En este artículo, aprenderás:
- Qué es Azure IA Foundry y qué ofrece.
- Por qué la integración con la API SERP de Bright Data en Azure IA Foundry es una estrategia ganadora.
- Cómo crear un flujo de solicitud de IA de Azure real que se conecte a la API SERP.
¡Vamos a sumergirnos!
¿Qué es Azure IA Foundry?
Azure IA Foundry es una plataforma unificada que proporciona un conjunto de herramientas y servicios para crear, desplegar y gestionar aplicaciones, agentes y flujos de IA. En otras palabras, actúa como una “fábrica de IA” estandarizando el proceso de creación de sistemas de IA.
Su principal objetivo es ayudarle a pasar del concepto a la producción. Esto se consigue ofreciendo acceso a una amplia gama de modelos y capacidades de proveedores de IA como Azure OpenAI, Meta y Mistral, junto con herramientas de desarrollo, despliegue y supervisión continua.
¿Por qué integrar la API SERP de Bright Data en Azure IA Foundry?
Azure IA Foundry cuenta con una larga lista de LLM, pero independientemente de cuál elija, sus conocimientos son estáticos. Por ejemplo, un LLM no conoce las noticias bursátiles de hoy, los resultados deportivos de anoche, etc. Eso puede dar lugar a respuestas “rancias” o “alucinadas”.
Para superar esta limitación, se puede construir un sistema que “aterrice” a un LLM con datos en tiempo real procedentes de Internet. Este enfoque es especialmente común en los flujos de trabajo RAG(Retrieval-Augmented Generation), en los que el LLM recibe información externa antes de generar una respuesta, lo que garantiza que su salida se basa en hechos actuales.
Azure IA viene con una herramienta de base integrada, pero está limitada a Bing como fuente de datos, lo que no siempre es ideal. Una alternativa más profesional y flexible es la API SERP de Bright Data.
La API SERP le permite ejecutar mediante programación consultas de búsqueda en motores de búsqueda y recuperar el contenido completo de la SERP, lo que le proporciona una fuente fiable de datos frescos y verificables que pueden integrarse perfectamente en los agentes de IA y los flujos de trabajo LLM. Explore todas sus capacidades en la documentación oficial.
En Azure IA Foundry, la integración de API de terceros puede implementarse tanto en agentes como en flujos. Aquí nos centraremos específicamente en los flujos de avisos, que son especialmente adecuados para los escenarios RAG.
Cómo recuperar el contexto de búsqueda web en un flujo de solicitud de Azure IA con la API SERP
En esta sección guiada, verá cómo integrar la API SERP de Bright Data en un flujo de IA de Azure como parte de un flujo de solicitud de análisis de noticias. Este flujo de trabajo consta de cuatro pasos principales:
- Recepción de entrada: Usted proporciona al flujo de trabajo un tema que le interesa para recuperar noticias relevantes.
- Obtención de noticias: Un nodo Python especializado toma el tema de entrada y lo envía a la API SERP de Bright Data para obtener artículos de noticias de Google.
- Análisis de noticias: Un LLM procesa los datos recuperados por la API SERP para identificar qué noticias merece la pena leer.
- Generación de resultados: El informe Markdown generado enumera cada noticia extraída de la SERP, junto con una breve descripción y una puntuación que indica si merece la pena leerla.
Nota: Esto es sólo un ejemplo, y puede aprovechar la API SERP en muchos otros escenarios y casos de uso.
Siga las siguientes instrucciones para crear un flujo de trabajo de estilo RAG basado en datos frescos de la API SERP de Bright Data dentro de Azure IA Foundry.
Requisitos previos
Para seguir esta sección del tutorial, asegúrese de que dispone de:
- Una cuenta Microsoft.
- Una suscripción a Azure (incluso la versión de prueba gratuita es suficiente).
- Una cuenta de Bright Data con una clave API activa (con permisos de administrador ).
Siga la guía oficial de Bright Data para obtener su clave API. Guárdela en un lugar seguro, ya que la necesitará en breve.
Paso 1: Crear un Azure IA Hub
Los flujos de solicitud de Azure IA sólo están disponibles en Azure IA Hubs, por lo que el primer paso es crear uno.
Para ello, inicie sesión en su cuenta de Azure y abra el servicio Azure IA Foundry haciendo clic en su icono o buscándolo en la barra de búsqueda:
Llegará a la página de gestión “IA Foundry”:
Aquí, haz clic en el botón “Crear” y selecciona la opción “Hub”:
A continuación, rellena el formulario de creación de Azure IA Hub como se muestra a continuación:
Elige una región, selecciona un grupo de recursos existente (o crea uno nuevo si es necesario), y dale a tu Hub un nombre, como bright-data-serp-ai-hub.
A continuación, haga clic en el botón “Revisar + Crear”. Aparecerá un resumen:
Si todo parece correcto, haga clic en “Crear” para iniciar el despliegue.
El proceso de inicialización puede tardar unos minutos. Una vez completado, deberías ver una página de confirmación como esta:
¡Maravilloso! Ahora tienes un Azure IA Hub donde puedes crear un proyecto e inicializar tu flujo de solicitudes.
Paso #2: Crear un Proyecto en el IA Hub
Para gestionar un flujo de avisos, primero tienes que crear un proyecto dentro del IA Hub. Comienza haciendo clic en la opción “IA Hubs” en el menú de la izquierda:
Haz clic en el nombre de tu Hub, y en la sección de la derecha que aparece, selecciona “Crear proyecto”:
Rellena el formulario de creación de proyecto. Esta vez, ponle a tu proyecto un nombre como serp-api-flow:
Pulsa el botón “Revisar + crear” y comprueba que todo está correcto en la sección de resumen. Finalmente, pulsa “Crear” para desplegar tu proyecto.
Espera unos instantes a que el proyecto se inicialice. Una vez listo, lo verás listado en la página “Hubs IA”. Haz clic en él:
Pulsa el botón “Launch studio” para abrirlo en Azure IA Foundry studio:
Observa en la parte superior que estás operando dentro del proyecto “Serp api flow”. Si no es el caso (por ejemplo, tienes varios proyectos), asegúrate de seleccionar el correcto.
¡Genial! Prepárate para definir tu flujo de solicitud de Azure IA.
Paso 3: Despliegue de un LLM
Para utilizar nodos LLM en tus flujos de avisos, Azure requiere que primero despliegues uno de los modelos de IA disponibles.
Para ello, en el menú de la izquierda, selecciona la opción “Catálogo de modelos”. En la página del catálogo, busque el modelo de IA que desea utilizar. Por ejemplo, supongamos que desea utilizar gpt-5-mini.
Busca “gpt-5-mini” y selecciónalo:
En la página del modelo, haz clic en “Usar este modelo” para adoptarlo:
En la ventana modal que aparece, haga clic en el botón “Crear recurso y desplegar” y espere a que el modelo termine de desplegarse:
Este proceso puede tardar unos minutos, así que sea paciente. Una vez completado el despliegue, verás el modelo disponible en tu proyecto Azure IA de la siguiente manera:
¡Maravilloso! Ahora tienes un motor LLM listo para alimentar tu flujo de instrucciones.
Paso #4: Crear un Nuevo Prompt Flow
Finalmente es hora de empezar a trabajar en su flujo de avisos. Comienza seleccionando “Prompt flow” en el menú de la izquierda, luego haz clic en el botón “Create”:
En el modal “Crear un nuevo flujo”, haga clic en “Crear” en la tarjeta “Flujo estándar” para iniciar un nuevo flujo básico:
Se le pedirá que introduzca un nombre para el flujo. Llámelo algo así como bright-data-serp-api-flow:
Pulse el botón “Crear”, espere a que el flujo se inicialice y obtendrá un flujo como éste:
Como puedes ver, a la derecha, hay una representación DAG(Directed Acyclic Graph) de tu flujo.
En cambio, a la izquierda, encontrará un editor visual donde podrá definir los nodos de su flujo. Cualquier cambio realizado en la izquierda se refleja automáticamente en el DAG de la derecha.
Por defecto, el flujo estándar incluye un ejemplo sencillo que pide a la IA que cuente un chiste.
Empieza desde cero borrando todos los nodos existentes y pulsando “Iniciar sesión de cálculo” para que tu plataforma de desarrollo de flujos esté activa:
Nota: Al iniciar una sesión de computación, Azure intenta lanzar automáticamente la instancia de computación predeterminada. Sin embargo, puede tardar varios minutos o incluso horas en asignar el recurso. Para evitar largos tiempos de espera, considere iniciar manualmente la sesión de computación utilizando una configuración personalizada en su propia instancia de computación.
¡Listo! Ahora tiene un lienzo en blanco listo para ser transformado en un flujo de consultas de IA de Azure impulsado por la API SERP de Bright Data.
Paso 5: Diseñe su flujo de avisos
Antes de construir el flujo, debe definir claramente los nodos que incluirá.
En este caso, el objetivo es crear un flujo de recuperación y evaluación de noticias. Dado un tema, esto se basará en la API SERP de Bright Data para obtener artículos de noticias relacionados de Google y, a continuación, pasarlos a un LLM para su evaluación basada en el valor de lectura. De este modo, podrá identificar rápidamente qué artículos merece la pena leer.
Para ello, el flujo constará de cuatro nodos:
- Un nodo de entrada que acepta el tema sobre el que realizar la búsqueda en la web de noticias.
- Un nodo de herramienta Python que llama a la API SERP de Bright Data utilizando el tema proporcionado.
- Un nodo LLM que procesa los datos SERP devueltos por la API para identificar y evaluar los artículos de noticias.
- Un nodo de salida que muestra el informe final generado por el LLM.
En los siguientes pasos, aprenderás cómo implementar este flujo de solicitud de Azure IA.
Paso #6: Agregar el Nodo de Entrada
Cada flujo debe incluir un nodo de entrada y un nodo de salida. Por lo tanto, los nodos de entrada y salida no pueden ser removidos y ya son parte del flujo.
Para configurar el nodo de entrada, vaya a la sección “Entradas” de su flujo y haga clic en el botón “Añadir botón”:
Defina la entrada como tema y configure su tipo como cadena:
¡Increíble! El nodo de entrada ya está configurado.
Paso 7: Preparar la llamada a la API SERP
Antes de crear el nodo Python personalizado que llama a la API SERP de Bright Data, debe realizar un par de pasos preparatorios. No son estrictamente necesarios, pero simplificarán la integración y la harán más segura.
En primer lugar, para facilitar las llamadas a la API, instale el SDK Python de Bright Data. Este SDK proporciona métodos convenientes para interactuar con los productos de Bright Data, incluyendo la API SERP (en lugar de llamarlos directamente vía API utilizando un cliente HTTP). Puede obtener más información en la documentación oficial.
El SDK está disponible como paquete brightdata-sdk. Para instalarlo en su flujo, haga clic en el botón “Compute session running” de la izquierda y seleccione la opción “Install packages from requirements.txt”:
Se abrirá un archivo requirements. txt en el panel de definición de su flujo. Añádale la siguiente línea y haga clic en la opción “Guardar e instalar”:
Una vez instalado, podrá utilizar el SDK Python de Bright Data dentro de los nodos de herramientas Python personalizados.
A continuación, dado que la API SERP requiere autenticación mediante una clave de API (y no desea codificarla en su flujo), debe almacenarla de forma segura como un secreto en Azure. Para ello, abra el “Centro de gestión” en el menú de la izquierda (suele ser la última opción):
En la vista general de la gestión del proyecto, haga clic en “Nueva conexión” en la sección “Recursos conectados”:
En el modal que aparece, seleccione la opción “Claves personalizadas”:
Así es como puedes almacenar claves API personalizadas en Azure IA Foundry.
Ahora, cree una nueva clave secreta llamada algo así como BRIGHT_DATA_API_KEY, y pegue su clave de API de Bright Data en el campo de valor. Asegúrese de marcar la opción “es secreta”. A continuación, dé a su conexión un nombre reconocible, como bright-data:
Por último, pulse “Añadir conexión” para guardar.
Ya está. Vuelva a su flujo. Ya está listo para ver cómo utilizar el SDK Python de Bright Data y su clave API almacenada para llamar a la API SERP en sólo unas pocas líneas de código.
Paso 8: Definir un nodo Python personalizado para llamar a la API SERP de Bright Data
En el lienzo de flujo, haga clic en el botón “Python” para crear un nuevo nodo de herramienta Python:
Dé a su nodo un nombre, como serp_api, y pulse el botón “Añadir”:
En el área de texto de código, añade el siguiente código Python:
from promptflow import tool
from promptflow.connections import CustomConnection
from brightdata import bdclient
@tool
def serp_api(search_input: str, bd_conn: CustomConnection) -> str:
# Inicializar el cliente del SDK de Bright Data
client = bdclient(api_token=bd_conn.BRIGHT_DATA_API_KEY)
# Recuperar la SERP de Google en formato Markdown
serp_page = client.search(
search_input,
data_format="markdown",
country="us"
)
return serp_pageEn Azure IA Foundry, los nodos Python deben definir herramientas como funciones anotadas con @tool. En este caso, la función serp_api() acepta la cadena de entrada de búsqueda y una conexión personalizada como entradas.
Desde la conexión personalizada, la función lee la BRIGHT_DATA_API_KEY que definió anteriormente y la utiliza para inicializar una instancia de cliente del SDK Python de Bright Data API. Ese cliente se utiliza entonces para llamar a la API SERP a través del método search(), con las opciones data_format="markdown" y country="US" para devolver la página SERP raspada de la versión estadounidense de Google en Markdown. (que es ideal para la ingestión de IA).
A continuación, desplázate hacia abajo y define los elementos de entrada para el nodo. Primero, pulsa “Validar y analizar entrada” para permitir que el nodo reconozca entradas válidas. Configure las entradas identificadas asignando
bd_connabright-data(su conexión personalizada definida anteriormente).search_inputa${input.topic}para que la entrada de búsqueda del nodo de entrada se pase a la API SERP.
¡Fantástico! La integración de la API SERP de Bright Data en Azure IA Foundry ya está completa.
Paso 9: Especificación del nodo LLM
Ahora que tiene la página SERP correspondiente al tema de búsqueda inicial, aliméntelo a un LLM para la extracción y evaluación de noticias. Añada un nodo LLM pulsando el botón “LLM” justo debajo de la pestaña “Flujo”:
Dé a su nodo LLM un nombre como llm y confirme pulsando “Añadir”:
Este nodo es donde usted define la lógica central de su flujo de avisos. Para alcanzar el objetivo de extracción y evaluación de noticias, puede escribir un prompt como este:
# Sistema:
Usted es un asistente de análisis de noticias encargado de identificar los artículos de noticias más relevantes para un tema determinado.
# Usuario:
Dada la página SERP que se muestra a continuación, extraiga las noticias más importantes y evalúe cada una de ellas en una escala de 1 a 5 en función de si merece la pena leerla.
Devuelve un informe con formato Markdown que contiene:
* Título de la noticia
* URL de la noticia
* Breve descripción (no más de 20 palabras)
* Valor de lectura (1-5)
PÁGINA SERP:
{{serp_page}}La # sección del sistema define el papel y el comportamiento general del asistente, mientras que la # sección del usuario proporciona la tarea específica y las instrucciones para procesar la entrada.
A continuación, configure el nodo LLM para conectarse al modelo de IA desplegado anteriormente (en el paso #3):
Observa que el prompt contiene un parámetro serp_page, que necesita ser configurado a la salida del nodo serp_api definido anteriormente. Configúralo en la sección “Inputs” pulsando “Validate and parse input” y asignando serp_page a ${serp_api.output}:
¡Genial! Tu flujo Azure IA tiene ahora un “cerebro” LLM en funcionamiento capaz de procesar los resultados SERP y generar informes de noticias evaluados.
Paso 10: Definir el nodo de salida
El último paso es configurar el nodo de salida. En la sección “Outputs”, haz clic en “Add output”:
Establezca el nombre de la salida como informe y asígnelo a la salida del nodo LLM utilizando la variable ${llm.output}:
Una vez hecho esto, pulsa “Guardar” para guardar tu flujo:
¡Enhorabuena! Tu flujo Azure IA está ahora completamente implementado.
Paso #11: Poner todo junto
Si miras en la sección “Graph” de tu entorno de desarrollo de flujo, deberías ver un DAG como el de abajo:
Representa claramente el flujo de análisis de noticias descrito en el paso 5 y muestra cómo se conectan la entrada, la llamada a la API SERP, la evaluación LLM y la salida.
Paso 12: Inicie el flujo de avisos
Para probar su flujo de avisos de Azure IA, utilicemos el tema de ejemplo “noticias del mercado de valores”. En el nodo “Inputs”, rellena el “Value” para el tema con la cadena “stock market news”:
A continuación, pulse el botón “Ejecutar” en la esquina superior derecha para ejecutar el flujo:
Debería ver cómo cada nodo se vuelve gradualmente verde a medida que los datos pasan a través del flujo hasta que alcanzan el nodo “Salidas”:
Cuando finalice la ejecución, recibirá una notificación como ésta:
Haga clic en “Ver salidas” para explorar el resultado del flujo:
Como era de esperar, el flujo produce un informe Markdown que contiene los artículos de noticias. En este caso, incluye:
- **Título de la noticia:** Los futuros del Dow, S&P 500 y Nasdaq suben mientras las conversaciones entre Estados Unidos y China preparan un acuerdo comercial para Trump.
**URL de la noticia:** [Yahoo Finanzas](https://finance.yahoo.com/news/live/stock-market-today-dow-sp-500-nasdaq-futures-climb-as-us-china-talks-tee-up-trade-deal-for-trump-225050786.html)
**Descripción breve:** Actualización en vivo: Los futuros de EE.UU. suben con la esperanza de un acuerdo comercial entre EE.UU. y China antes de la reunión de Trump.
**Valor de lectura:** 5
- Título de la noticia:** Mercado de valores hoy: Los futuros del Dow, S&P 500 y Nasdaq suben mientras las conversaciones entre EEUU y China preparan un acuerdo comercial para Trump
**URL de noticias:** [Yahoo Finanzas](https://finance.yahoo.com/news/live/stock-market-today-dow-sp-500-nasdaq-futures-climb-as-us-china-talks-tee-up-trade-deal-for-trump-225050786.html)
**Descripción corta:** Los mercados suben en el renovado optimismo comercial entre EE.UU. y China durante las conversaciones de Trump.
**Valor de lectura:** 5
# Omitido por brevedad...Estos resultados reflejan la página SERP de “noticias bursátiles” en el momento de ejecutar el flujo:
Para confirmar que la página SERP fue recuperada correctamente, inspeccione la pestaña “output” en la sección “Outputs” del nodo serp_api:
Allí verá la versión Markdown de la SERP original. La API SERP de Bright Data ha hecho magia.
Ahora, para una inspección completa de la salida del flujo, copie la salida del informe a un archivo, por ejemplo, report.md. Visualícelo en un visor Markdown como Visual Studio Code:
Observa cómo el informe producido por el flujo coincide con las noticias mostradas en la SERP de Google para “noticias bursátiles”. El scraping de los resultados de búsqueda de Google es notoriamente difícil debido a las medidas anti-bot y a los limitadores de velocidad. Mediante la API SERP, puedes obtener de forma fiable y sencilla resultados de Google (o de cualquier otro motor de búsqueda compatible) de distintas regiones en formato Markdown preparado para IA, sin limitaciones de escalabilidad.
Este ejemplo muestra un caso de uso sencillo, pero puede experimentar con flujos más complejos, integrar otros productos de Bright Data o ajustar la solicitud de LLM para gestionar diferentes tareas. También se admiten muchos otros casos de uso.
¡Et voilà! Ya tiene un flujo de Azure IA Foundry que recupera datos de búsqueda web y los utiliza como contexto en un flujo de trabajo de estilo RAG.
Conclusión
En esta entrada de blog, ha aprendido a utilizar la API SERP de Bright Data para obtener nuevos artículos de noticias de Google e integrarlos en un flujo de trabajo RAG en Azure IA.
El flujo de trabajo de IA demostrado aquí es perfecto para cualquiera que desee crear un asistente de noticias que filtre el contenido, de modo que sólo lea las noticias relevantes para los temas que le interesan. Para crear flujos de trabajo de IA más avanzados, explore el conjunto completo de herramientas de Bright Data para recuperar, validar y transformar datos web en directo.
Regístrese hoy mismo para obtener una cuenta gratuita de Bright Data y empiece a experimentar con nuestras soluciones de datos web preparadas para IA.