Azure AI AgentとAzure AI Searchを連携させたRAG検索の実装ガイド Part2

2025.04.09

松坂

Azure AI AgentとAzure AI Searchを連携させたRAG検索の実装ガイド Part2

はじめに
前提条件
ライブラリ
ソースコード解説
結果

まとめ

はじめに

MS開発部の松坂です。

本ブログの第2部では、Part 1で構築した基盤を活用して、実際にRAG検索システムを実装する例を紹介します。

本ブログを通じて、Azure AI FoundryとAzure AI Searchを組み合わせたRAG検索システムを構築する際の参考にしてください。

前提条件

以下の準備が整っていることを確認してください：

Part 1で構築したAzure AI Search及びAzure AI Foundryが既に設定されていること。
実行環境でEntra ID 認証が設定されていること。
Pythonコードが実行できる環境であること。

ライブラリ

pip install azure-ai-projects
pip install azure-identity

1 2	pip install azure-ai-projects pip install azure-identity

ソースコード解説

1. Azure AI Agentのクライアント作成および、Azure AI Searchへの接続設定

まず、Azure AI Agentのクライアントを作成し、

作成したクライアントをもとにAzure AI Searchに接続するための設定を行います。

<span class="token token">from</span> azure<span class="token token punctuation">.</span>ai<span class="token token punctuation">.</span>projects <span class="token token">import</span> AIProjectClient
<span class="token token">from</span> azure<span class="token token punctuation">.</span>identity <span class="token token">import</span> DefaultAzureCredential
<span class="token token">from</span> azure<span class="token token punctuation">.</span>ai<span class="token token punctuation">.</span>projects<span class="token token punctuation">.</span>models <span class="token token">import</span> AzureAISearchTool
connection_string <span class="token token operator">=</span> ''
connection_name = ''
index_name = ''

project_client <span class="token token operator">=</span> AIProjectClient<span class="token token punctuation">.</span>from_connection_string<span class="token token punctuation">(</span>
credential<span class="token token operator">=</span>DefaultAzureCredential<span class="token token punctuation">(</span><span class="token token punctuation">)</span><span class="token token punctuation">,</span>
     conn_str<span class="token token operator">=</span>connection_string
<span class="token token punctuation">)
</span>
ai_search_connection = project_client.connections.get(
     connection_name=connection_name
)
ai_search = AzureAISearchTool(index_connection_id=ai_search_connection.id, index_name = index_name)

from azure.ai.projects import AIProjectClient

from azure.identity import DefaultAzureCredential

from azure.ai.projects.models import AzureAISearchTool

connection_string = ''

connection_name = ''

index_name = ''

project_client = AIProjectClient.from_connection_string(

credential=DefaultAzureCredential(),

conn_str=connection_string

)

ai_search_connection = project_client.connections.get(

connection_name=connection_name

)

ai_search = AzureAISearchTool(index_connection_id=ai_search_connection.id, index_name = index_name)

ポイント解説

接続情報の設定:

- connection_string………Azure AI Foundryの接続文字列を設定します。
- connection_name………Azure AI HubのConnected ResourcesにあるAzure AI Searchの名前を設定します。
- index_name………Azure AI Searchで作成したインデクサーの名前を設定します。
検索ツールのインスタンス化:
- 指定した接続名に基づいて、Azure AI Projectの接続情報を取得します。
- 取得した接続情報を用いて、AzureAISearchToolのインスタンスを作成します。このインスタンスを使って、指定したインデックスに対する検索を行うことができます。

2. エージェントの作成とチャットの実行

作成したクライアントからエージェントを作成し、チャットを実行し、その結果を表示するところまでになります。

agent = project_client.agents.create_agent(
        model="gpt-4o-mini",
        name="my-assistant",
        instructions="You are a helpful assistant",
        tools=ai_search.definitions,
        tool_resources=ai_search.resources,
        headers={"x-ms-enable-preview": "true"},
)
thread = project_client.agents.create_thread()
input_message = input("実行してほしい内容を書いてください：")
message = project_client.agents.create_message(
        thread_id=thread.id,
        role="user",
        content=input_message,
)
run = project_client.agents.create_and_process_run(thread_id=thread.id, assistant_id=agent.id)
for data_point in reversed(messages.data):
       last_message_content = data_point.content[-1] 
       role = data_point.role.value 
       print(f"{role}: {last_message_content.text.value}")

agent = project_client.agents.create_agent(

model="gpt-4o-mini",

name="my-assistant",

instructions="You are a helpful assistant",

tools=ai_search.definitions,

tool_resources=ai_search.resources,

headers={"x-ms-enable-preview": "true"},

)

thread = project_client.agents.create_thread()

input_message = input("実行してほしい内容を書いてください：")

message = project_client.agents.create_message(

thread_id=thread.id,

role="user",

content=input_message,

)

run = project_client.agents.create_and_process_run(thread_id=thread.id, assistant_id=agent.id)

for data_point in reversed(messages.data):

last_message_content = data_point.content[-1]

role = data_point.role.value

print(f"{role}: {last_message_content.text.value}")

ポイント解説

エージェントの作成:
- create_agentで新しいエージェントを作成します。その際は先ほどのAzureAISearchToolのインスタンスを指定するようにします。
- modelには、Azure AI Foundryで設定したモデルを設定します（例：gpt-4o-mini）
メッセージ作成:
- ユーザーに実行してほしい内容を変数に格納し、 create_messageにてユーザーメッセージをエージェントに設定します。
- 新しいスレッドを作成し、スレッドとメッセージ情報を紐づけます。
エージェントの実行:
- create_and_process_run: エージェントがメッセージを処理して応答を生成するための実行を開始します。
- エージェントからのメッセージのリストを取得し、最後の応答結果を出力します