Microsoft Developing AI Apps and Agents on Azure (AI-103日本語版) - AI-103日本語무료 덤프문제 풀어보기
事例研究1 - Contoso, Ltd
概要
会社情報
Contoso, Ltdは、Microsoft Foundryを使用して生成型AIおよびエージェントベースのソリューションを構築、展開、管理する多国籍小売企業です。
既存の環境
アイデンティティ環境
Contosoは、エージェントが組織のリソースやサービスにアクセスできるようにするID管理、認証、認可機能にMicrosoft Entra IDを使用しています。
Contosoは最近、既存のAIソリューションを最適化および保守するために、Agent1Dev Teamという新しいAIエンジニアリングチームを結成しました。
チームは、ソリューションアーキテクト、DevOpsエンジニア、セキュリティエンジニアと協力して、AIアプリケーションの設計、実装、監視、およびセキュリティ対策を行います。
Contosoには、AIソリューションの導入前にその妥当性を検証する「Agent1Test Team」というチームも存在する。
生成環境
Contosoは、Project1とProject2という名前の2つのプロジェクトを含むMicrosoft Foundry環境を構築しています。
プロジェクト1
Project1には、顧客からの製品に関する問い合わせやトラブルシューティングの依頼に対応する、Agent1という名前のカスタマーサポートエージェントが含まれています。
Agent1には以下の設定があります。
- Agent1は基本モデルのデプロイメントを使用します。
安全性評価パイプラインは有効になっていません。
ツール呼び出し承認ワークフローは有効になっていません。
会話メモリの制約は設定されていません。
Agent1は、デジタルサポートチャネルを使用して顧客とやり取りし、Contoso製品に関する一般的な質問に回答します。
Project1は、欧州連合(EU)域内にあるAzureリージョンにデプロイされています。
Agent1開発チームは、Project1を使用してAgent1の最適化と保守を行います。
プロジェクト2
Project2には、既に展開済みの動画生成モデルが含まれています。Contoso社のマーケティング部門はProject2にアクセスでき、このモデルを用いて動画制作ソリューションを開発する予定です。
解決策の開発は未完了です。
データ環境
Contosoは、AIアプリケーションをサポートするAzureリソースに製品関連情報を保存します。
Azure環境には、Contoso製品の製品詳細シートを保存するstorage1という名前のAzure Blob Storageアカウントが含まれています。
製品仕様書には、仕様、機能説明、および製品サポート情報が記載されており、エージェント1はこれらを使用して顧客からの質問に回答できます。製品仕様書はPDF形式で保存されます。
問題提起
コントソ氏は以下の問題点を指摘している。
- Agent1はContoso製品に関する一般的な知識しか持っていません。
- Agent1との最近のチャットのやり取りについて、感情分析が行われました。分析結果はまだ処理されていません。
- Agent1は、顧客からの質問に回答する際に、storage1に保存されている製品シートの詳細な製品情報を使用しません。
コントソ社の財務部門によると、仕入先からの請求書は、契約書に定められた条件と一致していることを確認するため、手作業で精査する必要があるとのことです。請求書には表やロゴ、様々なレイアウトが含まれているため、一貫した処理が困難です。
要件
計画されている変更
コントソ氏は以下の変更を実施する予定です。
プロジェクト1向けに、仕入先請求書の視覚的なレイアウトとテキスト内容の両方を評価することで請求書を分析し、請求書の詳細が仕入先との契約条件と照合できるようにするソリューションを実装する。
- Agent1で使用される基本モデルのデプロイメントを更新し、モデルのバージョンを標準化して、継続性と一貫した応答を確保します。
- Agent1がstorage1に保存されている製品シートから詳細な製品情報を取得して使用できるようにします。
- Agent1が顧客からの質問に回答するために使用できる製品シートのインデックス作成ソリューションを実装する。
・動画制作ソリューションの開発を完了する。
技術要件
Contoso社は、以下の技術要件を特定しました。
- Agent1で使用されるモデル展開は、拡張性が高く、高スループットの生成型AIワークロードをサポートし、予約済みのスループット容量を必要とせずに、変動する顧客サポートトラフィックを処理するために動的に拡張する必要があります。
- 製品シートは、セマンティック検索とベクトル検索を可能にするインデックス作成パイプラインを使用して処理され、Agent1が関連する製品情報を取得できるようにする必要があります。
製品シートの情報に基づいて生成される回答は、関連性があり、完全かつ正確でなければなりません。
- エージェント1は、製品シートを使用して、製品の詳細に関する自然言語の質問に答えることができなければなりません。
- エージェント1が使用するモデルのバージョンは、安定した応答を確保するために一貫している必要があります。
- モデルによって処理されるデータは、EU域内に留まらなければならない。
セキュリティおよびコンプライアンス要件
Contosoは、以下のセキュリティおよびコンプライアンス要件を特定しています。
- APIキーを使用してFoundryにデプロイされたモデルにアクセスしてはなりません。
Azureリソースへのアクセスは、最小権限の原則に従う必要があります。
Contosoの開発者は、Microsoft Entra認証を使用してMicrosoft Foundryリソースへの認証を行う必要があります。
- Project1へのアクセス権は、SC_Agent1_Devという名前のセキュリティグループを使用して、Agent1Devチームのメンバーに割り当てる必要があります。
- Project1へのアクセス権は、SC_Agent1_Testという名前のセキュリティグループを使用して、Agent1Testチームのメンバーに割り当てる必要があります。
- Agent1は、顧客データを含む文書がストレージ1の製品シートリポジトリに誤って追加された場合でも、顧客情報を決して開示してはならない。
製品仕様書には、テキストが埋め込まれた画像が含まれている場合があります。Agent1は、画像内に隠されている可能性のある悪意のある命令から保護される必要があります。
ビジネス要件
Contosoは以下のビジネス要件を特定しました。
- Agent1とやり取りするユーザーは、今後のやり取りにおいてパーソナライズされた体験を得る必要があり、そのためにはAgent1が会話の文脈を保持し、過去のやり取りから関連情報を想起できる機能が必要です。
- エージェント1は、Contosoが販売する製品に関する質問のみに回答しなければならない。
ホットスポットに関する質問
Agent1DevチームがAgent1にアクセスできることを確認する必要があります。ソリューションはセキュリティおよびコンプライアンス要件を満たしている必要があります。
Pythonコードをどのように完成させるべきですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
概要
会社情報
Contoso, Ltdは、Microsoft Foundryを使用して生成型AIおよびエージェントベースのソリューションを構築、展開、管理する多国籍小売企業です。
既存の環境
アイデンティティ環境
Contosoは、エージェントが組織のリソースやサービスにアクセスできるようにするID管理、認証、認可機能にMicrosoft Entra IDを使用しています。
Contosoは最近、既存のAIソリューションを最適化および保守するために、Agent1Dev Teamという新しいAIエンジニアリングチームを結成しました。
チームは、ソリューションアーキテクト、DevOpsエンジニア、セキュリティエンジニアと協力して、AIアプリケーションの設計、実装、監視、およびセキュリティ対策を行います。
Contosoには、AIソリューションの導入前にその妥当性を検証する「Agent1Test Team」というチームも存在する。
生成環境
Contosoは、Project1とProject2という名前の2つのプロジェクトを含むMicrosoft Foundry環境を構築しています。
プロジェクト1
Project1には、顧客からの製品に関する問い合わせやトラブルシューティングの依頼に対応する、Agent1という名前のカスタマーサポートエージェントが含まれています。
Agent1には以下の設定があります。
- Agent1は基本モデルのデプロイメントを使用します。
安全性評価パイプラインは有効になっていません。
ツール呼び出し承認ワークフローは有効になっていません。
会話メモリの制約は設定されていません。
Agent1は、デジタルサポートチャネルを使用して顧客とやり取りし、Contoso製品に関する一般的な質問に回答します。
Project1は、欧州連合(EU)域内にあるAzureリージョンにデプロイされています。
Agent1開発チームは、Project1を使用してAgent1の最適化と保守を行います。
プロジェクト2
Project2には、既に展開済みの動画生成モデルが含まれています。Contoso社のマーケティング部門はProject2にアクセスでき、このモデルを用いて動画制作ソリューションを開発する予定です。
解決策の開発は未完了です。
データ環境
Contosoは、AIアプリケーションをサポートするAzureリソースに製品関連情報を保存します。
Azure環境には、Contoso製品の製品詳細シートを保存するstorage1という名前のAzure Blob Storageアカウントが含まれています。
製品仕様書には、仕様、機能説明、および製品サポート情報が記載されており、エージェント1はこれらを使用して顧客からの質問に回答できます。製品仕様書はPDF形式で保存されます。
問題提起
コントソ氏は以下の問題点を指摘している。
- Agent1はContoso製品に関する一般的な知識しか持っていません。
- Agent1との最近のチャットのやり取りについて、感情分析が行われました。分析結果はまだ処理されていません。
- Agent1は、顧客からの質問に回答する際に、storage1に保存されている製品シートの詳細な製品情報を使用しません。
コントソ社の財務部門によると、仕入先からの請求書は、契約書に定められた条件と一致していることを確認するため、手作業で精査する必要があるとのことです。請求書には表やロゴ、様々なレイアウトが含まれているため、一貫した処理が困難です。
要件
計画されている変更
コントソ氏は以下の変更を実施する予定です。
プロジェクト1向けに、仕入先請求書の視覚的なレイアウトとテキスト内容の両方を評価することで請求書を分析し、請求書の詳細が仕入先との契約条件と照合できるようにするソリューションを実装する。
- Agent1で使用される基本モデルのデプロイメントを更新し、モデルのバージョンを標準化して、継続性と一貫した応答を確保します。
- Agent1がstorage1に保存されている製品シートから詳細な製品情報を取得して使用できるようにします。
- Agent1が顧客からの質問に回答するために使用できる製品シートのインデックス作成ソリューションを実装する。
・動画制作ソリューションの開発を完了する。
技術要件
Contoso社は、以下の技術要件を特定しました。
- Agent1で使用されるモデル展開は、拡張性が高く、高スループットの生成型AIワークロードをサポートし、予約済みのスループット容量を必要とせずに、変動する顧客サポートトラフィックを処理するために動的に拡張する必要があります。
- 製品シートは、セマンティック検索とベクトル検索を可能にするインデックス作成パイプラインを使用して処理され、Agent1が関連する製品情報を取得できるようにする必要があります。
製品シートの情報に基づいて生成される回答は、関連性があり、完全かつ正確でなければなりません。
- エージェント1は、製品シートを使用して、製品の詳細に関する自然言語の質問に答えることができなければなりません。
- エージェント1が使用するモデルのバージョンは、安定した応答を確保するために一貫している必要があります。
- モデルによって処理されるデータは、EU域内に留まらなければならない。
セキュリティおよびコンプライアンス要件
Contosoは、以下のセキュリティおよびコンプライアンス要件を特定しています。
- APIキーを使用してFoundryにデプロイされたモデルにアクセスしてはなりません。
Azureリソースへのアクセスは、最小権限の原則に従う必要があります。
Contosoの開発者は、Microsoft Entra認証を使用してMicrosoft Foundryリソースへの認証を行う必要があります。
- Project1へのアクセス権は、SC_Agent1_Devという名前のセキュリティグループを使用して、Agent1Devチームのメンバーに割り当てる必要があります。
- Project1へのアクセス権は、SC_Agent1_Testという名前のセキュリティグループを使用して、Agent1Testチームのメンバーに割り当てる必要があります。
- Agent1は、顧客データを含む文書がストレージ1の製品シートリポジトリに誤って追加された場合でも、顧客情報を決して開示してはならない。
製品仕様書には、テキストが埋め込まれた画像が含まれている場合があります。Agent1は、画像内に隠されている可能性のある悪意のある命令から保護される必要があります。
ビジネス要件
Contosoは以下のビジネス要件を特定しました。
- Agent1とやり取りするユーザーは、今後のやり取りにおいてパーソナライズされた体験を得る必要があり、そのためにはAgent1が会話の文脈を保持し、過去のやり取りから関連情報を想起できる機能が必要です。
- エージェント1は、Contosoが販売する製品に関する質問のみに回答しなければならない。
ホットスポットに関する質問
Agent1DevチームがAgent1にアクセスできることを確認する必要があります。ソリューションはセキュリティおよびコンプライアンス要件を満たしている必要があります。
Pythonコードをどのように完成させるべきですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
정답:
Explanation:
Scenario:
Contoso recently formed a new AI engineering team named Agent1Dev Team to optimize and maintain existing AI solutions.
Agent1Dev Team will use Project1 to optimize and maintain Agent1.
Security and Compliance Requirements:
API keys must NOT be used to access Foundry-deployed models.
Access to the Azure resources must follow the principle of least privilege.
The developers at Contoso must authenticate to Microsoft Foundry resources by using Microsoft Entra authentication.
Box 1: DefaultAzureCredential
The correct credential type to use for the team is DefaultAzureCredential.
Enforces Keyless Access: DefaultAzureCredential fulfills the first security requirement by using token-based authentication. This completely eliminates the need for hardcoded API keys.
Enables Least Privilege: It integrates seamlessly with Microsoft Entra ID Role-Based Access Control (RBAC). This allows administrators to assign exact granular roles (such as the Azure AI Developer or Foundry User role).
Native Entra Integration: It automatically manages token acquisition from Microsoft Entra ID during runtime, satisfying the requirement for native Microsoft Entra authentication.
Box 2: get
The get method fetches the existing, consumer-facing definition of an agent using its unique name argument (agent_name). In contrast, create_version would attempt to build a brand new snapshotted runtime configuration, and get_version requires passing a specific version identifier rather than a friendly agent name Reference:
https://learn.microsoft.com/en-us/dotnet/ai/azure-ai-services-authentication
https://learn.microsoft.com/en-us/azure/app-service/tutorial-ai-agent-web-app-langgraph-foundry-python
ホットスポットに関する質問
エージェントを含む Microsoft Foundry プロジェクトがあります。
エージェントは保存済みのアクセスキーを使用してAzureキーコンテナーからシークレットを取得しますが、これはキーレス認証情報の要件に違反します。
エージェントが機密情報を取得できることを保証する必要があります。解決策は最小権限の原則に従う必要があります。
何を設定すればよいですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
エージェントを含む Microsoft Foundry プロジェクトがあります。
エージェントは保存済みのアクセスキーを使用してAzureキーコンテナーからシークレットを取得しますが、これはキーレス認証情報の要件に違反します。
エージェントが機密情報を取得できることを保証する必要があります。解決策は最小権限の原則に従う必要があります。
何を設定すればよいですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
정답:
Explanation:
Box 1: Enable a system-assigned managed identity at the project level
The correct configuration is to enable a system-assigned managed identity at the project level.
This is the correct approach. Azure AI Foundry (formerly Azure Machine Learning) allows you to enable a system-assigned managed identity directly at the project level. This identity acts as a keyless credential native to Azure. To follow the principle of least privilege, you then assign this project-level identity a specific role (such as Key Vault Secrets User) restricted only to the required Azure Key Vault. This ensures that the agent can retrieve secrets securely without exposing credentials to other projects or resources Box 2: Assign the Key Vault Secrets User role to the managed identity To comply with the keyless-credentials requirement and follow the principle of least privilege, you should configure the Key Vault authorization method to assign the Key Vault Secrets User role to the managed identity using Azure Role-Based Access Control (Azure RBAC).
Reference:
https://learn.microsoft.com/en-us/azure/foundry/agents/how-to/ai-gateway
https://learn.microsoft.com/en-us/azure/app-service/app-service-key-vault-references
あなたは、大量のトラフィックを処理するチャットアプリを提供するMicrosoft Foundryプロジェクトを持っています。
ほとんどの問い合わせは簡単なよくある質問(FAQ)ですが、中には高度な論理的思考を必要とするものもあります。
複雑な質問に対する回答の質を低下させることなく、一般的な問い合わせに対するコストと遅延を削減する必要があります。
あなたはどうすべきでしょうか？
ほとんどの問い合わせは簡単なよくある質問(FAQ)ですが、中には高度な論理的思考を必要とするものもあります。
複雑な質問に対する回答の質を低下させることなく、一般的な問い合わせに対するコストと遅延を削減する必要があります。
あなたはどうすべきでしょうか？
정답: B
설명: (Fast2test 회원만 볼 수 있음)
Azure Blob Storageに保存されている請求書を取り込む、Pipeline1という名前のAzure AI Searchインデックス作成パイプラインを構築しています。請求書はスキャンされた画像として保存されています。
ユーザーが請求書の各項目を横断して請求書データを検索できるようにする必要があります。
Pipeline1のスキルセットに、どの組み込みスキルを追加すべきでしょうか？
ユーザーが請求書の各項目を横断して請求書データを検索できるようにする必要があります。
Pipeline1のスキルセットに、どの組み込みスキルを追加すべきでしょうか？
정답: A
설명: (Fast2test 회원만 볼 수 있음)
事例研究1 - Contoso, Ltd
概要
会社情報
Contoso, Ltdは、Microsoft Foundryを使用して生成型AIおよびエージェントベースのソリューションを構築、展開、管理する多国籍小売企業です。
既存の環境
アイデンティティ環境
Contosoは、エージェントが組織のリソースやサービスにアクセスできるようにするID管理、認証、認可機能にMicrosoft Entra IDを使用しています。
Contosoは最近、既存のAIソリューションを最適化および保守するために、Agent1Dev Teamという新しいAIエンジニアリングチームを結成しました。
チームは、ソリューションアーキテクト、DevOpsエンジニア、セキュリティエンジニアと協力して、AIアプリケーションの設計、実装、監視、およびセキュリティ確保を行います。
Contosoには、AIソリューションの導入前にその妥当性を検証する「Agent1Test Team」というチームも存在する。
生成環境
Contosoは、Project1とProject2という名前の2つのプロジェクトを含むMicrosoft Foundry環境を構築しています。
プロジェクト1
Project1には、顧客からの製品に関する問い合わせやトラブルシューティングの依頼に対応する、Agent1という名前のカスタマーサポートエージェントが含まれています。
Agent1には以下の設定があります。
- Agent1は基本モデルのデプロイメントを使用します。
安全性評価パイプラインは有効になっていません。
ツール呼び出し承認ワークフローは有効になっていません。
会話メモリの制約は設定されていません。
Agent1は、デジタルサポートチャネルを使用して顧客とやり取りし、Contoso製品に関する一般的な質問に回答します。
Project1は、欧州連合(EU)域内にあるAzureリージョンにデプロイされています。
Agent1開発チームは、Project1を使用してAgent1の最適化と保守を行います。
プロジェクト2
Project2には、既に展開済みの動画生成モデルが含まれています。Contoso社のマーケティング部門はProject2にアクセスでき、このモデルを用いて動画制作ソリューションを開発する予定です。
解決策の開発は未完了です。
データ環境
Contosoは、AIアプリケーションをサポートするAzureリソースに製品関連情報を保存します。
Azure環境には、Contoso製品の製品詳細シートを保存するstorage1という名前のAzure Blob Storageアカウントが含まれています。
製品仕様書には、仕様、機能説明、および製品サポート情報が記載されており、エージェント1はこれらを使用して顧客からの質問に回答できます。製品仕様書はPDF形式で保存されます。
問題提起
コントソ氏は以下の問題点を指摘している。
- Agent1はContoso製品に関する一般的な知識しか持っていません。
- Agent1との最近のチャットのやり取りについて、感情分析が行われました。分析結果はまだ処理されていません。
- Agent1は、顧客からの質問に回答する際に、storage1に保存されている製品シートの詳細な製品情報を使用しません。
コントソ社の財務部門によると、仕入先からの請求書は、契約書に定められた条件と一致していることを確認するため、手作業で精査する必要があるとのことです。請求書には表やロゴ、様々なレイアウトが含まれているため、一貫した処理が困難です。
要件
計画されている変更
コントソ氏は以下の変更を実施する予定です。
プロジェクト1向けに、仕入先請求書の視覚的なレイアウトとテキスト内容の両方を評価することで請求書を分析し、請求書の詳細が仕入先との契約条件と照合できるようにするソリューションを実装する。
- Agent1で使用される基本モデルのデプロイメントを更新し、モデルのバージョンを標準化して、継続性と一貫した応答を確保します。
- Agent1がstorage1に保存されている製品シートから詳細な製品情報を取得して使用できるようにします。
- Agent1が顧客からの質問に回答するために使用できる製品シートのインデックス作成ソリューションを実装する。
・動画制作ソリューションの開発を完了する。
技術要件
Contoso社は、以下の技術要件を特定しました。
- Agent1で使用されるモデル展開は、拡張性が高く、高スループットの生成型AIワークロードをサポートし、予約済みのスループット容量を必要とせずに、変動する顧客サポートトラフィックを処理するために動的に拡張する必要があります。
- 製品シートは、セマンティック検索とベクトル検索を可能にするインデックス作成パイプラインを使用して処理され、Agent1が関連する製品情報を取得できるようにする必要があります。
製品シートの情報に基づいて生成される回答は、関連性があり、完全かつ正確でなければなりません。
- エージェント1は、製品シートを使用して、製品の詳細に関する自然言語の質問に答えることができなければなりません。
- エージェント1が使用するモデルのバージョンは、安定した応答を確保するために一貫している必要があります。
- モデルによって処理されるデータは、EU域内に留まらなければならない。
セキュリティおよびコンプライアンス要件
Contosoは、以下のセキュリティおよびコンプライアンス要件を特定しています。
- APIキーを使用してFoundryにデプロイされたモデルにアクセスしてはなりません。
Azureリソースへのアクセスは、最小権限の原則に従う必要があります。
Contosoの開発者は、Microsoft Entra認証を使用してMicrosoft Foundryリソースへの認証を行う必要があります。
- Project1へのアクセス権は、SC_Agent1_Devという名前のセキュリティグループを使用して、Agent1Devチームのメンバーに割り当てる必要があります。
- Project1へのアクセス権は、SC_Agent1_Testという名前のセキュリティグループを使用して、Agent1Testチームのメンバーに割り当てる必要があります。
- Agent1は、顧客データを含む文書がストレージ1の製品シートリポジトリに誤って追加された場合でも、顧客情報を決して開示してはならない。
製品仕様書には、テキストが埋め込まれた画像が含まれている場合があります。Agent1は、画像内に隠されている可能性のある悪意のある命令から保護される必要があります。
ビジネス要件
Contosoは以下のビジネス要件を特定しました。
- Agent1とやり取りするユーザーは、今後のやり取りにおいてパーソナライズされた体験を得る必要があり、そのためにはAgent1が会話の文脈を保持し、過去のやり取りから関連情報を想起できる機能が必要です。
- エージェント1は、Contosoが販売する製品に関する質問のみに回答しなければならない。
ホットスポットに関する質問
マーケティング部門がProject2に導入されたモデルを使用して動画を生成できることを確認する必要があります。
Pythonコードをどのように完成させるべきですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
概要
会社情報
Contoso, Ltdは、Microsoft Foundryを使用して生成型AIおよびエージェントベースのソリューションを構築、展開、管理する多国籍小売企業です。
既存の環境
アイデンティティ環境
Contosoは、エージェントが組織のリソースやサービスにアクセスできるようにするID管理、認証、認可機能にMicrosoft Entra IDを使用しています。
Contosoは最近、既存のAIソリューションを最適化および保守するために、Agent1Dev Teamという新しいAIエンジニアリングチームを結成しました。
チームは、ソリューションアーキテクト、DevOpsエンジニア、セキュリティエンジニアと協力して、AIアプリケーションの設計、実装、監視、およびセキュリティ確保を行います。
Contosoには、AIソリューションの導入前にその妥当性を検証する「Agent1Test Team」というチームも存在する。
生成環境
Contosoは、Project1とProject2という名前の2つのプロジェクトを含むMicrosoft Foundry環境を構築しています。
プロジェクト1
Project1には、顧客からの製品に関する問い合わせやトラブルシューティングの依頼に対応する、Agent1という名前のカスタマーサポートエージェントが含まれています。
Agent1には以下の設定があります。
- Agent1は基本モデルのデプロイメントを使用します。
安全性評価パイプラインは有効になっていません。
ツール呼び出し承認ワークフローは有効になっていません。
会話メモリの制約は設定されていません。
Agent1は、デジタルサポートチャネルを使用して顧客とやり取りし、Contoso製品に関する一般的な質問に回答します。
Project1は、欧州連合(EU)域内にあるAzureリージョンにデプロイされています。
Agent1開発チームは、Project1を使用してAgent1の最適化と保守を行います。
プロジェクト2
Project2には、既に展開済みの動画生成モデルが含まれています。Contoso社のマーケティング部門はProject2にアクセスでき、このモデルを用いて動画制作ソリューションを開発する予定です。
解決策の開発は未完了です。
データ環境
Contosoは、AIアプリケーションをサポートするAzureリソースに製品関連情報を保存します。
Azure環境には、Contoso製品の製品詳細シートを保存するstorage1という名前のAzure Blob Storageアカウントが含まれています。
製品仕様書には、仕様、機能説明、および製品サポート情報が記載されており、エージェント1はこれらを使用して顧客からの質問に回答できます。製品仕様書はPDF形式で保存されます。
問題提起
コントソ氏は以下の問題点を指摘している。
- Agent1はContoso製品に関する一般的な知識しか持っていません。
- Agent1との最近のチャットのやり取りについて、感情分析が行われました。分析結果はまだ処理されていません。
- Agent1は、顧客からの質問に回答する際に、storage1に保存されている製品シートの詳細な製品情報を使用しません。
コントソ社の財務部門によると、仕入先からの請求書は、契約書に定められた条件と一致していることを確認するため、手作業で精査する必要があるとのことです。請求書には表やロゴ、様々なレイアウトが含まれているため、一貫した処理が困難です。
要件
計画されている変更
コントソ氏は以下の変更を実施する予定です。
プロジェクト1向けに、仕入先請求書の視覚的なレイアウトとテキスト内容の両方を評価することで請求書を分析し、請求書の詳細が仕入先との契約条件と照合できるようにするソリューションを実装する。
- Agent1で使用される基本モデルのデプロイメントを更新し、モデルのバージョンを標準化して、継続性と一貫した応答を確保します。
- Agent1がstorage1に保存されている製品シートから詳細な製品情報を取得して使用できるようにします。
- Agent1が顧客からの質問に回答するために使用できる製品シートのインデックス作成ソリューションを実装する。
・動画制作ソリューションの開発を完了する。
技術要件
Contoso社は、以下の技術要件を特定しました。
- Agent1で使用されるモデル展開は、拡張性が高く、高スループットの生成型AIワークロードをサポートし、予約済みのスループット容量を必要とせずに、変動する顧客サポートトラフィックを処理するために動的に拡張する必要があります。
- 製品シートは、セマンティック検索とベクトル検索を可能にするインデックス作成パイプラインを使用して処理され、Agent1が関連する製品情報を取得できるようにする必要があります。
製品シートの情報に基づいて生成される回答は、関連性があり、完全かつ正確でなければなりません。
- エージェント1は、製品シートを使用して、製品の詳細に関する自然言語の質問に答えることができなければなりません。
- エージェント1が使用するモデルのバージョンは、安定した応答を確保するために一貫している必要があります。
- モデルによって処理されるデータは、EU域内に留まらなければならない。
セキュリティおよびコンプライアンス要件
Contosoは、以下のセキュリティおよびコンプライアンス要件を特定しています。
- APIキーを使用してFoundryにデプロイされたモデルにアクセスしてはなりません。
Azureリソースへのアクセスは、最小権限の原則に従う必要があります。
Contosoの開発者は、Microsoft Entra認証を使用してMicrosoft Foundryリソースへの認証を行う必要があります。
- Project1へのアクセス権は、SC_Agent1_Devという名前のセキュリティグループを使用して、Agent1Devチームのメンバーに割り当てる必要があります。
- Project1へのアクセス権は、SC_Agent1_Testという名前のセキュリティグループを使用して、Agent1Testチームのメンバーに割り当てる必要があります。
- Agent1は、顧客データを含む文書がストレージ1の製品シートリポジトリに誤って追加された場合でも、顧客情報を決して開示してはならない。
製品仕様書には、テキストが埋め込まれた画像が含まれている場合があります。Agent1は、画像内に隠されている可能性のある悪意のある命令から保護される必要があります。
ビジネス要件
Contosoは以下のビジネス要件を特定しました。
- Agent1とやり取りするユーザーは、今後のやり取りにおいてパーソナライズされた体験を得る必要があり、そのためにはAgent1が会話の文脈を保持し、過去のやり取りから関連情報を想起できる機能が必要です。
- エージェント1は、Contosoが販売する製品に関する質問のみに回答しなければならない。
ホットスポットに関する質問
マーケティング部門がProject2に導入されたモデルを使用して動画を生成できることを確認する必要があります。
Pythonコードをどのように完成させるべきですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
정답:
Explanation:
Box 1: create
client.videos.create(...) initializes the generation job. This returns a video object containing a unique id and a status of "queued" or "in_progress".
Box 2: retrieve
client.videos.retrieve(video.id) refreshes the video object state from the server by fetching its updated completion progress and status until it finishes Reference:
https://developers.openai.com/api/reference/python/resources/videos/methods/create
お客様は、AI1 という名前の Azure OpenAI リソースを含む Azure サブスクリプションをお持ちです。
AI1を使用して特定の質問に対して生成的な回答を提供するチャットボットを構築します。
組み込みの安全機能を回避することを目的とした質問は、確実にブロックされるようにする必要があります。
Azure AIのコンテンツ安全機能のうち、どれを実装すべきでしょうか？
AI1を使用して特定の質問に対して生成的な回答を提供するチャットボットを構築します。
組み込みの安全機能を回避することを目的とした質問は、確実にブロックされるようにする必要があります。
Azure AIのコンテンツ安全機能のうち、どれを実装すべきでしょうか？
정답: A
설명: (Fast2test 회원만 볼 수 있음)
App1 という名前の Web アプリケーションがあり、Project1 という名前の Microsoft Foundry プロジェクトと統合することで、ユーザーからのプロンプトを処理します。App1 は次のアクションを実行します。
- Azure OpenAI Responses API を使用して、プロンプトをモデルに直接送信します。
- Foundry を使用して Azure AI コンテンツ安全ツールを呼び出します
同一リクエスト内の接続
リクエストワークフローの各ステップについて、エンドツーエンドの可視性を設定する必要があります。
あなたはどうすべきでしょうか？
- Azure OpenAI Responses API を使用して、プロンプトをモデルに直接送信します。
- Foundry を使用して Azure AI コンテンツ安全ツールを呼び出します
同一リクエスト内の接続
リクエストワークフローの各ステップについて、エンドツーエンドの可視性を設定する必要があります。
あなたはどうすべきでしょうか？
정답: A
설명: (Fast2test 회원만 볼 수 있음)
ホットスポットに関する質問
あなたはMicrosoft Foundryプロジェクトを持っています。
- 次の条件を満たすカスタマーサポートエージェントを作成する必要があります
要件：
- 厳選された社内ポリシー文書に保存されている回答のみを根拠とする
リポジトリ
- 複数のチャットセッション間で顧客の設定を保持します
エージェントはどのように設定すればよいですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
あなたはMicrosoft Foundryプロジェクトを持っています。
- 次の条件を満たすカスタマーサポートエージェントを作成する必要があります
要件：
- 厳選された社内ポリシー文書に保存されている回答のみを根拠とする
リポジトリ
- 複数のチャットセッション間で顧客の設定を保持します
エージェントはどのように設定すればよいですか？回答するには、回答欄で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
정답:
Explanation:
Box 1: Configure retrieval from approved data sources
You should configure retrieval from approved data sources to meet this requirement.
In Microsoft Foundry (and broader Azure AI Foundry / Azure OpenAI architectures), grounding an agent exclusively in company policy documents requires implementing a Retrieval-Augmented Generation (RAG) pattern. This ensures the AI model only answers using the provided context and does not hallucinate or rely on its public training data.
Box 2: Enable agent memory that uses persistent storage
To retain user preferences across completely separate chat sessions or conversations, you must use persistent agent memory. Traditional chat history only tracks messages within a single active thread or session. By contrast, the Memory Store feature provides a managed, long-term memory system that structurally indexes user preferences and facts across different devices and separate sessions.
Reference:
https://techcommunity.microsoft.com/blog/azure-ai-foundry-blog/announcing-new-capabilities-for-azure-openai-on-your-data/4144636
ホットスポットに関する質問
あなたは画像内の物体を検出するモデルを構築しています。
訓練データに基づくモデルの性能を以下の図に示します。
図に示された情報に基づいて、各記述を完成させる選択肢をドロップダウンメニューを使用して選択してください。
注：正解ごとに1ポイントが加算されます。
あなたは画像内の物体を検出するモデルを構築しています。
訓練データに基づくモデルの性能を以下の図に示します。
図に示された情報に基づいて、各記述を完成させる選択肢をドロップダウンメニューを使用して選択してください。
注：正解ごとに1ポイントが加算されます。
정답:
Explanation:
Box 1: 0
The percentage of false positives is 0%.
Because the model made zero incorrect positive predictions, the count and percentage of false positives must be exactly zero.
Box 2: 25
The value for the number of true positives divided by the total number of true positives and false negatives is 25% (or 0.25).
High Precision (100%): Every single object your model detects is correct; it generates zero false alarms.
Low Recall (25%): Your model misses 75% of the actual objects it was supposed to find.
'
Reference:
https://medium.com/grabngoinfo/how-to-evaluate-the-performance-of-a-binary-classification-model-6e7193dcbbf9
ホットスポットに関する質問
App1という名前のPythonアプリケーションがあり、それがProject1という名前のMicrosoft Foundryプロジェクトと統合されています。
App1が以下の要件を満たしていることを確認する必要があります。
- Microsoft Entra マネージド ID を使用して認証します
- Azure OpenAI Responses API を使用して、デプロイ済みのモデルにプロンプトを送信します。Python コードをどのように完成させるべきですか？回答するには、回答領域で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
App1という名前のPythonアプリケーションがあり、それがProject1という名前のMicrosoft Foundryプロジェクトと統合されています。
App1が以下の要件を満たしていることを確認する必要があります。
- Microsoft Entra マネージド ID を使用して認証します
- Azure OpenAI Responses API を使用して、デプロイ済みのモデルにプロンプトを送信します。Python コードをどのように完成させるべきですか？回答するには、回答領域で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
정답:
