はじめに
このブログは、Azure AI Foundry の Prompt フロー を使って OpenAI のモデルを活用する際の手順や注意点をまとめた 備忘録 です。
私自身、試行錯誤しながら進めた部分も多く、設定ミスによるエラーに遭遇することもありました。そのため、同じように Azure AI Foundry を触ってみよう と思っている方の参考になればと思い、ポイントを整理して記録しています。
本記事では、ハブとプロジェクトの作成から始まり、OpenAI モデルの接続やストレージ設定、フローの実行に至るまでの手順を説明します。特に 注意が必要だった点 や 失敗から学んだこと も含めているので、スムーズにセットアップしたい方はぜひ活用してください。
ハブとプロジェクトの作成
Azure AI Foundry を使用して OpenAI モデルを扱う際には、最初にハブとプロジェクトを作成する必要があります。これにより、作業の管理やモデルの運用がしやすくなります。ハブを作成した後、プロジェクトを設定し、適切なリソースを割り当てることで、円滑に AI モデルを活用できる環境が整います。
OpenAI モデルを指す接続されたリソースの作成
OpenAI のモデルを利用するためには、適切な接続リソースを作成することが重要です。このリソースを設定することで、プロジェクト内でモデルへのアクセスが可能となり、スムーズな実行が実現します。Azure AI Foundry では、必要な情報を入力し、リソースを作成する手順が用意されており、簡単にセットアップできます。
以下のスクリーンショットでは、OpenAI モデルとの接続をハブ内で設定された状態がが示されています。
この接続には APIキー が含まれており、これは OpenAI ポータル から取得する必要があります。このキーを使用することで、Azure AI Foundry 内で OpenAI モデルを活用できるようになります。
また、この接続は ハブレベル で管理されるため、同じハブに属する 他のプロジェクトでも再利用 することが可能です。これにより、複数のプロジェクトで一貫したモデル利用が実現できます。
OpenAI プロジェクトのクレジット確認
OpenAIモデルに接続された Prompt フロー を正常に動作させるためには、OpenAI プロジェクトに十分なクレジットがあること を確認する必要があります。クレジットが不足していると、Azure AI Foundry の Prompt フロー がモデルを使用できず、エラーが発生します。
実際に、以前クレジットが不足していたため、Model ノードの実行時にエラー が発生しました。この問題を回避するために、事前に OpenAI プロジェクトのクレジット残高を確認し、必要に応じて追加してください。
ストレージの設定
Prompt フロー を作成するユーザーは、関連する Azure ストレージコンテナ への書き込み権限を持っている必要があります。これは、Azure AI Foundry がさまざまなファイルやリソースをストレージアカウントに保存するためです。
適切な権限を設定することで、フローの実行時に必要なデータの保存や管理がスムーズに行えます。特に、「Storage Blob Data Contributor」 のロールを割り当てることで、ストレージ内のデータに対する書き込みや削除の操作が可能になります
Azure ポータルの権限設定画面に移動するには、以下のリンクをクリックしてください。下記のスクリーンショットに示されています。
Azure ポータルのストレージコンテナ管理画面にアクセスしたら、「Storage Blob Data Contributor」 のロールが自分に割り当てられていることを確認してください。
このロールを持つことで、ストレージ内のデータに対する書き込みや削除などの操作が可能になります。
また、この手順を 2つの Azure ストレージアカウントのコンテナ に対して繰り返し実行してください。これにより、必要なストレージ環境が整い、フローの実行に向けた準備が完了します。
フローの作成とテンプレートの使用
作成したリソースを用いて、実際にフローを構築します。Azure AI Foundry では、テンプレートを活用して、効率的にフローを設定することが可能です。
テンプレートを使用したフローの作成
今回選択したテンプレートは、Wiki の情報を基に簡単な質問に回答する 形式のものです。これにより、信頼性のある情報を活用しながら、適切な応答を生成することが可能になります。
また、「Clone」オプション を使用すると、ストレージ内のファイルをコピーし、それらをフローに追加できます。この機能を活用することで、既存のテンプレートを基にカスタマイズしながらフローを構築することができます。
フローの実行
フローを実行する前に、まず Compute session を開始する必要があります。これにより、フローの各ノードが適切な計算環境で動作するようになります。
また、入力データを指定することも重要です。今回は 「Nikola Tesla」 を入力文字列として設定しました。これにより、フローがこの情報を基に処理を行い、適切な結果を生成します。
フローを適切に動作させるためには、Prompt ノードを設定し、事前に作成した OpenAI 接続を使用するように構成することが重要です。これにより、正しくモデルにアクセスし、最適な結果を得ることができます。
なお、テンプレートには既にプロンプトが用意されていますが、自身のニーズに合わせて微調整することも可能です。内容を変更することで、より適切な応答を得たり、プロジェクトの目的に沿った調整を行ったりすることができます。
「Run」ボタンを押すと、フローが開始され、各ノードが順番に実行されます。この動作は、Jupyter Notebook のコードブロックがシーケンシャルに動作する仕組みに似ています。フローは最終的に Prompt ノードに到達し、そこで処理結果が生成されます。この結果には「SOURCES」が含まれており、情報の出典元（今回はどの Wiki 記事からの情報か）を示すことで、根拠のある回答を提供します。
最終的な出力は、設定したフローを実行した結果を示します。これにより、OpenAI のモデルを活用した処理の流れが確認でき、期待する成果を得ることができます。
きちんとSOURCESが示されているのが確認できます。