Azure OpenAI

Provider azure. Adapter sobre o Azure OpenAI Service — os mesmos modelos da OpenAI (GPT-4o, GPT-4.1, o-series, embeddings…), só que hospedados no Azure, com SLA, residência de dados e isolamento de rede da Microsoft. Como o dialeto é o chat.completions da OpenAI, herda de _OpenAICompatible; muda só a autenticação e o fato de o "modelo" ser o nome do deployment.

pip install "jangada-ai[openai]"

• provider=: "azure"
• Variáveis de ambiente: AZURE_OPENAI_API_KEY, AZURE_OPENAI_ENDPOINT (ex.: https://meu-recurso.openai.azure.com) e AZURE_OPENAI_API_VERSION (ex.: 2024-10-21).
• Modelo: o nome do deployment que você criou no portal do Azure (não o nome bruto do modelo). Ex.: um deployment chamado gpt-4o.

from jangada_ai import LLM

# usa AZURE_OPENAI_API_KEY / AZURE_OPENAI_ENDPOINT / AZURE_OPENAI_API_VERSION
llm = LLM("azure", "gpt-4o")   # "gpt-4o" = nome do seu deployment
resp = llm.complete("Resuma {{ tema }} em uma frase.", tema="jangadas")
print(resp.text, resp.cost)

Configuração via ambiente

AZURE_OPENAI_API_KEY=...
AZURE_OPENAI_ENDPOINT=https://meu-recurso.openai.azure.com
AZURE_OPENAI_API_VERSION=2024-10-21

O endpoint e a api_version podem ir explícitos no construtor (via extra=) quando você precisa apontar para outro recurso sem mexer no ambiente.

O que faz

Tudo o que o provider openai faz, já que compartilham a base _OpenAICompatible:

• Texto, streaming e structured output (parse) com chat.completions.parse.
• Vision (images=) e documentos (files=).
• Transcrição de áudio e embeddings quando você tem deployments correspondentes (ex.: whisper, text-embedding-3-large).

Atenção: cada capacidade depende de existir um deployment daquele modelo no seu recurso Azure. Sem deployment de embeddings, não há embed.

Quando escolher Azure OpenAI

Quando a empresa já é Azure e precisa de conformidade, residência de dados e contrato corporativo com a Microsoft, mantendo os modelos da OpenAI. O código é idêntico ao da OpenAI direta — troque LLM("openai", ...) por LLM("azure", ...). Veja OpenAI e Providers.

O que mudou na 1.9.0

• profile_model=: o model na Azure é o nome do deployment, então as regras por modelo (gpt-5 sem temperature, max_completion_tokens…) não tinham como casar. Informe o modelo base: LLM("azure", "meu-deploy", profile_model="gpt-5").
• Responses API pela API v1: MCP remoto e tools nativas (web search, file search, code interpreter, image generation) usam <endpoint>/openai/v1/, sem api_version. O chat.completions segue com api_version (padrão 2024-10-21, sobrescrevível).
• Chunks de filtro de conteúdo (sem choices) não quebram mais o stream.