チュートリアル: エンタープライズチャット Web アプリをデプロイする

[アーティクル]
11/14/2024

重要

この記事で "(プレビュー)" と付記されている項目は、現在、パブリックプレビュー段階です。このプレビューはサービスレベルアグリーメントなしで提供されており、運用環境ではお勧めしません。特定の機能はサポート対象ではなく、機能が制限されることがあります。詳しくは、Microsoft Azure プレビューの追加使用条件に関するページをご覧ください。

この記事では、AI Studio で大規模な言語モデルと共に独自のデータを使用するエンタープライズチャット Web アプリをデプロイします。

データソースは、モデルを特定のデータで根拠付けるために使用されます。根拠付けとは、質問のコンテキストを理解するために、モデルでデータを使用することを意味します。デプロイされたモデルそのものを変えるわけではありません。データは、元のデータソースに個別に安全に保存されます

このチュートリアルの手順は、次のとおりです。

データなしでチャットモデルをデプロイしてテストします。
データを追加します。
データを使用してモデルをテストします。
Web アプリをデプロイします。

前提条件

Azure サブスクリプション。無料で作成できます。
デプロイされた Azure OpenAI チャットモデル。 AI Studio プレイグラウンドのクイックスタートを実行してこのリソースを作成します (まだ実行していない場合)。
サンプル製品データのインデックスを作成するための Azure AI 検索サービスへの接続。
製品データのローカルコピー。 GitHub の Azure-Samples/rag-data-openai-python-promptflow リポジトリには、このチュートリアルシナリオに関連するサンプルの小売製品情報が含まれています。具体的には、product_info_11.md ファイルにはこのチュートリアルの例に関連する TrailWalker ハイキングシューズの製品情報が含まれます。お使いのローカルコンピューターにサンプルの Contoso Trek 小売製品データの ZIP ファイルをダウンロードします。
選択されているサブスクリプションに登録された Microsoft.Web リソースプロバイダー。Web アプリにデプロイできるようにするために必要です。

データを追加してチャットモデルをもう一度試す

AI Studio プレイグラウンドのクイックスタート (このチュートリアルの前提条件) で、使用するモデルがデータなしのときにどのように応答するかを観察します。ここで、製品に関する質問に答えられるように、モデルにデータを追加します。

このセクションを完了するには、製品データのローカルコピーが必要です。 GitHub の Azure-Samples/rag-data-openai-python-promptflow リポジトリには、このチュートリアルシナリオに関連するサンプルの小売製品情報が含まれています。具体的には、product_info_11.md ファイルにはこのチュートリアルの例に関連する TrailWalker ハイキングシューズの製品情報が含まれます。お使いのローカルコンピューターにサンプルの Contoso Trek 小売製品データの ZIP ファイルをダウンロードします。

以下の手順に従って、データをチャットプレイグラウンドに追加し、アシスタントが製品に関する質問に答えられるようにします。デプロイされたモデルそのものを変えるわけではありません。データは、Azure サブスクリプションに個別に安全に保存されます。

Azure AI Studio でプロジェクトに移動します。
[プレイグラウンド] を選択します。
[チャットプレイグラウンドを試す] を選択します。
[デプロイメント] ドロップダウンから、デプロイされたチャットモデルを選択します。
チャットプレイグラウンドの左側で、[データの追加]>[+ 新しいデータソースの追加] を選択します。
[データソース] ドロップダウンで、[ファイルのアップロード] を選択します。
[アップロード]>[ファイルのアップロード] を選択し、ローカルファイルを参照します。
アップロードするファイルを選択します。前にダウンロードまたは作成した製品情報ファイルを選択します。すべてのファイルを今すぐ追加します。同じプレイグラウンドセッションで、後からファイルを追加することはできません。
[アップロード] を選択して、Azure BLOB ストレージアカウントにファイルをアップロードします。 [次へ] を選択します。
Azure AI 検索サービスを選択します。この例では、[Azure AI 検索サービスの選択] ドロップダウンから [その他の Azure AI 検索リソースへの接続] を選択します。検索リソースがない場合は、[新しい Azure AI 検索リソースの作成] を選択して作成できます。次に、この手順に戻り、それに接続して選択します。
Azure AI 検索サービスを参照し、[接続の追加] を選択します。
[ベクトルインデックス名] に「product-info」と入力して [次へ] を選択します。
[検索設定] ページの [ベクトル設定] で、[この検索リソースにベクトル検索を追加] チェックボックスをオフにします。この設定は、モデルがどのように要求に応答するかを決定するのに役立ちます。 [次へ] を選択します。

Note

ベクトル検索を追加する場合、ここで追加コストのためにさらに多くのオプションを使用できます。
設定を確認して [ベクトルインデックスの作成] を選択します。
プレイグラウンドで、データインジェストが進行中であることを確認できます。この処理には数分かかる場合があります。先に進む前に、状態の代わりにデータソースとインデックス名が表示されるまで待機します。
これで、モデルとチャットして前と同じ質問 ("TrailWalker のハイキングシューズはいくらですか") をすることができ、今回はご利用のデータからの情報を使って回答が作成されます。参照ボタンを展開すると、使用されたデータを確認できます。

Web アプリのデプロイ

Azure AI Studio での体験に満足したら、モデルをスタンドアロンの Web アプリケーションとしてデプロイできます。

Azure portal でお使いのリソースグループを検索する

このチュートリアルでは、Web アプリは AI Studio ハブと同じリソースグループにデプロイされます。後で、Azure portal で Web アプリの認証を構成します。

以下の手順に従って、Azure AI Studio から Azure portal の次のリソースグループに移動します。

Azure AI Studio でプロジェクトに移動します。左側のペインから [管理センター] を選択します。
[プロジェクト] という見出しの下で [概要] を選択します。
リソースグループ名を選択し、Azure portal でリソースグループを開きます。この例では、リソースグループの名前は rg-contoso です。
これで、Azure portal に、ハブをデプロイしたリソースグループのコンテンツが表示されるはずです。ブラウザータブでこのページを開いたままにします。後でこのファイルを使用します。

Web アプリのデプロイ

発行すると、ご自分のサブスクリプションに Azure App Service が作成されます。選択した価格プランによっては、コストが発生する場合があります。アプリの使用が終了したら、Azure portal から削除できます。

Web アプリをデプロイするには、次のようにします。

Note

Web アプリにデプロイできるようにするには、Microsoft.Web リソースプロバイダーを選択したサブスクリプションに登録する必要があります。

前のセクションの手順を完了し、プレイグラウンドにデータを追加します。

Note

独自のデータを使用しても使用しなくても Web アプリをデプロイできますが、「AI Studio プレイグラウンドのクイックスタート」で説明したように、デプロイされたモデルが少なくとも必要です。
[デプロイ] > [...Web アプリとして] を選択します。
[Web アプリにデプロイ] ページで、次の詳細を指定します。
- 名前: Web アプリの一意の名前。
- サブスクリプション:Azure サブスクリプション。
- [リソースグループ]: Web アプリをデプロイするリソースグループを選びます。ハブと同じリソースグループを使用できます。
- 場所: Web アプリをデプロイする場所を選択します。ハブと同じ場所を使用できます。
- 料金プラン: Web アプリの料金プランを選択します。
- Web アプリでチャット履歴を有効にする: チュートリアルでは、[チャット履歴] ボックスが選択されていません。この機能を有効にすると、ユーザーは以前の個々のクエリと応答にアクセスできます。詳細については、「チャット履歴の解説」を参照してください。
展開を選択します。
アプリがデプロイされるのを待ちます (数分かかる場合があります)。
準備ができたら、ツールバーの [起動] ボタンが有効になります。ただし、まだアプリを起動せず、チャットプレイグラウンドページも閉じないでください。後で戻ってきます。

Web アプリ認証の構成

既定では、Web アプリにはユーザーのみがアクセスできます。このチュートリアルでは、認証を追加してアプリへのアクセスを Azure テナントのメンバーに制限します。ユーザーは自分の Microsoft Entra アカウントでサインインして、アプリにアクセスできます。必要に応じて、同様のプロセスに従って別の ID プロバイダーを追加できます。アプリでは、ユーザーのサインイン情報は、ユーザーがテナントのメンバーであることを確認する以外の用途では使用されません。

Azure portal を含むブラウザータブに戻り (または新しいブラウザータブで Azure portal をもう一度開き)、ハブと Web アプリをデプロイしたリソースグループの内容を表示します (Web アプリを表示するには、表示を更新することが必要になる場合があります)。
リソースグループのリソースの一覧で、App Service リソースを選択します。
[設定] の下にある折りたたみ可能な左メニューから、[認証] を選択します。
次の設定を使用して ID プロバイダーを追加します。
- ID プロバイダー: ID プロバイダーとして Microsoft を選択します。このページの既定の設定では、アプリはテナントのみに制限されるため、ここで他の設定を変更する必要はありません。
- テナントの種類: ワークフォース
- アプリ登録: 新しいアプリ登録を作成する
- 名前: Web アプリサービスの名前
- サポートされているアカウントの種類: 現在のテナント - 単一テナント
- アクセスの制限: 認証が必要
- 認証されていない要求: HTTP 302 リダイレクトが見つかりました - Web サイトに推奨

Web アプリを使用する

もう少しです。これで Web アプリをテストできます。

認証設定が有効になるまで 10 分ほどお待ちください。
Azure AI Studio のチャットプレイグラウンドページを含むブラウザータブに戻ります。
[起動] を選択して、デプロイされた Web アプリを起動します。プロンプトが表示されたら、アクセス許可要求に同意してください。

認証設定がまだ有効になっていない場合は、Web アプリのブラウザータブを閉じて、Azure AI Studio のチャットプレイグラウンドに戻ります。その後もう少しお待ちいただき、もう一度お試しください。
Web アプリで、前と同じ質問 ("TrailWalker のハイキングシューズはいくらですか") をすることができ、今回はご利用のデータからの情報を使って回答が作成されます。 [参照] ボタンを展開すると、使用されたデータを確認できます。

チャット履歴を理解する

チャット履歴機能を使用することで、ユーザーは以前の個々のクエリと応答にアクセスできます。

Web アプリをデプロイすると、チャット履歴を有効にすることができます。 [Web アプリでチャット履歴を有効にする] チェックボックスをオンにします。

重要

チャット履歴を有効にすると、リソースグループに Cosmos DB インスタンスが作成され、使用されるストレージに対して追加料金が発生します。 Web アプリを削除しても、Cosmos DB インスタンスは自動的に削除されません。保存されているすべてのチャットと共に Cosmos DB インスタンスを削除するには、Azure portal 内の関連付けられたリソースに移動して削除する必要があります。

チャット履歴を有効にしたら、ユーザーはこれをアプリの右上隅で表示または非表示にすることができます。履歴が表示されると、会話の名前の変更や削除を行うことができます。アプリにログインすると、会話が最も新しいものから最も古いものに自動的に並び替えられ、会話内の最初のクエリに基づいて名前が付けられます。

Cosmos DB リソースを削除したが Studio でチャット履歴オプションを有効にしたままにしている場合、ユーザーは接続エラーの通知を受け取りますが、チャット履歴にアクセスしなくても引き続き Web アプリを使用できます。

リソースをクリーンアップする

不要な Azure コストが発生しないように、このクイックスタートで作成したリソースが不要になったら削除してください。リソースを管理するために、Azure portal を使用できます。

次の方法で共有

チュートリアル: エンタープライズチャット Web アプリをデプロイする

前提条件

データを追加してチャットモデルをもう一度試す