Azure OpenAI セキュリティ構成要素の概要

[アーティクル]
11/13/2024

この記事では、Azure OpenAI セキュリティ構成要素のサンプルを作成して使用する方法について説明します。目的は、Azure OpenAI に対するキーレス (Microsoft Entra ID) 認証のためのロールベースのアクセス制御 (RBAC) を使用した Azure OpenAI アカウントのプロビジョニングを示することです。このチャットアプリサンプルには、Azure OpenAI リソースをプロビジョニングし、Azure Developer CLI を使用してアプリを Azure Container Apps にデプロイするために必要なすべてのインフラストラクチャと構成も含まれています。

この記事の手順に従うことで、次の操作を行います:

セキュリティで保護された Azure Container チャットアプリをデプロイします。
Azure OpenAI アクセスにはマネージド ID を使用します。
OpenAI ライブラリを使用して、Azure OpenAI Large Language Model (LLM) とチャットします。

この記事の完了後、カスタムのコードおよびデータを使用して、新しいプロジェクト用の変更を開始できます。

Note

この記事では、記事内の例とガイダンスの土台として、1 つ以上の AI アプリテンプレートを使用しています。 AI アプリテンプレートは、適切にメンテナンスされ、デプロイが容易なリファレンス実装を提供します。これは、高品質な AI アプリの作成を開始するために役立ちます。

アーキテクチャの概要

チャットアプリの単純なアーキテクチャを次の図に示します。

チャットアプリは、Azure Container App として実行されます。アプリは、API キーではなく、Microsoft Entra ID を介してマネージド ID を使用して Azure OpenAI で認証します。チャットアプリは、Azure OpenAI を使用してユーザーメッセージへの応答を生成します。

アプリケーションアーキテクチャは、次のサービスとコンポーネントに依存しています。

Azure OpenAI は、ユーザーのクエリを送信する AI プロバイダーを表します。
Azure Container Apps は、アプリケーションがホストされるコンテナー環境です。
マネージド ID は、クラス最高のセキュリティを確保するのに役立ち、開発者がシークレットを安全に管理する必要がなくなります。
Azure OpenAI、Azure Container Apps、Azure Container Registry、Azure Log Analytics、RBAC ロールなど、Azure リソースをプロビジョニングするための Bicep ファイル。

Microsoft AI チャットプロトコルは、AI ソリューションと言語全体で標準化された API コントラクトを提供します。チャットアプリは Microsoft AI チャットプロトコルに準拠しているため、このプロトコルに準拠する任意のチャットアプリに対して評価を実行できます。
openai パッケージを使用してユーザーメッセージへの応答を生成する Python Quart。
ReadableStreamを介してJSON Linesを使用してバックエンドからの応答をストリーミングする基本的な HTML/JavaScript フロントエンド。

Azure.AI.OpenAI NuGet パッケージを使用してユーザーメッセージへの応答を生成する Blazor Web アプリ。

openai npm パッケージを使用してユーザーメッセージへの応答を生成する TypeScript Web アプリ。

コスト

このサンプルで可能な限り価格を低く保つために、ほとんどのリソースでは Basic 価格レベルまたは従量課金価格レベルが使用されます。目的の使用法に基づいて、必要に応じてレベルを変更します。料金の発生を停止するには、記事が完了したらリソースを削除します。

サンプルリポジトリでコストの詳細を参照してください。

前提条件

開発コンテナー環境は、この記事を完了するために必要なすべての依存関係と共に使用できます。開発コンテナーは、(ブラウザーで) GitHub Codespaces で実行することも、Visual Studio Code を使用してローカルで実行することもできます。

この記事を使用するには、次の前提条件を満たす必要があります。

GitHub Codespaces (推奨)
Visual Studio Code

Azure サブスクリプション - 無料アカウントを作成します
Azure アカウントのアクセス許可 - Azure アカウントには、User Access Administrator Owner などのMicrosoft.Authorization/roleAssignments/writeアクセス許可が必要です。
GitHub アカウント

Azure サブスクリプション - 無料アカウントを作成します
Azure アカウントのアクセス許可 - Azure アカウントには、User Access Administrator Owner などのMicrosoft.Authorization/roleAssignments/writeアクセス許可が必要です。
Azure Developer CLI
Docker Desktop - Docker Desktop がまだ実行されていない場合は起動します
Visual Studio Code
開発コンテナー拡張機能

開発環境を開く

この記事を完了するために必要なすべての依存関係を含む、構成済みの開発環境をデプロイするには、次の手順に従います。

GitHub Codespaces (推奨)
Visual Studio Code

GitHub Codespaces は、 Visual Studio Code for the Web をユーザーインターフェイスとして使用して、GitHub によって管理される開発コンテナーを実行します。最も簡単な開発環境では、GitHub Codespaces を使用して、この記事を完了するために正しい開発者ツールと依存関係がプレインストールされるようにします。

重要

すべての GitHub アカウントでは、2 つのコアインスタンスで毎月最大 60 時間無料で Codespaces を使用できます。詳細については、「 GitHub Codespaces に月単位で含まれるストレージとコア時間」を参照してください。

Azure-Samples/openai-chat-app-quickstart GitHub リポジトリの main ブランチに新しい GitHub Codespace を作成するには、次の手順に従います。

次のボタンを右クリックし、 [新しいウィンドウでリンクを開く]を選択します。このアクションを使用すると、開発環境とドキュメントを確認できます。
コードスペースの作成 ページで、新しいコード空間確認して選択します。
Codespace が起動するまで待ちます。この起動プロセスには数分かかることがあります。
画面の下部にあるターミナルで、Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
ターミナルからコードをコピーし、ブラウザーに貼り付けます。手順に従って、Azure アカウントで認証します。

この記事の残りのタスクは、この開発コンテナーのコンテキストで行われます。

Azure-Samples/openai-chat-app-quickstart-dotnet GitHub リポジトリの main ブランチに新しい GitHub Codespace を作成するには、次の手順に従います。

次のボタンを右クリックし、 [新しいウィンドウでリンクを開く]を選択します。このアクションを使用すると、開発環境とドキュメントを確認できます。
コードスペースの作成 ページで、コード空間の作成確認して選択します。
Codespace が起動するまで待ちます。この起動プロセスには数分かかることがあります。
画面の下部にあるターミナルで、Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
ターミナルからコードをコピーし、ブラウザーに貼り付けます。手順に従って、Azure アカウントで認証します。

この記事の残りのタスクは、この開発コンテナーのコンテキストで行われます。

Azure-Samples/openai-chat-app-quickstart-javascript GitHub リポジトリの main ブランチに新しい GitHub Codespace を作成するには、次の手順に従います。

次のボタンを右クリックし、 [新しいウィンドウでリンクを開く]を選択します。このアクションを使用すると、開発環境とドキュメントを確認できます。

コードスペースの作成 ページで、新しいコード空間確認して選択します。
Codespace が起動するまで待ちます。この起動プロセスには数分かかることがあります。
画面の下部にあるターミナルで、Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
ターミナルからコードをコピーし、ブラウザーに貼り付けます。手順に従って、Azure アカウントで認証します。

この記事の残りのタスクは、この開発コンテナーのコンテキストで行われます。

Visual Studio Code の Dev Containers 拡張機能では、ローカルマシンに Docker がインストールされている必要があります。この拡張機能では、Docker ホストを使用して開発コンテナーをローカルにホストし、適切な開発者ツールと依存関係をプレインストールして、この記事を完成させます。

コンピューター上にプロジェクト用の新しいローカルディレクトリを作成します。
```
mkdir my-secure-chat-app
```
作成したディレクトリに移動します。
```
cd my-secure-chat-app
```
そのディレクトリで Visual Studio Code を開きます。
```
code .
```
Visual Studio Code で新しいターミナルを開きます。
次の AZD コマンドを実行して、ローカルコンピューターに GitHub リポジトリを配置します。
```
azd init -t openai-chat-app-quickstart
```
コマンドパレットを開き、[Dev Containers: Open Folder in Container] (Dev Containers: コンテナーでフォルダーを開く) を検索して選択して、開発コンテナーでプロジェクトを開きます。開発コンテナーが開くまで待ってから続行します。
Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
このプロジェクトの残りの演習は、この開発コンテナーのコンテキストで行われます。

コンピューター上にプロジェクト用の新しいローカルディレクトリを作成します。
```
mkdir my-secure-chat-app
```
作成したディレクトリに移動します。
```
cd my-secure-chat-app
```
そのディレクトリで Visual Studio Code を開きます。
```
code .
```
Visual Studio Code で新しいターミナルを開きます。
次の AZD コマンドを実行して、ローカルコンピューターに GitHub リポジトリを配置します。
```
azd init -t openai-chat-app-quickstart-dotnet
```
コマンドパレットを開き、[Dev Containers: Open Folder in Container] (Dev Containers: コンテナーでフォルダーを開く) を検索して選択して、開発コンテナーでプロジェクトを開きます。開発コンテナーが開くまで待ってから続行します。
Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
このプロジェクトの残りの演習は、この開発コンテナーのコンテキストで行われます。

コンピューター上にプロジェクト用の新しいローカルディレクトリを作成します。
```
mkdir my-secure-chat-app
```
Visual Studio Code でディレクトリを開きます。
```
code my-secure-chat-app
```
Visual Studio Code で新しいターミナルを開きます。
次の AZD コマンドを実行して、ローカルコンピューターに GitHub リポジトリを配置します。
```
azd init -t openai-chat-app-quickstart-javascript
```
コマンドパレットを開き、[Dev Containers: Open Folder in Container] (Dev Containers: コンテナーでフォルダーを開く) を検索して選択して、開発コンテナーでプロジェクトを開きます。開発コンテナーが開くまで待ってから続行します。
Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
このプロジェクトの残りの演習は、この開発コンテナーのコンテキストで行われます。

デプロイして実行する

サンプルリポジトリには、チャットアプリの Azure デプロイ用のすべてのコードと構成ファイルが含まれています。次の手順では、サンプルチャットアプリの Azure デプロイプロセスについて説明します。

チャットアプリを Azure にデプロイする

重要

このセクションで作成された Azure リソースでは、すぐにコストが発生します。これらのリソースは、コマンドが完全に実行される前に中断した場合でも、コストが発生する可能性があります。

Azure リソースのプロビジョニングとソースコードのデプロイに対して、次の Azure Developer CLI コマンドを実行します。
```
azd up
```

プロンプトに応答するには、次の表を使用します。

Prompt	回答
環境名	常に短くし、小文字を使用します。自分の名前またはエイリアスを追加します。たとえば、`secure-chat` のようにします。リソースグループ名の一部として使用されます。
サブスクリプション	リソースの作成先となるサブスクリプションを選択します。
場所 (ホスティング用)	リストから、自分に近い場所を選択します。
場所 (OpenAI モデル用)	リストから、自分に近い場所を選択します。最初の場所と同じ場所を使用できる場合は、その場所を選択します。

アプリがデプロイされるまで待ちます。通常、デプロイの完了には 5 分から 10 分かかります。

チャットアプリを使用して大規模言語モデルに質問する

アプリケーションのデプロイが正常に完了すると、ターミナルに URL が表示されます。
Deploying service web とラベルの付いたその URL を選択して、ブラウザーでチャットアプリケーションを開きます。
ブラウザーで、"マネージド ID がキーよりも優れている理由" などの質問を入力します。
回答は Azure OpenAI に由来し、結果が表示されます。

サンプルコードの探索

OpenAI と Azure OpenAI Service は common Python クライアントライブラリに依存していますが Azure OpenAI エンドポイントを使用する場合は小さなコード変更が必要です。このサンプルでは、Microsoft Entra ID を使用してキーレス認証を構成し、Azure OpenAI と通信する方法を見てみましょう。

マネージド ID を使用した認証の構成

このサンプルでは、 src\quartapp\chat.py ファイルはキーレス認証の構成から始まります。

次のスニペットでは、 azure.identity.aio モジュールを使用して、非同期の Microsoft Entra 認証フローを作成します。

次のコードスニペットでは、 AZURE_CLIENT_ID azd 環境変数を使用して、ユーザー割り当てマネージド ID を使用して認証できる ManagedIdentityCredential インスタンスを作成します。

user_assigned_managed_identity_credential = ManagedIdentityCredential(client_id=os.getenv("AZURE_CLIENT_ID"))

Note

azd リソース環境変数は、azd アプリのデプロイ中にプロビジョニングされます。

次のコードスニペットでは、 AZURE_TENANT_ID azd リソース環境変数を使用して、現在の Microsoft Entra テナントで認証できる AzureDeveloperCliCredential インスタンスを作成します。

azure_dev_cli_credential = AzureDeveloperCliCredential(tenant_id=os.getenv("AZURE_TENANT_ID"), process_timeout=60)

Azure Identity クライアントライブラリは、Azure Core ライブラリの TokenCredential プロトコルを実装する資格情報 (パブリッククラス) を提供します。資格情報は、Microsoft Entra ID からアクセストークンを取得するための個別の認証フローを表します。これらの資格情報を連結することにより、試行される一連の認証メカニズムを順序付けたシーケンスを形成できます。

次のスニペットでは、ManagedIdentityCredentialとAzureDeveloperCliCredentialを使用してChainedTokenCredentialを作成します。

ManagedIdentityCredentialは、Azure Functions と Azure アプリ Service に使用されます。ユーザー割り当てマネージド ID は、 client_id を ManagedIdentityCredentialに渡すことによってサポートされます。
AzureDeveloperCliCredentialはローカル開発に使用されます。以前は、使用する Microsoft Entra テナントに基づいて設定されていました。

azure_credential = ChainedTokenCredential(
    user_assigned_managed_identity_credential,
    azure_dev_cli_credential
)

ヒント

最初の有効な Microsoft Entra アクセストークンが使用されるため、資格情報の順序は重要です。詳細については、 ChainedTokenCredential の概要記事を参照してください。

次のコードスニペットは、選択した Azure 資格情報に基づいて Azure OpenAI トークンプロバイダーを取得します。この値は、2 つの引数を使用して azure.identity.aio.get_bearer_token_provider を呼び出すことによって取得されます。

azure_credential: 要求を認証するために先ほど作成した ChainedTokenCredential インスタンス。
https://cognitiveservices.azure.com/.default: 1 つ以上のベアラートークンスコープが必要です。この場合、 Azure Cognitive Services エンドポイント。

token_provider = get_bearer_token_provider(
    azure_credential, "https://cognitiveservices.azure.com/.default"
)

次の行では、必要な AZURE_OPENAI_ENDPOINT と AZURE_OPENAI_CHATGPT_DEPLOYMENT azd リソース環境変数 azd 確認します。これは、アプリのデプロイ中にプロビジョニングされます。値が存在しない場合、エラーがスローされます。

if not os.getenv("AZURE_OPENAI_ENDPOINT"):
    raise ValueError("AZURE_OPENAI_ENDPOINT is required for Azure OpenAI")
if not os.getenv("AZURE_OPENAI_CHATGPT_DEPLOYMENT"):
    raise ValueError("AZURE_OPENAI_CHATGPT_DEPLOYMENT is required for Azure OpenAI")

このスニペットは、Azure OpenAI クライアントを初期化し、 api_version、 azure_endpoint、 azure_ad_token_provider (client_args) パラメーターを設定します。

bp.openai_client = AsyncAzureOpenAI(
    api_version=os.getenv("AZURE_OPENAI_API_VERSION") or "2024-02-15-preview",
    azure_endpoint=os.getenv("AZURE_OPENAI_ENDPOINT"),
    azure_ad_token_provider=token_provider,
)

次の行は、API 呼び出しで使用する Azure OpenAI モデルのデプロイ名を設定します。

bp.openai_model = os.getenv("AZURE_OPENAI_CHATGPT_DEPLOYMENT")

Note

OpenAI では、modelキーワード引数を使って、使用するモデルを指定します。 Azure OpenAI には、固有のモデル デプロイの概念があります。 Azure OpenAI を使用する場合、modelは、Azure OpenAI モデルのデプロイ時に選択基になるデプロイ名を参照する必要があります。

この関数が完了すると、クライアントが適切に構成され、Azure OpenAI サービスと対話する準備が整います。

OpenAI クライアントとモデルを使用した応答ストリーム

response_streamは、ルート内のチャット完了呼び出しを処理します。次のコードスニペットは、 openai_client と model の使用方法を示しています。

async def response_stream():
    # This sends all messages, so API request may exceed token limits
    all_messages = [
        {"role": "system", "content": "You are a helpful assistant."},
    ] + request_messages

    chat_coroutine = bp.openai_client.chat.completions.create(
        # Azure Open AI takes the deployment name as the model name
        model=bp.openai_model,
        messages=all_messages,
        stream=True,
    )

サンプルコードの検証

.NET アプリケーションは、 Azure.AI.OpenAI クライアントライブラリに依存して Azure OpenAI サービスと通信します。これは、 OpenAI ライブラリに依存します。サンプルアプリでは、Microsoft Entra ID を使用してキーレス認証を構成し、Azure OpenAI と通信します。

認証とサービスの登録を構成する

このサンプルでは、キーレス認証は program.cs ファイルで構成されています。次のコードスニペットでは、azdによって設定されたAZURE_CLIENT_ID環境変数を使用して、ユーザー割り当てマネージド ID を使用して認証できる ManagedIdentityCredential インスタンスを作成します。

var userAssignedIdentityCredential = 
    new ManagedIdentityCredential(builder.Configuration.GetValue<string>("AZURE_CLIENT_ID"));

Note

azd リソース環境変数は、azd アプリのデプロイ中にプロビジョニングされます。

次のコードスニペットでは、azdによって設定されたAZURE_TENANT_ID環境変数を使用して、azdにサインインしたアカウントを使用してローカルで認証できる AzureDeveloperCliCredential インスタンスを作成します。

var azureDevCliCredential = new AzureDeveloperCliCredential(
    new AzureDeveloperCliCredentialOptions()
    { 
        TenantId = builder.Configuration.GetValue<string>("AZURE_TENANT_ID") 
    });

Azure Identity クライアントライブラリには、Azure Core ライブラリの TokenCredential プロトコルを実装する資格情報クラスが用意されています。資格情報は、Microsoft Entra ID からアクセストークンを取得するための個別の認証フローを表します。これらの資格情報は、 ChainedTokenCredential を使用して連結して、試行する一連の順序付けされた認証メカニズムを形成できます。

次のスニペットは、依存関係挿入のAzureOpenAIClientを登録し、ManagedIdentityCredentialとAzureDeveloperCliCredentialを使用してChainedTokenCredentialを作成します。

ManagedIdentityCredentialは、Azure Functions と Azure アプリ Service に使用されます。ユーザー割り当てマネージド ID は、ManagedIdentityCredentialに提供されたAZURE_CLIENT_IDを使用してサポートされます。
AzureDeveloperCliCredentialはローカル開発に使用されます。以前は、使用する Microsoft Entra テナントに基づいて設定されていました。

builder.Services.AddAzureClients(
    clientBuilder => {
        clientBuilder.AddClient<AzureOpenAIClient, AzureOpenAIClientOptions>((options, _, _)
            => new AzureOpenAIClient(
                new Uri(endpoint),
                new ChainedTokenCredential(
                    userAssignedIdentityCredential, azureDevCliCredential), options));
    });

ヒント

Azure OpenAI クライアントを使用してチャットの完了を取得する

Blazor Web アプリは、登録された AzureOpenAIClient を Home.Razor コンポーネントの上部に挿入します。

@inject AzureOpenAIClient azureOpenAIClient

ユーザーがフォームを送信すると、 AzureOpenAIClient は入力候補を生成するためのプロンプトを OpenAI モデルに送信します。

ChatClient chatClient = azureOpenAIClient.GetChatClient("gpt-4o-mini");

messages.Add(new UserChatMessage(model.UserMessage));

ChatCompletion completion = await chatClient.CompleteChatAsync(messages);
    messages.Add(new SystemChatMessage(completion.Content[0].Text));

サンプルコードの検証

OpenAI と Azure OpenAI Service は openai (一般的な JavaScript クライアントライブラリ) に依存していますが、Azure OpenAI エンドポイントを使用する場合は小さなコード変更が必要です。このサンプルでは、Microsoft Entra ID を使用してキーレス認証を構成し、Azure OpenAI と通信する方法を見てみましょう。

各環境のキーレス認証

最初にマネージド ID が試行され、次に既定の Azure 資格情報が試行されるフロー内の 2 つの資格情報を示す図。

マネージド ID を使用した認証の構成

このサンプルでは、 ./src/azure-authentication.ts は、Azure OpenAI にキーレス認証を提供するいくつかの機能を提供します。

最初の関数 getChainedCredential()は、チェーンで見つかった最初の有効な Azure 資格情報を返します。

function getChainedCredential() {

    return new ChainedTokenCredential(
        new ManagedIdentityCredential(process.env.AZURE_CLIENT_ID!), 
        new AzureDeveloperCliCredential({
            tenantId: process.env.AZURE_TENANT_ID! ? process.env.AZURE_TENANT_ID! : undefined
          })
    );
}

ManagedIdentityCredential が最初に試行されます。運用環境のランタイムでAZURE_CLIENT_ID環境変数を使用して設定され、ユーザー割り当てマネージド ID を使用して認証できます。
AzureDeveloperCliCredential が 2 番目に試行されます。これは、Azure CLI az loginを使用して開発がサインインするときに設定されます。

ヒント

OpenAI のベアラートークンを取得する

./src/azure-authentication.tsの 2 番目の関数はgetTokenProvider()であり、Azure Cognitive Services エンドポイントをスコープとするベアラートークンを提供するコールバックを返します。

function getTokenProvider(): () => Promise<string> {
    const credential  = getChainedCredential();
    const scope = "https://cognitiveservices.azure.com/.default";
    return getBearerTokenProvider(credential, scope);
}

上記のコードスニペットでは、 getBearerTokenProvider を使用して資格情報とスコープを取得し、ベアラートークンを提供するコールバックを返します。

認証された Azure OpenAI クライアントを作成する

./src/azure-authentication.ts の 3 番目の関数は getOpenAiClient() であり、Azure OpenAI クライアントを返します。

export function getOpenAiClient(): AzureOpenAI | undefined{
    try {

        if (!process.env.AZURE_OPENAI_ENDPOINT) {
            throw new Error("AZURE_OPENAI_ENDPOINT is required for Azure OpenAI");
        }
        if (!process.env.AZURE_OPENAI_CHAT_DEPLOYMENT) {
            throw new Error("AZURE_OPENAI_CHAT_DEPLOYMENT is required for Azure OpenAI");
        }

        const options = { 
            azureADTokenProvider: getTokenProvider(), 
            deployment: process.env.AZURE_OPENAI_CHAT_DEPLOYMENT!, 
            apiVersion: process.env.AZURE_OPENAI_API_VERSION! || "2024-02-15-preview",
            endpoint: process.env.AZURE_OPENAI_ENDPOINT!
        }

        // Create the Asynchronous Azure OpenAI client
        return new AzureOpenAI (options);

    } catch (error) {
        console.error('Error getting Azure OpenAI client: ', error);
    }
}

このコードは、正しくスコープ指定されたトークンを含むオプションを受け取り、 AzureOpenAI クライアントを作成します

Azure OpenAI を使用してチャットの回答をストリーム配信する

./src/openai-chat-api.tsで次の Fastify ルートハンドラーを使用して、Azure OpenAI にメッセージを送信し、応答をストリーミングします。

import { FastifyReply, FastifyRequest } from 'fastify';
import { AzureOpenAI } from "openai";
import { getOpenAiClient } from './azure-authentication.js';
import { ChatCompletionChunk, ChatCompletionMessageParam } from 'openai/resources/chat/completions';

interface ChatRequestBody {
    messages: ChatCompletionMessageParam [];
  }

export async function chatRoute (request: FastifyRequest<{ Body: ChatRequestBody }>, reply: FastifyReply) {

    const requestMessages: ChatCompletionMessageParam[] = request?.body?.messages;
    const openaiClient: AzureOpenAI | undefined = getOpenAiClient();

    if (!openaiClient) {
      throw new Error("Azure OpenAI client is not configured");
    }

    const allMessages = [
      { role: "system", content: "You are a helpful assistant."},
      ...requestMessages
    ] as ChatCompletionMessageParam [];

    const chatCompletionChunks = await openaiClient.chat.completions.create({
      // Azure Open AI takes the deployment name as the model name
      model: process.env.AZURE_OPENAI_CHAT_DEPLOYMENT_MODEL || "gpt-4o-mini",
      messages: allMessages,
      stream: true

    })
    reply.raw.setHeader('Content-Type', 'text/html; charset=utf-8');
    reply.raw.setHeader('Cache-Control', 'no-cache');
    reply.raw.setHeader('Connection', 'keep-alive');
    reply.raw.flushHeaders();

    for await (const chunk of chatCompletionChunks as AsyncIterable<ChatCompletionChunk>) {
      for (const choice of chunk.choices) {
        reply.raw.write(JSON.stringify(choice) + "\n")
      }
    }

    reply.raw.end()

}

この関数は、以前のメッセージを含むチャット会話を取得し、Azure OpenAI に送信します。ストリームチャンクが Azure OpenAI から返されると、クライアントに送信されます。

その他のセキュリティの考慮事項

この記事では、サンプルで Azure OpenAI サービスに対する認証に ChainedTokenCreadential を使用する方法について説明します。

サンプルには、コードとしてのインフラストラクチャファイルをスキャンし、検出された問題を含むレポートを生成する GitHub Action もあります。独自のリポジトリで継続的なベストプラクティスを確保するには、テンプレートに基づいてソリューションを作成するすべてのユーザーが、 GitHub シークレットスキャン設定が有効になっていることを確認することをお勧めします。

次のような他のセキュリティ対策を検討してください。

Microsoft Entra を使用して、適切なアプリユーザーのセットへのアクセスを制限します。
ファイアウォール、または Virtual Network を使用した Azure Container Apps インスタンスの保護。

リソースをクリーンアップする

Azure リソースをクリーンアップする

この記事で作成した Azure リソースは、Azure サブスクリプションに課金されます。今後これらのリソースが必要になるとは思わない場合は、削除して、より多くの料金が発生しないようにします。

次の Azure Developer CLI コマンドを実行して、Azure リソースを削除し、ソースコードを削除します:

azd down --purge

GitHub Codespaces 環境を削除すると、アカウントに対して取得するコアごとの無料時間エンタイトルメントの量を最大化できることが保証されます。

重要

GitHub アカウントのエンタイトルメントの詳細については、「 GitHub Codespaces に月単位で含まれるストレージとコア時間」を参照してください。

GitHub Codespaces ダッシュボード (https://github.com/codespaces) にサインインします。
Azure-Samples/openai-chat-app-quickstart GitHub リポジトリをソースとして現在実行中の Codespaces を見つけます。
codespace のコンテキストメニューを開いた後に、[削除] を選択します。

GitHub Codespaces ダッシュボード (https://github.com/codespaces) にサインインします。
Azure-Samples/openai-chat-app-quickstart-dotnet GitHub リポジトリをソースとして現在実行中の Codespaces を見つけます。
codespace のコンテキストメニューを開いた後に、[削除] を選択します。

GitHub Codespaces ダッシュボード (https://github.com/codespaces) にサインインします。
Azure-Samples/openai-chat-app-quickstart-javascript GitHub リポジトリをソースとして現在実行中の Codespaces を見つけます。
codespace のコンテキストメニューを開いた後に、[削除] を選択します。

ヘルプを取得

問題が解決しない場合は、リポジトリの [問題] にその問題を記録します。

次のステップ

Python 用の独自のデータサンプルを使用してチャットを開始する

問題が解決しない場合は、リポジトリの [問題] にその問題を記録します。

.NET 用の独自のデータサンプルを使用してチャットを開始する

問題が解決しない場合は、リポジトリの [問題] にその問題を記録します。

JavaScript 用の独自のデータサンプルを使用してチャットを開始する

次の方法で共有

Azure OpenAI セキュリティ構成要素の概要

アーキテクチャの概要

コスト

前提条件

開発環境を開く

デプロイして実行する

チャットアプリを Azure にデプロイする

チャットアプリを使用して大規模言語モデルに質問する

サンプルコードの探索

マネージド ID を使用した認証の構成

OpenAI クライアントとモデルを使用した応答ストリーム

サンプルコードの検証

認証とサービスの登録を構成する

Azure OpenAI クライアントを使用してチャットの完了を取得する

サンプルコードの検証

各環境のキーレス認証

マネージド ID を使用した認証の構成

OpenAI のベアラートークンを取得する

認証された Azure OpenAI クライアントを作成する

Azure OpenAI を使用してチャットの回答をストリーム配信する

その他のセキュリティの考慮事項

リソースをクリーンアップする

Azure リソースをクリーンアップする

GitHub Codespaces をクリーンアップする

ヘルプを取得

次のステップ

フィードバック

その他のリソース

次の方法で共有

Azure OpenAI セキュリティ構成要素の概要

アーキテクチャの概要

コスト

前提条件

開発環境を開く

デプロイして実行する

チャット アプリを Azure にデプロイする

チャット アプリを使用して大規模言語モデルに質問する

サンプル コードの探索

マネージド ID を使用した認証の構成

OpenAI クライアントとモデルを使用した応答ストリーム

サンプル コードの検証

認証とサービスの登録を構成する

Azure OpenAI クライアントを使用してチャットの完了を取得する

サンプル コードの検証

各環境のキーレス認証

マネージド ID を使用した認証の構成

OpenAI のベアラー トークンを取得する

認証された Azure OpenAI クライアントを作成する

Azure OpenAI を使用してチャットの回答をストリーム配信する

その他のセキュリティの考慮事項

リソースをクリーンアップする

Azure リソースをクリーンアップする

GitHub Codespaces をクリーンアップする

ヘルプを取得

次のステップ

フィードバック

その他のリソース

チャットアプリを Azure にデプロイする

チャットアプリを使用して大規模言語モデルに質問する

サンプルコードの探索

サンプルコードの検証

サンプルコードの検証

OpenAI のベアラートークンを取得する