Contents
Azure OpenAI Serviceリソース作成手順
Azure OpenAI Serviceを活用するには、まずクラウド環境の構築が不可欠です。本セクションでは、アカウント準備からリソースプロビジョニングまでの一連の流れについて説明します。特に認証方法や帯域確保に関するポイントに注目し、実務で即座に適用できる手順を解説します。
アカウント準備とサブスクリプション選定
Azure OpenAI Serviceを利用するには、Microsoftアカウントと適切なサブスクリプションが必要です。以下が基本的なフローです:
-
Azureポータルへのログイン
https://portal.azure.com にアクセスし、Microsoftアカウントで認証します。 -
サブスクリプション選定
使用するプロジェクトを選び、必要に応じて新しいサブスクリプションを作成してください。開発環境では「Azure for Students」や「無料トライアル」が適しています。 -
リソースグループの作成（事前準備）
リソース管理を効率化するため、リソースグループをあらかじめ用意しておくとスムーズです。
注意: Azure OpenAI Serviceは特定のサブスクリプションでのみ利用可能であり、申請が必要なケースがあります。詳細はMicrosoft Learnを参照してください。
リソースグループの作成フロー
リソースグループは、Azure内での資産管理を簡単にするためのコンテナです。作成手順は以下の通り:
- Azureポータルで「リソースグループ」を選択し、「+ 新規作成」をクリック
- リソースグループ名を入力（例:
OpenAIGroup） - 所属するサブスクリプションと場所（東日本など）を指定
- 「確認 + 作成」を選択し、完了まで進める
カスタム指示（custom instructions）の設計フレームワーク
Azure OpenAIで高精度な応答を得るためには、明確なカスタム指示（custom instructions）の設計が不可欠です。本セクションでは、「Role Definition」と「Context Framing」の手法を解説し、具体例を通じて設計ルールを提示します。
明確性の定義基準
モデルに明確な指示を与えることで、出力の精度が大きく向上します。以下の3つの要素を意識してください:
- タスクの目的を明確化
-
「ユーザーの質問に対して正確な情報のみを提供する」など、目的を具体的に述べる。
-
制限条件を提示
-
「事実に基づいて回答すること」「推測は行わないこと」などのルールを明記。
-
例えやフィードバックの追加
- 「例:『日本の首相は誰ですか？』という質問には、現在の情報をもとに答えなさい」といった具体例を提示。
注意: 指示が曖昧だとモデルが誤解しやすくなります。常に「何を」「どうやって」を明記しましょう。
タスク境界設定ガイドライン
カスタム指示では、タスクの範囲をはっきりさせることで、不要な出力を抑えることができます。以下のような手順で設計してください:
-
タスクの開始
「以下はユーザーからの質問です。あなたの役割は〜」と明示する。 -
指示の具体化
「答えは日本語で、300文字以内にまとめよ」といった制限を付与。 -
エンドポイントの設定
「不明な場合は『ご質問の内容が不明です』と回答すること」など、エラーハンドリングのルールを含める。
以下は具体例です:
|
1 2 3 4 5 |
あなたは企業向けのAIアシスタントです。 - ユーザーの質問に正確かつ簡潔に答えます。 - 不明な場合は「ご質問の内容が不明です」と回答してください。 - 例:『2023年の日本のGDPは？』 → 1,459兆円（日本銀行資料より） |
Promptyを活用したプロンプトテンプレート作成
Promptyは、プロンプトの効率的な設計と再利用を可能にするツールです。本セクションでは、変数埋め込みのベストプラクティスとモジュール構築法について解説します。
変数埋め込みのベストプラクティス
Promptyでは、動的な入力値をテンプレートに組み込むことで、柔軟性が高まります。以下の方法が推奨されます:
-
変数名は明確に
{{user_query}}など、意味が伝わる命名規則を採用。 -
デフォルト値の設定
ユーザー入力がない場合でもテンプレートが機能するように準備。
以下はPromptyでの例です:
|
1 2 3 4 |
あなたは{{role}}です。 - {{task_description}} - データソース: {{data_source}} |
トークンコストと出力品質のトレードオフ対策
Azure OpenAIでは、トークン数とコストのバランスを取ることが重要です。本セクションでは、コンテキスト長さ制御技術や要約アルゴリズムの適用ガイドを解説します。
コンテキスト長さ制御技術
トークン数が増えるとコストも上昇するため、以下のような工夫が必要です:
-
不要な情報を省略
ユーザーの質問に関係ない情報は削除。例: 「2026年の日本経済予測」→ 「2026年における日本経済の主要指標について」に変更。 -
要約技術の活用
ロングテキストを3〜5文にまとめることで、トークン数を抑えます。
実際のAPI呼び出し時のパラメータ設定例
Azure OpenAI APIを実装する際に、温度値（temperature）や最大トークン数（max_tokens）の設定が重要です。本セクションでは、具体的なパラメータ構成例とコード付きで解説します。
温度値調整の目安
温度値は出力のランダム性を制御します。以下の表に推奨値を示します:
| タスク | 推奨temperature | 補足 |
|---|---|---|
| 一貫した回答が必要 | 0.1〜0.3 | 高精度な応答が得られる |
| 創造的なアイデア生成 | 0.7〜1.0 | 多様性を重視 |
最大トークン数設定のケーススタディ
出力制限に応じて、max_tokensを調整します。以下は具体的な例です:
- Q&Aアプリケーション（300文字以内）:
python
response = client.completions.create(
model="gpt-4",
prompt=user_question,
max_tokens=150,
temperature=0.2
)
まとめ
本記事では、Azure OpenAI Serviceのリソース作成からカスタムプロンプト設計までの実践的な手順を解説しました。以下の要点を確認してください:
- リソース構築: アカウント準備とサブスクリプション選定が不可欠
- カスタム指示: Role Definitionで明確性を確保し、タスク境界を設定
- Prompty活用: 変数埋め込みとモジュール化により再利用性向上
- コスト最適化: トークン制御技術と要約アルゴリズムの適用
プロンプトテンプレートのダウンロードはこちらから。