GenAI プロンプト スキル

GenAI (Generateive AI) Prompt スキルは、Azure AI Foundry にデプロイされた大規模言語モデル (LLM) または Azure AI Foundry モデルの Azure OpenAI に対してチャット完了要求を実行します。 この機能を使用して、インデックスを作成して検索可能なコンテンツとして格納できる新しい情報を作成します。

GenAI プロンプト スキルがコンテンツの作成にどのように役立つかの例を次に示します。

• 画像を言語化する
• テキストの大きな一節を要約する
• 複雑なコンテンツを簡略化する
• プロンプトで明確に示すことができるその他のタスクを実行する

GenAI プロンプト スキルは、 最新のプレビュー REST API で使用できます。 このスキルは、テキスト、画像、およびテキストと画像を含む PDF などのマルチモーダル コンテンツをサポートします。

サポートされているモデル

• AI Foundry にデプロイされている チャット補完推論モデル (GPT モデル、Deepseek R#、Llama-4-Mavericj、Cohere-command-r など) を使用できます。 具体的には、GPT モデルでは、チャット入力候補 API エンドポイントのみがサポートされます。 Azure OpenAI Responses API (URI の一部として /openai/responses を含む) を使用するエンドポイントは、現在互換性がありません。

• 画像の言語化では、画像の分析に使用するモデルによって、サポートされる画像形式が決まります。

• GPT-5 モデルの場合、 temperature パラメーターは以前のモデルと同じ方法ではサポートされていません。 定義されている場合は、 1.0に設定する必要があります。他の値を指定するとエラーが発生するためです。

• 課金は、使用するモデルの価格に基づきます。

Prerequisites

• Azure AI Foundry または Azure OpenAI にデプロイされたチャット完了モデル ( gpt-4o や互換性のあるオープン ソース ソフトウェア (OSS) モデルなど)。

  • Foundry ポータルの モデルとエンドポイント 、または Azure OpenAI リソース サブドメイン (*.openai.azure.com) からエンドポイントをコピーします。

  • スキル定義の Uri パラメーターにこのエンドポイントを指定します。

• 認証は、Azure AI Foundry または Azure OpenAI リソースの API キーを使用してキーベースにすることができます。 ただし、ロールに割り当てられた 検索サービスのマネージド ID を 使用して、ロールベースのアクセスをお勧めします。

  • Azure OpenAI で、 Cognitive Services OpenAI ユーザー をマネージド ID に割り当てます。

  • AI Foundry モデルの場合は、 Azure AI ユーザーを割り当てます。

@odata.type

#Microsoft.Skills.Custom.ChatCompletionSkill

データ制限

スキルのパラメーター

* 、apiKey、またはサービスのauthIdentity ID のいずれかを使用する必要があります。

commonModelParameters デフォルト

スキルの入力

スキルの出力

サンプル定義

テキストのみの要約

{
  "@odata.type": "#Microsoft.Skills.Custom.ChatCompletionSkill",
  "name": "Summarizer",
  "description": "Summarizes document content.",
  "context": "/document",
  "timeout": "PT30S",
  "inputs": [
    { "name": "text", "source": "/document/content" },
    { "name": "systemMessage", "source": "='You are a concise AI assistant.'" },
    { "name": "userMessage", "source": "='Summarize the following text:'" }
  ],
  "outputs": [ { "name": "response" } ],
  "uri": "https://demo.openai.azure.com/openai/deployments/gpt-4o/chat/completions",
  "apiKey": "<api-key>",
  "commonModelParameters": { "temperature": 0.3 }
}

テキスト + 画像の説明

{
  "@odata.type": "#Microsoft.Skills.Custom.ChatCompletionSkill",
  "name": "Image Describer",
  "context": "/document/normalized_images/*",
  "inputs": [
    { "name": "image", "source": "/document/normalized_images/*/data" },
    { "name": "imageDetail", "source": "=high" },
    { "name": "systemMessage", "source": "='You are a useful AI assistant.'" },
    { "name": "userMessage", "source": "='Describe this image:'" }
  ],
  "outputs": [ { "name": "response" } ],
  "uri": "https://demo.openai.azure.com/openai/deployments/gpt-4o/chat/completions",
  "authIdentity": "11111111-2222-3333-4444-555555555555",
  "responseFormat": { "type": "text" }
}

構造化された数値ファクト ファインダー

{
  "@odata.type": "#Microsoft.Skills.Custom.ChatCompletionSkill",
  "name": "NumericalFactFinder",
  "context": "/document",
  "inputs": [
    { "name": "systemMessage", "source": "='You are an AI assistant that helps people find information.'" },
    { "name": "userMessage", "source": "='Find all the numerical data and put it in the specified fact format.'"}, 
    { "name": "text", "source": "/document/content" }
  ],
  "outputs": [ { "name": "response" } ],
  "uri": "https://demo.openai.azure.com/openai/deployments/gpt-4o/chat/completions",
  "apiKey": "<api-key>",
  "responseFormat": {
    "type": "json_schema",
    "jsonSchemaProperties": {
      "name": "NumericalFactObj",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "facts": {
            "type": "array",
            "items": {
              "type": "object",
              "properties": {
                "number": { "type": "number" },
                "fact": { "type": "string" }
              },
              "required": [ "number", "fact" ]
            }
          }
        },
        "required": [ "facts" ],
        "additionalProperties": false
      }
    }
  }
}

サンプル出力 (切り捨て)

{
  "response": {
    "facts": [
      { "number": 32.0, "fact": "Jordan scored 32 points per game in 1986-87." },
      { "number": 6.0,  "fact": "He won 6 NBA championships." }
    ]
  },
  "usageInformation": {
    "usage": {
      "completion_tokens": 203,
      "prompt_tokens": 248,
      "total_tokens": 451
    }
  }
}

ベスト プラクティス

• テキスト分割スキルを使用して長いドキュメントをチャンクし、モデルのコンテキスト ウィンドウ内に留めます。
• 大量のインデックス作成の場合は、クエリ時間 RAG ワークロードのトークン クォータが影響を受けないように、このスキル専用の別のモデルデプロイを行います。
• 待機時間を最小限に抑えるには、同じ Azure リージョンでモデルと Azure AI Search サービスを併置します。
• responseFormat.json_schema でを使用して、信頼性の高い構造化抽出を行い、インデックス フィールドへのマッピングを容易にします。
• インデクサーによって 1 分あたりのトークン数 (TPM) の制限が飽和している場合は、トークンの使用状況を監視し、 クォータの引き上げ要求 を送信します。

エラーと警告

こちらも参照ください

• Azure AI Search 組み込みインデクサー
• 統合ベクター化
• スキルセットの定義方法
• Azure AI モデル推論を使用してチャットの完了を生成する方法 (Azure AI Foundry)
• Azure OpenAI での構造化された出力