Azure AI Foundry でベクトル インデックスを構築して使用する方法

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。

この記事では、Azure AI Foundry ポータルで取得拡張生成 (RAG) を実行するためにベクトル インデックスを作成して使用する方法について説明します。

RAG にはベクトル インデックスは必要ありませんが、ベクトル クエリは意味的に似たコンテンツで一致する可能性があり、これは RAG ワークロードに役立ちます。

[前提条件]

必要なもの:

• Azure AI Foundry プロジェクト
• Azure AI 検索リソース
• チャット エクスペリエンスに関する十分な情報を提供する、サポートされている形式のコンテンツが必要です。 Azure AI 検索の既存のインデックスにすることも、Azure Blob Storage のコンテンツ ファイル、ローカル システム、または Azure AI Foundry のデータを使用して新しいインデックスを作成することもできます。

チャット プレイグラウンドからのインデックスの作成

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。

1. Azure AI Foundry にサインインします。

2. ご自分のプロジェクトに移動するか、Azure AI Foundry で新しいプロジェクトを作成します。

3. 左側のメニューから [プレイグラウンド] を選択します。 [チャット プレイグラウンド] を選択します。

   

4. デプロイされたチャット入力候補モデルを選択します。 まだ行っていない場合は、[新しいデプロイの作成] を選択してモデルをデプロイします。

   

5. [モデル] ウィンドウの下部までスクロールします。 [+ 新しいデータ ソースの追加] を選択します

   

6. ソース データを選びます。 最近使用したデータ ソースの一覧からソース データを選択したり、クラウド上のストレージ URL を選択したり、ローカル コンピューターからファイルやフォルダーをアップロードしたりできます。 Azure Blob Storage などの別のデータ ソースへの接続を追加することもできます。

   サンプル データがない場合は、ローカル システムにこれらの PDF をダウンロードしてから、ソース データとしてアップロードできます。

   

7. ソース データを選択したら、[次へ] を選びます。

8. [インデックス構成] タブで、インデックスを格納する場所である [インデックスのストレージ] で選択します。

9. Azure AI 検索リソースが既にある場合は、サブスクリプションの Search Service リソースの一覧を参照し、使用する対象の [接続] を選択できます。 API キーを使用して接続している場合は、Search Service で API キーを使用していることを確認します。

   

   1. 既存のリソースがない場合は、[新しい Azure AI 検索リソースの作成] を選択します。 [次へ] を選択します。

10. 使用する Azure OpenAI 接続を選択します。 [次へ] を選択します。

11. ベクトル インデックスに使用する名前を入力します。 [次へ] を選択します。

12. 入力した詳細を確認し、[作成] を選択します

13. インデックス作成の状態を確認できるインデックスの詳細ページが表示されます。

プロンプト フローでインデックスを使用する

1. Azure AI Foundry にサインインし、プロジェクトを選択します。

2. 折りたたみ可能な左側のメニューの、[ビルドとカスタマイズ] セクションから [プロンプト フロー] を選択します。

3. 既存のプロンプト フローを開くか、[+ 作成] を選択して新しいフローを作成します。

4. フロー デザイナーの上部メニューで、[その他のツール] を選んでから、[インデックス参照] を選びます。

   

5. インデックス検索ツールの名前を指定し、[追加] を選んでください。

6. [mlindex_content] 値のボックスを選択し、値セクションからインデックスを選択します。 この手順を完了したら、インデックスに対して実行するクエリと query_types を入力してください。

   

関連コンテンツ

• RAG の詳細
• コードを使ってインデックスを構築して使用する