Visual Studio Code で Azure AI Foundry Agent Service を操作する (プレビュー)

2025-05-07

AI Foundry the VS Code 拡張機能の使用を開始したら、Azure AI Foundry Agent Service を使用できます。エージェントは、次のような "スマート" マイクロサービスです。

トレーニングデータを使用して質問に回答するか、取得拡張生成 (RAG) を使用して他のソースを検索する
特定のアクションを実行する
完全なワークフローを自動化する

エージェントは、AI モデルとツールを組み合わせて、データにアクセスして操作します。

Azure AI Foundry 開発者は、VS Code の使い慣れた強力な環境でエージェントを開発、テスト、デプロイすることで、生産性を維持できます。

重要

この記事で "(プレビュー)" と付記されている項目は、現在、パブリックプレビュー段階です。このプレビューはサービスレベルアグリーメントなしで提供されており、運用環境ではお勧めしません。特定の機能はサポート対象ではなく、機能が制限されることがあります。詳細については、「 Microsoft Azure プレビューの追加使用条件」を参照してください。

デザイナービュー内で Azure AI エージェントを作成および編集する

Azure AI エージェントを作成するには、次の手順に従います。

まず、[ 作業の開始 ] セクションを完了して Azure リソースにサインインし、既定のプロジェクトを設定します。
エージェントで使用するモデルをデプロイします。
Azure AI Foundry 拡張機能ビューで、[ リソース ] セクションを見つけます。
[+] サブセクションの横にある (プラス) アイコンを選択して、新しい AI エージェントを作成します。
[ 名前を付けて保存 ] ダイアログボックスで、ディレクトリを選択し、新しい AI Agent .yaml ファイルの名前を入力します。
[ エージェントファイルの保存 ] ボタンを選択して、AI エージェントファイルを保存します。

デザイナーでエージェントを操作する

保存場所を選択すると、エージェントの .yaml ファイルとデザイナービューの両方が開き、AI エージェントが編集されます。

エージェントデザイナーで次のタスクを実行します。
1. プロンプトにエージェントの名前を入力します。
2. モデルデプロイ名を入力します。既存のモデルをデプロイしたときに選択したデプロイ名。
  
  ヒント
  
  モデルデプロイ名は、Azure AI Foundry プロジェクトにデプロイしたモデルに対して選択した正確な名前である必要があります。次の図では、 gpt-4o-1 はデプロイ時に選択したモデルのデプロイ名です。 gpt-4o はモデル名です。
3. 次のフィールドを構成します。 ID は拡張機能によって生成されます。
  - エージェントの説明を追加する
  - システム命令を設定する
  - エージェント用のツールを構成する
4. .yaml ファイルを保存するには、VS Code メニューバーの [ファイル>保存 ] を選択します。

Azure AI エージェントの YAML 定義を調べる

デザイナーと同時に AI エージェントの .yaml ファイルが開かれます。このファイルには、次の .yaml ファイルの例と同様に、エージェントの詳細とセットアップ情報が含まれています。

# yaml-language-server: $schema=https://aka.ms/ai-foundry-vsc/agent/1.0.0
version: 1.0.0
name: my-agent
description: Description of the agent
id: ''
metadata:
  authors:
    - author1
    - author2
  tags:
    - tag1
    - tag2
model:
  id: 'gpt-4o-1'
  options:
    temperature: 1
    top_p: 1
instructions: Instructions for the agent
tools: []

Azure AI エージェントにツールを追加する

Azure AI Agent Service には、データソースとの対話に使用できる一連の知識とアクションツールがあります。

Azure AI エージェントで使用可能なツール

次のツールを使用できます。

Azure AI Foundry Agent Service には、次のようなデータソースとの対話に使用できる一連の知識とアクションツールがあります。

ツールの YAML ファイルを構成する

エージェントデザイナーは、.yaml ファイルを使用して AI エージェントにツールを追加します。

次の手順を使用して、ツール構成 .yaml ファイルを作成します。

Azure AI エージェントに使用できるツールからツールを選択します。必要なセットアップ手順を実行します。たとえば、Bing 検索を使用したグラウンディングです。

セットアップが完了したら、ツールの構成を指定する yaml コードファイルを作成します。たとえば、Bing検索を使用したグラウンド処理の場合、次の形式になります。

type: bing_grounding
options:
  tool_connections:
    - >-
      /subscriptions/<Azure Subscription ID>/resourceGroups/<Azure Resource Group name>/providers/Microsoft.MachineLearningServices/workspaces/<Azure AI Foundry Project name>/connections/<Bing connection name>

tool_connections セクションの接続文字列のプレースホルダーを実際の情報に置き換えます。
- Azure サブスクリプション ID
- Azure リソースグループ名
- Azure AI Foundry プロジェクト名
- Bing接続名
.yaml ファイルを保存するには、VS Code メニューバーの [ファイル>保存 ] を選択します。

ツールファイルを AI エージェントに接続する

次の手順で AI エージェントにツールを追加します。

デザイナーの + セクションの横にある (プラス) アイコンを選択します。
表示されたエクスプローラーで、使用する .yaml ツールファイルを選択します。 [ ツールファイルの選択 ] ボタンを選択して、エージェントにツールを追加します。
ツールが TOOL セクションに 表示されます。
.yaml ファイルを保存するには、VS Code メニューバーの [ファイル>保存 ] を選択します。

Azure AI Foundry Studio に Azure AI エージェントをデプロイする

次の手順で、エージェントを Azure AI Foundry に直接デプロイします。

デザイナーの左下にある [ Deploy to Azure AI Foundry]$Azure AI Foundry にデプロイ $ ボタンを選択します。

$[Deploy to Azure AI Foundry]$Azure AI Foundry へのデプロイ$ ボタンが強調表示されているエージェントデザイナーのスクリーンショット。$
VS Code ナビゲーションバーで、 Azure リソース ビューを更新します。デプロイされたエージェントは、[ エージェント] サブ セクションの下に表示されます。

デプロイされた AI エージェントの詳細を表示する

デプロイされたエージェントを選択すると、ビューのみのモードで [エージェントの基本設定] ページが開きます。

[ Open Yaml File]$Yaml ファイルを開く $ を選択して、エージェントの yaml 定義を表示します。
[ プレイグラウンドを開く ] ボタンを選択して 、エージェントプレイグラウンドを開きます。

エージェントプレイグラウンドを使用してエージェントと対話する

次の手順を使用して 、Agents Playground を開きます。

デプロイしたエージェントを右クリックし、[Open Playground]$ プレイグラウンドを開く $ オプションを選択します。このアクションは、エージェントでスレッドを開始し、メッセージを送信できるようにします。
または、[ツール] サブセクションで [エージェントプレイグラウンド] リンクを選択し、上部中央の一覧からエージェントを選択します。
プレイグラウンド ページが表示されます。
プロンプトを入力し、出力を表示します。 Bing 検索を使用した典拠ツールはウェブで情報を検索します。エージェントは、エージェントデザイナーで構成したモデルとツールを使用します。情報のソースは、[ エージェントの注釈] セクションに表示され、次の図で強調表示されています。

スレッドを探索する

[スレッド] サブセクションには、エージェントでの実行中に作成されたスレッドが表示されます。 Azure リソース拡張機能ビューで、[スレッド] サブセクションの前にあるキャレット アイコンを選択して、スレッドの一覧を表示します。

スレッドの詳細を表示する

スレッドを選択すると、[ スレッドの詳細] ページが表示されます。

スレッドは、エージェントとユーザーの間の会話セッションです。スレッドは メッセージを 格納し、コンテンツをモデルのコンテキストに合わせて切り捨てを自動的に処理します。
メッセージは、エージェントとユーザーの間の 1 つの対話です。メッセージには、テキスト、画像、およびその他のファイルを含めることができます。メッセージはスレッド上にリストとして格納されます。
実行は、エージェントの 1 回の実行です。各実行には複数のスレッドを含めることができます。また、各スレッドには複数のメッセージを含めることができます。エージェントは、その構成とスレッドのメッセージを使用して、モデルとツールを呼び出してタスクを実行します。実行の一部として、エージェントはスレッドにメッセージを追加します。

実行の詳細を表示する

[スレッドの詳細] ページで [実行情報の表示] ボタンを選択して、JSON ファイル内の実行情報を表示します。

リソースをクリーンアップする

この記事で作成した Azure リソースは、Azure サブスクリプションに課金されます。今後これらのリソースが必要になるとは思わない場合は、削除して、より多くの料金が発生しないようにします。

エージェントを削除する

ヒント

Azure AI Foundry ポータルで左側のウィンドウをカスタマイズできるため、これらの手順に示されている項目とは異なる項目が表示される場合があります。探しているものが表示されない場合は、左側のペインの下部にある… もっと見るを選択してください。

オンライン AI Foundry ポータルでデプロイされたエージェントを削除します。左側のナビゲーションメニューから [エージェント ] を選択し、エージェントを選択して、[ 削除 ] ボタンを選択します。

モデルを削除する

VS Code ナビゲーションバーで、 Azure リソース ビューを更新します。 [ モデル ] サブセクションを展開して、デプロイされたモデルの一覧を表示します。
デプロイされたモデルを右クリックして削除し、[ 削除 ] オプションを選択します。

ツールを削除する

次の手順で接続されているツールを削除します。

Azure ポータルを開きます
ツールを含む Azure リソースグループを選択します。
削除ボタンを選択します。

次のステップ

ファイル検索やコードインタープリターなど、Azure AI エージェントで使用できるツールについて説明します。