コンテンツにスキップ
Copilot Workshops

プロジェクトとモデルを準備する

最初のモジュールでは、Backer Concierge に必要なデータと Azure リソースを準備します。この段階では、エージェントのコードやホステッド エージェントのデプロイは必要ありません。

このモジュールを終えると、次のものが揃います。

  • グラウンディングの制約を明示したカタログのエクスポート。
  • 機能要件に合わせて選んだ Foundry プロジェクトとモデルデプロイ。
  • Canvas で検証済みのデプロイと、カタログの範囲に限定したモデルの簡単なスモークチェックの結果。

シナリオ

Tailspin Toys の支援者は、カテゴリやパブリッシャーでゲームを絞り込めます。しかし、Git の言葉遊びが好きな人には、どのゲームが合いますか? といった質問には、ドロップダウンでは答えられません。Backer Concierge は Tailspin のカタログにあるゲームだけを勧め、ゲーム、パブリッシャー、評価、資金調達総額、支援者数、価格、プレイヤー数、プレイ時間、発売日を捏造してはいけません。信頼できるカタログと適切なモデルが、こうした回答の基盤になります。

ツールと Issue セッションを準備する

このセットアップでは、GitHub Copilot app を Azure に接続し、機能に関するすべての作業をまとめて進められるようにします。

  1. Azure サブスクリプションがあることを確認します。必要な場合は、200 ドルのクレジット付き無料 Azure サブスクリプションまたは100 ドルのクレジット付き Azure for Studentsを利用できます。

  2. 使用する OS に対応した Azure CLI をインストールし、az version でインストールを確認します。

  3. Azure Developer CLI をインストールし、azd version でバージョン 1.27.1 以降がインストールされていることを確認します。

  4. GitHub Copilot app を開き、Customize を開いてから Plugins を選択します。microsoft-foundry を検索し、Canvas と Foundry スキルを含む Microsoft Foundry プラグインの Install を選択します。

    Microsoft Foundry プラグインのインストール

  5. Customize で Plugins を選択し、azure を検索するか、Featured 一覧から選択します。次に、Azure プラグインの Install を選択します。

  6. サイドバーで Issues を選択し、Tailspin Toys リポジトリの Add a Backer Concierge assistant for catalog questions というタイトルの Issue を探して開きます。New session を選択し、新しい worktree で Issue にリンクされたセッションを開始します。3 つのモジュールすべてで、このリポジトリ、worktree ブランチ、Issue セッションを使い続けてください。

  7. /microsoft-foundry、続いて /azure と入力し、両方のスキルがインストールされ、利用可能であることを確認します。まだプロンプトは送信しないでください。プラグインがすぐに表示されない場合は、アプリを再起動し、同じ Issue セッションに戻って再確認します。

カタログをエクスポートする

サンプルリポジトリには、エージェントが読み込めるファイルを生成するエクスポートスクリプトが含まれています。

  1. この Issue にリンクされた worktree セッションで、プロンプトボックスの既定の /fix-issue プロンプトを次に置き換えます。

    Install the project dependencies, seed the database, then run the existing db:export script. Show me the command output and summarize the shape and grounding limits of db/catalog.json.

  2. コマンド出力を確認します。Copilot は次に相当するコマンドを実行するはずです。

    Terminal window
    npm install
    npm run db:setup
    npm run db:export

    カタログのエクスポートの生成

  3. db/catalog.json を開き、タイトル、説明、カテゴリ、パブリッシャー、星評価を持つ 21 個のゲームが含まれていることを確認します。note フィールドも確認してください。カタログには資金調達総額、支援者数、支援プラン、発売日は含まれていません。価格、プレイヤー数、プレイ時間も、記載がなければ外部知識で補わず、情報がないものとして扱います。エクスポートが失敗した場合や内容が異なる場合は、先に進む前に Copilot に調査と再実行を依頼します。

Copilot app で開いたカタログのエクスポート

Foundry プロジェクトとモデルを設定する

先にチャットでプロジェクトとデプロイを作成しておくことで、Canvas は既存のリソースだけに接続します。

  1. +、Terminal の順に選択し、Azure にサインインします。

    Terminal window
    az login

  2. 選択したサブスクリプションを確認し、そのリソースグループを一覧表示します。

    Terminal window
    az account show --output table
    az group list --output table

    サブスクリプションが正しくない場合は、az account set --subscription <subscription-id> を実行してから、両方のコマンドを再実行します。

    rg-tailspin-toys が表示された場合は、そのリソースを確認します。

    Terminal window
    az resource list --resource-group rg-tailspin-toys --output table

    無関係のリソースや共有リソースが含まれている場合は、いったん中断し、専用の名前を決めてから次のプロンプトを使用してください。以降のすべてのプロンプトとコマンドにある例の名前を、承認した名前に置き換えます。

  3. 同じ Issue セッションで、次を入力します。

    Use the Microsoft Foundry skill to create a resource group named rg-tailspin-toys and a Foundry project named tailspin-toys.

    Foundry プロジェクトの作成

  4. Copilot にモデルの推奨を依頼します。Issue からセッションを開始したため、Issue の受け入れ条件はすでにコンテキストに含まれています。

    Use the Microsoft Foundry skill to recommend two or three current chat models in the tailspin-toys project that meet this issue's acceptance criteria. Explain the tradeoffs and wait for me to choose.

  5. Copilot が microsoft-foundry スキルを読み込んだことを確認し、トレードオフを踏まえて利用可能なモデルを選びます。Microsoft Foundry のホステッド エージェントのクイックスタートでは、現在 gpt-5.4-mini を使用していますが、利用可否とクォータはリージョンによって異なります。

    モデルの選択

  6. 選んだモデルのデプロイを Copilot に依頼し、承認前に対象プロジェクトとコストを確認します。

    Deploy the model I selected to the tailspin-toys Foundry project, using the model name as the deployment name.

モデルの利用可否は変わります。このモジュールに固定で記載されたモデルではなく、Copilot がプロジェクトで利用可能と確認したモデルを選ぶのが適切です。

Canvas でモデルを検証してスモークテストする

この確認では、エージェントのコードを作成する前にプロジェクトとモデルを検証します。モデルのスモークチェックは、モジュール 2 で実施するホステッド エージェントのグラウンディングテストの代わりにはなりません。

  1. +、Canvas、Microsoft Foundry (Preview) の順に選択します。

  2. Canvas の右上隅にある More options メニューを開き、Sign in を選択します。

  3. tailspin-toys Foundry プロジェクトを選択します。Models を展開し、デプロイが想定どおりの名前とステータスで表示されることを確認します。

    Canvas でのプロジェクトとモデルの検証

  4. 同じセッションで、次のプロンプトを入力します。

    Microsoft Foundry スキルを使用して、エージェントを作成せずに、tailspin-toys プロジェクトにデプロイしたモデルを直接テストしてください。@db/catalog.json の内容に基づいて、「バグを追跡するパズルゲームが大好きです。どのゲームを支援すべきですか。また、どれくらいの資金を調達していますか」と質問してください。応答と、取得できる場合に限り、使用したトークン数や応答時間などの有用なメタデータを表示してください。既存の Azure サインインを使用してください。資格情報を表示したり、ファイルを変更したり、リソースを作成したりしないでください。

  5. 応答を確認します。db/catalog.json に実在するゲームだけを推奨し、正しいタイトル、パブリッシャー、評価を使用し、資金調達の情報がないことを説明する必要があります。モデルがゲーム、カタログの詳細、資金調達額を捏造した場合は、続行する前に別の推奨モデルと比較します。

Canvas は再度開いたときも、選択したプロジェクトを記憶しています。各ステージには、ひな形を作成する Create new hosted agents、モデル、ツールボックス、スキル、ガードレールを接続する Build current hosted agent、ローカル実行と Microsoft Foundry へのデプロイを行う Deploy and test があります。

チェックポイントと次のステップ

Azure ツールを準備し、カタログをエクスポートして、デプロイしたモデルを Backer Concierge のグラウンディングルールに照らしてテストしました。このモジュールのチェックポイントは、不足している情報を捏造せず、カタログに実在するゲームを推奨するモデルです。

次は、同じ Tailspin Toys リポジトリ、worktree ブランチ、Issue にリンクされたセッション、Foundry プロジェクト、選択したモデルデプロイを使用して、エージェントを構築してデプロイします。ここで中断する場合は、継続的なコストを避けるためにAzure リソースをクリーンアップしてください。