Azure Logic AppsにおけるAI:エージェント型ワークフローのためのプレイブック、例、サンプル

適用対象: Azure Logic Apps (従量課金 + Standard)

このプレイブックでは、Azure OpenAIやAzure AI 検索などのMicrosoft Foundry Toolsを使ってAzure Logic AppsでAI搭載ワークフローを構築する方法を紹介します。 統合ソリューションのための構成要素、例、サンプル、実験、動画を見つけましょう。

この記事では、予測可能で安定したビジネスプロセスを自動化するAIエージェント型ワークフローについて扱います。 予測不能または定義しにくいプロセスについては、Azure Logic Apps Automationを参照してください。

必要な項目に移動:

• エージェント型ワークフローを構築する
• AIの構成要素を見つける
• RAGパターンの実装
• ワークフローテンプレートから始めましょう

AIエージェント型およびモデル駆動型ワークフロー

Azure Logic Apps Standard and Consumptionは、エージェントループと大規模言語モデル(LLM)を組み合わせてタスクを完了するワークフローをサポートしています。 このエージェントループは、複雑で多段階の問題を解決するために反復的なプロセスを用います。 LLM は、パターンを認識し、人間の操作なしでジョブを実行するトレーニング済みのプログラムです。

たとえば、LLM は次のタスクを実行できます。

• 指示、プロンプト、入力などの情報に関する分析、解釈、および理由。
• 結果と使用可能なデータに基づいて意思決定を行います。
• エージェントの指示に基づいて、プロンプトに対する回答を作成して返します。

標準的なロジックアプリでは、 Autonomous Agents や Conversational Agents タイプのワークフローを追加できます。 これらのワークフローの種類では、空の エージェント アクションを含む部分的なワークフローが作成されます。 選択したワークフローの種類に基づいて、統合されたチャット インターフェイスを介して行われる、人間の対話の有無にかかわらず動作するようにエージェントを設定できます。

エージェントは、自然言語と接続された LLM を使用して、以前に提供された命令またはリアルタイムの人間の相互作用をそれぞれ解釈します。 エージェントは、モデルによって生成された出力も使用して機能します。 このモデルは、エージェントが次の機能を提供するのに役立ちます。

• エージェントの役割、操作方法、応答方法に関する情報を受け入れます。
• 指示とプロンプト要求を受信して応答します。
• 入力を処理し、データを分析し、利用可能な情報に基づいて選択を行います。
• 要求を満たすために必要なタスクを完了する ツール を選択します。 AI シナリオでは、ツールはタスクを完了する 1 つ以上のアクションを含むシーケンスです。
• 柔軟性を必要とし、流動的、動的、予測不能、不安定な環境に適応します。

エージェントが使用できるツールの構築に役立つ 1,400 以上のコネクタ を使用できるエージェント ワークフローでは、エージェントとモデルの機能から大きなメリットを得られる多くのシナリオがサポートされています。

詳細については、次のリソースを参照してください。

AI ソリューションの構成要素

このセクションでは、組み込みの操作と、ドキュメント インジェストなどの AI 統合シナリオの標準ワークフローを構築するのに役立つドキュメントへのリンクについて説明します。 これらの操作を使うことで、「データとチャット」することができます。

たとえば、 Azure OpenAI コネクタと Azure AI 検索 コネクタは、コードレスセットアップでバックエンド プロセスを簡略化する操作を提供します。 これらの操作を使用するために、カスタム コード、ロジック、または構成は必要ありません。

このコードなしのアプローチにより、AI 機能をワークフローに統合する複雑さが軽減されます。 ドキュメントの解析、データ チャンク、AI モデルの活用などのタスクの複雑なワークフローを自動化して、最小限の労力でデータの可能性を最大限に引き出すことができます。

組み込みの操作やコネクタなどの構成要素は、従量課金と Standard の両方のワークフローで使用できます。 以下の例、サンプル、リソースは、説明のために標準ワークフローを使用しています。

詳細については、次のリソースを参照してください。

コンテンツを準備する

次の組み込みアクションとコネクタは、Foundry Tools、データ インジェスト、チャット操作によるコンテンツの使用準備に役立ちます。

データのインデックス作成とベクトル データベース

次のコネクタは、ベクター データベース、検索、標準データベースを操作するときに、データのインデックス作成と取得を行う操作を提供します。

その他のリソース

詳細については、次のリソースを参照してください。

Azure Logic Apps でデータとほぼリアルタイムのチャット

以下のセクションでは、Azure Logic Appsや各種Foundry Toolsを使ってデータに対してほぼリアルタイムのチャット機能を設定する方法を説明します。

Azure Logic Apps で Azure OpenAI アシスタントを構築する

Azure OpenAIを使えば、アシスタントAPIを使ってエージェントのような機能をアプリケーションに簡単に組み込むことができます。 エージェントを構築する機能は以前から存在していましたが、そのプロセスには、多くの場合、大規模なエンジニアリング、外部ライブラリ、および複数の統合が必要でした。

アシスタントを使用すると、エンタープライズ データでトレーニングされ、最新の Generative Pretrained Transformer (GPT) モデル、ツール、知識を使用して多様なタスクを処理できる、カスタマイズされたステートフルな副操縦士を迅速に作成できるようになりました。 現在のリリースには、ファイル検索と参照ツール、強化されたデータ セキュリティ機能、強化されたコントロール、新しいモデル、拡張リージョンのサポートなどの機能が含まれています。 これらの機能強化により、プロトタイプ作成から運用環境への移行が容易になります。

Azure Logic Apps ワークフローを AI 関数として呼び出して、アシスタントを構築できるようになりました。 コードを記述することなく、Azure OpenAI Assistants プレイグラウンドから Azure OpenAI Studio でワークフローを検出、インポート、および呼び出すことができます。 Assistants プレイグラウンドによって、サブスクリプション内のワークフローのうち関数呼び出しの対象となるものすべてが列挙されて一覧表示されます。

アシスタントを関数呼び出しでテストするには、ブラウズ&エクスペリエンスを選択してワークフローをAI関数としてインポートできます。 関数仕様の生成やその他の構成は、ワークフローの Swagger から自動的にプルされます。 関数呼び出しは、ユーザー プロンプトに基づいてワークフローを呼び出します。 すべての適切なパラメーターは、定義に基づいて渡されます。

詳細については、次のリソースを参照してください。

セマンティック カーネルと統合する

この軽量でオープンソースの開発キットを使えば、AIエージェントを簡単に構築し、最新のAIモデルをC#、Python、Javaのコードベースに統合できます。 最も単純なレベルのカーネルは、AI アプリケーションで実行する必要があるすべてのサービスとプラグインを管理する依存関係挿入コンテナーです。

すべてのサービスとプラグインをカーネルに提供すると、AI は、必要に応じて、これらのコンポーネントをシームレスに使用します。 中央コンポーネントとしてのカーネルは、エンタープライズレベルのソリューションを迅速に提供するのに役立つ効率的なミドルウェアとして機能します。

詳細については、次のリソースを参照してください。

インテリジェントなドキュメントの収集と処理を管理する

インテリジェントなドキュメント処理ワークフローを構築するには、Foundry ToolsやAzure Logic AppsでAzure Document Intelligenceを活用してください。 ドキュメント インテリジェンス コネクタは、さまざまなドキュメントからテキストと情報を抽出するのに役立つ操作を提供します。 ドキュメント・インテリジェンスは、多様なデータタイプを持つフォームや文書に保存された大量のデータを収集・処理するスピードを管理するのに役立ちます。

詳細については、次のリソースを参照してください。

取得拡張生成 (RAG)

生成 AI モデルまたは ChatGPT のような LLM は、大量の静的データと数十億個のパラメーターを使用して、質問への回答や文の完成などのタスクの出力を生成するようにトレーニングされています。 検索拡張生成では 、情報取得機能が LLM に追加され、その相互作用が変更され、トレーニング データを拡張するコンテンツを参照してユーザー クエリに応答できるようになります。

LLM は RAG を使用して、チャットボットがドメイン固有または更新された情報にアクセスできるようにします。 RAG は、権限のあるソースによって提供される社内データまたは事実情報を組み込むユース ケースの実装に役立ちます。

RAG は、モデルを再トレーニングすることなく、LLM の既に強力な機能を特定の分野や組織の内部ナレッジ ベースに拡張します。 RAG アーキテクチャでは、LLM の出力を適切で正確で有用な状態に維持するためのコスト効率の高いアプローチも提供されます。

RAG の例

以下の例は、Azure Logic Appsの標準ワークフローを使ってRAGパターンを適用または実装する方法を示しています。

Azure Logic Apps を使用して RAG ベースのエンド ツー エンド AI アプリケーションを作成する

Azure Logic Apps (Standard) を使用して RAG ベースのエンド ツー エンド AI アプリケーションを構築する

保険データとのチャット

この例では、ワークフローで保険会社のドキュメントとデータを取り込み、従業員がプランの補償範囲の利点やオプションについて質問できるようにする従来の RAG パターンを使用します。 詳細については、次のリソースを参照してください。

StackOverflow の質問に対する回答を自動化する

この例では、 Azure OpenAI コネクタと Azure AI 検索 コネクタを使用して、特定のハッシュタグを持つ新しい StackOverflow の質問にワークフローが自動的に回答する方法を示します。 このサンプルでは、以前の投稿と製品ドキュメントを取り込むことができます。 新しい質問が利用可能になると、ソリューションはナレッジ ベースを使用して自動的に回答し、StackOverflow に投稿する前に回答を承認するよう人間に依頼できます。

このワークフローをカスタマイズして、毎日、毎週、または毎月トリガーし、任意のハッシュタグに対して独自の自動応答システムを設定することで、コミュニティのサポートを合理化できます。 また、安全なアクセスのために Azure Logic Apps コネクタを使用して、このソリューションを Outlook、ServiceNow、またはその他のプラットフォームのチケットに適応させることもできます。

詳細については、次のリソースを参照してください。

ドキュメントを取り込んでデータとチャットする

データはあらゆる AI アプリケーションの基礎であり、組織ごとに固有です。 AI アプリケーションを構築する場合、成功するためには効率的なデータ インジェストが不可欠です。 データの場所に関係なく、コードをほとんどまたはまったく使用しない Standard ワークフローを構築することで、AI を新規および既存のビジネス プロセスに統合できます。

幅広いサービス、システム、アプリケーション、データベースへのアクセスとタスクを実行するために、1,400以上のエンタープライズコネクターや運用から選択できます。 Azure OpenAI や Azure AI 検索 などの Foundry Tools でこれらのコネクタを使用すると、組織は次のようなワークロードを変換できます。

• 定期的なタスクを自動化します。
• チャット機能を使用して顧客との対話を強化します。
• 必要に応じて、組織データへのアクセスを提供します。
• インテリジェントな分析情報または応答を生成します。

たとえば、ワークフローで Azure OpenAI と Azure AI 検索 コネクタ操作を使用して Foundry Tools を統合すると、組織は RAG パターンをシームレスに実装できます。 RAG は、情報取得システムを使用してドメイン固有または権限のある知識を参照し、モデルを再トレーニングすることなく LLM のトレーニングを強化することで、コストを最小限に抑えます。 詳細については、 取得拡張生成 (RAG) と次のリソースを参照してください。

Azure Logic AppsのAIワークフローテンプレートを使ったQuickstart

AI 統合をサポートし、アプリケーションをすばやく構築できるようにするために、Azure Logic Apps には、SharePoint、Azure File Storage、Blob Storage、Secure File Transfer Protocol (SFTP) など、多くの一般的なデータ ソースからデータを取り込む事前構築済みのワークフロー テンプレートが含まれています。 Standard ロジックアプリまたは従量課金ロジックアプリに新しいワークフローを追加する場合は、あらかじめ用意されたテンプレートを開始点として選択できます。

各テンプレートは、特定のシナリオをサポートする一般的なワークフロー パターンに従います。 また、他のワークフロー開発者と共有できるワークフロー テンプレートを GitHub テンプレート リポジトリに発行して作成することもできます。

次の表に、いくつかのワークフロー テンプレートの例を示します。

詳細については、次のリソースを参照してください。

関連コンテンツ

• Azure Logic Apps の Standard ワークフローのコンテンツを解析またはチャンク化する
• Azure Logic Apps の Standard ワークフローから Foundry Tools に接続する