Azure AI Foundry Agent Service のツールとは

グラウンド データを使用して AI エージェントを強化したり、アクションを実行したりワークフローを自動化したりする機能を提供するために、Foundry Agent サービスには、Bing Search、Azure AI Search、Azure Logic Apps を使用した Grounding、Tripadvisor などのサードパーティのパートツールなど、さまざまな組み込みツールが用意されています。 このページは、Foundry Agent Service で提供されるツールの概要を提供するように設計されています。

知識ツール

さまざまなデータ ソースからのより豊富なコンテキストで AI エージェントに情報を提供するため。 Foundry Agent Service では、さまざまなデータ型について説明しました。

• プライベート データ: Azure AI Search、ファイル検索、Microsoft Fabric など
• パブリック Web データ: Bing 検索を使用した典拠
• ライセンスデータ: Tripadvisor、Morningstar
• 非構造化データ: Azure AI Search、ファイル検索
• 構造化データ: Microsoft Fabric など

アクション ツール

アクションを実行する機能を備えた AI エージェントを使用してワークフローを合理化します。 Foundry Agent Service には、さまざまなレベルの柔軟性、制御、および統合の容易性を備えたさまざまなアクション ツールが用意されています。

• Azure Logic Apps: AI エージェントにワークフローを追加するための低コード/コードなしのソリューション
• OpenAPI Spec ツール: AIエージェントに追加するサービスAPIの既存のOpenAPI仕様を、変更しないか軽微な変更を加えるだけで持参します。
• 関数呼び出し: 独自のカスタムステートレス関数を記述して、想定される動作を定義します。
• Azure Functions: 独自のカスタムステートフル関数を記述して管理します。

Foundry Agent Service でのツールのしくみ

ツールは、AI モデル用の AI エージェントに追加して、ユーザーのクエリとコンテキストに基づいて決定して選択できるオプションの機能です。 ユーザーがクエリを送信すると、AI モデルはコンテキストを使用して意図を識別し、ユーザー クエリを書き換える可能性があります。 次に、AI モデルによって、実行ごとに呼び出されるツールが決定されます。 たとえば、Bing Search ツールを使用した Grounding と Azure AI Search ツールの両方をエージェントに追加し、「今日のシアトルの天気は何ですか?」と尋ねると、モデルはリアルタイム情報について質問する意図を特定し、Bing Search ツールを使用して Grounding を呼び出す可能性が高くなります。

エージェント、スレッド、または実行レベルでツールを追加できます。 より狭いレベルでツールを提供することで、ツール リソースはより広範なレベルでツール リソースを オーバーライド します。 たとえば、実行レベルのツール リソースは、スレッド レベルでツール リソースをオーバーライドします。 現時点では、複数のツールを追加できますが、ファイル検索、Azure AI Search、Bing検索によるグラウンド処理、Bing カスタム検索によるグラウンド、Microsoft Fabric、その他のツールの各ツールの インスタンス を knowledge セクションに追加できます。

ユーザーがエージェントにクエリを送信すると、 スレッド、実行、メッセージが作成されます。 実行ごとに、AI モデルは、ユーザーの意図と使用可能なツール リソースに基づいて、呼び出すツールを決定します。 AI モデルは、ツールの出力に基づいて、別のツールを呼び出すか、同じツールをもう一度呼び出して、より多くのコンテキストを取得することを決定する場合があります。 たとえば、Bing Search ツールで Grounding を使用すると、 スレッドをトレースするときに複数のBing検索クエリが表示されることがあります。 つまり、AIモデルは実際には、さまざまなクエリを使ってBing Searchと連携するツールを複数回呼び出し、より多くの情報を取得します。 どのようなツールが呼び出され、AI モデルによって呼び出されるかについて詳しく知りたい場合は、実行ステップの詳細を確認してください。

AI エージェントがツールを呼び出す方法に影響を与えるさまざまな方法があります。

• tool_choice パラメーター: モデルによって呼び出されるツール (ある場合) を制御する最も決定的な方法。 既定では、 autoに設定されています。つまり、AI モデルが決定します。 モデルで特定のツールを 強制的 に呼び出す場合は、このツールの仕様を指定できます(例:

  run = project_client.agents.runs.create_and_process(
        thread_id=thread.id, 
        agent_id=agent.id,
        tool_choice={"type": "bing_grounding"}  # specify the tool to use
        )
  

• instructions パラメーター: 非決定的。 この手順を使用して、AI モデルがユース ケースと各ツールの目的を理解するのに役立ちます。 各ツールで実行できる情報またはアクションを AI モデルに伝える必要があります。 たとえば、「製品関連情報に対して AI 検索ツール <tool_name> を使用し、販売関連情報に対して Fabric ツール <tool_name> を使用する」などです。場合によっては、ユーザー クエリがモデルの基本ナレッジまたはツールによって応答される場合があります。"ツールの出力を使用して応答を生成し、独自の知識を使用しない" などの手順を指定する必要があります。

[前提条件]

• 作成されたエージェント
• AI モデルに十分なトークン (Per-Minute (TPM) が割り当てられていることを確認します。 最小 30,000 個の TPM を使用することをお勧めします。 TPM の割り当てを変更するには、AI Foundry ポータルでモデルとエンドポイントに移動し、モデルを編集します。

組み込みツール

Foundry Agent Service には、次の組み込みツールが用意されています。 REST API、SDK、Azure AI Foundry ポータルで使用できます。

Microsoft 以外のツール

次のツールは、サード パーティのパートナーによって作成されています。 ドキュメントとコード サンプルを表示するには、次のリンクを使用します。

ベスト プラクティス

モデルが適切なツールを呼び出すのに役立つシステム命令を使用する

モデルで使用するツールを理解するには、ツールを使用するタイミングと方法をモデルに詳しく説明する必要があります。 次の情報を提供することを検討してください。

• 主な目的: このエージェントの目的は何ですか?関連するタスクの目標は何ですか?期待される結果は何ですか?
• お客様の責任: エージェントが実行すると予想されるタスク。 たとえば、Bing Search ツールを使用して Grounding を呼び出して、ローカル イベントに関する最新情報を取得します。
• 受け取る可能性がある入力: エージェントが受け取ると予想される入力は何ですか?
• 各ツールについて:
  • ツール名
  • ツールの説明
  • トリガー: このツールが呼び出されると予想されるのはいつですか? 検索される情報の種類 クエリには何が含まれますか?
  • クエリの例

たとえば、grounding with Bing Search ツールに対して、次のようなツール命令を指定できます。

Bing 検索ツールを使用した典拠

• 使用: 外部の傾向やニュースを収集して、リアルタイムの分析情報を使用して投稿を強化します。
• 次の場合にトリガーします。
  • ユーザーは、最近のデータまたは競合コンテキストを参照するように求めます。
  • 例: "最新の業界の傾向を参照できますか?" または "競合他社が何をしているか?"。