Azure MCP Server を使用すると、自然言語プロンプトを使用して、Microsoft Foundry モデルやデプロイなどのAzureリソースを管理できます。 この機能は、複雑な構文を覚える必要なく、AI モデルをすばやく管理するのに役立ちます。
Foundry は、Azureでカスタム AI モデルをデプロイおよび管理するためのプラットフォームです。 運用環境での AI モデルのトレーニング、微調整、デプロイ、監視のためのツールとサービスを提供します。 Foundry を使用すると、AI 機能をアプリケーションに簡単に組み込むことができます。
Foundry リソースに接続する場合、Azure MCP サーバーには、Foundry リソースの endpoint または resource グループが必要です。 使用可能なモデルの一覧表示など、特定のリソースを必要としない操作の場合、エンドポイントもリソース グループも必要ありません。
Note
Tool パラメーター: Azure MCP サーバー ツールは、タスクを完了するために必要なデータのパラメーターを定義します。 これらのパラメーターの一部は、各ツールに固有であり、以下に記載されています。 その他のパラメーターはグローバルであり、すべてのツールで共有されます。 詳細については、「 ツールパラメーター」を参照してください。
エージェント: 接続して稼働させる
特定のAzure AI エージェントに接続し、クエリを実行します。 このコマンドは、エージェントの応答をスレッドと共に返し、潜在的な評価のために ID を実行します。
プロンプトの例を次に示します。
- エージェントに接続する: "エージェント 'support-bot' に接続し、'チケット #12345 の状態はどうなっていますか？" エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' で
- 特定のエージェントにクエリ: 「エージェント 'sales-bot' にエンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/sales' でクエリ『今月の収益を見せて』を使って最新の売上レポートを依頼する」
- コンテキストを使用する: 「福利厚生のオプションは何ですか？」というクエリでエージェント「hr-bot」に接続します。 エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept' で
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エージェント | Required | 対話するエージェントの ID。 |
| クエリ | Required | エージェントに送信されたクエリ。 |
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ✅ | 読み取り専用: ❌ | シークレット: ❌ | ローカル必須: ❌
エージェント: 新しいエージェントを作成する
既存の Foundry モデルデプロイを使用して、特定のシステム命令に従ってメッセージを処理する Foundry エージェントを作成します。
プロンプトの例を次に示します。
- カスタマー サポート エージェントの作成: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' のデプロイ 'gpt-4' を使用して、"製品の問い合わせとトラブルシューティングを支援する便利なカスタマー サポート エージェントです" というシステム命令を使用して、"customer-support-bot" という名前のエージェントを作成します。
- 営業アシスタントの作成: "顧客が製品を見つけ、価格情報を提供するのを支援する営業アシスタントです" という指示に従って、'https://my-example-resource.services.ai.azure.com/api/projects/sales' でモデルデプロイ 'gpt-35-turbo' を使用して 、"sales-assistant" というエージェントを設定します。
- HR チャットボットの作成: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept' にデプロイメント 'gpt-4-turbo' を使用して、"hr-onboarding-bot" という名前のエージェントを構築します。あなたは新規採用者をオンボーディングプロセスで案内し、ポリシーに関する質問に答える人事スペシャリストです。"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
| モデル デプロイ | Required | モデル展開の名前。 |
| エージェント名 | Required | 人間が判読できるエージェントの名前。 |
| システム命令 | Required | メッセージを処理するときにエージェントが従うシステム命令。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ❌ | 読み取り専用: ❌ | シークレット: ❌ | ローカル必須: ❌
エージェント: エージェントを評価する
エージェント データに対してエージェント評価を実行します。 クエリ、応答、ツールの定義に JSON 文字列が必要です。
プロンプトの例を次に示します。
- タスクの準拠を評価する: "クエリ '払い戻しポリシーとは何か' を評価します。 Azure OpenAI デプロイ 'gpt-4' を使用してエンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' で task_adherence を実行する場合
- 意図の解決を確認する: "クエリ 'どのような価格プランを提供していますか?' を評価します。 エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/sales' における intent_resolution を Azure OpenAI デプロイ 'gpt-4' を使って行う場合
- ツールの精度を検証する: "Azure OpenAI デプロイメント 'gpt-35-turbo' を使用し、エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot' においてクエリ 'Check inventory for item 5678' の tool_call_accuracy を分析する"
- エージェントのパフォーマンスを評価する: "Azure OpenAI デプロイメント 'gpt-4' を使用して、エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support' でタスクの遵守度に関連するクエリ 'アプリが起動しない' を評価します"
- 包括的な評価: "クエリ 'オンボードに必要なドキュメントは何ですか?' で評価を実行します。 Azure OpenAI デプロイ 'gpt-4' を使用してエンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept' で task_adherence を実行する場合
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
| Azure OpenAI 展開 | Required | 評価に使用するAzure OpenAI モデルのデプロイ名。 |
| クエリ | Required | エージェントに送信されたクエリ。 |
| エバリュエータ | Required | 使用するエバリュエーターの名前 (intent_resolution、 tool_call_accuracy、 task_adherence)。 |
| 応答 | Optional | エージェントからの応答。 |
| ツール定義 | Optional | JSON 形式でエージェントによって行われるオプションのツール定義。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
エージェント: 言語 SDK のエージェント サンプルを取得する
Foundry SDK と任意のプログラミング言語を使用して Foundry エージェントと対話するためのコード サンプルを取得します。
プロンプトの例を次に示します。
- Get Python サンプル: "Foundry エージェントを操作するためのPython のコードサンプルを表示する"
- C# サンプルを取得する: "Foundry エージェントを操作するための csharp コード例を生成する"
- TypeScript サンプルの取得: "Foundry エージェントに接続して使用するための typescript サンプル コードを提供する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| プログラミング言語 | Required | Foundry エージェントと対話するための SDK のプログラミング言語。 サポートされる値は、 csharp、 python 、および typescriptです。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
エージェント: エージェントを一覧表示する
Foundry プロジェクト内のすべてのAzure AI エージェントを一覧表示します。 AI ワークフロー、評価、対話型タスクに使用できるエージェントを示します。
プロンプトの例を次に示します。
- すべてのエージェントを表示する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' のすべてのエージェントを表示する"
- プロジェクト別に一覧表示する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/customer-service' のすべての AI エージェントを一覧表示する
- 使用可能なエージェントを確認する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' にはどのようなエージェントがありますか?
- エージェント インベントリ: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' のエージェントの完全な一覧が必要です"
- 特定のエージェントを検索する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' ですべてのチャットボット エージェントを表示する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
エージェント: エージェントをクエリして実行する
エージェントにクエリを実行し、その応答を 1 回の操作で評価します。 このコマンドは、エージェントの応答と評価結果の両方を返します。
プロンプトの例を次に示します。
- クエリと評価: "エージェント 'support-bot' にクエリして 'チケット 123 のステータスは何ですか？'" Azure OpenAI エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' とデプロイメント 'gpt-4' を使用して、エンドポイント 'https://my-openai.openai.azure.com' でタスクの遵守を評価します。
- Single オペレーション: "エージェント 'sales-bot' にクエリ 'Show monthly revenue' を要求し、Azure OpenAI エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/sales' とデプロイ 'gpt-4' を使用してエンドポイント 'https://my-openai.openai.azure.com' でインテント解決を確認する"
- 組み合わされたアクション: "エージェント 'hr-bot' に接続し、「オンボーディングプロセスとは何か？」と問い合わせます。 Azure OpenAI エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept' とデプロイメント 'gpt-35-turbo' を使用し、エンドポイント 'https://my-openai.openai.azure.com' でツール呼び出しの精度を評価します。
- 完全なサイクル: "エージェント 'marketing-bot' に 'キャンペーンのアイデアの提案' を問い合わせ、Azure OpenAI エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/marketing' とデプロイメント 'gpt-4' を使用して、エンドポイント 'https://my-openai.openai.azure.com' でタスクの準拠を評価します。"
- エンドツーエンドのチェック: "エージェント 'devops-bot' にクエリ 'デプロイ状態はどうなっていますか？' を問い合わせる" Azure OpenAI エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/devops' とデプロイ 'gpt-4' を使用して、エンドポイント 'https://my-openai.openai.azure.com' で意図解決を評価します。
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL (形式) https://<resource>.services.ai.azure.com/api/projects/<project-name> |
| Azure OpenAI エンドポイント | Required | 評価で使用する Azure OpenAI サービスのエンドポイント URL。 |
| Azure OpenAI 展開 | Required | Azure OpenAI モデルのデプロイ名。 |
| エージェントID | Required | 対話するエージェントの ID。 |
| クエリ | Required | エージェントに送信されたクエリ。 |
| エバリュエーター | Optional | 評価に使用するエバリュエーターの一覧をコンマで区切って指定します。 指定しない場合は、すべてのエバリュエーターが使用されます。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ✅ | 読み取り専用: ❌ | シークレット: ❌ | ローカル必須: ❌
ナレッジ: ナレッジ インデックスを一覧表示する
Foundry からナレッジ インデックスの一覧を取得します。
- Foundry プロジェクト内で作成されたナレッジ インデックスを検索します。
- 知識の取得と RAG アプリケーションには、これらのインデックスを AI エージェントと共に使用します。
- 新しいインデックスを作成したり、既存のインデックスを更新したりすると、リストが更新されます。
プロンプトの例を次に示します。
- すべてのインデックスを表示する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' ですべてのナレッジ インデックスを表示する"
- プロジェクトでフィルター処理する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-bot' でナレッジ インデックスを一覧表示する"
- 名前で検索: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' で 'product-faqs' という名前のナレッジ インデックスを見つける"
- タグでフィルター処理する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' で 'security' でタグ付けされたナレッジ インデックスを一覧表示する"
- インデックスの詳細を表示する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' で 'customer-service' ナレッジ インデックスの詳細を表示する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL (形式) https://<resource>.services.ai.azure.com/api/projects/<project-name> |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
ナレッジ: インデックス スキーマを取得する
Foundry から特定のナレッジ インデックスの詳細なスキーマ構成を取得します。
この操作では、フィールド定義、データ型、検索可能な属性、その他のスキーマ プロパティなど、ナレッジ インデックスの構造と構成に関する包括的な情報が表示されます。 このスキーマ情報を使用して、検索のためにデータのインデックス構造とインデックスを作成する方法を理解します。
プロンプトの例を次に示します。
- インデックス スキーマの表示: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' のナレッジ インデックス 'product-facts' のスキーマを表示する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL (形式) https://<resource>.services.ai.azure.com/api/projects/<project-name> |
| インデックス | Required | ナレッジ インデックスの名前。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
モデル: 使用可能なモデルを一覧表示する
Foundry リソースで使用可能なすべての Azure OpenAI モデルとデプロイを一覧表示します。 このツールは、Foundry リソースにデプロイAzure OpenAI モデルに関する情報 (モデル名、バージョン、機能、デプロイ状態など) を取得します。
プロンプトの例を次に示します。
- すべてのモデルを表示する: "Foundry で使用可能なすべての AI モデルを表示する"
- 無料使用でフィルター: "遊び場で使用できる Foundry のプロトタイプ作成に使用できるすべての無料モデルを一覧表示する"
- 無料使用でフィルター処理: "Foundry でのプロトタイプ作成に使用可能なすべての無料モデルを一覧表示する"
- 発行元によるフィルター: "Foundry で Microsoft によって公開されたモデルを表示する"
- ライセンスでフィルター処理する: "Foundry で使用できる Apache ライセンスを持つモデルは何ですか?
- 名前で検索: "Foundryでラマのモデルを探す"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| 無料の遊び場を検索 | Optional | true に設定すると、Foundry からのモデル一覧が返されます。この一覧は、GitHubの推論エンドポイントとPATトークンでも使用できます。 false の場合、GitHub のサポートに関係なく、Foundry からモデルの一覧を返します。 詳細については、「 |
| 発行者 | Optional | 取得するモデルの発行元を指定するフィルター。 |
| ライセンス | Optional | 取得するモデルのライセンスの種類を指定するフィルター。 |
| Model | Optional | 検索するモデルの名前。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
モデル: モデルをデプロイする
AI モデルをAzure環境にデプロイします。 このコマンドを使用して、Foundry から選択したモデルをデプロイし、アプリケーションで使用できるようにします。
プロンプトの例を次に示します。
- 必要なパラメーターを使用してデプロイする: "OpenAI 形式の GPT-4 モデルをリソース グループ 'my-resource-group' の ai-services アカウントにデプロイする"
- デプロイ名を指定する: "Standard SKU を使用してリソース グループ 'my-resource-group' の Foundry Tools アカウントに Ada 埋め込みモデルのテキスト埋め込みという名前のデプロイを設定する"
- モデル バージョンを含める: "スケール容量が 3 のリソース グループ 'my-resource-group' の Meta から Foundry Tools アカウントに Llama モデルのバージョン 2 をデプロイする"
- 特定のリソース グループにデプロイする: "リソース グループ 'my-resource-group' の ai-central サービスに GPT-4 モデルを使用してコンテンツ生成という名前のデプロイを作成する"
- スケーリングの構成: "自動スケールが有効で最大容量が 5 のリソース グループ 'my-resource-group' の Foundry ツールに Claude モデルをデプロイする"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| リソース グループ | Required | Azure リソース グループの名前。 これは、Azure リソースの論理コンテナーです。 |
| デプロイ | Required | Foundryモデル展開の名称。 |
| Model | Required | デプロイするモデルの名前。 |
| モデル形式 | Required | モデルの形式 ( OpenAI、 Meta、 Microsoftなど)。 |
| Foundry Tools | Required | デプロイする Foundry Tools アカウントの名前。 |
| モデルのバージョン | Optional | デプロイするモデルのバージョン。 |
| モデル ソース | Optional | モデルのソース。 |
| SKU | Optional | デプロイメントのSKU名。 |
| SKU 容量 | Optional | デプロイメント用のSKU容量。 |
| スケールの種類 | Optional | デプロイメントのスケールタイプ。 |
| スケール容量 | Optional | デプロイメントのスケーリング容量。 |
破壊的: ✅ | 冪等: ❌ | オープンワールド: ❌ | 読み取り専用: ❌ | シークレット: ❌ | ローカル必須: ❌
モデル: モデルのデプロイを一覧表示する
Foundry (Cognitive Services) プロジェクト内のモデルのデプロイを一覧表示します。 現在デプロイされている AI モデルをプロジェクト レベルで表示します。
プロンプトの例を次に示します。
- 運用環境でのデプロイの一覧表示: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/production' ですべてのモデル デプロイを表示する"
- 特定のエンドポイントを確認します。"現在、エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' にデプロイされているモデルは何ですか?
- リージョンデプロイの表示: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/west-region' のすべてのデプロイを一覧表示する
- デプロイの状態を確認する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' にデプロイされているすべてのモデルの状態を表示する"
- アクティブなモデルを参照してください。"現在、エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' で実行されている AI モデルは何ですか?
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL (形式) https://<resource>.services.ai.azure.com/api/projects/<project-name> |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
OpenAI: チャットの回答を生成する
Foundry で Azure OpenAI を使用してチャットの完了を作成します。 Foundry リソースにデプロイAzure OpenAI チャット モデルにメッセージを送信し、AI によって生成された会話応答を受信します。 メッセージ履歴、システム命令、応答のカスタマイズを使用した複数ターンの会話をサポートします。
プロンプトの例を次に示します。
- シンプルな挨拶: リソース 'openai-prod' にデプロイ 'gpt-35-turbo' を使用して、メッセージ配列 '[{"role":"user","content":"Hello, how are you today?"}]' でチャットの完了を作成する
- システム メッセージ: "リソース 'openai-west' 上にデプロイメント 'gpt-35-turbo' を使用し、システム メッセージ 'You are a helpful assistant' とユーザーメッセージ 'Explain quantum computing' を組み合わせてチャット完了を生成します"
- 創造性を制御: "リソース 'ai-central' にて、'gpt-4' を使用し、温度 0.8、最大 150 トークンで、「クリエイティブなストーリーを書く」ためのチャット生成を行う"
- 決定論的な応答: "リソース 'ai-services-prod' で、デプロイメント 'gpt-35-turbo' と温度 0.1、シード 12345 を使用して、メッセージ 'List 5 facts about Mars' を使ったチャット完了を作成する"
- 過去との会話: "履歴を基にチャットを続行する: システム 'あなたはコーディングアシスタントです', ユーザー 'Pythonで関数を作成するにはどうすればよいですか？', アシスタント 'こちらが方法です...'、ユーザー '例を表示できますか？' デプロイメント「gpt-4」をリソース「dev-openai」で使用する
- 繰り返しに対するペナルティ: リソース 'ai-services-main' でデプロイメント 'gpt-35-turbo' を使用し、頻度ペナルティ 0.5 とプレゼンスペナルティ 0.3 を設定して、「クラウドコンピューティングの利点を説明する」ための完了を作成します。
- ストリーミング応答: リソース「openai-research」でstreamをtrueに設定し、デプロイ「gpt-4」を使用して、"機械学習を一歩一歩説明"のストリーミング・チャットの完成を生成する
- 停止シーケンスを使用して: "リソース 'ai-test' 上のデプロイ 'gpt-35-turbo' を使い、停止シーケンス ['5'、'STOP'] で 'Count from 1 to 10' のコンプリーションを生成する"
- ユーザー追跡: 「'Azure AI とは何ですか？' の補完を生成します。」 リソース 'prod-openai' にユーザー識別子 'user-123' を持つデプロイ 'gpt-4' を使用する
- 微調整された制御: 『gpt-35-turbo』のデプロイメントを使用し、temperature 0.2、top_p 0.9、max tokens 200、リソース『secure-ai』のAAD認証を用いて、"この記事の概要"のためのチャット生成を作成する。
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| リソース名 | Required | Azure OpenAI リソースの名前。 |
| デプロイ | Required | Foundryモデル展開の名称。 |
| メッセージ配列 | Required | 会話内のメッセージの配列 (JSON 形式)。 各メッセージには、 role プロパティと content プロパティが必要です。 |
| 最大トークン数 | Optional | 完了時に生成するトークンの最大数。 |
| 気温 | Optional | 出力のランダム性を制御します。 値を小さくすると、より決定的になります。 |
| 上位 p | Optional | 核サンプリング (0.0 ~ 1.0) を使用して多様性を制御します。 既定値は 1.0 です。 |
| 頻度のペナルティ | Optional | 頻度が (-2.0, 2.0) の場合、新しいトークンにペナルティを与えます。 既定値は 0 です。 |
| プレゼンスペナルティ | Optional | 存在度に応じて (-2.0 から 2.0)、新しいトークンに減点します。 既定値は 0 です。 |
| 止める | Optional | API がそれ以上のトークンの生成を停止する、最大 4 つのシーケンス。 |
| Stream | Optional | 部分的な進行状況をストリーム バックするかどうか。 既定値は false です。 |
| シード | Optional | 指定した場合、システムは決定論的にサンプリングするためのベスト エフォートを行います。 |
| User | Optional | 追跡と不正使用の監視用の省略可能なユーザー識別子。 |
| 認証の種類 | Optional | 使う認証の種類。 オプションは key (既定) または aadです。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
OpenAI: 埋め込みを作成する
Foundry Azure OpenAI を使用して埋め込みを作成します。 セマンティック検索、類似性の比較、クラスタリング、機械学習のために Foundry リソースの Azure OpenAI デプロイを使用して、テキストからベクター埋め込みを生成します。
プロンプトの例を次に示します。
- ベーシック テキスト埋め込み: "リソースグループ 'my-resource-group' にある 'text-embedding-ada-002' デプロイメントを使用して、テキスト 'Azure OpenAI Service' の埋め込みを生成します"
- ベクター埋め込みを作成: "リソース グループ 'my-resource-group' のリソース 'ai-services-prod' にデプロイされた 'text-embedding-3-large' を使用して、私のテキストのベクター埋め込みを Azure OpenAI で作成する"
- ドキュメント埋め込み: "リソースグループ 'my-resource-group' でリソース 'embedding-service' にデプロイされた 'ada-002' を使用して、'Machine learning revolutionizes data analysis' の埋め込みを生成します"
- 複数の文: "テキスト「クラウドコンピューティングはスケーラブルなインフラストラクチャを提供する」のために埋め込みを作成します。 グローバル アクセシビリティが有効になります。' リソース グループ 'my-resource-group' 内でのエンベディングデプロイメントの使用
- ユーザー追跡: "リソース グループ 'my-resource-group' 内でユーザー識別子 'analytics-team' を使用し、デプロイ 'text-embedding-3-small' により '自然言語処理アプリケーション' の埋め込みを生成する"
- 特定のディメンション: "リソース グループ 'my-resource-group' のリソース 'ai-central' でデプロイ 'text-embedding-3-large' を使用し、1536次元の「人工知能がビジネス運営を変革する」ための埋め込みベクトルを作成する"
- Base64 形式: "リソース グループ 'my-resource-group' のリソース 'ml-services' に base64 エンコード形式でデプロイ 'ada-002' を使用して'ディープ ラーニング ニューラル ネットワーク' の埋め込みを生成する"
- 研究テキスト: "リソース グループ 'my-resource-group' でのテキスト埋め込みデプロイを使用して、"Quantum コンピューティングが特定のアルゴリズムで計算上の利点を示す" のベクター埋め込みを作成する"
- 製品の説明: リソース グループ 'my-resource-group' のリソース 'product-ai' にデプロイ 'text-embedding-3-small' を使用して、"高度なグラフィックス処理装置を備えた高性能ノート PC" の埋め込みを生成する"
- 技術ドキュメント: "リソース グループ 'my-resource-group' のリソース 'docs-embedding' に float エンコードを指定してデプロイ 'ada-002' を使用して、'API 認証に有効な資格情報と適切な承認ヘッダーが必要' の埋め込みを作成する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| リソース グループ | Required | Azure リソース グループの名前。 これは、Azure リソースの論理コンテナーです。 |
| リソース名 | Required | Azure OpenAI リソースの名前。 |
| デプロイ | Required | Foundryモデル展開の名称。 |
| 入力テキスト | Required | 埋め込みを生成するためのテキスト入力。 |
| User | Optional | 追跡と不正使用の監視用の省略可能なユーザー識別子。 |
| エンコード形式 | Optional | 埋め込みを返す形式 (float または base64)。 |
| ディメンション | Optional | 埋め込み出力のディメンションの数。 一部のモデルでのみサポートされます。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
OpenAI: 生成結果を作成する
Foundry Azure OpenAI を使用してテキスト補完を作成します。 Foundry リソースにデプロイされた OpenAI モデルAzureにプロンプトまたは質問を送信し、生成されたテキスト回答を受け取ります。 入力候補の作成、AI で生成されたコンテンツの取得、質問への回答の生成、入力プロンプトに基づいて Azure OpenAI からテキスト入力候補を生成する必要がある場合に使用します。 温度トークンと最大トークンを使用したカスタマイズをサポートします。
プロンプトの例を次に示します。
- Basic completion: 「Azureとは何か」というプロンプトで補完を作成します。 リソース グループ 'my-resource-group' で 'gpt-35-turbo' デプロイメントを使用する。
- 温度制御: リソース グループ 'my-resource-group' で温度パラメータ 0.3 を設定したデプロイ 'text-davinci-003' を使用して、「Explain Machine Learning」のテキスト補完を生成する
- 制限付きトークン: "リソース グループ 'my-resource-group' に最大 100 個のトークンを含む 'gpt-4' デプロイを使用して、プロンプト '概要を書き込む' で完了を作成する"
- クリエイティブライティング: "リソースグループ 'my-resource-group' 内のデプロイ 'gpt-35-turbo' を使用し、温度 0.8 と最大 200 トークンで'AI に関するストーリーを教えて' の完了を生成する"
- 技術的な説明: "'クラウド コンピューティングのしくみ' というプロンプトで完了を作成します。 私の OpenAI リソース 'ai-services-east' と、リソース グループ 'my-resource-group' 内のデプロイ 'gpt-4' を使用している
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| リソース グループ | Required | AI リソースがホストされているAzure リソース グループの名前。 |
| リソース名 | Required | Azure OpenAI リソースの名前。 |
| デプロイ | Required | デプロイの名前。 |
| テキストの入力を求める | Required | 完了モデルに送信するプロンプト テキスト。 |
| 最大トークン数 | Optional | 完了時に生成するトークンの最大数。 |
| 気温 | Optional | 出力のランダム性を制御します。 値を小さくすると、より決定的になります。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
OpenAI: モデルとデプロイを一覧表示する
Azure リソースで使用可能なすべての OpenAI モデルとデプロイを一覧表示します。 このツールは、モデル名、バージョン、機能、デプロイ状態など、デプロイされたモデルに関する情報を取得します。
プロンプトの例を次に示します。
- すべてのモデルを表示する: "リソース グループ 'my-resource-group' の 'ai-services-prod' リソース内のすべての OpenAI モデルを一覧表示する"
- デプロイを確認する: "リソース グループ 'my-resource-group' のリソース 'openai-east' にデプロイされたすべてのモデルとその状態を表示する"
- 運用インベントリ: "リソース グループ 'my-resource-group' の 'production-openai' リソースで使用できるモデルは何ですか?
- 開発チェック: "リソース グループ 'my-resource-group' の 'dev-ai-services' リソース内のすべてのモデルとデプロイを一覧表示する"
- モデル機能: "リソース グループ 'my-resource-group' のリソース 'ai-central' の機能を備えた使用可能なすべての OpenAI モデルを表示する"
- デプロイの状態: "リソース グループ 'my-resource-group' の 'openai-west' リソース内のすべてのデプロイの現在の状態は何ですか?
- リージョン モデル: "リソース グループ 'my-resource-group' の 'europe-openai' リソースで使用可能なすべてのモデルを一覧表示する"
- サービスの概要: "リソース グループ 'my-resource-group' のリソース 'customer-ai' のモデルとデプロイの完全な概要を教えてください"
- モデルのバージョン: "リソース グループ 'my-resource-group' の 'ai-services-main' リソースで使用可能なすべてのモデル バージョンを表示する"
- リソース監査: "リソース グループ 'my-resource-group' のリソース 'enterprise-ai' 内のすべての OpenAI モデルとデプロイを監査する必要があります"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| リソース グループ | Required | Azure リソース グループの名前。 これは、Azure リソースの論理コンテナーです。 |
| リソース名 | Required | Azure OpenAI リソースの名前。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
リソース: Foundry リソースを取得する
Foundry リソースに関する詳細情報 (エンドポイント URL、場所、SKU、デプロイされたすべてのモデルとその構成を含む) を取得します。 特定のリソース名が指定されている場合は、そのリソースの詳細のみを返します。 リソース名が指定されていない場合は、サブスクリプションまたはリソース グループ内のすべての Foundry リソースを一覧表示します。
プロンプトの例を次に示します。
- 特定のリソースを取得する: "デプロイされたすべてのモデルを含む 'ai-foundry-prod' Foundry リソースの詳細を表示する"
- すべてのリソースを一覧表示します。"サブスクリプションに含まれる Foundry リソースは何ですか?
- 構成を含むリソース: "'customer-ai-foundry' foundry リソースのエンドポイント URL、場所、SKU 情報を取得する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| リソース名 | Optional | Azure OpenAI リソースの名前。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
スレッド: 新しいスレッドを作成する
エージェントとユーザーの間のメッセージを保持する Foundry エージェント スレッドを作成します。
プロンプトの例を次に示します。
- サポート スレッドを作成する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' に新しいスレッドを作成し、ユーザー メッセージ "アカウント ログインに関するヘルプが必要です"
- 会話スレッドを開始: 「'https://my-example-resource.services.ai.azure.com/api/projects/customer-service' にスレッドを作成し、メッセージ「営業時間を教えてください」を送信します。」
- チャット スレッドを初期化: 「エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot' で新しいスレッドを開始し、ユーザー メッセージとして『プレミアムプランの購入に興味があります』を指定します。」
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
| ユーザー メッセージ | Required | スレッドに追加するユーザー メッセージ。 |
破壊的: ❌ | 冪等: ❌ | オープンワールド: ❌ | 読み取り専用: ❌ | シークレット: ❌ | ローカル必須: ❌
スレッド: スレッド メッセージを取得する
Foundry エージェント スレッドでメッセージを取得します。
プロンプトの例を次に示します。
- 会話履歴を取得する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' のスレッド 'thread_abc123xyz' からすべてのメッセージを取得する"
- スレッド メッセージの表示: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/customer-service' のスレッド 'thread_456def789' のメッセージを表示する"
- スレッドの内容を確認する: "'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot' でスレッド ID 'thread_xyz789abc' のメッセージを取得する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
| スレッド ID | Required | Foundry エージェントのスレッド ID。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
スレッド: すべてのスレッドを一覧表示する
Foundry エージェント スレッドを一覧表示します。
プロンプトの例を次に示します。
- すべてのスレッドを一覧表示する: "エンドポイント 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' のすべてのエージェント スレッドを表示する"
- プロジェクト スレッドの表示: "'https://my-example-resource.services.ai.azure.com/api/projects/customer-service' からすべてのスレッドを一覧表示する"
- スレッド インベントリを取得する: "'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot' ですべてのエージェント スレッドを取得する"
| Parameter | 必須または省略可能 | Description |
|---|---|---|
| エンドポイント | Required | Foundry プロジェクトまたはサービスのエンドポイント URL ( https://<resource>.services.ai.azure.com/api/projects/<project-name>形式)。 |
破壊的: ❌ | 冪等: ✅ | オープンワールド: ❌ | 読み取り専用: ✅ | シークレット: ❌ | ローカル必須: ❌
関連コンテンツ
- Azure MCP サーバー ツールは何ですか?
Azure MCP Server - Foundry のドキュメント
- Foundry Tools の概要
- モデルのデプロイと使用