Microsoft Foundry モデルのエンドポイント

Microsoft Foundry Models を使用すると、1 つのエンドポイントと資格情報のセットを通じて、主要なモデルプロバイダーから最も強力なモデルをaccessできます。この機能を使用すると、コードを変更することなく、モデルを切り替えてアプリケーションで使用できます。

この記事では、Foundry サービスがモデルを整理する方法と、推論エンドポイントを使用してモデルをaccessする方法について説明します。

Important

Azure AI 推論ベータ SDK は非推奨となり、2026 年 5 月 30 日に廃止される予定です。安定した OpenAI SDK を使用して、一般公開されている OpenAI/v1 API に切り替えます。好みのプログラミング言語に SDK を使用して、移行ガイドに従って OpenAI/v1 に切り替えます。

デプロイメント

Foundry では デプロイメント を使用してモデルを利用可能にします。 デプロイでは、モデルに名前を付け、特定の構成を設定します。リクエストでモデルのデプロイ名を使用して、モデルにアクセスできます。

デプロイには次のものが含まれます。

モデル名
モデルバージョン
プロビジョニングまたは容量の種類¹
コンテンツフィルタリングの構成¹
レート制限の構成¹

¹ これらの構成は、選択したモデルに応じて変更される可能性があります。

Foundry リソースには、多数のモデルデプロイを含めることができます。モデルデプロイで実行された推論に対してのみ支払いが発生します。デプロイはリソースAzureであるため、Azure ポリシーの対象となります。

デプロイの作成の詳細については、モデルデプロイの追加と構成に関するページを参照してください。

Azure OpenAI 推論エンドポイント

Azure OpenAI API は OpenAI モデルのすべての機能を公開し、アシスタント、スレッド、ファイル、バッチ推論などのより多くの機能をサポートします。このルートを使用して、OpenAI 以外のモデルをaccessすることもできます。

Azure OpenAI エンドポイント (通常は https://<resource-name>.openai.azure.com 形式) はデプロイレベルで動作し、各デプロイには独自の URL が関連付けられています。ただし、同じ認証メカニズムを使用してデプロイを使用できます。詳細については、Azure OpenAI API のリファレンスページを参照してください。

各デプロイには、Azure OpenAI ベース URL とルート /deployments/<model-deployment-name> を連結した URL があります。

pip のように、package managerを使用してパッケージ openai をインストールします。

pip install openai --upgrade

その後、パッケージを使用してモデルを使用できます。次の例では、チャット入力候補を使用してクライアントを作成する方法を示します。

import os
from openai import AzureOpenAI
    
client = AzureOpenAI(
    azure_endpoint = "https://<resource>.services.ai.azure.com"
    api_key=os.getenv("AZURE_INFERENCE_CREDENTIAL"),  
    api_version="2024-10-21",
)

npm を使用してパッケージ openai をインストールします。

npm install openai

その後、パッケージを使用してモデルを使用できます。次の例では、チャット入力候補を使用してクライアントを作成する方法を示します。

import { AzureKeyCredential } from "@azure/openai";

const endpoint = "https://<resource>.services.ai.azure.com";
const apiKey = new AzureKeyCredential(process.env.AZURE_INFERENCE_CREDENTIAL);
const apiVersion = "2024-10-21"

const client = new AzureOpenAI({ 
    endpoint, 
    apiKey, 
    apiVersion, 
    "deepseek-v3-0324"
});

ここでは、 deepseek-v3-0324 は Microsoft Foundry リソース内のモデルデプロイの名前です。

次のコマンドを使用して OpenAI ライブラリをインストールします。

dotnet add package Azure.AI.OpenAI --prerelease

パッケージを使用してモデルを実行できます。次の例では、チャット入力候補を使用してクライアントを作成する方法を示します。

AzureOpenAIClient client = new(
    new Uri("https://<resource>.services.ai.azure.com"),
    new ApiKeyCredential(Environment.GetEnvironmentVariable("AZURE_INFERENCE_CREDENTIAL"))
);

projectにパッケージを追加します。

<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-ai-openai</artifactId>
    <version>1.0.0-beta.16</version>
</dependency>

その後、パッケージを使用してモデルを使用できます。次の例では、チャット入力候補を使用してクライアントを作成する方法を示します。

OpenAIClient client = new OpenAIClientBuilder()
    .credential(new AzureKeyCredential("{key}"))
    .endpoint("https://<resource>.services.ai.azure.com")
    .buildClient();

リファレンスセクションを活用して、API の設計と使用可能なパラメーターを調べることができます。たとえば、チャット入力候補のリファレンスセクションでは、ルート /chat/completions を使用して、チャット形式の指示に基づいて予測を生成する方法について詳しく説明します。

依頼

POST https://<resource>.services.ai.azure.com/openai/deployments/deepseek-v3-0324/chat/completions?api-version=2024-10-21
api-key: <api-key>
Content-Type: application/json

ここで、 deepseek-v3-0324 は Foundry リソース内のモデルデプロイの名前です。

response = client.chat.completions.create(
    model="deepseek-v3-0324", # Replace with your model deployment name.
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain Riemann's conjecture in 1 paragraph"}
    ]
)

print(response.model_dump_json(indent=2)

var messages = [
    { role: "system", content: "You are a helpful assistant" },
    { role: "user", content: "Explain Riemann's conjecture in 1 paragraph" },
];

const response = await client.chat.completions.create({ messages, model: "deepseek-v3-0324" });

console.log(response.choices[0].message.content)

ChatCompletion response = chatClient.CompleteChat(
    [
        new SystemChatMessage("You are a helpful assistant."),
        new UserChatMessage("Explain Riemann's conjecture in 1 paragraph"),
    ]);

Console.WriteLine($"{response.Role}: {response.Content[0].Text}");

List<ChatRequestMessage> chatMessages = new ArrayList<>();
chatMessages.add(new ChatRequestSystemMessage("You are a helpful assistant"));
chatMessages.add(new ChatRequestUserMessage("Explain Riemann's conjecture in 1 paragraph"));

ChatCompletions chatCompletions = client.getChatCompletions("deepseek-v3-0324",
    new ChatCompletionsOptions(chatMessages));

System.out.printf("Model ID=%s is created at %s.%n", chatCompletions.getId(), chatCompletions.getCreatedAt());
for (ChatChoice choice : chatCompletions.getChoices()) {
    ChatResponseMessage message = choice.getMessage();
    System.out.printf("Index: %d, Chat Role: %s.%n", choice.getIndex(), message.getRole());
    System.out.println("Message:");
    System.out.println(message.getContent());
}

ここでは、 deepseek-v3-0324 は Microsoft Foundry リソース内のモデルデプロイの名前です。

依頼

POST https://<resource>.services.ai.azure.com/openai/deployments/deepseek-v3-0324/chat/completions?api-version=2024-10-21
api-key: <api-key>
Content-Type: application/json

{
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant"
        },
        {
            "role": "user",
            "content": "Explain Riemann's conjecture in 1 paragraph"
        }
    ]
}

ここで、 deepseek-v3-0324 は Foundry リソース内のモデルデプロイの名前です。

Azure OpenAI エンドポイントの使用方法の詳細については、Foundry Models の Azure OpenAI のドキュメントを参照してください。

キーレス認証

Foundry Tools の Foundry Models にデプロイされたモデルでは、Microsoft Entra IDを使用したキーレス承認がサポートされます。キーレス承認により、セキュリティの強化、ユーザーエクスペリエンスの簡素化、運用の複雑さの軽減、最新の開発に対する堅牢なコンプライアンスサポートの提供が実現されます。これにより、安全でスケーラブルな ID 管理ソリューションを導入する組織にとって、キーレス承認は強力な選択肢になります。

キーレス認証を使用するには、リソースを構成し、推論を実行するaccessをユーザーに付与します。リソースを構成し、accessを付与したら、次のように認証します。

pip のようなpackage managerを使用して OpenAI SDK をインストールします。

pip install openai

Microsoft Entra ID認証のために、次をインストールしてください。

pip install azure-identity

パッケージを使用してモデルを消費します。次の例では、クライアントを作成して、Microsoft Entra IDでチャットの完了を使用し、モデルデプロイでチャット完了エンドポイントにテスト呼び出しを行う方法を示します。

<resource>を Foundry リソース名に置き換えます。 Azure portalで、または az cognitiveservices account list を実行して見つけます。 DeepSeek-V3.1を実際のデプロイ名に置き換えます。

from openai import OpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

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

client = OpenAI(
    base_url="https://<resource>.openai.azure.com/openai/v1/",
    api_key=token_provider,
)

completion = client.chat.completions.create(
    model="DeepSeek-V3.1",  # Required: your deployment name
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "What is Azure AI?"}
    ]
)

print(completion.choices[0].message.content)

想定される出力

Azure AI is a comprehensive suite of artificial intelligence services and tools from Microsoft that enables developers to build intelligent applications. It includes services for natural language processing, computer vision, speech recognition, and machine learning capabilities.

リファレンス: OpenAI Python SDK および DefaultAzureCredential クラス。

OpenAI SDK をインストールします。

dotnet add package OpenAI

Microsoft Entra ID認証の場合は、Azure.Identity パッケージもインストールします。

dotnet add package Azure.Identity

次の名前空間をインポートします。

using Azure.Identity;
using OpenAI;
using OpenAI.Chat;
using System.ClientModel.Primitives;

次に、パッケージを使用してモデルを実行します。次の例は、Microsoft Entra IDでチャットの完了を使用するクライアントを作成し、モデルデプロイでチャット完了エンドポイントに対してテスト呼び出しを行う方法を示しています。

<resource> を Foundry リソース名に置き換えます (Azure portalで見つけます)。 gpt-4o-miniを実際のデプロイ名に置き換えます。

#pragma warning disable OPENAI001

BearerTokenPolicy tokenPolicy = new(
    new DefaultAzureCredential(),
    "https://cognitiveservices.azure.com/.default"
);

ChatClient client = new(
    model: "gpt-4o-mini", // Your deployment name
    authenticationPolicy: tokenPolicy,
    options: new OpenAIClientOptions() {
        Endpoint = new Uri("https://<resource>.openai.azure.com/openai/v1/")
    }
);

ChatCompletion completion = client.CompleteChat(
    new SystemChatMessage("You are a helpful assistant."),
    new UserChatMessage("What is Azure AI?")
);

Console.WriteLine(completion.Content[0].Text);

予想される出力:

Azure AI is a comprehensive suite of artificial intelligence services and tools from Microsoft that enables developers to build intelligent applications. It includes services for natural language processing, computer vision, speech recognition, and machine learning capabilities.

リファレンス: OpenAI .NET SDK および DefaultAzureCredential クラス。

npm を使用して OpenAI SDK をインストールします。

npm install openai

Microsoft Entra ID認証のために、次をインストールしてください。

npm install @azure/identity

<resource> を Foundry リソース名に置き換えます (Azure portalで検索するか、az cognitiveservices account list を実行します)。 DeepSeek-V3.1を実際のデプロイ名に置き換えます。

import { DefaultAzureCredential, getBearerTokenProvider } from "@azure/identity";
import { OpenAI } from "openai";

const tokenProvider = getBearerTokenProvider(
    new DefaultAzureCredential(),
    'https://cognitiveservices.azure.com/.default'
);

const client = new OpenAI({
    baseURL: "https://<resource>.openai.azure.com/openai/v1/",
    apiKey: tokenProvider
});

const completion = await client.chat.completions.create({
    model: "DeepSeek-V3.1", // Required: your deployment name
    messages: [
        { role: "system", content: "You are a helpful assistant." },
        { role: "user", content: "What is Azure AI?" }
    ]
});

console.log(completion.choices[0].message.content);

予想される出力:

Azure AI is a comprehensive suite of artificial intelligence services and tools from Microsoft that enables developers to build intelligent applications. It includes services for natural language processing, computer vision, speech recognition, and machine learning capabilities.

リファレンス: OpenAI Node.js SDK および DefaultAzureCredential クラス。

Projectに OpenAI SDK を追加します。最新バージョンとインストール手順については、OpenAI Java GitHub リポジトリを確認してください。

Microsoft Entra ID認証の場合は、以下も追加してください。

<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-identity</artifactId>
    <version>1.18.0</version>
</dependency>

<resource> を Foundry リソース名に置き換えます (Azure portalで見つけます)。 DeepSeek-V3.1を実際のデプロイ名に置き換えます。

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.azure.identity.DefaultAzureCredential;
import com.azure.identity.DefaultAzureCredentialBuilder;
import com.openai.models.chat.completions.*;

DefaultAzureCredential tokenCredential = new DefaultAzureCredentialBuilder().build();

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://<resource>.openai.azure.com/openai/v1/")
    .credential(BearerTokenCredential.create(
        AuthenticationUtil.getBearerTokenSupplier(
            tokenCredential, 
            "https://cognitiveservices.azure.com/.default"
        )
    ))
    .build();

ChatCompletionCreateParams params = ChatCompletionCreateParams.builder()
    .addSystemMessage("You are a helpful assistant.")
    .addUserMessage("What is Azure AI?")
    .model("DeepSeek-V3.1") // Required: your deployment name
    .build();

ChatCompletion completion = client.chat().completions().create(params);
System.out.println(completion.choices().get(0).message().content());

予想される出力:

Azure AI is a comprehensive suite of artificial intelligence services and tools from Microsoft that enables developers to build intelligent applications. It includes services for natural language processing, computer vision, speech recognition, and machine learning capabilities.

リファレンス: OpenAI Java SDK および DefaultAzureCredential クラス。

参照セクションの API 設計を調べて、使用可能なパラメーターを確認します。ヘッダー Authorizationに認証トークンを示します。たとえば、チャット完了のリファレンスセクションでは、 /chat/completions ルートを使用して、チャット形式の指示に基づいて予測を生成する方法について詳しく説明します。 /modelsパスは、URL のルートに含まれています。

依頼

<resource> を Foundry リソース名に置き換えます (Azure portalで検索するか、az cognitiveservices account list を実行します)。 MAI-DS-R1を実際のデプロイ名に置き換えます。

base_urlは、https://<resource>.openai.azure.com/openai/v1/ 形式と https://<resource>.services.ai.azure.com/openai/v1/ 形式の両方を受け入れます。

curl -X POST https://<resource>.openai.azure.com/openai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_OPENAI_AUTH_TOKEN" \
  -d '{
      "model": "MAI-DS-R1",
      "messages": [
      {
        "role": "system",
        "content": "You are a helpful assistant."
      },
      {
        "role": "user",
        "content": "Explain what the bitter lesson is?"
      }
    ]
  }'

応答

認証が成功すると、応答本文にチャット完了の結果を含む 200 OK 応答が表示されます。

{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "created": 1738368234,
  "model": "MAI-DS-R1",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "The bitter lesson refers to a key insight in AI research that emphasizes the importance of general-purpose learning methods that leverage computation, rather than human-designed domain-specific approaches. It suggests that methods which scale with increased computation tend to be more effective in the long run."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 28,
    "completion_tokens": 52,
    "total_tokens": 80
  }
}

トークンはスコープ https://cognitiveservices.azure.com/.default で発行する必要があります。

テスト目的で、ユーザーアカウントの有効なトークンを取得する最も簡単な方法は、Azure CLIを使用することです。コンソールで、次のAzure CLI コマンドを実行します。

az account get-access-token --resource https://cognitiveservices.azure.com --query "accessToken" --output tsv

このコマンドは、$AZURE_OPENAI_AUTH_TOKEN 環境変数に格納できるaccess トークンを出力します。

リファレンス: チャット完了 API

フィードバック

このページはお役に立ちましたか?

Last updated on 2026-03-11

次の方法で共有

Microsoft Foundry モデルのエンドポイント

デプロイメント

Azure OpenAI 推論エンドポイント

キーレス認証

関連するコンテンツ

フィードバック

その他のリソース