YOUR-ENDPOINT.openai.azure.com/"
要启用模型调用的自动追踪，请设置你的 LangSmith API 密钥： 
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("输入你的 LangSmith API 密钥: ")
os.environ["LANGSMITH_TRACING"] = "true"

​
实例化

现在我们可以实例化我们的模型对象并生成聊天补全。 
from langchain_openai import AzureChatOpenAI

llm = AzureChatOpenAI(
    azure_deployment="gpt-35-turbo",  # 或你的部署
    api_version="2023-06-01-preview",  # 或你的 API 版本
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
    # 其他参数...
)

​
调用

messages = [
    (
        "system",
        "你是一个将英语翻译成法语的助手。翻译用户的句子。",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore la programmation.", response_metadata={'token_usage': {'completion_tokens': 8, 'prompt_tokens': 31, 'total_tokens': 39}, 'model_name': 'gpt-35-turbo', 'system_fingerprint': None, 'prompt_filter_results': [{'prompt_index': 0, 'content_filter_results': {'hate': {'filtered': False, 'severity': 'safe'}, 'self_harm': {'filtered': False, 'severity': 'safe'}, 'sexual': {'filtered': False, 'severity': 'safe'}, 'violence': {'filtered': False, 'severity': 'safe'}}}], 'finish_reason': 'stop', 'logprobs': None, 'content_filter_results': {'hate': {'filtered': False, 'severity': 'safe'}, 'self_harm': {'filtered': False, 'severity': 'safe'}, 'sexual': {'filtered': False, 'severity': 'safe'}, 'violence': {'filtered': False, 'severity': 'safe'}}}, id='run-bea4b46c-e3e1-4495-9d3a-698370ad963d-0', usage_metadata={'input_tokens': 31, 'output_tokens': 8, 'total_tokens': 39})

print(ai_msg.content)

J'adore la programmation.

​
流式传输使用量元数据

OpenAI 的聊天补全 API 默认不流式传输令牌使用量统计信息（参见 OpenAI API 参考中的流选项）。 要在使用 ChatOpenAI 或 AzureChatOpenAI 进行流式传输时恢复令牌计数，请将 stream_usage=True 设置为初始化参数或在调用时设置： 
from langchain_openai import AzureChatOpenAI

llm = AzureChatOpenAI(model="gpt-4.1-mini", stream_usage=True)

​
指定模型版本

Azure OpenAI 响应包含 model_name 响应元数据属性，这是用于生成响应的模型名称。但与原生 OpenAI 响应不同，它不包含模型的具体版本（该版本在 Azure 的部署中设置）。例如，它不区分 gpt-35-turbo-0125 和 gpt-35-turbo-0301。这使得很难知道生成响应时使用的是哪个模型版本，这可能导致例如使用 OpenAICallbackHandler 计算总成本时出错。 为了解决这个问题，你可以向 AzureChatOpenAI 类传递 model_version 参数，该参数将被添加到 llm 输出中的模型名称里。这样你就可以轻松区分不同版本的模型。 
pip install -qU langchain-community

from langchain_community.callbacks import get_openai_callback

with get_openai_callback() as cb:
    llm.invoke(messages)
    print(
        f"总成本 (USD): ${format(cb.total_cost, '.6f')}"
    )  # 未指定模型版本时，使用每 1k 输入和输出令牌 0.002 美元的固定费率

总成本 (USD): $0.000063

llm_0301 = AzureChatOpenAI(
    azure_deployment="gpt-35-turbo",  # 或你的部署
    api_version="2023-06-01-preview",  # 或你的 API 版本
    model_version="0301",
)
with get_openai_callback() as cb:
    llm_0301.invoke(messages)
    print(f"总成本 (USD): ${format(cb.total_cost, '.6f')}")

总成本 (USD): $0.000074

​
API 参考

有关所有功能和配置选项的详细文档，请前往 AzureChatOpenAI API 参考。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.