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。
| 役に立つリンク | Description |
|---|---|
| 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
一部の試験は他の言語にローカライズされており、英語版が更新されてから約 8 週間後に更新されます。 Microsoft では、前述のようにローカライズ版を更新するためにあらゆる努力を行いますが、場合によっては、予定どおりに試験のローカライズ版が更新されないことがあります。 その他の利用可能な言語は、試験の詳細 Web ページの「試験のスケジュール設定」セクションに表示されます。 試験が希望する言語で実施されていない場合、試験完了までの時間を 30 分延長するように要求できます。
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
生産グレードの SDLC ワークフローと開発環境内で AI エージェントの運用、統合、監督、管理に関する専門知識を持ち、GitHubを記録およびコントロール プレーンのシステムとして使用して信頼性、安全性、速度を確保する必要があります。
このロールの責任には、以下が含まれます。
SDLC 内のオペレーティング エージェント ワークフロー
GitHub コントロールを使用した自律的な動作の監視
スキャンとアーティファクトを使用したエージェント出力の評価とチューニング
カスタム エージェントの構成
マルチエージェントの実行を安全に調整する
アーキテクト、プラットフォーム エンジニア、DevOps エンジニア、アプリケーション開発者、製品マネージャー、およびセキュリティ エンジニアと密接に連携して、GitHub プラットフォーム内で動作するエージェントの開発、デプロイ、運用、管理を行います。
ソフトウェア開発ライフサイクル (SDLC)、GitHubとコントロールのワークフロー、およびコードの品質、セキュリティ、レビューのプラクティスに関する経験がある必要があります。 また、GitHub Copilot、MCP サーバー、カスタム命令、カスタム エージェント、ツール、Copilotセットアップ手順などのエージェントのカスタマイズを含むコーディング エージェントの経験も必要です。
スキルの概要
エージェント アーキテクチャと SDLC プロセスを準備する (15 ~ 20%)
ツールの使用と環境の相互作用を実装する (20 ~ 25%)
メモリ、状態、実行の管理 (10 ~ 15%)
評価、エラー分析、チューニングの実行 (15 ~ 20%)
マルチエージェントの協調を統括 (15～20%)
ガードレールとアカウンタビリティの実装 (10 ~ 15%)
エージェント アーキテクチャと SDLC プロセスを準備する (15 ~ 20%)
エージェントをソフトウェア開発ライフサイクル (SDLC) に統合する
エージェントが実行する手順を特定する
エージェントの一般的なアンチパターンを特定して軽減する
エージェントの入力、出力、成功条件を定義する
計画、推論、アクションの境界を定義する
エージェントの実行とは異なるエージェント計画を構成する
構造化プランを出力するようにエージェントを構成する
エージェントプランを検証する
エージェントが確認され、承認されるまでエージェントのアクションを防止する
自律エージェントの可観測性と制御を構成する
ガードレールを含むエージェントの自律性の程度を計画して実装する
標準開発ツール内で検査可能な成果物を生成するようにエージェントを構成する
配信を遅くせずに自律エージェントの人間の介入を構成する
ツールの使用と環境の相互作用を実装する (20 ~ 25%)
エージェント ツールを選択して構成する
必要なツールを特定する
エージェント ツールを構成する
エージェント ツールのアクセス許可を構成する
MCP サーバーの構成
MCP サーバーをツールとしてエージェントに追加する
GitHub リモート MCP サーバーを構成する
MCP レジストリを構成する
MCP 許可リストを構成する
開発環境内でエージェントを統合する
エージェントの実行コンテキストを評価する
エージェントのスコープを特定のリポジトリに構成する
CI ワークフローで呼び出されるようにエージェントを構成する
ブランチ ベースのスコープを使用するようにエージェントを構成する
ブランチやプル要求の作成など、エージェントが自律的なアクションを実行できるようにする
環境固有の制約を処理するようにエージェントを構成する
安全な実行パスと堅牢なエラー処理を使用してエージェントを操作する
エラー処理を実装する
再試行を実装する
ロールバックを実装する
エスカレーション パスを実装する
エージェント アクションの追跡性とアカウンタビリティを実装する
メモリ、状態、実行の管理 (10 ~ 15%)
エージェントのメモリ戦略を実装する
短期、長期、および外部メモリから選択する
エージェントのメモリをタスクに関連する情報に絞り込む
メモリの有効期限、排除、リセットの規則を定義する
エージェントの状態を保持し、コンテキストドリフトを管理する
タスクの進行状況と意思決定を永続的な成果物としてキャプチャする
手順を繰り返したり、前の決定から逸脱したりせずにエージェントの作業を再開する
拡張エージェントの実行中にドリフトを検出して修正する
ツールと環境全体でエージェントのメモリと状態の継続性を確保する
エージェントの状態を共有する
コンテキストの競合を防ぐ
古いコンテキストを防止する
評価、エラー分析、チューニングの実行 (15 ~ 20%)
エージェント タスクの成功条件と評価シグナルを定義する
エージェント タスクの予想される結果と運用上の制約を指定する
エージェントを評価するための定性的および定量的評価信号を特定する
評価基準を開発の意図に合わせる
自動スキャン ツールを使用して評価信号を生成する
エージェントの障害を分析し、根本原因を特定する
ログ、プラン、トレース、出力、ワークフロー成果物を使用してエラーを特定する
推論エラー、ツールの誤用、コンテキストまたは環境の問題など、根本原因を分類する
評価結果に基づいてエージェントの動作を調整する
命令、ワークフロー、または制約を修正する
メモリ使用量を調整する
ツールの使用状況とツール アクセスを絞り込む
マルチエージェントの協調を統括 (15～20%)
マルチエージェント ワークフローの運用と管理
オーケストレーション パターンを適用して複数のエージェントを調整する
並列実行用にエージェント分離を構成する
重複するコード変更、重複した作業、矛盾する出力など、エージェントの競合を検出して解決する
ログ、アーティファクト、運用シグナルを使用してマルチエージェント動作の可観測性を構成する
レビューと監査に適した成果物を生成するようにマルチエージェント ワークフローを構成する
エージェント間の主要な決定、引き渡し、結果を文書化する
マルチエージェント動作の事後分析を実行する
マルチエージェントの障害と低下した動作を検出して対応する
エージェントの実行の失敗、部分的な実行、および停止を特定する
エージェント間の劣化した動作や協調に対応する
ロールバックや人間を含むマルチエージェントリカバリーパターンを実装する
マルチエージェント ワークフロー内のエージェントのライフサイクルを管理する
既存のマルチエージェント ワークフローにエージェントを追加する
アクティブなワークフローを中断せずにエージェントを更新、再構成、または置き換える
監査可能性とワークフローの継続性を維持しながらエージェントを廃止する
ガードレールとアカウンタビリティの実装 (10 ~ 15%)
自律性レベルを定義する
運用、セキュリティ、コンプライアンスのリスク別にエージェントアクションを分類し、適切なサイズの人間の介入に対応させる
組織のセキュリティと責任ある AI 標準に準拠したまま、自律性レベルを割り当てて配信速度を最大化する
ガードレールと人間参加型ワークフローを実装する
人間の判断を必要とするアクションのサブセットを特定する
定義済みのセキュリティ、コンプライアンス、または責任ある AI ポリシーに違反するアクションをブロックする
アクセス許可と実行コンテキストのスコープを設定して、最小限の特権アクセスを適用する
元に戻せない、またはコンプライアンスに依存する変更に対して明示的な承認または制御されたパスを要求する
リスクを大幅に軽減しない承認を最小限に抑えることで、実行速度を維持する
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 | 自己ペースのラーニング パスとモジュールから選択するか、Microsoft Learn のインストラクター主導のコースを受講する - |
| ドキュメントの検索 |
エージェント アーキテクチャと SDLC プロセスを準備する ツールの使用と環境の相互作用を実装する メモリ、状態、実行の管理 評価、エラー分析、チューニングの実行 マルチエージェントの連携をオーケストレーションする ガードレールとアカウンタビリティを実装する |
| 質問する | GitHub コミュニティディスカッション |
| コミュニティ サポートを受ける | GitHub ブログ |
| GitHub をフォローする |
Twitter |
| ビデオを見つける | YouTube |