チュートリアル: LangGraph または Foundry Agent Service (Python) を使用して Azure App Service でエージェント Web アプリを構築する

LangGraphTaskAgentは、src/agents/langgraph_task_agent.py のコンストラクターで初期化されます。 初期化コードによって、次が実行されます。

• 環境変数を使用して AzureChatOpenAI クライアントを構成します。
• メモリとタスク管理用の CRUD ツールのセットを使用して、事前構築済みの ReAct エージェントを作成します ( LangGraph クイック スタートを参照)。
• 認証済みサンプルのためにサーバー管理の会話スレッドを1つ選択します。

self.memory = InMemorySaver()
# App Service authentication protects this sample, which intentionally
# keeps one server-managed conversation thread per worker process.
self.thread_id = "authenticated-conversation"

try:
    endpoint = os.getenv("AZURE_OPENAI_ENDPOINT")
    deployment_name = os.getenv("AZURE_OPENAI_DEPLOYMENT_NAME")
    
    if not endpoint or not deployment_name:
        print("Azure OpenAI configuration missing for LangGraph agent")
        return
    
    # Initialize Azure OpenAI client
    credential = DefaultAzureCredential()
    azure_ad_token_provider = get_bearer_token_provider(
        credential, "https://cognitiveservices.azure.com/.default"
    )
    
    self.llm = AzureChatOpenAI(
        azure_endpoint=endpoint,
        azure_deployment=deployment_name,
        azure_ad_token_provider=azure_ad_token_provider,
        api_version="2024-10-21"
    )
    
    # Define tools
    tools = [
        self._create_task_tool(),
        self._get_tasks_tool(),
        self._get_task_tool(),
        self._update_task_tool(),
        self._delete_task_tool()
    ]
    
    # Create the agent
    self.agent = create_react_agent(self.llm, tools, checkpointer=self.memory)

ユーザーメッセージを処理する際、エージェントはサーバー管理スレッドIDで ainvoke() を呼び出します:

config = {"configurable": {"thread_id": self.thread_id}}

# Process the message
result = await self.agent.ainvoke(
    {"messages": [("user", message)]},
    config=config
)

ブラウザリクエストにはメッセージのみが含まれています。 セッションや会話の識別子を供給して別のスレッドを選択することはできません。

FoundryTaskAgent は src/agents/foundry_task_agent.pyのコンストラクターで初期化されます。 初期化コードによって、次が実行されます。

• Azure 資格情報を使用して AIProjectClient を作成します。
• プロジェクト クライアントから OpenAI クライアントを取得します。
• Foundry から名前でエージェントを取得します。
• サーバー上で管理される認証済みの会話を1つ作成します。

# Create the project client using Azure credentials
self.project_client = AIProjectClient(
    endpoint=endpoint,
    credential=DefaultAzureCredential()
)

# Get the OpenAI client for conversation operations
self.openai_client = self.project_client.get_openai_client()

# Find the existing agent by name
self.agent = self.project_client.agents.get(agent_name)

if not self.agent:
    print(f"Agent with name '{agent_name}' not found in project.")
    return
            
# App Service authentication protects this sample, which intentionally
# keeps one server-managed conversation per worker process.
conversation = self.openai_client.conversations.create()
self.conversation_id = conversation.id

Foundryの会話IDはサーバーに残り、ブラウザから返却も受け付けられません。 両方のエージェント実装は会話状態をプロセスメモリに保持するため、展開された学習サンプルは1つのGunicornワーカーを実行します。 ワーカー数を増やすかアプリの規模を拡大する場合は、外部の会話ストアを使ってワーカーやインスタンス間で状態を共有しましょう。

この初期化コードでは、通常は Foundry ポータルでエージェントをビルドするため、エージェントの機能は定義されません。 シナリオ例の一部として、「 Foundry Agent Service (Python) で App Service アプリをツールとして追加する (Python)」に示されている OpenAPI パターンに従い、CRUD 機能を OpenAPI エンドポイントとして使用できるようにします。 これにより、後で呼び出し可能なツールとしてエージェントに追加できます。

OpenAPI コードは src/routes/api.pyで定義されています。 たとえば、"GET /tasks" ルートは、operation_idで必要に応じてカスタム パラメーターを定義し、descriptionエージェントが API を呼び出す方法を決定するのに役立ちます。

@router.get(
    "/tasks",
    response_model=List[TaskItem],
    operation_id="getAllTasks",
    description="Retrieve all tasks in the task list."
)
async def get_all_tasks():
    """Get all tasks"""
    try:
        tasks = await task_service.get_all_tasks()
        return tasks
    except Exception as e:
        print(f"Error getting tasks: {e}")
        import traceback
        traceback.print_exc()
        raise HTTPException(status_code=500, detail=f"Failed to get tasks: {str(e)}")

ユーザー メッセージを処理する場合、エージェントは、ユーザーのメッセージを会話に追加し、エージェント参照を使用して responses.create() を呼び出すことによって呼び出されます。

# Add user message to the conversation
await asyncio.to_thread(
    self.openai_client.conversations.items.create,
    conversation_id=self.conversation_id,
    items=[{"type": "message", "role": "user", "content": message}],
)

# Create response using the agent
response = await asyncio.to_thread(
    self.openai_client.responses.create,
    conversation=self.conversation_id,
    extra_body={"agent": {"name": self.agent.name, "type": "agent_reference"}},
    input="",
)

1. Foundryポータルでプロジェクトを作成します。

2. 任意のモデルをデプロイします ( Microsoft Foundry クイック スタート: リソースの作成を参照)。

3. モデルプレイグラウンドの上部から、モデル名をコピーします。

4. ホームページでAzure OpenAIエンドポイントをコピーしておきましょう。

1. Foundryポータルでプロジェクトを作成します。

2. ホームページでProjectエンドポイントをコピーして後で使います。

3. 「 開始建設 」を選び、プロンプトに従ってください。

4. Tools>Add>Add tools>Custom>OpenAPI tool>Create を選択します。 セットアップ ウィンドウで、OpenAPI 仕様ツールを使用してアクションを追加します。

5. 認証済みのApp ServiceアプリからコピーしたOpenAPIスキーマを貼り付けます。

6. [認証方法] で、[マネージド ID] を選択します。

7. Audienceについては、AZD出力からFoundry OpenAPI管理型アイデンティティのオーディエンス値を貼り付けます。 その外観は以下の通りです:

   api://<generated-client-id>
   

8. ツールとエージェントは節約しましょう。

親FoundryリソースがタスクAPIを呼び出すことを許可します

1. Foundryポータルの上部メニューで 「管理 」を選択してください。

2. Projectの詳細で、projectの親リソースを選択し、「Open in Azure portal」を選択します。

3. システムに割り当てられたアイデンティティの オブジェクト(プリンシパル)IDをコピーします。 そのIDをMicrosoft Entra IDで見つけ、そのApplication IDをコピーします。 詳細な手順については、「 親Foundryリソース識別子を探す」をご覧ください。

4. Codespace端末でアプリケーションIDをAZD環境に保存し、App Service認証設定を更新します:

   azd env set AZURE_AI_FOUNDRY_ACCOUNT_CLIENT_ID <application-id>
   azd provision
   

1. Foundryポータルの上部メニューで 「管理 」を選択してください。

2. Projectの詳細で、projectの親リソースを選択し、「Open in Azure portal」を選択します。

   Azureポータルからは、リソースにロールベースのアクセスを割り当てることができます。

3. App Serviceアプリのマネージデンティティと az loginで使用するユーザーの両方に、以下の役割を追加します。

   ターゲット リソース	必要なロール	必要な理由
   鋳造所	Cognitive Services OpenAI ユーザー	Microsoft Agent Framework のチャット完了サービス。

   手順については、「Azure portal を使用して Azure ロールを割り当てる」を参照してください。

1. Foundryポータルの上部メニューで 「管理 」を選択してください。

2. Projectの詳細で「Azureポータルで開く」を選択します。

   Azureポータルから、プロジェクトにロールベースのアクセスを割り当てることができます。

3. App Serviceアプリのマネージデンティティと az loginで使用するユーザーの両方に、以下の役割を追加します。

   ターゲット リソース	必要なロール	必要な理由
   Foundry プロジェクト	Foundry ユーザー	Foundry エージェントの読み取りと呼び出し。

   手順については、「Azure portal を使用して Azure ロールを割り当てる」を参照してください。