2025年にAzure AI FoundryでAIチャットボットを構築するには？ステップバイステップガイド

AIチャットボットを作成するのは難しいように見えるかもしれませんが、適切なツールとアプローチで完全に達成可能です。この詳細なガイドでは、Azure AI Foundryを使用したチャットボットの構築、Azure AI Searchを使用した検索支援型生成（RAG）による知識の強化、および合理化されたコンテナ化を使用したスムーズなデプロイメントについて説明します。本番環境向けにチャットボットを準備するために、プロセスを明確で実行可能なステップに簡素化します。

キーポイント

Azure AI Foundryの組み込みテンプレートを使用して、チャットボット開発を加速します。

Azure AI Search for RAGを組み込んで、チャットボットのナレッジベースをプライベートデータで充実させます。

Dockerによるコンテナ化を適用し、異なるセットアップ間で均一なデプロイを保証します。

チャットボットをAzure Container Instances（ACI）にデプロイして、一般公開します。

潜在的なデプロイの障害を認識し、解決します。

AzureでAIチャットボットを作成する

ステージを設定するLLMからチャットボットへ

洗練されたAIチャットボットの開発は、基本的な要素である大規模言語モデル（LLM）、プライベートデータセット、および検索拡張生成（RAG）フレームワークから始まります。目的は、特定の情報にアクセスし、自然な方法でユーザーと対話できるチャットボットを作成することです。すでにAI検索に習熟し、実用的なRAGシステムを持っているとしよう。Azureは、そのギャップを埋めるためのリソースを提供しています。このガイドでは、ユーザーがAIアプリケーションに積極的にアクセスして使用できるように、ソリューションを本番環境に移行する方法を説明します。

Azure AI Foundryは、これらのコンポーネントを統合するための強力なプラットフォームとして機能します。Azureのサービスによって、生データを完全に動作するチャットボットに変換する方法を実演します。このチュートリアルでは、Azure、Azure AI Search、GitHubリポジトリ（Azure-Samples/get-started-with-ai-chat）、Microsoft Azureエコシステムを中心に説明します。以下がその目的です：

• Pythonを使ってローカルでコードを開発する。
• Dockerイメージをビルドし、コンテナを実行する。
• コンテナ・レジストリにイメージをアップロード。
• コンテナレジストリからAzure Container Instancesにデプロイし、全世界からアクセスできるようにする。

パート1：ローカル開発とセットアップ

最初の段階では、必要なテクノロジーを備えたローカル開発環境を準備します。AI Foundry内でテンプレートをカスタマイズすることもできます：

.また、GitHubでプロジェクトを作成・修正し、機能を強化します。

コーディングにはPythonを使用し、理想的にはCursorのようなIDE内で行います。この段階には以下が含まれます：

1. Azure AI Chat Repositoryをフォークする：GitHubからAzure-Samples/get-started-with-ai-chatリポジトリをフォークします。このリポジトリは、チャットボットプロジェクトの基盤となるコードを提供します。このテンプレートは、Azure AI FoundryとSDKを使用してチャットアプリケーションをデプロイするためのシンプルな出発点を提供します。
2. ローカル環境の作成APIキーと設定の詳細を安全に保存するための環境ファイル（.env）をセットアップします。
3. コードをカスタマイズする：フォークして環境をセットアップした後、特定の要件に合わせてコードを修正します。

AI Foundryプラットフォームに飛び込む

ローカルでのセットアップが完了したら、Azure AI Foundryで利用可能なテンプレートを使用して作業を進めることができます。このプラットフォームは、AIアプリケーションのコーディングを簡素化する。開始するには、「Get Started with AI Chat」オプションを選択します。リポジトリがGitHubアカウントに正常にフォークされたことが確認されます。

これらのテンプレートを使用すると、アプリケーションに統合する準備が整ったビルド済みのAIコードを使用してチャットボットを構築できます。また、テンプレートを自分の環境にクローンすることもできます。

AI検索とAzureモデルとの連携

構成

コードを実行してDockerをセットアップする前に、環境を設定する必要があります。提供されている.env.sampleテンプレートを使用して.envファイルを作成し、環境キーを更新します。以下は、Azure Searchプロジェクトがエンドポイントを接続するための設定例です。

:

AZURE_AI_SEARCH_ENDPOINT=AZURE_AI_SEARCH_INDEX_NAME=AZURE_AI_SEARCH_API_KEY=AZURE_AI_EMBEDDINGS_DEPLOYMENT_NAME= (インデックス検索に必要)AZURE_AI_OPENAI_ENDPOINT=AZURE_AI_OPENAI_API_KEY=AZURE_AI_OPENAI_MODEL_NAME=。

Dockerデプロイ用のコンテナを作成する前に、vectorコンフィギュレーションにエンベッディング・フィールドを設定する必要がある。ローカル環境ですべてのコンポーネントが正しく機能することを確認するために、ベクター構成を設定してみましょう。インデックスを作成する際に、チャンキングを追加してベクターをテストし、セットアップが完了していることを確認します。

以下に設定変数の内訳を示します：

• AZURE"_AI"_SEARCH"_ENDPOINT: 検索リソースへの接続に使用する、Azure AI SearchサービスのエンドポイントURL。
• AZURE"_AI"_SEARCH"_INDEX"_NAME：Azure AI Search内のインデックス名。
• AZURE"_AI"_SEARCH"_API"_KEY: Azure AI Searchへの接続の認証に必要なAPIキーで、モデルをエンドポイントにリンクします。
• AZURE"_AI"_EMBEDDINGS"_DEPLOYMENT"_NAME：モデルベースの検索操作に必要なテキスト埋め込みを接続し、提供するために使用されます。

Dockerfileの概要

次の段階では、Dockerfileを使ってDockerイメージを構築します。このファイルはAIアプリケーションとSDKをデプロイするために不可欠です。また、エンドポイント接続のためにコピーするファイルも指定します。

コストに関する考察

Azureサービスのコスト

Azure AI Foundryを使用するための関連コストに留意してください。Azure AIサービスは従量課金制であり、AIおよびAzure OpenAIサービスの選択したプランによって価格が異なることを覚えておいてください。

よくある質問

このチャットボットを他のクラウドプラットフォームにデプロイできますか？

このガイドはAzure向けに作られていますが、基本的なコンテナ化の原則とコアとなるチャットボットのデザインは、AWSやGoogle Cloudなどの他のクラウドプラットフォーム向けに変更することができます。ただし、具体的な実装手順については、異なるプロジェクトの要件に合わせるための調整が必要になります。

どのようなデータをRAGシステムに取り込むことができますか？

RAGシステムは、テキストファイル、PDF、ドキュメントなど様々なデータ形式に対応しています。重要なのは、Azure AI Searchが効率的にインデックスを作成し、関連する情報を取得できるように、データを適切に構造化することです。

関連する質問

AIチャットボットをデプロイする際に考慮すべきセキュリティ上のポイントは何ですか？

AIチャットボット、特に機密情報を扱うAIチャットボットを導入するには、システムとユーザーを保護するために、いくつかのセキュリティ面に対処する必要があります：データの暗号化：静止時と送信時の両方で、すべてのデータを暗号化する。Azure Key Vaultを活用して、暗号化キーと機密情報を管理する。認証と承認：認証と認可：強力な認証を実装して、ユーザーの身元を確認します。アイデンティティとアクセス管理には、Azure Active Directory（Azure AD）を活用します。APIキーを使用して、APIへのアクセスを制御します：インジェクション攻撃から保護するために、すべてのユーザー入力を一貫して検証し、サニタイズする。これには、システムに害を及ぼす可能性のある悪意のあるコードやスクリプトをチェックし、ブロックすることが含まれます。ロギングとモニタリング：セキュリティ上の問題を迅速に特定して対処するために、徹底したロギングと監視を確立する。Azure Monitor を使用して、ログとパフォーマンスデータを収集し、調べることができます。不正アクセスの兆候、データ侵害の可能性、システムの弱点などを確認する。