【ハンズオン】Foundryで初めてのAIエージェントを30分で作る

こんにちは！横浜情報機器株式会社のShahinです！
今回はMicrosoft Foundryを使って、本当に30分でAIエージェントを作るハンズオンをやってみました！
「エージェントって聞くけど難しそう…」と思っていたんですが、実際にやってみたら思ったよりシンプルで、テンション上がりました！
題材は経費精算アシスタント。PythonとFoundryのAgent SDKを組み合わせて、会話で経費を仕分けしてくれるエージェントを作ります。
ぜひ最後まで読んでみてください！

📋 この記事でわかること

• ✅ Microsoft Foundryでプロジェクト（ハブ）を作成する方法
• ✅ gpt-4o-mini をデプロイしてすぐ使えるようにする手順
• ✅ Python SDK でAIエージェントを作成してチャットさせる方法
• ✅ 経費精算アシスタントのシステムプロンプト設計のコツ

前提条件と事前準備

項目	内容・確認方法
Azureサブスクリプション	無料試用版 or 従量課金。portal.azure.com でサブスクリプション一覧を確認
Azure ロール	🟢 個人アカウントは Contributor（サブスクリプション）1つでOK 🔵 社内環境は Contributor（RG）＋ Cognitive Services OpenAI Contributor（サブスクリプション）
gpt-4o-mini クォータ	East US 2 推奨。ポータル → Azure OpenAI → クォータで確認。0の場合は引き上げ申請（数時間〜1日）
Python 3.10 以上	python --version で確認
料金目安	gpt-4o-mini は入力1Mトークン約$0.15。30分のハンズオン程度なら数円〜十数円

⚠️ 社内Azureでリソースグループスコープの Contributor しか持っていない場合、モデルデプロイで権限エラーになります。その場合は Cognitive Services OpenAI Contributor をサブスクリプションスコープで追加申請してください。

Microsoft Foundryってどんなもの？（ざっくり復習）

前回の記事でCopilot StudioやAgent Builderとの違いを整理しましたが、簡単におさらいしておきます。

Microsoft Foundryは、エンジニア向けのAI開発プラットフォームです。コードで細かく制御できる点が強みで、今回みたいにPythonでエージェントを作ってカスタマイズしたい場合にバッチリはまります。ノーコードで手軽に始めたい場合はCopilot Studioが向いていますが、「自分でコードを書いて動かしたい！」という方には断然Foundryがおすすめです！

STEP 1: Foundryプロジェクトを作成する

まずはai.azure.comにアクセスします。Azureアカウントでサインインすると、Foundryのポータルが開きます。

ハブとプロジェクトを作る

Foundryでは「ハブ（Hub）」というリソースグループ的なものの下に「プロジェクト」を作る構成になっています。初回はまずハブから作る必要があります。

1. 左メニューの「すべてのプロジェクト」→「+ 新しいプロジェクト」をクリック
2. 「新しいハブを作成」を選択して、ハブ名を入力（例: my-foundry-hub）
3. リージョンは East US 2 か Japan East を選ぶ（モデルの可用性に影響します）
4. プロジェクト名を入力（例: expense-agent-project）
5. 「作成」ボタンをクリック → 数分でプロビジョニングが完了します

💡 リージョン選びのコツ: gpt-4o-mini を使いたい場合、East US 2 が一番安定しています。Japan East でも使えますが、モデルによっては提供されていないものもあるので注意です！

STEP 2: モデルをデプロイする

プロジェクトが作れたら、次はAIモデルをデプロイします。ここではコスパ最強の gpt-4o-mini を使います。

モデルカタログからデプロイ

1. プロジェクト画面の左メニューから「モデル + エンドポイント」→「モデルのデプロイ」をクリック
2. 検索ボックスに「gpt-4o-mini」と入力
3. 「gpt-4o-mini」を選択 → 「デプロイ」をクリック
4. デプロイ名はデフォルト（gpt-4o-mini）のままでOK
5. 「デプロイ」ボタンをクリック → 1〜2分でデプロイ完了！

デプロイが完了すると、「状態: 成功」と表示されます。これでモデルの準備はOKです！

STEP 3: 接続情報をコピーしてPythonの準備をする

PythonからFoundryに接続するために、エンドポイントURLとAPIキーが必要です。

エンドポイントとAPIキーを取得

1. プロジェクト画面の「概要」ページを開く
2. 「エンドポイント」の値をコピーする（https://<account>.services.ai.azure.com/api/projects/<project-name>という形式）
3. 「APIキー」もコピーしてメモしておく

Pythonライブラリをインストール

# 仮想環境を作成してアクティベート
python -m venv .venv
source .venv/bin/activate  # Windowsの場合: .venv\Scripts\activate

# 必要なライブラリをインストール（openai は azure-ai-projects に含まれる）
pip install azure-ai-projects python-dotenv
      

.envファイルを作成

# .env ファイルを作成（プロジェクトルートに置く）
AZURE_AI_FOUNDRY_ENDPOINT=https://your-account.services.ai.azure.com/api/projects/your-project-name
AZURE_AI_FOUNDRY_API_KEY=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
      

💡 セキュリティのポイント: .env ファイルは必ず .gitignore に追加してください！APIキーをGitHubにpushしてしまうと大変なことになります…（経験者は語る）

STEP 4: 経費精算アシスタントエージェントを作る

いよいよ本番！Pythonコードでエージェントを作ります。今回作るのは、会話形式で経費の仕分けをしてくれる経費精算アシスタントです。

たとえば「今日のランチ代1,200円をどう処理すれば？」と聞くと、勘定科目や申請方法をアドバイスしてくれます。実際の業務でも使えるやつです！

💡 実装パターンについて: Microsoft Foundry では OpenAI 互換の Chat Completions API がそのまま使えます。システムプロンプトでエージェントの「人格」を定義し、会話履歴リストで文脈を維持するシンプルな設計です。

接続確認スクリプト（agent_setup.py）

# agent_setup.py
# Microsoft Foundry への接続確認 & エージェントの動作テスト

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

# Foundryのエンドポイントに "/openai/v1" を付けると OpenAI 互換エンドポイントになる
endpoint = os.environ["AZURE_AI_FOUNDRY_ENDPOINT"].rstrip("/")
client = OpenAI(
    api_key=os.environ["AZURE_AI_FOUNDRY_API_KEY"],
    base_url=endpoint + "/openai/v1",
)

# システムプロンプト（エージェントの「人格」を定義する）
SYSTEM_PROMPT = """
あなたは経費精算の専門アシスタントです。
社員が経費申請に関する質問をすると、わかりやすく丁寧に答えてください。

## あなたの役割
- 経費の勘定科目（交通費・接待費・消耗品費など）を判断する
- 申請に必要な書類（領収書・申請書など）を案内する
- 金額の上限ルール（例: 接待費は1人あたり5,000円まで）を教える
- 不明な場合は「確認が必要です」と正直に伝える

## 回答スタイル
- 日本語で、丁寧だが堅苦しくない口調で答える
- 箇条書きを使って見やすくまとめる
- 必要に応じて具体的な記入例を示す
"""

# 接続確認：テストメッセージを送ってみる
print("Microsoft Foundry への接続を確認中...")
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": "テスト: 経費精算アシスタントとして動作しているか確認してください。"},
    ],
)
print("✅ 接続OK！エージェントの応答:")
print(resp.choices[0].message.content)
print("\nchat.py を実行して対話を開始してください。")
      

チャットスクリプト（chat.py）

# chat.py
# 経費精算アシスタントと対話形式で会話するスクリプト
# 会話履歴（history）を保持して文脈を踏まえた応答ができる

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

endpoint = os.environ["AZURE_AI_FOUNDRY_ENDPOINT"].rstrip("/")
client = OpenAI(
    api_key=os.environ["AZURE_AI_FOUNDRY_API_KEY"],
    base_url=endpoint + "/openai/v1",
)

SYSTEM_PROMPT = """
あなたは経費精算の専門アシスタントです。
（↑ agent_setup.py と同じプロンプトをここに貼る）
"""

# 会話履歴（システムプロンプトを先頭に入れておく）
history = [
    {"role": "system", "content": SYSTEM_PROMPT},
]

print("経費精算アシスタントと会話できます。'exit' で終了します。\n")
print("-" * 50)

while True:
    user_input = input("\nあなた: ")
    if user_input.strip().lower() == "exit":
        print("終了します！")
        break

    # ユーザーのメッセージを会話履歴に追加
    history.append({"role": "user", "content": user_input})

    # Foundry の Chat Completions API でエージェントを呼び出す
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=history,          # 履歴ごと渡すことで文脈が維持される
    )

    assistant_message = resp.choices[0].message.content

    # アシスタントの応答も履歴に追加（次の質問で文脈として使われる）
    history.append({"role": "assistant", "content": assistant_message})

    print(f"\nアシスタント: {assistant_message}")
      

STEP 5: 実際に動かしてみよう！

コードが書けたらいよいよ実行です！

まず接続確認

python agent_setup.py

✅ が出たら成功です！そのまま対話スクリプトを実行します！

会話してみる

python chat.py

💡 会話の文脈が引き継がれている！: 2問目で「さっきのランチとは別に」と言うと、ちゃんとで1問目の話を踏まえて「別の経費として処理」と返してくれました。これが会話履歴（history）を渡し続ける効果です！

FoundryポータルのPlaygroundで同じことをGUIでやってみる

コードが動いたら、ポータルのPlaygroundでも同じ動作を確認してみましょう。システムプロンプトをGUIで試せるので、プロンプト調整に便利です！

1. Foundryポータルの左メニューから「プレイグラウンド」→「チャット」を開く
2. 「システムメッセージ」欄に agent_setup.py の SYSTEM_PROMPT を貼り付ける
3. 「デプロイ」で「gpt-4o-mini」を選択
4. チャット欄に質問を入力して動作確認

使い終わったらリソースを削除しよう

ハンズオンが終わったら、不要なリソースを削除しておきましょう。今回のコードはセッション中に課金されるリソースを持ちません（モデルのデプロイ自体は無課金）。ただし、Azureポータルからリソースグループを丸ごと削除しておくと安心です！

# Azureポータルから削除する手順
# 1. portal.azure.com を開く
# 2. 「リソースグループ」でハブ作成時に使ったグループを検索
# 3. 「リソースグループの削除」→ グループ名を入力して確定
      

まとめ

今回は Microsoft Foundry を使って、30分でAIエージェントを作るハンズオンをやりました！改めて振り返ると：

STEP	やったこと	かかった時間
STEP 1	Foundryハブ・プロジェクトの作成	約5分
STEP 2	gpt-4o-mini のデプロイ	約3分
STEP 3	接続情報取得・Python環境セットアップ	約5分
STEP 4	エージェント作成スクリプトの実装	約10分
STEP 5	動作確認・テスト	約7分

合計30分でちゃんと動くエージェントができました！最初は「難しそう…」と思っていたんですが、Foundry SDK がかなり整備されていて、意外とシンプルに書けましたね！

ぜひ試してみてください！また何か面白いこと見つけたら記事にしますね！
ここまで読んでいただきありがとうございました！

参考リンク

• Microsoft Learn: Azure AI Agent Service クイックスタート
• Microsoft Learn: Foundry コードではじめる
• Qiita: Microsoft FoundryでAIエージェントを作ってみた
• Qiita: [ハンズオン手順書] Claude + Microsoft Foundry で AI エージェントを構築する（chomado）