Slide 1

Slide 1 text

瀬尾ソフト 瀬尾佳隆 (@seosoft) Microsoft MVP for AI Platform / MCT Alumni Azure AI Foundryで マルチエージェント ワークフロー 2025/06/21

Slide 2

Slide 2 text

自己紹介 瀬尾 佳隆 (せお よしたか) • フリーランスのソフトウェアエンジニア / トレーナー • MVP for AI Platform (Jul 2018 – Jun 2025) / MVP (Jan 2009 – Jun 2018) • Microsoft Certified Trainer Alumni (2021 - 2025) • LinkedIn: https://www.linkedin.com/in/yseosoft/ • x: https://x.com/seosoft • Facebook: https://www.facebook.com/seosoft • 乃木坂、櫻坂、日向坂が好きです / 京都、お寺、仏像が好きです 名古屋に来ておいてすみません LinkedIn

Slide 3

Slide 3 text

Azure AI Foundry ◼意外と認知度が低い・・・ • Microsoft AI Tour Tokyo 2025 (3月開催) で 瀬尾調べ (※感覚値) • マイクロソフトのイベントなのに・・・ • AI イベントなのに・・・ • 確かにパッとしない感じがあったのは事実 • 名前が変わったり (旧 Azure AI Studio) • Agent SDKがイマイチだったり ◼が、Build後にいい感じになってきた • Azure AI Foundry Agent Service

Slide 4

Slide 4 text

◼「言葉の意味を理解する」能力を最大限に活用 • プレイグラウンドでいったん 完結できる • OpenAI Assistants API の機能を含む • 作りこみが必要ならば Semantic Kernel, AutoGen に移行 • Copilot Studio に比べると “プロっぽさ” が必要 Azure AI Foundry Agent Service

Slide 5

Slide 5 text

Agent版のRAG (AI Search ナレッジを追加) Advanced Data Analysis (Code Interpreter アクションを追加) まずはデモ

Slide 6

Slide 6 text

ナレッジ: 応答の元にするデータ

Slide 7

Slide 7 text

アクション: モデル自身にはできない処理

Slide 8

Slide 8 text

◼文を作る • 質問に答えてくれる • 検索ツールの代わり ◼深い分析をする ◼絵を描く ◼動画を作る ◼作曲する 言語モデルの能力

Slide 9

Slide 9 text

◼文を作る • 質問に答えてくれる • 検索ツールの代わり ◼深い分析をする ◼絵を描く ◼動画を作る ◼作曲する ◼言葉の意味を理解する • 結果として、文を作ったり 絵を描いたりできる 言語モデルの本当は大事な能力

Slide 10

Slide 10 text

◼「言葉の意味を理解する」能力を最大限に活用 • プレイグラウンドでいったん 完結できる • OpenAI Assistants API の機能を含む • 作りこみが必要ならば Semantic Kernel, AutoGen に移行 • Copilot Studio に比べると “プロっぽさ” が必要 再掲) Azure AI Foundry Agent Service

Slide 11

Slide 11 text

言語モデルとの対話 (復習を兼ねて) ◼言語モデルとの対話: 単純なもの • 最も基本的な対話であり、学習時点での知識に限定される ◼RAG: 特定ドメインの知識を問い合わせ • ドキュメントを与えるだけで、学習コストをかけなくても 特定ドメインの応答品質を上げることができる ◼エージェント: タスクごとの専門家を連携 • 特定の知識や機能を言語モデルに追加 • 単独で使うとRAGと同様の挙動 • 複数組み合わせることで処理を多様化できる

Slide 12

Slide 12 text

言語モデル ユーザー 回答者 (言語モデル) 「〇〇について 教えて」 「××だよ」 過去に得た 知識で答えるよ

Slide 13

Slide 13 text

RAG ユーザー 「〇〇について 教えて」 「××だよ」 回答集があるから、 覚えなくても (=事前に学習しなくても) すぐに答えられるよ 回答者 (言語モデル)

Slide 14

Slide 14 text

マルチエージェント 1 ユーザー 回答者 (マネージャー) テーマAのプロ テーマBのプロ 「〇〇について 教えて」 「××だよ」 このテーマなら 彼が詳しいな 「〇〇について 知ってる?」 「××だよ」 ※シナリオによっては 呼ばれない

Slide 15

Slide 15 text

マルチエージェント 2 ユーザー リサーチャー ライター エディター 「〇〇について 教えて」 「××だよ」 チームを組んでるから、 それぞれの担当に任せて 自分は管理に徹するか 「〇〇について 調べて」 「調べたよ」 「調べてもらったから まとめて」 「原稿書いたよ」 「原稿チェックして」 「完了したよ」 回答者 (マネージャー)

Slide 16

Slide 16 text

◼ユーザーからの問い合わせに 回答するチーム • マネージャー: ワークフローの管理 • リサーチャー: Webから情報収集 • ライター: 原稿を書く • エディター: 校正・編集する デモ) マルチエージェントワークフロー

Slide 17

Slide 17 text

ワークフローを構成するエージェント

Slide 18

Slide 18 text

エージェントの手順 (やってほしいこと)

Slide 19

Slide 19 text

エージェントのアクティブ化の手順

Slide 20

Slide 20 text

ワークフロー実行結果

Slide 21

Slide 21 text

まとめ ◼Azure AI Foundry Agent Serviceは 「言語の意味を理解する」能力を活用したサービス ◼自然言語での記述でマルチエージェント開発 ◼ナレッジ、アクション、連携するエージェントを 組み合わせて、複雑で高度な処理を実現可能 • 今回は割愛しましたが、従来のFunction Callingのような処理や 出力系の処理 (例: ログ出力、ファイル生成、 他のプロセスのトリガーなど) を実行することも可能 ◼プレイグラウンドでいったん完結できる

Slide 22

Slide 22 text

今日の資料はこちらから https://bit.ly/foundryagent-20250621