本記事は文系クラウド初心者のインターン生が、Azure OpenAIとApp Serviceを使ってチャットWebサイトを作る手順をまとめた内容となっております。
クラウドインテグレーション部インターン生のハドレストンです。
クラウド初心者である私が、「Microsoft Azure（以降Azure）」のサービスを使ってWeb上で生成AIとチャットができるように環境を構築してみました。
リソース作成から実際のチャット画面で動作を確認するところまで手順を紹介していきたいと思います。
まず今回環境を構築する際に利用するAzure OpenAIと、Azure OpenAIをWebサイトとしてホストする際に利用するApp Serviceについて軽く説明していきたいと思います。
Azure OpenAIとは、Azure上でOpenAI社が開発した生成AIモデルをAPI経由で使用できるサービスです。
開発者にAIやデータサイエンスのスキルがなくても、カスタマイズ可能なAPIやモデルなどを利用してアプリケーションを構築することができます。
GPTシリーズのような言語モデルのほかに画像モデルや音声モデルといったような多様なAIモデルとツールが備わっており、様々な目的で生成AIを使用することができます。
HTTPベースのアプリケーション実行環境を提供するサービスです。
Java、Pythonなど好みの言語で開発でき、WindowsとLinux両方のベース環境でアプリケーションの実行とスケーリングを容易に行うことができます。
今回、Azure OpenAIをApp Serviceで稼働することでAzure上でAIサービスを利用できるようにしています。
他社のアプリケーションをAzure上で利用するために重要なサービスですが、今回の手順では自動的に必要な環境が作られるため、このサービスを意識することなく簡単にAI環境を作ることができます。
Azure OpenAIを使って生成AIをAzure上にデプロイした際に行った手順を紹介します。
Azure OpenAIをAzure上に立ち上げる前にリソースグループを作成します。
Azure portal上の検索欄に"リソースグループ"と打ち込み、リソースグループと表示されているアイコンをクリックするか、画面上にすでに表示されていればアイコンをクリックします。
アイコンをクリックするとリソースグループ画面に遷移するので、左側の「作成」をクリックします。
作成をクリックするとリソースの作成画面に遷移します。
必要な項目を入力していきます。
今回、リージョンを全てJapan Eastに統一していきます。
| 入力欄 | 入力値 |
|---|---|
| サブスクリプション | 任意のサブスクリプションを選択 |
| リソースグループ名 | 任意の名前を入力 |
| リージョン | Japan East |
リソースグループの設定値を確認して、左下の「作成」をクリックします。
これでリソースグループが完成しました。
左上の「ホーム」をクリックしてAzure portalのトップ画面に戻り、「リソースの作成」をクリックします。
サービス一覧画面に遷移しますので、左側にある「AI+MachineLearning」をクリックします。
検索欄に"OpenAI"を入力します。
左側にAzure OpenAIが表示されます。 「作成」をクリックしてリソースの作成をします。
リソース作成画面に遷移します。
ここで必要な情報を入力していきます。
| 入力欄 | 入力値 |
|---|---|
| サブスクリプション | リソース作成時のサブスクリプションを選択 |
| リソースグループ | リソースグループ作成時に作ったものを選択 |
| リージョン | Japan East |
| 名前 | 任意の名前を指定 |
| 価格レベル | Standard S0 |
設定項目を入力したら「次へ」をクリックします。
ネットワーク設定は「インターネットを含むすべてのアクセス」を選択します。
※補足
Azure OpenAIの設定値を確認して、左下の「作成」をクリックします。
しばらく待つと画面のようにデプロイが完了したという表示になります。
以上で、Azure OpenAIリソースの作成が完了しました。
Azure OpenAIリソースの作成が完了したので、Azure AI Foundry※を利用してAIモデルをデプロイしていきます。
Azure OpenAIリソースの作成後、「リソースに移動」をクリックするとAzure OpenAIの詳細画面に遷移します。
※Azure AI Foundry
Azure OpenAIの詳細画面で「Go to Azure AI Foundry portal」をクリックします。
クリックした後、新しいタブが開いてAzure AI Foundryに遷移します。
ここからはAzure AI Foundry上で操作します。
左側の「チャット」をクリックします。
「新しいデプロイの作成」＞「基本モデルから」をクリックします。
AIモデルの選択画面が表示されるので、今回は「gpt-4」を選択して、「確認」をクリックします。
モデル作成画面に遷移するので、必要な項目を入力します。
| 入力欄 | 入力値 |
|---|---|
| デプロイ名 | 任意の名前を入力 |
| デプロイの種類 | Standard |
デプロイの詳細を入力します。
| 入力欄 | 入力値 |
|---|---|
| モデルバージョン | 0613（既定） ※ |
| １分当たりのトークン数レート制限 | 1K |
| コンテンツフィルター | DefaultV2 |
| 動的クォーターを有効にする | 有効 |
※補足
「デプロイ」をクリックします。
元の画面に戻るとAIモデルのデプロイは完了です。
AIモデルのデプロイが無事に完了したら、このモデルをWebブラウザー上で使えるようにしていきます。
AIのセッティングができたら「デプロイ」をクリックし、「Webアプリとして」を選択します。
AIモデルをWebアプリとしてホストするApp Serviceの作成画面に遷移するので、必要な項目を入力します。
| 入力欄 | 入力値 |
|---|---|
| Webアプリのデプロイする構成を選択します。 | 「新しいWebアプリを作成する」を選択 |
| 名前 | 任意の名前を入力 |
| サブスクリプション | リソースグループ作成した際に選択したサブスクリプションと同じものを選択 |
| リソースグループの選択 | リソースグループの作成 で作ったリソースグループを選択 |
| 場所 | Japan East |
| 価格プラン | Free |
| Webアプリでチャット履歴を有効にする | チェックしない ※ |
「展開」をクリックします。
※補足
参考:
Azure App Service on Linux の料金
Azure App Service on Windows の価格
Azure AI Foundryの画面に戻ります。
画面左にある「デプロイ」をクリックし、先ほど展開したモデルの状況を確認します。
「モデルデプロイ」画面に遷移するので、「アプリのデプロイ」タブをクリックすると、モデルデプロイのステータスが確認できます。 「デプロイ状態」が「実行中」から「成功」に変わるまで待ちます。（私の場合は30～40分ほどかかりました）
しばらく待っていると「デプロイの状態」が画面のように「成功」に変わります。
これでWebアプリとしてデプロイすることができました。
これでAzure OpenAIの基本的な設定は完了しました。
実際にアクセスしてAIを利用してみたいと思います。
「モデルデプロイ」画面で、デプロイしたWebアプリをクリックします。
クリックした後、新しいタブが開いてアクセスの許可を要求されるので、「承諾」をクリックします。
承諾が完了すると、チャットのスタート欄が表示されます。
画面のようにすぐに会話ができるようになります。
※補足
参考: Azure OpenAI Service の価格の概要
Azure portalからリソースグループを確認すると、App ServiceプランとApp Serviceが追加されていることが確認できます。
このようにAzure OpenAIはApp Serviceについて意識することなくAzure上でAI環境を構築することが可能です。
今回の手順では触れていませんが、Web アプリにデプロイをする前にAIモデルに書式設定やチャットで会話する際のテーマや背景、前提条件などを事前にインプットすることができます。
※例 「モデルに指示とコンテキストを与える」に"日本語で回答する"と入力し、「変更の適用」をクリックすると日本語で応答してもらえる指示ができます。
このように英語や中国語で質問しても日本語で返すようになります。
今回は、Azure OpenAIについて検証のハンズオンも踏まえて紹介しました。
生成AIについて全く知識がなくてもクラウド上で生成AI環境を構築できることや、リソース一つ一つに細かい設定をしなくても一度に作成されることに驚かされました。
このように簡単にAI環境を構築することができますので良かったら是非自身の環境で作ってみてください。
最後の注意書きとなりますが、これらのリソースは料金が発生するので、検証後はリソース削除を忘れないようにしましょう。