在前幾天，我們體驗了 Playground，並探索了 GenAI 的使用情境。今天開始，我們要進入更實戰的部分：如何透過程式呼叫 Azure AI Foundry 的模型 API。
1️⃣ 為什麼要用 API？

Playground 很方便，但在真實專案中，我們通常需要：

把 AI 整合到 網站或 App

自動化處理（例如自動生成回覆）

與後端服務或資料庫串接

👉 這時候，API 呼叫就是必須的。

2️⃣ 取得 API Key 與 Endpoint

登入 Azure Portal

找到你建立的 Azure OpenAI 資源

點擊「Keys and Endpoint」

複製一組 API Key 和 Endpoint URL

3️⃣ API 呼叫範例（Python）

以下是用 Python 呼叫 Azure OpenAI API 的簡單範例：

import openai

openai.api_type = "azure"
openai.api_key = "YOUR_API_KEY"
openai.api_base = "https://YOUR_ENDPOINT.openai.azure.com/"
openai.api_version = "2023-05-15"

response = openai.ChatCompletion.create(
    engine="gpt-35-turbo",  # 在 Azure 上的模型部署名稱
    messages=[
        {"role": "system", "content": "你是一個專案管理助理。"},
        {"role": "user", "content": "請幫我寫一封會議邀請信"}
    ],
    max_tokens=200,
    temperature=0.7
)

print(response["choices"][0]["message"]["content"])

👉 只要替換掉 YOUR_API_KEY 和 YOUR_ENDPOINT，就能馬上呼叫成功。

4️⃣ API 呼叫流程圖

使用者輸入需求

系統後端呼叫 Azure OpenAI API

API 返回生成結果

系統整合結果（顯示在 App、網頁或報表中）

5️⃣ 延伸思考

這樣的 API 呼叫，可以整合到 Line Bot、Slack、Teams

也可以與 資料庫 搭配，生成更個人化的回答

是建構 企業級 AI 應用 的第一步

小結

今天我們完成了 第一次程式呼叫 Azure AI Foundry，這讓 GenAI 從「實驗」正式走向「應用」。
明天（Day 7），我們會來看看 如何在 GCP Vertex AI 中進行 API 呼叫，完成對照。 🚀