Go to Qiita Advent Calendar Top
LoginSignup
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@Nobuhiro_Okamoto(岡元 信弘)inＪＢＣＣ ホールディングス 株式会社（ＪＢＣＣグループ）

【Part1】Azure OpenAI Serviceを使ってみた！基本から環境構築まで

Last updated at Posted at 2025-10-31

2025年10月現在、OpenAIの強力なGPTモデルをAzure環境で使える「Azure OpenAI Service」がめちゃくちゃ便利です。
この記事では、Azure OpenAI Serviceって何？というところから、実際に環境を構築するまでを解説していきます。

シリーズ構成

  • Part1：基本知識と環境構築（本記事）
  • Part2：実際の使い方とプロンプトのコツ
  • Part3：セキュリティと運用のベストプラクティス

Azure OpenAI Serviceとは

Azure OpenAI Serviceは、OpenAIが開発した強力なAIモデルをAzure上で使えるマネージドサービスです。
簡単に言うと、「ChatGPTをもっと安全に、企業向けに使えるようにしたサービス」といった感じです。

使えるモデル（2025年10月時点）

2025年になって、かなりモデルのラインナップが充実してきました：

GPT-5シリーズ（最新！）

  • GPT-5 Pro / GPT-5 / GPT-5 Codex：制限付きアクセス（申請が必要）
  • GPT-5 mini / GPT-5 nano / GPT-5 chat：申請不要で使える

GPT-4.1シリーズ

  • GPT-4.1：100万トークンのコンテキストウィンドウ（めっちゃ長い文章を扱える）
  • GPT-4.1 nano：軽量版

GPT-4oシリーズ（現在の主力）

  • GPT-4o：テキスト、画像、音声をまとめて処理できるマルチモーダルモデル
  • GPT-4o mini：コスパ重視の軽量版

推論特化モデル

  • o3 / o4-mini / o3-mini：複雑な数学やプログラミングに強い
  • o1シリーズ：科学・数学・コーディングの難問解決に特化

その他

  • GPT-4 Turbo with Vision：画像理解ができる
  • GPT-3.5 Turbo：軽量でコスパ良し
  • Embeddings：検索やレコメンドに使える
  • GPT-image-1（DALL-E 3の進化版）：画像生成
  • Whisper：音声認識
  • テキスト読み上げ：音声合成
  • Sora：動画生成（プレビュー）

できること

  • 文章の生成・要約
  • 画像の理解と説明
  • コード生成・デバッグ
  • セマンティック検索（意味で検索）
  • 音声認識・音声合成
  • 画像・動画生成

アクセス方法

  • REST API
  • Python/C#/JavaScript/Java/Go SDK

Azure OpenAI vs ChatGPT：何が違うの？

よく聞かれるんですが、「ChatGPTと何が違うの？」という質問。基本的には同じモデルを使ってるんですが、いくつか重要な違いがあります。

Azure OpenAIのいいところ

  1. セキュリティが段違い

    • プライベートネットワークで接続できる
    • Azure AD（Entra ID）で認証管理
    • データを好きなリージョンに配置できる
    • 超重要：データはMicrosoftのモデル学習に使われない

  2. 安心安全な機能

    • コンテンツフィルタリングが標準で入ってる
    • 有害なコンテンツを自動でブロック
    • カスタマイズもできる

  3. 日本で使える

    • 日本のデータセンターでホスティング可能
    • データを日本国内に置ける（法規制対応）
    • レスポンスが速い

  4. 他のAzureサービスと連携しやすい

    • Azure Monitorで監視
    • Azure Policyでガバナンス
    • 他のサービスとスムーズに統合

APIの互換性

Azure OpenAIとOpenAIのAPIは互換性があるので、エンドポイントURLと認証方法を変えるだけで移行できることが多いです。

検証環境

今回はこんな環境で試してみました：

  • Azureサブスクリプション：共同作成者権限以上あればOK
  • リージョン：東日本（Japan East）
  • デプロイモデル：GPT-4o
  • アクセス方法：Azure AI Foundryポータル + REST API

※ネットワーク周りは作成済みということで、今回は割愛します。

事前に知っておくべきこと

Azure OpenAI Serviceを使う前に、いくつか確認しておきたいことがあります。

制限付きアクセスについて

GPT-5シリーズやo3など、一部のモデルはMicrosoftの承認が必要です。
申請はこちらから。

リージョンによって使えるモデルが違う

これ、めっちゃ重要です！

2025年10月時点で、日本リージョン（東日本・西日本）では以下のような状況です：

日本リージョンで使えるモデル（標準デプロイ）

  • GPT-4o：使える！
  • GPT-4 Turbo：使える！
  • GPT-3.5 Turbo：使える（ただし段階的に廃止予定）
  • Embeddings：使える

日本リージョンで制限があるモデル

  • o1 / o3シリーズ：まだ未対応（グローバル標準デプロイなら使える）
  • GPT-5シリーズ：制限付きアクセス + リージョン制限あり

最新の情報は公式ドキュメントで確認してください。

デプロイの種類について

Azure OpenAIでは、いくつかのデプロイ方式があります：

  1. 標準（リージョン）：従量課金で使える。日本リージョンOK
  2. グローバル標準：世界中のデータセンターから最適なところを自動選択。日本リージョン指定は不可
  3. プロビジョニング済み：事前に処理能力を確保。安定したパフォーマンスが必要なら
  4. グローバルバッチ：大量のデータを一括処理。リアルタイム性は不要な場合に

その他の注意点

  • トークン制限：各モデルに処理できる最大トークン数がある
  • レート制限：1分あたりのトークン数（TPM）とリクエスト数（RPM）に制限がある
  • クォータ管理：サブスクリプションとリージョンごとに上限がある

では、実際に作っていきましょう！

Azure OpenAIリソースの作成

まずは、Azure OpenAI Serviceのリソースを作ります。

Azure Portalから作成

  1. Azure Portalにログイン

  2. 「リソースの作成」をクリック

  3. 「Azure OpenAI」を検索して選択

  4. 以下を入力：

    • サブスクリプション：使いたいサブスクリプション
    • リソースグループ：新規作成か既存のものを選択
    • リージョン：東日本（Japan East）がおすすめ
    • 名前：わかりやすい名前（例：my-openai-resource）
    • 価格レベル：Standard S0

  5. 「ネットワーク」タブでアクセス方法を選択

    • すべてのネットワークから（開発・テスト用）
    • 選択したネットワークのみ（本番用）

  6. 「確認および作成」→「作成」

数分待てばリソースができます。

CLIで作成する場合（参考）

az cognitiveservices account create \
  --name my-openai-resource \
  --resource-group myResourceGroup \
  --location japaneast \
  --kind OpenAI \
  --sku S0 \
  --subscription mySubscription

モデルをデプロイする

リソースを作っただけでは、まだAPIを使えません。使いたいモデルをデプロイする必要があります。

Azure AI Foundryでデプロイ

  1. 作成したAzure OpenAIリソースを開く

  2. 「概要」ページで「Azure AI Foundryに移動」をクリック

  3. 左メニューから「デプロイ」を選択

  4. 「+ デプロイの作成」→「モデルをデプロイする」

  5. モデルを選択（例：gpt-4o）

  6. デプロイ設定：

    • デプロイ名：gpt-4o-deployment（好きな名前でOK）
    • モデルバージョン：最新版がおすすめ
    • デプロイタイプ：標準
    • TPM（1分あたりのトークン数）：10K（後で調整できる）

  7. 「デプロイ」をクリック

デプロイが完了したら、一覧に表示されます。

TPMって何？

TPM（Tokens Per Minute）は、1分間に処理できるトークン数のことです。
これによって、どれくらいの処理能力があるかが決まります。

  • 開発・テスト：10K TPMで十分
  • 本番環境：30K〜240K TPM以上を推奨
  • 不足すると429 Too Many Requestsエラーが出る

クォータの範囲内で設定できます。足りなくなったら増やせます。

プレイグラウンドで試してみる

デプロイできたら、まずはプレイグラウンドで動作確認してみましょう。

Chatプレイグラウンドで遊んでみる

  1. Azure AI Foundryで「プレイグラウンド」→「チャット」を選択

  2. 「デプロイ」で作成したデプロイメントを選択

  3. システムメッセージを設定（例：「あなたは親切なAIアシスタントです」）

  4. パラメータを調整：

    • Temperature：0.7（創造性のレベル。0-2）
    • Max response：800（最大トークン数）
    • Top P：0.95（サンプリング制御）
    • Frequency penalty：0（繰り返しの抑制）
    • Presence penalty：0（トピックの多様性）

  5. チャットボックスに質問を入力

例えば：

ユーザー：Azureって何？簡単に教えて

アシスタント：Azureは、Microsoftが提供しているクラウドサービスです。
サーバーやデータベース、AI機能など、いろいろなサービスが200個以上も
用意されていて、企業や開発者がシステムを作ったり運用したりするのに
便利なプラットフォームです。

プレイグラウンドの便利機能

  • Few-shot例を追加：例を見せて学習させる
  • コードビュー：実際のAPI呼び出しコードを確認できる
  • パラメータの調整：リアルタイムで変更して試せる

まとめ（Part1）

Part1では、Azure OpenAI Serviceの基本と環境構築について解説しました。

押さえておきたいポイント

  1. Azure OpenAI Serviceの特徴

    • エンタープライズレベルのセキュリティ
    • データはモデル学習に使われない
    • 日本リージョンでホスティング可能

  2. リージョンとモデルの関係

    • 日本リージョンではGPT-4o、GPT-4 Turboが使える
    • 最新モデル（GPT-5、o3など）は制限あり

  3. デプロイの流れ

    • リソース作成 → モデルデプロイ → プレイグラウンドで確認

次回予告

Part2では、実際にAPIを使った開発方法や、プロンプトエンジニアリングのコツ、トークンとコストの管理について詳しく解説します！
【Part2】Azure OpenAI Serviceを使ってみた！実践的な使い方とプロンプトのコツ

参考リンク

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?