プロジェクトとモデルを準備する

← 省略可能: Foundry を組み込む

この最初のモジュールでは、VS Code と Microsoft Foundry Toolkit を使って Backer Concierge のデータとモデルを準備します。必須演習で使った自分の Tailspin Toys リポジトリで作業します。

目標

カタログをエクスポートし、含まれる情報と含まれない情報を把握します。
Foundry プロジェクトを準備し、受け入れ基準とクォータに照らしてモデルを選びます。
エージェントのコードを書く前に、Model Playground で根拠に基づいた回答ができるかを確認します。

シナリオ

Tailspin の支援者は、信頼できるおすすめを求めています。パズル好きの人が期待するのは、実在するタイトルと正確な評価であり、でっち上げの資金調達総額ではありません。コンシェルジュには、カタログの情報範囲を明確に守り、支援者の希望を推測するのではなく、役に立つ質問を 1 つする姿勢が必要です。

ワークスペースを準備する

このツールキットでは、モデルの探索、デプロイ、プロンプトエンジニアリング、評価、エージェントのデプロイを VS Code で実行できます。Azure へのアクセスと未コミットの変更がない機能ブランチを用意し、後の作業に備えます。

Foundry Toolkit とホスト型エージェントはパブリックプレビューです。このモジュールでは課金対象の Azure リソースを作成します。作成を承認する前に、サブスクリプションの権限、リージョン、クォータ、見積もり費用を確認します。エージェントを構築する前に終了する場合も、クリーンアップできます。

Azure サブスクリプションにアクセスできることを確認します。200 ドルのクレジット付き無料 Azure アカウントと 100 ドルのクレジット付き Azure for Studentsも選択肢ですが、それぞれの利用資格とサービス制限が適用されます。
VS Code のアクティビティバーで Extensions を選択し、Foundry Toolkit を検索して Install を選択します。アクティビティバーにアイコンが表示されます。
Azure アイコンを選択し、Sign in to Azure… を選択して、Foundry プロジェクト用のサブスクリプションを選びます。ツールキットで認証すると、Copilot は Microsoft Foundry Skill を使って対話形式でリソースを準備できます。
Tailspin Toys ワークスペースで Terminal > New Terminal を開くか、Control+` (Mac)、または Ctrl+` (Windows/Linux) を押します。これまでの作業をコミットしてプッシュ済みであることを確認し、機能ブランチを作成します。
Terminal window
```
git checkout main
git pull
git checkout -b foundry-agent-vscode
```

Agent モードで新しい Copilot Chat を開き、次のように依頼します。

Show me the open issue about a Backer Concierge assistant and summarize its acceptance criteria.

Copilot が Add a Backer Concierge assistant for catalog questions を提示することを確認します。受け入れ基準では、根拠に基づく回答、資金調達額をでっち上げないこと、確認の質問を 1 つすること、アクセシビリティに対応した UI、エンドツーエンドのテストカバレッジが求められています。

カタログをエクスポートする

カタログのエクスポートスクリプトは、エージェントが回答の根拠とするデータソースを用意します。

Tailspin Toys リポジトリのターミナルで、マイグレーション、初期データの投入、db/catalog.json の書き出しを実行します。
Terminal window
```
npm install
npm run db:setup
npm run db:export
```
db/catalog.json を開き、21 個のゲームが含まれ、それぞれにタイトル、説明、カテゴリ、パブリッシャー、星評価があり、さらに不足している情報を説明する note フィールドがあることを確認します。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。エージェントはこの情報範囲を守る必要があります。

Foundry プロジェクトをセットアップする

プロジェクトにはモデルを格納し、後でホスト型エージェントも格納します。このモジュールを再開する場合は、別のプロジェクトを作らず、同じプロジェクトを使います。

アクティビティバーで Foundry Toolkit を選択し、Help and Feedback を展開して Ask Copilot を選択します。ドロップダウンで使いたいモデルを確認し、生成された /foundrytk-quick-start プロンプトを送信します。
対話式ワークフローで、Where are you starting from? には Set up Foundry、続く What do you have already? には I have an Azure subscription or Foundry resources と回答します。
ツールの承認内容を確認します。提案されたコマンドとその対象範囲が適切であれば、このセッションで Allow azmcp … を選択し、繰り返し表示される承認プロンプトを減らします。
Microsoft Foundry: Create Project の Choose a resource group で Create new resource group を選択し、rg-tailspin-toys と入力します。使う予定のモデルが提供されているリージョンを選び、Enter project name に tailspin-toys と入力します。East US 2 と Sweden Central は、幅広いモデルが提供されている候補です。実際の選択は、その時点の提供状況とクォータで決まります。再開する場合は、代わりに既存のプロジェクトを選択します。
デプロイ成功の通知を待ちます。ツールキットで My Resources を展開し、このプロジェクトが既定になっていることを確認します。

モデルを探してデプロイする

ここでは、最大または最新のモデルを選ぶことよりも、ルールに従い、根拠に基づいて回答することが重要です。Issue には、速度、指示への忠実さ、リージョンでの提供状況、クォータを比較するための具体的な基準が示されています。

Copilot Chat で +、GitHub Issues の順に選択し、Add a Backer Concierge assistant for catalog questions を添付します。次のプロンプトを送信します。

/microsoft-foundry recommend a model for the agent described in this issue. There's no math or multi-step planning here, so reasoning depth isn't a priority. Prioritize speed instead. Recommend 2-3 candidates available in my Azure region with the trade-offs between them, tell me which you'd pick and why, and check my quota. Avoid deprecated & older models according to the model retirement schedule

推奨内容を読み、要件と利用可能なクォータに最も合うモデルを選びます。Copilot にデプロイを依頼します。

/microsoft-foundry Deploy the model I selected to the tailspin-toys project and use the model name as the deployment name. Confirm the available quota and capacity with me before creating it.

承認する前に、プロジェクト、デプロイ、容量、費用を確認します。対象範囲を確認して適切であれば、このセッションで Allow az … を選択し、繰り返し表示されるプロンプトを減らします。
Foundry Toolkit を選択し、My Resources を展開して Models を選択します。デプロイ済みモデルが Foundry の下に表示されることを確認します。スクリーンショットは一例です。リージョンによっては別のモデルが提供されます。

デプロイ済みモデルをテストする

Model Playground にはカタログファイルがありません。システムプロンプトに 9 個のゲームだけを抜き出して含めれば、モデルが根拠に基づいて回答するためのルールに従うかをテストできます。

Models からデプロイ済みモデルの名前を選択し、そのモデルがあらかじめ設定された Model Playground を開きます。次のシステムプロンプトを貼り付けます。

You're the Backer Concierge for Tailspin Toys. Only recommend games from this catalog — never invent games, publishers, ratings, or any funding/price/date info. If a request is vague, ask one short question first.

CATALOG

| Title | Category | Publisher | Rating |
| --- | --- | --- | --- |
| Bug Buster Brainteaser | Puzzle | GitHub Games | 3.0 |
| Merge Conflict Mystery | Puzzle | DevMasters Inc. | 3.8 |
| Stack Trace Secrets | Puzzle | Ops Interactive | 3.6 |
| Deployment Dynasty | Simulation | Ops Interactive | 5.0 |
| Script Strike | Action | CodeForge Studios | 5.0 |
| Pipeline Conquest | Strategy | DevMasters Inc. | 3.9 |
| Repo Rulers | Strategy | Ops Interactive | 4.1 |
| Server Siege | Strategy | GitHub Games | 3.3 |
| Code Quest Odyssey | Adventure | CodeForge Studios | 4.8 |

I love puzzle games about tracking down bugs. What should I back? で、根拠に基づく回答をテストします。リストに実在するタイトルを、正しい情報で紹介することが期待されます。
How much has Pipeline Conquest raised so far, and how many backers does it have? で、不足しているデータへの対応をテストします。カタログでは資金調達や支援者を管理していないため、明確に回答を断り、その後で分かっている情報を伝えることが期待されます。
I need something for four players, about an hour long. で、別の情報範囲もテストします。プレイヤー数とプレイ時間の情報がないと説明し、次の提案につながる質問を 1 つすることが期待されます。
Do you have Wingspan? If not, what's the closest thing you've got? で、カタログ外の情報を求められた場合の対応をテストします。Wingspan がカタログにあるとは主張せず、外部の知識による説明もせず、実在する Tailspin のタイトルの紹介に切り替えることが期待されます。
Recommend me something good. で、曖昧な依頼への対応をテストします。短い確認の質問を 1 つし、カテゴリまたはテーマが分かるまでおすすめを出さないことが期待されます。
What are your three highest rated games? で、順位付けをテストします。Deployment Dynasty と Script Strike が 5.0、続いて Code Quest Odyssey が 4.8 と、正しい順序と数値で回答することが期待されます。
いずれかの確認に失敗した場合は、問題のある回答とルールについて Copilot と相談し、設定またはモデルの選択を調整して、先に進む前に確認を繰り返します。

完了時のチェックポイント

VS Code ワークスペースを準備し、カタログをエクスポートし、Foundry プロジェクトを作成して、デプロイしたモデルが Backer Concierge の根拠に基づく回答のルールに従うことを確認しました。このモジュールのチェックポイントは、情報がない場合に作り話をせず、カタログに実在するゲームを勧めるモデルです。エージェントのデプロイはまだ行っていません。

次は、同じ tailspin-toys プロジェクトと選択したモデルのデプロイを使って、エージェントを構築してデプロイします。ここで終了する場合は、継続的な費用が発生しないように Azure リソースをクリーンアップします。

次のモジュール: エージェントを構築してデプロイする →