Foundry IQ(Azure AI 검색)에서 SharePoint 문서 추출 및 보강

Azure Content Understanding을 사용하여 foundry IQ(Azure AI 검색)에서 SharePoint 문서를 추출하고 보강합니다. 이 지침은 Microsoft 365의 SharePoint 인덱서 및 SharePoint(인덱싱됨) 지식 원본에 적용됩니다.

기본 제공 구문 분석은 텍스트 추출을 제공하며 다른 AI 보강 기술과 함께 작동합니다. 레이아웃이 풍부한 문서 또는 다중 모달 문서의 경우 Content Understanding은 레이아웃 인식 구문 분석, 청크 및 이미지 추출을 하나의 기술로 결합합니다. 또한 배포된 모델을 사용하여 선택적 이미지 설명을 생성합니다.

지원되는 입력에는 서식별 제한이 적용되는 Microsoft Word(DOCX) 문서, Microsoft Excel(XLSX) 통합 문서 및 Microsoft PowerPoint(PPTX) 프레젠테이션이 포함됩니다. 더 간단한 설정 및 수명 주기 작업을 위해 contentExtractionMode: "standard"와 함께 지식 원본 API를 사용합니다. 스킬, 청크 및 프로젝션에 대한 더 많은 제어를 위해 SharePoint 인덱서 및 Content Understanding 기술 세트를 직접 구성합니다.

Prerequisites

추출 파이프라인 선택

필요한 처리 및 유지 관리하려는 리소스에 따라 파이프라인을 선택합니다.

Pipeline 사용해야 하는 경우 리소스 소유권
지식 원본 API 구성 하나의 SharePoint(인덱싱된) 지식 원본 구성을 통해 더 간단한 설정을 원합니다. 검색은 인덱서, 데이터 원본, 기술 세트 및 인덱스를 생성합니다. 지식 원본 설정 및 수명 주기 작업을 사용하여 이를 유지 관리합니다.
인덱서 및 기술 세트 구성 기술 세트, 청크 또는 프로젝션을 지식 원본 설정에서 제공하는 것보다 더 세밀하게 제어해야 합니다. 수집 개체 및 보안 인덱스를 직접 구성하고 유지 관리합니다. 지식 베이스에서 인덱스를 사용하려는 경우 검색 인덱스 지식 원본을 추가합니다.

두 경로의 모양은 다음과 같습니다. 두 경로에서 모델 트래픽은 SharePoint 원본 연결과 별개입니다.

지식 원본 API: SharePoint 문서 → 생성된 인덱서 → Content Understanding 의미 체계 청킹 및 이미지 설명 → 임베딩 기술 → 생성된 보안 청크 인덱스 → SharePoint(인덱싱된) 지식 원본 → 지식 베이스.

인덱서 및 기술 집합 API: SharePoint 문서 → 사용자 인덱서 → Content Understanding 시맨틱 청킹 및 이미지 설명 → 임베딩 기술(벡터 검색용) → 사용자 보안된 청크 인덱스. 인덱스 직접 쿼리 또는 검색 인덱스 지식 원본을 통해 기술 자료에 연결합니다.

보강 연결: Content Understanding 스킬 → 분석 및 선택적 기본 제공 설명을 위한 연결된 Foundry 리소스; 임베딩 스킬 → 임베딩 엔드포인트 및 배포.

인덱싱된 지식 원본의 minimal 경우 추출은 기본 제공 구문 분석을 사용합니다. 텍스트 우선 방식 추출에 사용하거나 별도의 보강 기술이 필요한 처리를 제공할 때 사용합니다. 생성된 파이프라인에서 Content Understanding의 레이아웃 인식 구문 분석, 청크, 이미지 추출 및 선택적 설명을 결합하려면 standard 추출을 선택합니다.

인덱서를 직접 구성할 때 동일한 통합 문서 처리 기능을 위해 기술 세트에 Content Understanding 기술을 추가합니다. 여전히 임베딩 및 추가 보강 작업을 별도로 구성합니다.

처리 단계를 서로 구분된 상태로 유지합니다:

  • 레이아웃 추출은 섹션, 표 및 그림을 비롯한 문서 구조를 식별하는 기능입니다. 지원되는 형식의 대표 파일을 사용하여 추출된 구조의 유효성을 검사합니다.
  • 청크 분할은 콘텐츠를 여러 범위로 나눕니다. 의미적 청킹은 레이아웃 및 단락 경계를 따릅니다. 고정 크기 청킹은 문자 단위 윈도우를 사용합니다. 둘 중 어느 선택도 그 자체만으로는 설명을 가능하게 하지는 않습니다.
  • 이미지 추출 은 이미지 데이터 및 참조를 생성합니다. 설명은 해당 그림에 대해 생성된 텍스트를 추가합니다.
  • 임베딩은 청크 콘텐츠를 벡터로 나타냅니다. 이미지 서비스를 사용하면 별도로 지원되는 구성을 통해 검색 시 이미지를 사용할 수 있습니다. 추출된 이미지 참조는 다운로드할 수 있는 URL이 아닙니다.

인덱싱된 파이프라인 대신 SharePoint에서 직접 검색하려면 검색 및 권한 아키텍처가 다른 SharePoint(원격) 지식 원본을 참조하세요.

SharePoint (인덱싱된) 지식 원본에서 표준 추출을 사용하세요

표준 추출은 Content Understanding을 사용하여 지원되는 문서를 구문 분석하고 생성된 파이프라인에서 의미 체계 청크를 준비합니다. 지식 원본에 대한 권한 및 이미지 설명 모델을 구성합니다. 검색은 기본 데이터 원본, 인덱서, Content Understanding 기술 세트 및 보안 청크 인덱스 등을 만듭니다.

  1. 연결, 원본 선택, ID 및 포함 모델에 대해서는 인덱싱된 SharePoint 지식 원본 만들기를 따르세요.
  2. indexedSharePointParameters.ingestionParameters 다음 표준 추출 설정을 구성합니다.
    • contentExtractionMode을 standard로 설정합니다.
    • SharePoint 문서 사용 권한을 유지하도록 ["userIds", "groupIds"]를 ingestionPermissionOptions(으)로 설정합니다.
    • aiServices를 지원되는 Foundry 리소스 엔드포인트로 구성합니다.
  3. chatCompletionModel를 해당 Foundry 리소스에서 지원되는 이미지 설명 모델 및 배포로 구성합니다. false는 disableImageVerbalization로 둔 채로 두거나 생략합니다. 구성 요구 사항에 대한 표준 이미지 설명 컨트롤을 검토합니다.
  4. deploymentId에서 Foundry 리소스 엔드포인트와 임베딩 modelName 및 embeddingModel.azureOpenAIParameters를 사용하여 resourceUri를 구성합니다. 예를 들어 https://<embedding-resource>.services.ai.azure.com를 엔드포인트로 사용합니다. 생성된 임베딩 기술은 인덱싱하기 전에 생성된 이미지 설명을 포함하여 Content Understanding의 청크 콘텐츠를 벡터화합니다.
  5. 수집을 실행하고 프로젝션된 청크에 대한 권한을 포함하여 생성된 개체를 검토합니다.
  6. 수집에 성공하면 지식 원본이 지식 베이스에 할당할 준비가 되었습니다. 이 경로에는 별도의 검색 인덱스 지식 원본이 필요하지 않습니다.

Content Understanding 시맨틱 청킹 및 이미지 설명은 일반적으로 Search REST API 2026-10-01에서 사용할 수 있습니다. SharePoint 커넥터 및 권한 기능의 가용성과 API 요구 사항은 계속 별도로 문서화된 상태로 유지됩니다. 다운스트림 Content Understanding API 버전은 별도로 문서화됩니다.

이 파일 처리 경로를 지원되는 문서로 제한합니다. 텍스트로 구문 분석된 SharePoint list 항목 및 사이트 페이지는 Content Understanding에 필요한 원래 파일 입력을 제공하지 않습니다. 라이브러리 파일 구성이 혼합 콘텐츠 선택 영역에 변경되지 않은 상태로 적용된다고 가정하지 마세요.

SharePoint 인덱서 및 Content Understanding 기술 세트 구성

보강 파이프라인에 대한 더 많은 제어를 위해 인덱서 및 기술 세트 API를 사용합니다. 의미 체계 청크 및 이미지 언어화를 수행하는 Content Understanding 기술에 SharePoint 인덱서를 연결합니다. 인덱스에 보강된 청크 및 해당 SharePoint 권한을 쓰도록 기술 세트 및 매핑을 구성합니다.

  1. SharePoint 인덱서 프로시저를 사용하여 데이터 원본을 구성합니다. 데이터 원본에서 indexerPermissionOptions를 ["userIds", "groupIds"]로 설정하여 원본 사용 권한을 유지합니다. 인덱스의 인증 및 권한 필터 필드에 대해 SharePoint ACL 구성을 따르세요.
  2. 인덱서에서 true을 parameters.configuration.allowSkillsetToReadFileData(으)로 설정합니다. 이 설정은 Content Understanding 기술의 /document/file_data 입력을 위해 file_data에 원본 파일을 노출합니다. 이미 추출된 /document/content텍스트가 아닌 원래 파일을 사용합니다.
  3. 시맨틱 청킹 및 이미지 설명이 포함된 Content Understanding skill을 기술 세트에 추가합니다.
    • chunkingProperties.method을 semantic로 설정하고 chunkingProperties.unit를 tokens로 설정합니다.
    • modelName 및 modelDeployment를 연결된 Foundry 리소스에서 지원되는 이미지 설명 모델을 사용하도록 설정합니다.
    • 이미지 추출 및 위치 출력을 위해 images에 extractionOptions 및 locationMetadata을 포함합니다.
    • /document/file_data를 file_data에 매핑하고 text_sections 출력을 유지합니다. 생성된 설명은 적용 가능한 각 청크의 Markdown 콘텐츠에 포함됩니다.
  4. 벡터 검색의 경우 Content Understanding 기술 다음에 임베딩 기술을 추가합니다.
    • https://<embedding-resource>.services.ai.azure.com를 Foundry 리소스 엔드포인트(예: resourceUri)로 설정하고 deploymentId 및 modelName를 구성합니다.
    • 기술의 context을 text로 설정하고 해당 /document/text_sections/*/content 입력을 /document/text_sections/*로 설정합니다. 이 설정은 이미지 설명이 포함된 후 각 Content Understanding 청크를 임베드합니다.
    • embedding 출력을 text_vector에 매핑합니다. 벡터 차원을 인덱스에 맞추고 호환되는 쿼리 시간 벡터라이저를 구성합니다.
  5. sourceContext를 /document/text_sections/*로 설정하여 일대다 인덱스 프로젝션을 정의합니다. 청크 콘텐츠와 /document/text_sections/*/text_vector 구성된 경우의 원본 및 인용 필드, 그리고 요청된 위치 메타데이터를 청크 인덱스에 Project합니다.
  6. SharePoint 권한 프로젝션 요구 사항을 따라 모든 청크에 부모 문서의 사용 권한을 적용합니다.
    • UserIds를 인덱스의 /document/metadata_user_ids 사용 권한 필드에 매핑합니다.
    • GroupIds을 인덱스의 /document/metadata_group_ids 권한 필드에 매핑합니다.
    • SharePoint 사이트 그룹의 경우 필요한 SharePoint 그룹 확인을 프로젝스 /document/metadata_spo_site_urlSharePointSiteUrl 하고 구성합니다.
    • projectionMode: skipIndexingParentDocuments를 사용하는 경우, 인덱서 필드 매핑에만 의존하지 말고 이러한 프로젝션 매핑을 사용하세요.
  7. 인덱서를 실행하고 인덱스에서 보강된 청크 및 사용 권한을 확인합니다. 지식 기반에서 인덱스도 사용하려면 에이전트 검색을 위해 인덱스 조건의 필드 및 의미 체계 구성을 구성합니다.

Content Understanding은 이 파이프라인에서 청크 분할 및 기본 제공되는 이미지 설명을 제공하므로, 이러한 작업을 위해 별도의 텍스트 분할 또는 Chat Completion 기술이 필요하지 않습니다. 스킬의 입력/출력 관계는 Content Understanding 연습 과정을 참조하세요. SharePoint 원본 및 권한 구성을 유지합니다. 연습 문서의 Blob 연결 또는 선택적 이미지 스토리지 단계를 복사하지 마세요.

권한 메타데이터를 스킬 및 모델 입력에서 제외합니다. 대신 원본 수준 프로젝션 매핑을 통해 전달합니다. 보호된 콘텐츠 제한을 우회하기 위해 사용자 지정 Web API 기술로 대체하지 마세요.

권한 유지 및 검색 확인

권한 필터링은 청크 분할 및 검색 후에도 유지되어야 합니다. 사용자 ID, 그룹 ID 및 해당 사이트 컨텍스트에 대한 정식 권한 필드 및 매핑 을 사용합니다. 필수 원본 경로 메타데이터와 읽을 수 있는 인용 정보를 유지합니다. 일반 쿼리에서 사용 권한 필드를 검색할 수 없도록 유지합니다.

인덱서 및 기술 세트를 직접 구성하는 경우 검색을 사용하여 결과 인덱스 쿼리를 수행할 수 있습니다. 기술 자료에서 해당 인덱스를 사용하려면 검색 인덱스 기술 원본 만들기를 따른 다음 기술 자료에 할당합니다. 이 핸드오프에서는 기존 인덱스가 사용됩니다. SharePoint 콘텐츠를 수집하거나 Content Understanding을 다시 실행하지 않습니다. 지식 원본 API 구성의 경우 지식 기반에 SharePoint(인덱싱된) 지식 원본 자체를 할당합니다.

프로덕션에서 두 파이프라인을 사용하기 전에:

  1. 대표 청크에서 콘텐츠, 구성된 경우 벡터, 원본/인용 연결 및 필요한 권한 매핑을 검사합니다.
  2. 쿼리 시간 권한 절차를 사용하여 권한이 허용된 사용자와 거부된 사용자로 직접 검색 쿼리를 테스트합니다. 지식 베이스를 사용하는 경우 해당 사용자와 함께 조회 요청도 테스트합니다.
  3. 애플리케이션이 MCP 엔드포인트를 노출하는 경우 해당 사용자 토큰 전파를 테스트하고 액세스 결과도 테스트합니다. 반환된 인용 및 원본 데이터 필드에 거부된 콘텐츠가 표시되지 않는지 확인합니다.
  4. SharePoint 동기화 지침을 사용하여 적용 가능한 그룹 및 사이트 시나리오 및 권한 해지를 테스트합니다. 인덱싱 성공만으로는 현재 권한 부여가 증명되지 않습니다.

네트워킹 및 리소스 소유권 검토

아웃바운드 수집과 별도로 Search에 대한 인바운드 애플리케이션 액세스를 처리합니다. 검색용 프라이빗 엔드포인트는 SharePoint, Content Understanding 또는 모델 배포에 대한 프라이빗 연결을 설정하지 않습니다.

  • SharePoint 소스: 커넥터의 인증 계약(authentication contract)을 사용합니다. SharePoint Online은 퍼블릭 엔드포인트를 사용하며 공유 프라이빗 링크 대상이 아닙니다.
  • Content Understanding 분석: 구성된 지원되는 Foundry 리소스와 필요한 ID 및 연결을 사용합니다.
  • 임베딩 및 선택적 채팅: 구성된 각 엔드포인트의 지원되는 인증, 역할 할당, DNS 및 네트워크 액세스 요구 사항을 확인합니다.

별도의 GenAI 프롬프트(Chat Completion) 또는 사용자 지정 엔드포인트는 Content Understanding 분석기 호출을 프록시하지 않습니다. Content Understanding에는 API Management가 지원되지 않습니다. ACL 전용 수집의 경우 별도의 채팅 완료 기술에는 APIM이 아닌 허용된 자사 엔드포인트가 필요합니다. 민감도 레이블 수집에서는 채팅 완료 구성이 지원되지 않습니다.

사용자 지정 웹 API, 캐시, 지식 저장소, 디버그 및 이미지 제공 제한을 포함하여 특정 구성에 정식으로 보호된 콘텐츠 제한을 적용합니다. 인증 또는 프라이빗 라우팅이 차단된 구성을 지원되는 상태로 만들지는 않습니다.

직접 만든 파이프라인 개체를 유지 관리합니다. 마법사에서 만든 개체의 경우 해당 마법사에 대해 문서화된 워크플로를 사용합니다. 지식 원본에서 생성된 개체의 경우 기술 원본 설정 및 수명 주기 작업을 사용합니다. 생성된 개체를 무제한 사용자 지정 화면으로 처리하지 마세요.

파이프라인 처리 문제 해결 및 유지 관리

Content Understanding 출력이 누락되거나 처리 속도가 느린 경우 분석 폴링 및 대규모 문서 지침의 지침을 따르세요. 기본 분석-폴링 기간은 8분입니다. 사용자 지정 분석기 준비에는 별도의 5분 기간이 있습니다. 인덱서 상태를 검사하여 폴링 만료를 인증, 제한, 입력 형식 또는 터미널 서비스 실패와 구분합니다.

새로 고침, 다시 동기화, 해지 및 지원되는 다시 빌드 작업에는 SharePoint 사용 권한 수명 주기 절차를 사용합니다. 권한 새로 고침 동작을 이해하는 대신 콘텐츠 재설정을 사용하지 마세요.

파이프라인을 폐기할 때 일정을 중지하고 문서화된 삭제 절차를 사용합니다. 더 이상 필요하지 않은 경우에만 고객 소유 개체를 제거합니다. Search 지식 원본을 삭제해도 외부 SharePoint 콘텐츠, Foundry 리소스 또는 모델 배포는 삭제되지 않습니다.