Microsoft Avqust 2026-da Azure AI Search üçün 2026-08-01-preview REST API versiyasını təqdim edib. Bu versiya tək bir funksiya deyil, agentic retrieval arxitekturasını daha enterprise-ready vəziyyətə gətirən bir sıra imkanları bir paketdə təqdim edir: indexed knowledge source-lar üçün private network ingestion, avtomatik dilə uyğun analyzer seçimi, yeni file knowledge-source imkanları, gpt-5.5 və gpt-5.6 ailəsi üçün genişləndirilmiş model dəstəyi, auto retrieval reasoning, query-time source exclusion, query hints, per-source reranking controls, server-sent events ilə streaming, authenticated citation URL-ləri və cursor-based pagination. Bunların hamısı həmin preview API ailəsinin bir hissəsidir.
Arxitektura baxımından əsas dəyişiklik budur: Azure AI Search artıq yalnız “vector database + semantic ranker” kimi deyil, knowledge orchestration layer kimi işləyə bilir. Knowledge source ayrıca top-level Azure AI Search resursudur; knowledge base isə bir və ya bir neçə belə mənbəni birləşdirir. Agentic retrieval sorğunu alt-sorğulara parçalaya, müxtəlif knowledge source-lara paralel müraciət edə, nəticələri birləşdirib yenidən sıralaya və tətbiqə grounding məlumatı, citations və execution metadata qaytara bilir. Indexed source-lar Azure AI Search daxilində full-text, vector və hybrid query ilə işləyir; remote source-lar isə məlumatı əvvəlcədən indeksləmədən xarici platformanın native API-si vasitəsilə query-time əldə edə bilər.
Bu model xüsusilə böyük müəssisələr üçün önəmlidir. Tipik enterprise RAG həllində HR sənədləri SharePoint-də, müqavilələr Blob Storage-da, strukturlaşdırılmış məlumat SQL-də, başqa məlumat isə uzaq sistemdə ola bilər. Agentic retrieval knowledge base səviyyəsində bu mənbələri bir query surface altında birləşdirir və retrieval planını idarə edə bilir. Microsoft-un RAG sənədlərində də multi-source access, query understanding, token məhdudiyyətləri, response latency və security/governance əsas problemlər kimi göstərilir.
Vacib governance qeydi odur ki, Avqust 2026 imkanlarının əhəmiyyətli hissəsi preview statusundadır. Microsoft preview funksiyalarının SLA olmadan təqdim edildiyini və production workload-lar üçün tövsiyə edilmədiyini bildirir. Bundan əlavə, 2026-08-01-preview digər Microsoft və üçüncü tərəf xidmətlərinə qoşula bilər və belə inteqrasiyalar müəyyən hallarda məlumatın Azure compliance boundary xaricində işlənməsinə və ya saxlanmasına səbəb ola bilər. Buna görə regulated workload üçün feature rollout-a “enable and forget” kimi deyil, threat model + data residency review + controlled pilot prosesi kimi yanaşmaq lazımdır.
Əsas Texniki Dəyişikliklər və Düzəlişlər
Ən strateji yenilik indexed knowledge sources üçün private network ingestion imkanının əlavə edilməsidir. Blob, indexed SharePoint və indexed Azure SQL knowledge source-ları generated indexer vasitəsilə private ingestion istifadə edə bilir. Blob ssenarisində networkAccessMode private olduqda generated indexer Azure AI Search-in private execution environment-ində işləyir və Storage/model dependency-lərinə approved shared private link-lər vasitəsilə çıxır. Bu parametr yalnız ingestion path-ə təsir edir; knowledge-base retrieve request-in öz şəbəkə davranışını avtomatik olaraq dəyişmir.
Blob üçün private mode hazırda S2, S3, L1 və L2 search tier-lərini tələb edir. Search service system-assigned və ya user-assigned managed identity istifadə etməli, həmin identity Storage hesabında Storage Blob Data Reader roluna malik olmalıdır və connection string əvəzinə resource ID əsaslı ResourceId=/subscriptions/…/storageAccounts/… forması istifadə olunur. Storage üçün blob group ID-li shared private link tələb olunur; ADLS Gen2-də isə həm blob, həm dfs link-ləri yaradılmalıdır. Azure OpenAI endpoint-i private qorunursa openai_account, Microsoft Foundry resource üçün isə foundry_account group ID-li shared private link tələb olunur.
Burada ciddi lifecycle məhdudiyyəti var: networkAccessMode knowledge source yaradılarkən təyin olunur. Microsoft sənədlərinə görə onu sonradan public-dən private-a və ya əksinə dəyişmək üçün knowledge source-u silib yenidən yaratmaq lazımdır. Deployment pipeline buna görə configuration drift-i sadəcə PATCH etməyə çalışmamalı; IaC layer bu property-ni replacement-triggering property kimi qəbul etməlidir. Private quruluşdan sonra generated indexer-in executionEnvironment dəyərinin private olması, private link-lərin approval statusu və knowledge-source statusunda itemsUpdatesFailed = 0 olması ayrıca yoxlanmalıdır.
İkinci əhəmiyyətli yenilik automatic per-language analyzers funksiyasıdır. Blob, indexed OneLake və indexed SharePoint source-larında xidmət sənədin dominant dilini aşkar edib uyğun Microsoft language analyzer-i avtomatik tətbiq edə bilir. Bunun üçün contentExtractionMode minimal olaraq qurulmalı və ingestionParameters.aiServices konfiqurasiya edilməlidir. Avqust versiyasında dəstəklənən dillər arasında English, Japanese, French, Spanish, German, Dutch, Italian, Brazilian və European Portuguese, Simplified/Traditional Chinese və Korean var. Dil dəqiq müəyyən edilə bilmədikdə standard analyzer istifadə olunur.
Bu funksiyanın schema və capacity təsiri də var. Aktivləşdirildikdə generated index-də dəstəklənən dillərin hər biri üçün language-specific content field-ləri yaradılır; həmin dil üçün real sənəd olmasa belə field schema-da qalır və index field limitinə daxil olur. Language detection isə free AI enrichment allocation keçildikdən sonra billable ola bilər. Buna görə avtomatik dil analizi multilingual enterprise corpus üçün ciddi idarəetmə üstünlüyü yaratsa da, capacity planning və FinOps nəzərdən keçirilməlidir.
Avqust release-i file knowledge source modelini də genişləndirir: Serverless search service dəstəyi, əvvəlki 100 əvəzinə 200 fayl limiti, uyğun Serverless və Free/Basic-dən yuxarı Dedicated tier-lərdə fayl başına 100 MB-a qədər ölçü, custom metadata qəbul edən multipart upload, fayl content-ni əvəz edən update operation, path və filename üzrə filtering edən list operation və upload/list/update/delete əməliyyatları üçün CORS konfiqurasiyası əlavə edilib. Bu dəyişikliklər prototip və department-level RAG tətbiqlərində ayrıca Blob ingestion pipeline yaratmadan knowledge base-ə birbaşa fayl daxil etmə modelini daha praktik edir.
Retrieval layer-də ən maraqlı dəyişiklik retrievalReasoningEffort.kind = “auto” rejimidir. Əvvəllər tətbiq daha statik olaraq reasoning səviyyəsi seçməli idisə, auto əvvəlcə lightweight retrieval edir; grounding kifayət deyilsə LLM-based query planning-ə keçir və maksimum medium səviyyəsinə qədər dərinləşə bilir. Bu model knowledge base üzərində default saxlanıla, konkret retrieve request-də isə override edilə bilər. auto üçün knowledge base-də model konfiqurasiyası və 2026-08-01-preview tələb olunur; əvvəlki API versiyasına auto göndərmək 400 Bad Request yaradır.
Reasoning tier-lərinin fərqi architecture tuning üçün vacibdir. minimal LLM query planning-i söndürür, bütün knowledge source-lar üzrə birbaşa text/vector search edir və yalnız extractiveData output-u dəstəkləyir. low default rejimdir və bir LLM planning/source-selection pass aparır; medium isə ilkin nəticələr kifayət qədər relevant olmadıqda yüksək dəqiqlikli semantic classifier əsasında əlavə iteration edə bilər. Microsoft low üçün 5,000, medium üçün 10,000 answer-token həddi göstərir. Buna görə auto sadəcə “daha ağıllı search” deyil; o, query complexity əsasında latency, relevance və LLM unit economics arasında dinamik kompromis mexanizmidir.
Avqust versiyası eyni zamanda runtime orchestration üçün daha incə nəzarətlər gətirir. neverQuerySource=true konkret retrieve request zamanı knowledge source-u knowledge base-dən çıxarmadan onu həmin request üçün istisna edir. Query hints planning modelinə filter və ranking boosts yaratmağa istiqamət verə bilər. Knowledge base runtime, output-document və output-token budget-lər üçün defaults saxlaya bilər. Per-source resultsProcessing=none isə müəyyən source üçün əlavə reranking-i bypass edib həmin source-un native result ordering-ini qoruyur.
Observability və client experience də təkmilləşib. Retrieve nəticələri Server-Sent Events (SSE) vasitəsilə stream edilə bilir; stream query planning, source activity və synthesized/extractive nəticələrin hazır olduqca çatdırılmasına imkan verir və idle connection üçün heartbeat istifadə edir. Lakin bu token-by-token LLM streaming deyil: cavablar whole-message vahidləri kimi gəlir. Indexed knowledge source nəticələrində service-generated citationUrl da qaytarıla bilər və permission-filtered retrieval üçün həmin URL eyni query-time authorization token ilə çağırılmalıdır. Siyahı Data Sources, Indexers, Indexes və Skillsets əməliyyatlarında cursor pagination isə pageSize və opaque @odata.nextLink ilə böyük administrative inventory-lərin daha stabil iterasiyasına imkan verir.
Praktiki Tətbiq və Konfiqurasiya Nümunələri
İlk praktiki ssenari private Blob knowledge source yaratmaqdır. Production pilot üçün əvvəlcə Search service managed identity-sinə Storage scope-da Storage Blob Data Reader, model resource-da isə uyğun Cognitive Services permission verilməli, sonra required shared private links yaradılıb approve edilməlidir. Keyless authentication Microsoft tərəfindən tövsiyə edilən yanaşmadır.
Aşağıdakı nümunə Microsoft-un 2026-08-01-preview request modelinə əsaslanan sadələşdirilmiş REST konfiqurasiyasıdır:
PUT https://<search-service>.search.windows.net/knowledgesources/contracts-private-ks?api-version=2026-08-01-preview
Authorization: Bearer <ENTRA_TOKEN>
Content-Type: application/json
{
"name": "contracts-private-ks",
"kind": "azureBlob",
"description": "Private enterprise contract corpus",
"azureBlobParameters": {
"connectionString": "ResourceId=/subscriptions/<subscription-id>/resourceGroups/<rg>/providers/Microsoft.Storage/storageAccounts/<storage-account>",
"containerName": "contracts",
"isADLSGen2": false,
"ingestionParameters": {
"networkAccessMode": "private",
"contentExtractionMode": "minimal",
"chatCompletionModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "https://<ai-resource>.openai.azure.com",
"deploymentId": "<chat-deployment>",
"modelName": "<supported-model>"
}
},
"embeddingModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "https://<ai-resource>.openai.azure.com",
"deploymentId": "<embedding-deployment>",
"modelName": "<embedding-model>"
}
}
}
}
}Microsoft-un rəsmi schema nümunəsi eyni azureBlobParameters, resource-ID connection, model və ingestion parameter strukturundan istifadə edir; private deployment üçün networkAccessMode yaradılma zamanı private seçilməlidir.
Yaradıldıqdan sonra status endpoint-i ilə ingestion health yoxlanmalıdır:
GET https://<search-service>.search.windows.net/knowledgesources/contracts-private-ks/status?api-version=2026-08-01-preview
Authorization: Bearer <ENTRA_TOKEN>Operational gate kimi ən azı generated indexer-in private execution environment-də olduğunu, lastSynchronizationState.endTime yarandığını və itemsUpdatesFailed sıfır olduğunu yoxlamaq məqsədəuyğundur. Azure portal-da generated data source, skillset, indexer və index ayrıca inspect edilə bilər; Microsoft generated object-ləri əl ilə dəyişməməyi tövsiyə edir, çünki bu, avtomatik pipeline ilə incompatibility yarada bilər.
İkinci ssenari knowledge base üçün adaptiv reasoning aktivləşdirməkdir:
PUT https://<search-service>.search.windows.net/knowledgebases/enterprise-kb?api-version=2026-08-01-preview
Authorization: Bearer <ENTRA_TOKEN>
Content-Type: application/json
{
"name": "enterprise-kb",
"knowledgeSources": ,
"models": ,
"retrievalReasoningEffort": {
"kind": "auto"
}
}Bu struktur Microsoft-un rəsmi auto reasoning nümunəsinə uyğundur. Knowledge-base default-u auto olsa belə, latency-sensitive endpoint üçün request səviyyəsində low, deterministic extractive pipeline üçün isə uyğun hallarda minimal override edilə bilər.
Biznes və Təhlükəsizlik Baxımından Üstünlükləri
Biznes baxımından ən böyük üstünlük RAG platformasının orchestration kodunun azalmasıdır. Multi-source query decomposition, source selection, ranking, citations və müəyyən səviyyədə answer synthesis Azure AI Search platformasına keçir. Bu, hər tətbiq komandasının ayrıca retrieval microservice yazması əvəzinə mərkəzləşdirilmiş knowledge platform qurmağa imkan verə bilər. Xüsusilə eyni enterprise corpus-dan bir neçə copilot və agent istifadə edirsə, knowledge source/knowledge base modeli reusable retrieval asset yaradır. Bu nəticə Microsoft-un knowledge source-ların reusable top-level resource və knowledge base-in multi-source query surface olması barədə arxitekturasından çıxan məntiqli dizayn nəticəsidir.
Security tərəfdə private ingestion public data path-in azaldılmasına imkan verir. Managed identity + RBAC statik storage secret-lərinə ehtiyacı azalda, shared private links isə data-source və AI dependency-lərinə private routing təmin edə bilər. Eyni zamanda bu yenilik “hər şey artıq private-dır” mənasına gəlmir: Microsoft açıq şəkildə networkAccessMode parametrinin ingestion-a aid olduğunu, retrieve traffic-i avtomatik dəyişmədiyini bildirir. Buna görə end-to-end Zero Trust dizaynında Search endpoint access, client identity, document-level authorization, model connectivity və egress governance ayrıca dizayn edilməlidir.
auto reasoning isə FinOps baxımından maraqlıdır: sadə sorğular üçün hər dəfə maksimum LLM planning xərci çəkmək əvəzinə lightweight başlanğıc edə və yalnız zəif grounding olduqda daha ağır processing-ə keçə bilər. Lakin Microsoft reasoning effort artdıqca latency və billable LLM usage-in də arta biləcəyini açıq qeyd edir; buna görə production pilot-da P50/P95 latency, retrieval relevance, model token usage və answer grounding birlikdə benchmark edilməlidir.
Multilingual analyzer feature qlobal təşkilatlar üçün ayrıca biznes dəyəri yaradır. Məsələn, eyni contract repository-də English, German və Portuguese sənədlər saxlanırsa, komanda hər dil üçün ayrıca index dizaynını manual idarə etmək əvəzinə avtomatik analyzer seçimindən istifadə edə bilər. Bunun əvəzində schema field count və AI enrichment cost yeni capacity variable-a çevrilir; yəni feature həm productivity gain, həm də yeni FinOps governance nöqtəsi yaradır.
Tətbiq Ssenariləri
Ən uyğun use case-lərdən biri bank və sığorta sektorunda private RAG-dır: müqavilələr və internal procedures Blob/ADLS-də qalır, ingestion private execution environment üzərindən aparılır və knowledge base agent üçün grounded retrieval layer rolunu oynayır. Digər ssenari multinational support portalıdır: automatic per-language analyzer müxtəlif dillərdə olan knowledge content-i daha az manual index administration ilə emal edir. Üçüncü ssenari böyük internal copilot platformasıdır: auto reasoning ümumi sorğular üçün latency/cost optimallaşdırması apararkən daha mürəkkəb suallarda deeper retrieval-ə keçə bilər. Bu ssenarilər Microsoft-un private ingestion, multilingual analysis və adaptive reasoning imkanlarının birləşməsinə əsaslanan arxitektura nümunələridir.
Yekun
Avqust 2026 Azure AI Search release-i sadəcə yeni search operatorları əlavə etmir. Strateji dəyişiklik Azure AI Search-in enterprise AI stack-də managed retrieval control plane roluna yaxınlaşmasıdır: private ingestion data-plane riskini azaltmağa, auto reasoning query-by-query processing səviyyəsini uyğunlaşdırmağa, source controls isə multi-source agent davranışını daha deterministik idarə etməyə imkan verir. Bununla belə əsas imkanlar preview olduğu üçün düzgün adoption modeli “birbaşa bütün production-a keçid” deyil, isolated pilot → security validation → relevance/latency benchmark → cost baseline → controlled rollout ardıcıllığıdır.