【完全ガイド】Microsoft Discovery 環境構築 & はじめての AI 実験 ── Azure ポータルから Discovery Studio まで一気通貫

Posted at 2026-04-22

はじめに ── この記事について

対象読者: Microsoft Discovery を使い始めたい研究者・エンジニア（Azure 初心者〜中級者）
所要時間: 約 20 分（読了）、約 30 分〜1 時間（Bicep による環境構築実施）
関連記事: 【SPReAD-1000応募者必見】Microsoft Discovery × AI for Science で、あなたの研究を加速せよ

Microsoft Discovery は 2026年に Public Preview が開始された、科学研究向けエージェンティック AI プラットフォームです [1]。「使ってみたいけど、何から始めればいいの？」という方のために、Azure ポータルでのインフラ構築から Discovery Studio での初回 AI 実験までを一気通貫で解説します。

💡 おすすめ: インフラ構築は Bicep テンプレートによる一括デプロイ（Azure CLI 2 コマンド）が最も簡単です。本記事では Bicep ルートを推奨し、手動構築は補足として解説します。

この記事で分かること:

Bicep テンプレートによる一括デプロイ方法（推奨・最短ルート）
Azure ポータルで Microsoft Discovery 環境を手動構築する手順
Discovery Studio でプロジェクトを作成し、AI エージェントと対話する方法
Bookshelf（知識ベース）を使って自分のデータで AI をグラウンディングする方法
SPReAD-1000 応募者向けの環境構築コスト目安

全体像 ── 2 つのルートで始める Microsoft Discovery

⭐ ルート A: Bicep 一括デプロイ（推奨）

Azure CLI が使える方は、Bicep テンプレートで 2 コマンド実行するだけ でステップ 1〜5 が完了します。手作業で個別にリソースを作る必要はありません。

ステップ	作業場所	やること	所要時間目安
1	Azure ポータル	前提条件の確認・サブスクリプション有効化	15 分
2	ターミナル	Bicep で全インフラ一括デプロイ	5 分 + 待ち時間
3	Discovery Studio	ログイン & プロジェクト作成	10 分
4	Discovery Studio	エージェントの作成・バンドル追加	15 分
5	Discovery Studio	Investigation で AI 実験開始	すぐ！

🚨 Bicep ルートなら、インフラ構築が約 5 分 + デプロイ待ち時間で完了します。 → ステップ 2: Bicep で一括デプロイにジャンプ

ルート B: Azure ポータルで手動構築

Azure ポータルの GUI で一つずつリソースを作成する方法です。各設定を細かく確認したい場合や、Azure CLI が使えない環境ではこちらを参照してください。

ステップ	作業場所	やること	所要時間目安
1	Azure ポータル	前提条件の確認・サブスクリプション有効化	15 分
2	Azure ポータル	ネットワーク・ID・ストレージの設定	30 分
3	Azure ポータル	スーパーコンピュータの作成	15 分 + 待ち時間
4	Azure ポータル	ワークスペースの作成	15 分 + 待ち時間
5	Azure ポータル	チャットモデルのデプロイ	10 分
6	Discovery Studio	ログイン & プロジェクト作成	10 分
7	Discovery Studio	エージェントの作成・バンドル追加	15 分
8	Discovery Studio	Investigation で AI 実験開始	すぐ！

⚠️ 注意: Microsoft Discovery は Public Preview 段階です。機能・料金・利用条件は変更される可能性があります。本記事は 2026年4月時点の公式ドキュメント [2] に基づいています。

ステップ 1：前提条件の確認

必要なもの

項目	詳細
Azure サブスクリプション	Public Preview 向けに有効化済みのもの [2]
権限	Owner または RBAC Administrator（ロール割り当てに必要）
リソースグループ	既存 or 新規作成（Contributor ロール必要）
クォータ	VM SKU、Azure OpenAI（GPT-5.2 等）、Cosmos DB

利用可能リージョン

🚨 重要: Microsoft Discovery は現在 4 リージョンのみ で利用可能です。すべてのリソースを 同一リージョン・同一サブスクリプション・同一リソースグループ に作成してください。

リージョン	場所
East US	米国東部
East US 2	米国東部 2
Sweden Central	スウェーデン中部
UK South	英国南部

SPReAD-1000 応募者へ: 日本リージョンは現時点で未対応です。レイテンシを考慮すると East US または East US 2 が推奨されます。

Azure ポータルへのアクセス

Public Preview 用の特別な Azure ポータル URL を使用します：

https://aka.ms/discovery/PublicPreviewPortal

💡 ポイント: この URL から作成したリソースには "version": "v2" タグが自動付与されます。通常の Azure ポータルからではなく、必ずこの URL からリソースを作成してください [2]。

ステップ 2：Bicep で全インフラを一括デプロイ（推奨）

⭐ これが最短ルートです。 Azure CLI の 2 コマンドで、VNet・UAMI・Storage・スーパーコンピュータ・ワークスペース・チャットモデル・プロジェクトがすべて作成されます [11]。手動で個別にリソースを作成する必要はありません。

デプロイ手順

1. Bicep ファイルを取得

公式の Bicep テンプレートを main.bicep として保存します。テンプレートは Azure Quickstart Templates（GitHub）から入手できます [11]。

2. Azure CLI でデプロイ

# リソースグループの作成（リージョンは4つから選択）
az group create --name myDiscoveryRG --location eastus

# Bicep テンプレートでデプロイ（パラメータはデフォルト値を使用）
az deployment group create \
  --resource-group myDiscoveryRG \
  --template-file main.bicep

💡 カスタマイズ: パラメータを上書きすることでリージョンや名前を変更できます。

az deployment group create \
  --resource-group myDiscoveryRG \
  --template-file main.bicep \
  --parameters \
    location=eastus \
    supercomputerName=my-sc \
    workspaceName=my-workspace \
    nodePoolVmSize=Standard_D4s_v6 \
    nodePoolMaxNodeCount=5 \
    chatModelName=gpt-5.2

3. デプロイの確認

# デプロイされたリソースを一覧表示
az resource list --resource-group myDiscoveryRG --output table

Bicep が作成するリソース一覧

リソース	種類	内容
VNet	`Microsoft.Network/virtualNetworks`	5 サブネット（SC Node Pool / AKS / Workspace / Private Endpoint / Agent）
UAMI	`Microsoft.ManagedIdentity/userAssignedIdentities`	ロール割り当て済み（Storage Blob Data Contributor, Platform Contributor, AcrPull）
Storage	`Microsoft.Storage/storageAccounts`	CORS 設定済み、`discoveryoutputs` コンテナ付き
スーパーコンピュータ	`Microsoft.Discovery/supercomputers`	UAMI でクラスター/kubelet/ワークロード ID を設定
ノードプール	`Microsoft.Discovery/supercomputers/nodePools`	Standard_D4s_v6、スケール 0〜3（scale-to-zero 対応）
ワークスペース	`Microsoft.Discovery/workspaces`	スーパーコンピュータ・サブネット連携済み
チャットモデル	`Microsoft.Discovery/workspaces/chatModelDeployments`	GPT-5.2（デフォルト）
ストレージコンテナ	`Microsoft.Discovery/storageContainers`	Storage Account にバインド
プロジェクト	`Microsoft.Discovery/workspaces/projects`	ストレージコンテナ連携済み

主要パラメータ

パラメータ	デフォルト値	説明
`location`	`swedencentral`	リージョン（`eastus` / `swedencentral` / `uksouth`）
`nodePoolVmSize`	`Standard_D4s_v6`	ノードプールの VM SKU
`nodePoolMaxNodeCount`	`3`	最大ノード数
`nodePoolMinNodeCount`	`0`	最小ノード数（0 = scale-to-zero）
`nodePoolScaleSetPriority`	`Regular`	`Regular`（通常）/ `Spot`（スポット）
`chatModelDeploymentName`	`gpt-5-2`	チャットモデルのデプロイ名
`chatModelName`	`gpt-5.2`	デプロイするチャットモデル

⚠️ Bicep デプロイ後の補足作業:

マネージドリソースグループへのロール割り当て: ワークスペース作成時に自動生成されるマネージドリソースグループに Azure AI User ロールを割り当ててください [2]。
Bookshelf を使う場合: Bicep テンプレートには searchSubnet（Bookshelf 用）が含まれていません。VNet に searchSubnet（Microsoft.App/environments 委任）を手動で追加してください。
scale-to-zero: ノードプールの minNodeCount: 0 により、未使用時はノードが自動停止しコストを抑えられます。

クリーンアップ

不要になったら、リソースグループごと削除できます：

az group delete --name myDiscoveryRG --yes --no-wait

Bicep デプロイが完了したら、ステップ 6 に進んで Discovery Studio にログインしてください。

ステップ 2〜5（手動）：Azure ポータルで個別にリソースを作成する場合

💡 以下は Bicep を使わずに手動で構築する場合 の手順です。ステップ 2 の Bicep デプロイを実施済みの方はステップ 6 まで読み飛ばしてください。

📝 クリックで展開：手動構築の詳細手順（ステップ 2〜5）

ステップ 2（手動）：ネットワーク・ID・ストレージの設定

2-1. リソースプロバイダーの登録

Azure サブスクリプションに以下のリソースプロバイダーを登録します [2]。

📝 クリックで展開：登録が必要なリソースプロバイダー一覧

リソースプロバイダー	用途
`Microsoft.Discovery`	Discovery 本体
`Microsoft.Network`	仮想ネットワーク
`Microsoft.Compute`	VM・コンピュート
`Microsoft.Storage`	Blob ストレージ
`Microsoft.ManagedIdentity`	マネージド ID
`Microsoft.AlertsManagement`	アラート管理
`Microsoft.Authorization`	RBAC
`Microsoft.CognitiveServices`	AI サービス
`Microsoft.ContainerInstance`	コンテナ
`Microsoft.ContainerRegistry`	コンテナレジストリ
`Microsoft.ContainerService`	AKS
`Microsoft.DocumentDB`	Cosmos DB
`Microsoft.Features`	機能管理
`Microsoft.KeyVault`	Key Vault
`Microsoft.MachineLearningServices`	ML サービス
`Microsoft.OperationalInsights`	監視
`Microsoft.ResourceGraph`	リソースグラフ
`Microsoft.Search`	AI Search
`Microsoft.Web`	Web Apps
`Microsoft.Insights`	Application Insights
`Microsoft.Resources`	リソース管理
`Microsoft.Sql`	SQL DB
`Microsoft.App`	Container Apps
`Microsoft.Bing`	Bing 検索

登録手順:

Azure ポータル → サブスクリプション → 対象サブスクリプション選択
左メニュー → リソースプロバイダー
Microsoft.Discovery を検索 → 登録をクリック
上記すべてについて同様に登録

2-2. 管理者ロールの割り当て

Discovery を管理・利用するユーザーに以下のロールを割り当てます [2]。

ロール	用途
Microsoft Discovery Platform Administrator (Preview)	Discovery 管理
Managed Identity Contributor	マネージド ID 管理
Managed Identity Operator	マネージド ID 操作
Storage Account Contributor	ストレージ管理
Storage Blob Data Contributor	Blob データアクセス
Network Contributor	ネットワーク管理
ACRPush	コンテナレジストリへの Push
Azure AI Owner	AI リソース管理（ワークスペース MRG レベル）
Microsoft Discovery Bookshelf Index Data Reader (Preview)	Bookshelf 読み取り

割り当て手順:

Azure ポータル → サブスクリプション → アクセス制御 (IAM)
追加 → ロールの割り当てを追加
各ロールを検索・選択 → メンバーを追加 → 確認して割り当て

2-3. 仮想ネットワーク（VNet）の作成

⚠️ 1 つの仮想ネットワークは 1 つの Discovery ワークスペースにのみ関連付けられます。複数ワークスペースが必要な場合は、VNet を個別に作成してください [2]。

以下の 6 つのサブネット を含む仮想ネットワークを作成します：

サブネット名	CIDR	サブネット委任
`supercomputerNodepoolSubnet`	`10.0.1.0/24`	なし
`aksSubnet`	`10.0.2.0/24`	なし
`workspaceSubnet`	`10.0.3.0/24`	`Microsoft.App/environments`
`privateEndpointSubnet`	`10.0.4.0/24`	なし
`agentSubnet`	`10.0.5.0/24`	`Microsoft.App/environments`
`searchSubnet`	`10.0.6.0/24`	`Microsoft.App/environments`

2-4. ユーザー割り当てマネージド ID（UAMI）の作成

スーパーコンピュータ・ワークスペース・ストレージが Azure リソースにアクセスするためのマネージド ID を作成します [2]。

作成手順:

Azure ポータル → マネージド ID → 作成
サブスクリプション、リソースグループ、リージョン、名前を入力
確認と作成 → 作成

UAMI に割り当てるロール（リソースグループレベル）:

ロール	用途
Microsoft Discovery Platform Contributor (Preview)	Discovery リソースの操作
Storage Blob Data Contributor	Blob データアクセス
ACRPull	コンテナレジストリからの Pull

2-5. Azure Blob Storage の作成

入出力データを格納するストレージアカウントを作成します [2]。

設定のポイント:

設定項目	値
コンテナ名	`discoveryoutputs`
ネットワーク	VNet からのアクセスを許可
CORS 許可オリジン	`https://studio.discovery.microsoft.com`, `https://vscode.dev`, `https://*.vscode-cdn.net`
CORS 許可メソッド	`GET`, `HEAD`, `DELETE`, `PUT`
CORS Allowed Headers	`*`
CORS Exposed Headers	`*`
CORS Max Age	`200`
Blob パブリックアクセス	無効（`allowBlobPublicAccess: false`）
共有キーアクセス	無効（`allowSharedKeyAccess: false`）
最小 TLS バージョン	`TLS1_2`
HTTPS のみ	有効

ステップ 3：スーパーコンピュータの作成

スーパーコンピュータは、科学ツールの実行、Bookshelf のインデキシング、GPU/CPU 集約型ワークロードの処理を担います [2]。

作成手順:

Azure ポータル（Public Preview URL）→ Microsoft Discovery Supercomputers を検索
作成 → サブスクリプション、リソースグループ、リージョン、名前を入力
ネットワーク: VNet + aksSubnet を選択
System SKU: Standard_D4s_v6 を選択
ID: 作成した UAMI をクラスター ID・kubelet ID・ワークロード ID に設定
暗号化: Microsoft マネージドキー（既定）
確認と作成 → 作成

ノードプールの作成

スーパーコンピュータ作成後、ノードプール を追加します：

スーパーコンピュータ → 設定 → ノードプール → 作成
名前（小文字のみ、先頭は英字、英数字のみ、最大 12 文字）とリージョンを入力
ネットワーク: VNet + supercomputerNodepoolSubnet を選択
VM SKU: 用途に応じて選択（下表参照）
スケーリング: 最大ノード数を設定（例: 5）

VM SKU の選び方:

用途	推奨 SKU	説明
汎用（データベース、キャッシュ）	Standard_D4s_v5/v6	コスト効率が良い
AI/ML、深層学習	Standard_NC24ads_A100_v4	GPU（A100）搭載、大規模計算向け
可視化、VDI	Standard_NV36ads_A10_v5	GPU（A10）搭載
大規模深層学習	Standard_ND40rs_v2	大メモリ GPU

💡 SPReAD-1000 応募者へ: 初期構築は Standard_D4s_v6（汎用）から始め、必要に応じて GPU ノードプールを追加する方法が、コスト管理の観点で推奨されます。

ステップ 4：ワークスペースの作成

ワークスペースは、スーパーコンピュータ・エージェント・ツール・知識ベースを統合する共同作業環境です [2]。

🚨 重要: ワークスペース名は グローバルで一意、かつ 小文字のみ で指定してください。

作成手順:

Azure ポータル（Public Preview URL）→ Microsoft Discovery Workspaces を検索
作成 → サブスクリプション、リソースグループ、名前、リージョンを入力
ネットワーク: パブリックネットワークアクセスを「有効」に設定。各サブネットを選択：
- Private Endpoint Subnet → privateEndpointSubnet
- Agent Subnet → agentSubnet
- Workspace Subnet → workspaceSubnet
スーパーコンピュータ: スーパーコンピュータの追加 → ステップ 3 で作成したものを選択
ワークスペース ID: 作成した UAMI を追加
確認と作成 → 作成

マネージドリソースグループへのロール割り当て

ワークスペース作成時に自動生成される マネージドリソースグループ に、Azure AI User ロールを割り当てます [2]。これにより、ユーザーがエージェントやワークフローを Foundry ポータルで直接編集できるようになります。

ステップ 5：チャットモデルのデプロイ

エージェントが使用する AI モデル（GPT-4o や GPT-5.2 等）をデプロイします [2]。

作成手順:

ワークスペースの概要ページ → 左メニュー設定 → Chat Model Deployments
作成 → モデル形式: OpenAI、モデル名: gpt-4o（初回推奨）
確認して作成 → 作成

🚨 Discovery Engine を使用する場合: gpt-5.2 モデルを使用して gpt-5-2 という名前のデプロイを 追加で 作成する必要があります。Discovery Engine はタスク検証にこのデプロイを必要とします [2]。

モデル別の必要クォータ:

モデル	最小 TPM	推奨 TPM	主な用途
GPT-5.2	550,000	4,000,000	Discovery Engine + Bookshelf + エージェント
GPT-5 Mini	100,000	10,000,000	Bookshelf 検索
Text Embedding 3 (Large)	50,000	2,000,000	Bookshelf インデキシング

※注: 上記は 1 ワークスペース + 1 Bookshelf インスタンスの場合 [4]。

ステップ 6：Discovery Studio にログイン & プロジェクト作成

Discovery Studio へのログイン

インフラ構築が完了したら、Discovery Studio にアクセスします [3]。

https://studio.discovery.microsoft.com

Entra ID（職場/学校アカウント）でサインイン
SSO（シングルサインオン）対応
ワークスペースの概要ページからも URL を確認可能

ストレージコンテナの作成

Discovery Studio 左メニュー → Data タブ
Storage Containers → Create Container
名前、サブスクリプション、リソースグループ、リージョンを入力
ステップ 2-5 で作成したストレージアカウントを選択 → Create

ℹ️ Create クリック後、リソースは最初 Accepted 状態になります。ページをリフレッシュし、Provisioning State が Succeeded になるまで待ってから次に進んでください [2]。

プロジェクトの作成

プロジェクトは、エージェント・ツール・知識ベース・Investigation を組織する単位です [5]。

⚠️ プロジェクト名は 小文字のみ、12 文字以内 で指定してください。

Discovery Studio 左メニュー → Projects タブ
Create Project
プロジェクト名を入力、ワークスペースを選択
「Create storage container for me」のチェックを外す
前のステップで作成したストレージコンテナを選択 → Create

ℹ️ プロジェクトも最初 Accepted 状態になります。ページをリフレッシュし、Succeeded になるまで待ってください [2]。

ステップ 7：エージェントの作成

方法 A：カスタムエージェントを個別作成

プロジェクトを開く → Get started → Create an agent
タイプ: Agent（プロンプトエージェント）
名前と説明 を入力：

名前: ChemistryAgent
説明: A chemistry expert agent that answers questions about 
     chemical properties of molecules and provides high-level 
     plans for computational needs.

チャットモデル: ステップ 5 でデプロイしたモデルを選択
Instructions（指示文） を自然言語で記述：

You are a chemistry expert agent who can answer questions 
about chemical properties of molecules and provide high-level 
plans for the user's computational needs.

Create agent をクリック

方法 B：Hello Discovery バンドルで一括追加（推奨）

💡 おすすめ: 初めての方は Hello Discovery バンドル を使うと、科学研究ワークフロー用に設計された 6 つのエージェント を一括でデプロイできます [6]。

プロジェクトのウェルカムページ → Add agents
Bundles タブを選択
チャットモデル を選択
Hello Discovery バンドルを選択 → Add
数分待つ → 6 つのエージェントがデプロイされたことを確認

エージェントの種類

Microsoft Discovery には 2 種類のエージェントがあります [7]：

種類	用途	使いどころ
プロンプトエージェント	単一タスクの実行（計画、要約、ツール呼び出し）	分子物性の回答、文献要約、シミュレーション実行
ワークフローエージェント	複数エージェントのオーケストレーション	マルチステップの研究パイプライン、Human-in-the-Loop

ワークフローエージェントのオーケストレーションパターン

パターン	説明	ユースケース
シーケンシャル	エージェントを順番に実行	段階的パイプライン
Human-in-the-Loop	研究者の承認・入力で一時停止	実験計画レビュー
条件分岐	コンテキストに基づくルーティング	動的なエキスパート選択
反復ループ	条件を満たすまで繰り返し	最適化サイクル

ステップ 8：Investigation で AI 実験を開始！

Investigation の作成

Investigation は、エージェントと自然言語で対話しながら研究を進める 研究セッション です [5]。

⚠️ Investigation 名は 20 文字以内 で指定してください。

プロジェクト内の左メニュー → Investigations タブ
Create investigation → 名前と説明を入力 → Create

エージェントとのチャット

作成した Investigation を開く
チャット入力ボックスでエージェントを選択（@AgentName で指定可能）
自然言語でプロンプトを入力して Send

試してみるプロンプト例:

アスピリンの主要な化学的性質と、その合成方法について教えてください。

What are the key chemical properties of aspirin and how is it synthesized?

💡 ポイント: Investigation 内では @AgentName を使って特定のエージェントにメッセージをルーティングできます。ワークフローエージェントは複数のプロンプトエージェントを自動的に連携させて応答します [3]。

Bookshelf ── 自分のデータで AI をグラウンディング

Bookshelf とは

Bookshelf は、Azure Blob Storage 内の非構造化データを ナレッジグラフ + ベクトルデータベース（Knowledge Base）に変換するサービスです [8]。Microsoft Research が開発した GraphRAG（Graph Retrieval-Augmented Generation） 技術を使用しており、従来の RAG より高精度な応答を生成できます。

いつ Bookshelf を使うべきか

シナリオ	Bookshelf を使う？	代替手段
自分のプロジェクト固有データで AI を推論させたい	✅	─
特定テーマの論文群を知識ベースにしたい	✅	─
大量のデータを広く検索したい	❌	Azure AI Search
ツール呼び出しでデータを直接使いたい	❌	ストレージコンテナ

Knowledge Base のサイズ

サイズ	テキスト容量	ノードプール SKU
Small	< 200 MB	Standard_D48s_v6 (192 GB)
Medium（既定）	< 500 MB	Standard_D128s_v6 (512 GB)
Large	< 1 GB	Standard_D192s_v6 (768 GB)

⚠️ 制限事項: 現時点では 1 Bookshelf あたり 1 Knowledge Base のみ作成可能です。インクリメンタルインデキシングも未サポートのため、更新時は削除→再インデックスが必要です [8]。

利用のベストプラクティス

テーマを絞った小〜中サイズの Knowledge Base を推奨
例：「ASIC 設計チームのハードウェア仕様書 + シミュレーション結果 + 関連論文」
プロジェクトには複数の Bookshelf を紐付け可能

SPReAD-1000 応募者のためのコスト見積もり

以下のコスト見積もりは 筆者推定 です。Microsoft Discovery は Public Preview 段階のため、正式な料金体系は公開されていません。実際の費用は利用量や契約条件により異なります。Azure 料金計算ツール [9] で最新の見積もりをご確認ください。

最小構成（月額目安）

リソース	SKU / 仕様	月額目安（※筆者推定）
VM（汎用ノードプール）	Standard_D4s_v6 × 2	約 3〜5 万円
Azure OpenAI（GPT-5.2）	550K TPM（最小）	約 5〜10 万円
Azure Blob Storage	100 GB	約 0.3 万円
Azure Cosmos DB	6,400 RU/s（最小）	約 2〜3 万円
Azure AI Search（Bookshelf）	Standard S1	約 3 万円
その他（VNet, UAMI 等）	─	約 0.5 万円
合計		約 14〜22 万円/月

SPReAD-1000 経費計画への組み込み方

経費項目	内容	金額目安（※筆者推定）
クラウド計算資源（直接経費）	Microsoft Discovery（Azure）	200〜350 万円/年
間接経費（30%）	大学管理費	60〜105 万円/年
合計		260〜455 万円/年

SPReAD-1000 は 直接経費最大 500 万円/件 + 間接経費 30%（最大 150 万円）で、合計最大 650 万円/件 です [10]。GPU ノードプールの使用量を適切に管理すれば、十分に予算内で運用可能です。

Bicep で一括デプロイ（IaC 派の方へ）

ステップ 1〜5 の手作業が面倒な方は、Bicep テンプレート で全インフラを一括デプロイできます [11]。Azure CLI を 2 コマンド実行するだけで、VNet・UAMI・Storage・スーパーコンピュータ・ワークスペース・プロジェクトがすべて作成されます。

デプロイ手順

1. Bicep ファイルを保存

公式の Bicep テンプレートを main.bicep として保存します。テンプレートは Azure Quickstart Templates（GitHub）から入手できます [11]。

2. Azure CLI でデプロイ

# リソースグループの作成（リージョンは4つから選択）
az group create --name myDiscoveryRG --location eastus

# Bicep テンプレートでデプロイ（パラメータはデフォルト値を使用）
az deployment group create \
  --resource-group myDiscoveryRG \
  --template-file main.bicep

💡 カスタマイズ: パラメータを上書きすることでリージョンや名前を変更できます。

az deployment group create \
  --resource-group myDiscoveryRG \
  --template-file main.bicep \
  --parameters \
    location=eastus \
    supercomputerName=my-sc \
    workspaceName=my-workspace \
    nodePoolVmSize=Standard_D4s_v6 \
    nodePoolMaxNodeCount=5 \
    chatModelName=gpt-5.2

3. デプロイの確認

# デプロイされたリソースを一覧表示
az resource list --resource-group myDiscoveryRG --output table

Bicep テンプレートが作成するリソース

リソース	種類	内容
VNet	`Microsoft.Network/virtualNetworks`	5 サブネット（SC Node Pool / AKS / Workspace / Private Endpoint / Agent）
UAMI	`Microsoft.ManagedIdentity/userAssignedIdentities`	ロール割り当て済み（Storage Blob Data Contributor, Platform Contributor, AcrPull）
Storage	`Microsoft.Storage/storageAccounts`	CORS 設定済み、`discoveryoutputs` コンテナ付き
スーパーコンピュータ	`Microsoft.Discovery/supercomputers`	UAMI でクラスター/kubelet/ワークロード ID を設定
ノードプール	`Microsoft.Discovery/supercomputers/nodePools`	Standard_D4s_v6、スケール 0〜3（scale-to-zero 対応）
ワークスペース	`Microsoft.Discovery/workspaces`	スーパーコンピュータ・サブネット連携済み
チャットモデル	`Microsoft.Discovery/workspaces/chatModelDeployments`	GPT-5.2（デフォルト）
ストレージコンテナ	`Microsoft.Discovery/storageContainers`	Storage Account にバインド
プロジェクト	`Microsoft.Discovery/workspaces/projects`	ストレージコンテナ連携済み

主要パラメータ一覧

パラメータ	デフォルト値	説明
`location`	`swedencentral`	リージョン（`eastus` / `swedencentral` / `uksouth`）
`nodePoolVmSize`	`Standard_D4s_v6`	ノードプールの VM SKU
`nodePoolMaxNodeCount`	`3`	最大ノード数
`nodePoolMinNodeCount`	`0`	最小ノード数（0 = scale-to-zero）
`nodePoolScaleSetPriority`	`Regular`	`Regular`（通常）/ `Spot`（スポット）
`chatModelDeploymentName`	`gpt-5-2`	チャットモデルのデプロイ名
`chatModelName`	`gpt-5.2`	デプロイするチャットモデル

⚠️ 注意点:

Bicep テンプレートでは searchSubnet（Bookshelf 用）が含まれていません。Bookshelf を使う場合は、VNet に searchSubnet（Microsoft.App/environments 委任）を手動で追加してください。
ノードプールの minNodeCount: 0 により scale-to-zero が有効です。未使用時はノードが自動停止し、コストを抑えられます。
デプロイ後、Discovery Studio（https://studio.discovery.microsoft.com）にログインしてエージェントの作成に進んでください。

クリーンアップ

不要になったら、リソースグループごと削除できます：

az group delete --name myDiscoveryRG --yes --no-wait

Azure サブスクリプション
└── リソースグループ
    ├── スーパーコンピュータ
    │   └── ノードプール（複数可）
    ├── Bookshelf
    │   └── Knowledge Base（ナレッジグラフ + ベクトル DB）
    └── ワークスペース
        ├── チャットモデルデプロイ（プロジェクト間で共有）
        └── プロジェクト
            ├── エージェント（プロンプト / ワークフロー）
            │   ├── Knowledge Base（Bookshelf 参照）
            │   └── ツール（Discovery Tools, Code Interpreter 等）
            ├── ストレージコンテナ
            └── Investigation（研究セッション）
                └── エージェントとの対話

トラブルシューティング

📝 よくある問題と解決方法

問題	原因	解決方法
リソース作成に失敗する	Public Preview URL を使っていない	`https://aka.ms/discovery/PublicPreviewPortal` からアクセス
リソース作成に失敗する	リソースプロバイダーが未登録	サブスクリプション → リソースプロバイダー → 登録
ワークスペース作成に失敗する	クォータ不足	VM SKU / Azure OpenAI のクォータを増加申請
エージェントが応答しない	チャットモデルが未デプロイ	ステップ 5 でモデルをデプロイ
Discovery Engine が動かない	`gpt-5-2` デプロイが存在しない	GPT-5.2 モデルで `gpt-5-2` デプロイを作成
Bookshelf インデキシングが遅い	ノードプール SKU が小さい	インデキシング用のより大きな SKU にスケールアップ
ストレージにアクセスできない	CORS 設定が不足	Discovery Studio と VSCode のオリジンを CORS に追加

まとめ ── 研究者が今すぐ始められること

ステップ	やること	所要時間
1. Azure 準備	サブスクリプション有効化、クォータ確認	15 分
2. インフラ構築	VNet → UAMI → Storage → スーパーコンピュータ → ワークスペース	1〜2 時間
3. Studio 設定	ログイン → プロジェクト → エージェント（Hello Discovery バンドル推奨）	30 分
4. 実験開始	Investigation を作成し、エージェントに質問してみる	すぐ！

Microsoft Discovery は、AI 未経験の研究者でも自然言語で操作可能 なプラットフォームです。コードを書く必要はありません。まずは Hello Discovery バンドルでエージェントを追加し、あなたの研究テーマについて質問してみてください。

分野	記事
🧪 化学	非PFAS冷却液探索シナリオ
🧬 生命科学	AI駆動型創薬シナリオ
⚡ 物理学	半導体・多物理システムシナリオ

参考資料

[1] Transforming R&D with agentic AI: Introducing Microsoft Discovery - Azure Blog, 2025-05-19

[2] Quickstart: Get started with Microsoft Discovery Infrastructure - Microsoft Learn, 2026

[3] Quickstart: Get started with agents and investigations in Microsoft Discovery Studio - Microsoft Learn, 2026

[4] Quota reservations for Microsoft Discovery - Microsoft Learn, 2026

[5] Microsoft Discovery projects and investigations - Microsoft Learn, 2026

[6] Quickstart: Add agents using bundles in Microsoft Discovery Studio - Microsoft Learn, 2026

[7] Agent types in Microsoft Discovery - Microsoft Learn, 2026

[8] Bookshelf & Knowledge Bases in Microsoft Discovery - Microsoft Learn, 2026

[9] Azure Pricing Calculator - Microsoft Azure

[10] AI for Scienceによる科学研究革新プログラム SPReAD 特設ページ - 文部科学省, 2026

[11] Quickstart: Deploy Microsoft Discovery infrastructure using Bicep - Microsoft Learn, 2026

この記事は 2026年4月22日時点の情報に基づいています。 Microsoft Discovery は Public Preview 段階のため、機能・料金・利用条件は変更される可能性があります。コスト見積もりは筆者推定であり、実際の費用は利用量や契約条件により異なります。最新情報は Microsoft Learn 公式ドキュメントをご確認ください。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up

【完全ガイド】Microsoft Discovery 環境構築 & はじめての AI 実験 ── Azure ポータルから Discovery Studio まで一気通貫

はじめに ── この記事について

全体像 ── 2 つのルートで始める Microsoft Discovery

⭐ ルート A: Bicep 一括デプロイ（推奨）

ルート B: Azure ポータルで手動構築

ステップ 1：前提条件の確認

必要なもの

利用可能リージョン

Azure ポータルへのアクセス

ステップ 2：Bicep で全インフラを一括デプロイ（推奨）

デプロイ手順

1. Bicep ファイルを取得

2. Azure CLI でデプロイ

3. デプロイの確認

Bicep が作成するリソース一覧

主要パラメータ

クリーンアップ

ステップ 2〜5（手動）：Azure ポータルで個別にリソースを作成する場合

ステップ 2（手動）：ネットワーク・ID・ストレージの設定

2-1. リソースプロバイダーの登録

2-2. 管理者ロールの割り当て

2-3. 仮想ネットワーク（VNet）の作成

2-4. ユーザー割り当てマネージド ID（UAMI）の作成

2-5. Azure Blob Storage の作成

ステップ 3：スーパーコンピュータの作成

ノードプールの作成

ステップ 4：ワークスペースの作成

マネージドリソースグループへのロール割り当て

ステップ 5：チャットモデルのデプロイ

ステップ 6：Discovery Studio にログイン & プロジェクト作成

Discovery Studio へのログイン

ストレージコンテナの作成

プロジェクトの作成

ステップ 7：エージェントの作成

方法 A：カスタムエージェントを個別作成

方法 B：Hello Discovery バンドルで一括追加（推奨）

エージェントの種類

ワークフローエージェントのオーケストレーションパターン

ステップ 8：Investigation で AI 実験を開始！

Investigation の作成

エージェントとのチャット

Bookshelf ── 自分のデータで AI をグラウンディング

Bookshelf とは

いつ Bookshelf を使うべきか

Knowledge Base のサイズ

利用のベストプラクティス

SPReAD-1000 応募者のためのコスト見積もり

最小構成（月額目安）

SPReAD-1000 経費計画への組み込み方

Bicep で一括デプロイ（IaC 派の方へ）

デプロイ手順

1. Bicep ファイルを保存

2. Azure CLI でデプロイ

3. デプロイの確認

Bicep テンプレートが作成するリソース

主要パラメータ一覧

クリーンアップ

トラブルシューティング

まとめ ── 研究者が今すぐ始められること

関連シナリオ記事

参考資料