このドキュメントの目的
この学習ガイドは、この試験で想定される内容を理解するのに役立つもので、試験に出る可能性のあるトピックの概要と、その他のリソースへのリンクが掲載されています。 このドキュメントの情報と資料は、試験の準備をする際に研究に集中するのに役立ちます。
| 便利なリンク | 説明 |
|---|---|
| 認定資格の更新 | Microsoft のアソシエイト、エキスパート、および専門認定資格は、毎年有効期限が切れます。 Microsoft Learn で無料のオンライン評価に合格すると、更新できます。 |
| あなたのMicrosoft Learn プロファイル | 認定プロファイルを Microsoft Learn に接続すると、試験のスケジュール設定と更新、および証明書の共有と印刷を行うことができます。 |
| 試験スコアとスコアレポート | 合格するには、700 以上のスコアが必要です。 |
| 試験サンドボックス | 試験サンドボックスにアクセスして、試験の環境を確認できます。 |
| 調整や配慮を求める | 支援機器を使用する場合、時間延長が必要な場合、または試験エクスペリエンスのいずれかの部分を変更する必要がある場合は、便宜を図るよう要求できます。 |
試験について
Languages
一部の試験は他の言語にローカライズされています。 これらは、[試験の詳細] Web ページの [この試験の受験予約をする] セクションで確認できます。 試験がご自身の優先言語で実施されていない場合は、試験を完了するために追加の 30 分を要求できます。
Note
評価される各スキルの後に続く箇条書きは、そのスキルをどのようにして評価するかを説明することを目的としています。 関連するトピックが試験に出題される可能性があります。
Note
ほとんどの質問では、一般提供 (GA) の機能について説明します。 プレビュー機能が一般的に使用されている場合は、これらの機能に関する問題が試験に含まれることがあります。
測定されたスキル
視聴者プロフィール
このMicrosoftサーティフィケーションの候補として、あなたは、スケーラブルで運用環境に対応したマルチエージェント AI システムとワークフローの設計、構築、最適化に関する専門知識を持つ専門家レベルの専門家です。 開発は設計から運用まで管理します。
開発者、機械学習エンジニア、プラットフォーム エンジニア、データ サイエンティスト、ビジネス利害関係者と密接に連携して、複雑な要件を運用対応のマルチエージェント ソリューションに変換します。
この試験では、AI と機械学習の開発、運用環境でのエージェント システムのデプロイ、Microsoft Foundry を使用したエージェント ロジックの調整の経験が必要です。 また、Pythonに習熟している必要があります。
さらに、コンピューティング、ネットワーク、ストレージ、データ サービスAzure含むソリューションの開発経験が必要です。 Microsoft Agent Framework、モデル コンテキスト プロトコル (MCP)、取得拡張生成 (RAG)、LangGraph など、オープンソースフレームワークと標準について理解している必要があります。
スキルの概要
マルチエージェント ソリューションの設計 (15 ~ 20%)
Azureでマルチエージェント ソリューションを開発する (30 ~ 35%)
マルチエージェント ソリューションの評価、最適化、監視 (20 ~ 25%)
マルチエージェント ソリューションのセキュリティ保護、管理、デプロイ (20 ~ 25%)
マルチエージェント ソリューションの設計 (15 ~ 20%)
マルチエージェント ソリューションの論理アーキテクチャを設計する
目標と目標をワークフロー、エージェント、ツールに分解する
エージェント、サブエージェント、制御ループ、human-in-the-loop などのワークフローを設計する
エージェントペルソナ、スコープ、境界、自律レベル、および動作ガイドラインを指定する
ツール スコープ、アクセス許可の境界、認証方法を指定する
複数のエージェント間、エージェントと他のコンポーネント間など、通信に適したプロトコルを指定する
ヒューマン AI エクスペリエンス (HAX) をサポートし、責任ある AI 原則に準拠するためのコントロールと機能を設計する
コンテキスト共有を含む短期および長期のメモリ アーキテクチャを設計する
タスクの要求をモデルファミリーの能力に対応させる
マルチエージェント ソリューションに含めるテクノロジ コンポーネントを指定する
統合コンポーネントを指定して、エージェントとエージェント間の通信、エージェント間の対話、およびエージェントからナレッジソースへのルーティングをマルチエージェント運用システム全体で調整する
エージェントごとの ID スコープ、横移動防止、規制対象展開のコンプライアンス制御マッピングなど、ゼロ トラストマルチエージェント ソリューションのコンポーネントを指定する
ライフサイクルポリシーとテナント分離ポリシーを使用して、セッション状態、共有チームの状態、および長期的なセマンティック メモリに対応する多層状態永続化コンポーネントを指定する
スケーラビリティ、信頼性、運用効率、セキュリティ、コストの要件を満たすマルチエージェント ソリューションのコンピューティング コンポーネントを指定する
サービス間トレースの相関関係、エージェントの推論パスの構造化されたログ記録、再現可能なデバッグのためのエージェント再生キャプチャなど、監視コンポーネントを指定する
エージェント間の調整追跡、動作の誤差と品質の回帰検出、エージェントの障害パターンの自動修復など、監視コンポーネントを指定する
開発コンテナー、Visual Studio Code拡張機能、コマンド ライン インターフェイス (CLI)、依存関係管理、AI 命令など、ソフトウェア開発ライフサイクル (SDLC) をサポートする開発者ツールと環境を指定する
Azureでのマルチエージェント ソリューションの開発 (30 ~ 35%)
マルチエージェント ソリューションで高度なプロンプト エンジニアリング戦略を設計して実装する
例、動的コンテキスト挿入、防御ガイドライン、プロンプト ライフサイクル管理など、高度なプロンプト エンジニアリング手法を設計して実装する
コンテキスト対応のマルチエージェント動作を設計して実装する
データや頻度など、エージェントとモデルを微調整するための戦略を設計して実装する
エージェント メモリ、コンテキスト管理、ナレッジ統合を設計して実装する
コンテキストの蓄積、取得、挿入、圧縮など、単一のエージェントとエージェント間でコンテキスト管理を設計および実装する
セキュリティ、コンプライアンス、ライフサイクル、ストレージ、セッション管理など、単一エージェントとマルチエージェントのメモリ戦略を設計して実装する
チャンク化、埋め込み品質、検索精度を含むマルチエージェントRAGアーキテクチャを設計・実装する
検索、RAG、MCP で使用可能なソース、セマンティック検索など、マルチエージェント消費のためのナレッジ統合を設計して実装する
ツール エコシステムの構築と統合
関数呼び出し、指定されたツールの使用、動的ツールの使用など、外部リソースを統合する
Azure Functions、Azure Logic Apps、Azure API Managementを含む MCP サーバーとクライアントを設計および構築する
設計ツールのエラー処理とフォールバック メカニズム
ツールの結果の検証と品質チェックを実装する
マルチエージェント オーケストレーションを実装する
ハブ アンド スポーク、シーケンシャル、並列、ピア ツー ピア、オーケストレーター サブエージェントなど、マルチエージェント オーケストレーション パターンを実装する
承認ワークフロー、オーバーライド、エッジケース処理などを含む人間参加型のプロセスを実装する
プロンプト キャッシュ、セマンティック キャッシュ、応答キャッシュなど、キャッシュ戦略を設計して実装する
マルチエージェントの生成、バッチ処理、同時実行のスケーリングと制御を実装する
Agent2Agent (A2A) または MCP を使用して、既存のエージェントをマルチエージェント ソリューションに安全に統合する
エージェント フレームワーク、LangChain、LangGraph などのマルチエージェント オーケストレーション フレームワークを実装する
Hugging Face Transformers を使用して高度なマルチエージェント機能を実装する
ログ記録、承認、例外処理など、ソリューション全体で再利用可能な機能のミドルウェアを設計する
マルチエージェント ソリューションの評価、最適化、監視 (20 ~ 25%)
マルチエージェント ソリューションの評価および検証戦略を設計して実装する
Foundry でソリューションを評価するための人間のレビュー プロセスを設計して実装する
メモリ、知識、ツール、プロンプトの評価を設計して実装する
マルチエージェント ソリューションのプロンプトとモデルのパフォーマンスを最適化する
並列処理やレート制限など、タスクの期間を最適化する
スライディング ウィンドウの記憶喪失、概要の誤差、ベクターのみの呼び出し、エンティティ継続性の問題など、コンテキスト ウィンドウの問題を診断する
大規模な言語モデルのジャッジとしての (LLM-as-a-judge) フレームワーク、合成データ生成、セマンティック最適化ループ、ユーザー フィードバック ループなど、継続的な改善を設計して実装する
マルチエージェント ソリューションの可観測性と監視を設計して実装する
エージェントの正常性、ワークフローエラー、トレースの相関関係、ドリフト検出、品質回帰、修復など、信頼性を監視するための戦略を設計する
ソリューションとプラットフォームの可用性、パフォーマンス、信頼性、およびサービス レベル アグリーメントの準拠を監視するための戦略を設計する
トークンの制限、ループ 制御、ツール呼び出しなど、トークンの使用を最適化するための戦略を設計して実装する
使用量、クォータ、割り当て、チャージバックなど、コストを監視および管理するための戦略を設計する
トークン、プロンプト、関連付け ID、アラート、実行追跡など、Foundry でトレースを実装する
マルチエージェント ソリューションのセキュリティ保護、管理、デプロイ (20 ~ 25%)
マルチエージェント ソリューションのセキュリティを設計して実装する
ID ベースのアクセス、ネットワーク境界、アクセス制御ポリシー、ロールベースのアクセス制御 (RBAC) など、リソース アクセスを指定して実装する
ユーザーの偽装、代理、API キー、OAuth 2.0 など、マルチエージェント ソリューションで認証フローを設計して実装する
シークレット、証明書、キーローテーション、シークレットへのロールベースのアクセス、暗号化などのAzure Key Vaultを使用して、マルチエージェント ソリューションのシークレット管理と取得のアプローチを設計する
Foundry の AI レッド チーミング エージェントを含め、シフト レフトのセキュリティ原則を導入する
マルチエージェントソリューション用ガードレールの設計と実装
ユーザー入力、ツール呼び出し、ツール応答、出力をカバーするマルチ介入ガードレール戦略を設計して実装する
ドメイン固有の制約に対するカスタム ガードレールの設計と実装
合成データの使用を含むガードレールのテストと検証を設計する
マルチエージェント ソリューションを Azure にデプロイする
リリース手法を選択してください。選択肢には、開発、テスト、受入、本番 (DTAP\)、ブルー/グリーン、カナリアなどが含まれます。
ロールバック戦略、リリース管理、ロールアウトなど、複数環境のリリース戦略を設計して実装する
単体テスト、回帰テスト、統合テスト、自動評価など、テストのための戦略を設計して実装する
コードとしてのインフラストラクチャのデプロイやテストなど、統合とリリースの継続的インテグレーションと継続的デプロイ (CI/CD) の要件を指定する
学習リソース
試験を受ける前に、トレーニングを行い、実践的な経験を積むことをお勧めします。 自己学習のオプションとクラスルーム トレーニングのほか、ドキュメント、コミュニティ サイト、ビデオへのリンクも提供しています。
| 学習リソース | 学習とドキュメントへのリンク |
|---|---|
| トレーニングを受けよう | マイペースで進められるラーニング パスとモジュールを選択するか、講師による指導付きコースを受講する |
| ドキュメントの検索 |
Microsoft Foundry のドキュメント Microsoft Agent Framework を使用して複数エージェント ワークフロー自動化ソリューションを構築する Azure開発者向けドキュメント |
| 質問する | |
| コミュニティ サポートを受ける |
Microsoft Foundry コミュニティ サポート Azure Community のサポート |
| Microsoft Learn をフォローする | Microsoft Learn - Microsoft Tech Community |
| ビデオを見つける |
試験準備ゾーン Azure Fridays 他のMicrosoft Learn の番組を閲覧する |