Foundryで始めるLangChainとLangGraph

Microsoft Foundry 機能を使用して LangChain および LangGraph アプリケーションをビルドするためのエントリ ポイントとして、langchain-azure-ai パッケージを使用します。 この記事では、パッケージの概要マップを提供します。これにより、すばやく開始し、各機能の詳細なドキュメントに進むことができます。

前提 条件

• Azure サブスクリプション。 無料で作成します。
• Foundry プロジェクト。
• Foundry プロジェクトの Azure AI User ロール (開発用の最小特権ロール)。 リソースを作成または管理する場合、必要に応じて貢献者または所有者を使用します。 詳細については、Microsoft Foundry の Role ベースのアクセス制御に関するページを参照してください。
• Python 3.10 以降。
• Azure CLI にサインインしたため、DefaultAzureCredential が認証できます。

パッケージをインストールする

基本パッケージをインストールします。

pip install -U langchain-azure-ai azure-identity

シナリオに基づいてオプションの追加機能をインストールします。

pip install -U "langchain-azure-ai[tools]"
pip install -U "langchain-azure-ai[opentelemetry]"

• アプリでドキュメント インテリジェンスなどの名前空間[tools]のツールを使用する場合は、langchain_azure_ai.tools.*を使用します。
• OpenTelemetry を使用して統合をトレースする場合は、 [opentelemetry] を使用します。

統合構成要素の選択

このマップを使用して、ソリューションに適した名前空間を選択します。

特定のチュートリアルについては、「 各機能について詳しく説明 する」セクションを参照してください。

プロジェクト エンドポイントと資格情報を使用して接続する

多くの langchain-azure-ai クラスでは、Foundry プロジェクト エンドポイントを介した接続がサポートされています。 AZURE_AI_PROJECT_ENDPOINTを 1 回設定し、サポートされているクラス間で再利用します。

export AZURE_AI_PROJECT_ENDPOINT="https://<resource>.services.ai.azure.com/api/projects/<project>"

project_endpoint を使用する場合、認証ではプロジェクトでMicrosoft Entra IDとAzure RBAC が使用されます。

API キーは、 /openai/v1などのダイレクト サービス エンドポイント用です。

export OPENAI_BASE_URL="https://<resource>.services.ai.azure.com/openai/v1"
export OPENAI_API_KEY="<your-key>"

例: Foundry モデルを使用する

環境変数を構成したら、次の方法でモデルを使用できます。

import langchain.chat_models import init_chat_model

model = init_chat_model("azure_ai:gpt-5.2")

また、クライアントを具体的に構成することもできます。 例として、 AzureAIOpenAIApiChatModel を代表的なパターンとして見てみましょう。

import os

from azure.identity import DefaultAzureCredential
from langchain_azure_ai.chat_models import AzureAIOpenAIApiChatModel

# Option A: Use a Foundry project endpoint (Microsoft Entra ID required).
model_from_project = AzureAIOpenAIApiChatModel(
  project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option B: Use a service endpoint directly.
model_from_endpoint = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential=DefaultAzureCredential(),
  model="gpt-5.2",
)

# Option C: Use a different credential strategy.
model_with_cli_credential = AzureAIOpenAIApiChatModel(
  endpoint=os.environ["OPENAI_BASE_URL"],
  credential="super-secret",
  model="gpt-5.2",
)

このスニペットの機能: Foundry プロジェクト エンドポイントまたは直接サービス エンドポイントから初期化されたのと同じモデルを示し、資格情報を交換する方法を示します。

同じパターンをツールに適用できます。 たとえば、AZURE_AI_PROJECT_ENDPOINTが設定されている場合、AzureAIDocumentIntelligenceToolはプロジェクト エンドポイントを使用でき、DefaultAzureCredentialも追加の構成なしで使用できます。

from langchain_azure_ai.tools import AzureAIDocumentIntelligenceTool

document_tool = AzureAIDocumentIntelligenceTool()

DefaultAzureCredentialのしくみ

DefaultAzureCredential では、複数のMicrosoft Entra ID資格情報ソースを順に試み、最初に成功したものが使用されます。 一般的なソースは、環境変数、マネージド ID、開発者ツール、Azure CLIです。

ローカル開発とデプロイされたワークロードの既定値として DefaultAzureCredential を使用します。 より厳密な制御が必要な場合は、ローカルのみの開発の場合は AzureCliCredential、Azureの運用ワークロードの場合は ManagedIdentityCredential などの特定の資格情報に置き換えます。

同じプロジェクト エンドポイント パターンが他のクラスでも使用されます。

各機能について詳しく学習する

このドキュメント セットの次のガイドから始めます。

• LangChain と LangGraph で Foundry モデルを使用する
• Foundry Content Safety ミドルウェアを使用する
• LangGraph で Foundry Agent Service を使用する
• LangChain と LangGraph で Foundry メモリを使用する
• Foundry Observability を使用してアプリをトレースする

モジュール レベルの詳細と更新には、次のパッケージ リソースを使用します。

• パッケージの概要 と README。
• langchain-azure-aiの LangChain ドキュメント。

次の手順