Toshiyuki Hara

先月末、第6回 Azure Travelers 勉強会 愛媛の旅に参加してきました。jat.connpass.com勉強会サイボウズさんにご協力をいただき、松山オフィスをお借りして勉強会を行いました。普段は kintone セミナーを開催しているそうですが、お洒落で素敵な会場でした。JAZUG（Japan Azure User Group）四国支部のコミュニティ「しこあず」にも協力をいただき、愛媛周辺の方も現地参加されていました。今年の１月に徳島で勉強会が開催され、今後も開催を予定しているので、四国地方で Azure に関する技術を勉強したい方はぜひ参加していただければと思います。az-459.connpass.comセッションは、Go、Microsoft Fabric、azd、Azure Local、Power Platform のように Azure に関連する幅広い内容でした。毎度恒例の Azure クイズもそうですが、普段自分が関わることが少ない領域の話を聞けるのは勉強になりますし、何よりスピーカーの皆さんが楽しそうに発表する様子がよかったと思いました。私は、ショートセッションで Azure のマルチテナント アーキテクチャ設計の話をしました。お仕事で書いたホワイトペーパーの内容を解説したのですが、若干ニッチな領域で難しい内容も多かったので、時期的に Build のアップデートまとめとかの方が良かったかなーと少し後悔しました。セッション後に質問のあった認証周りの作り込みは悩ましいところです。 speakerdeck.com午前中のみ配信のアーカイブがあります。www.youtube.comランチは会場の前にあったフードコートで鯛釜飯を食べました。鯛めしには２種類あって、宇和島鯛めし（ご飯と一緒に鯛を炊く）と松山鯛めし（生の鯛を出汁と卵を絡めてからご飯にかけて食べる）があるそうです。懇親会は、五志喜で食べた 鯛めし、じゃこてん、鯛そうめんなどの愛媛の郷土料理が美味しかったです。二次会でクラフトビールを飲んで、締めに生しじみラーメンを食べました。写真は撮り忘れましたが、前夜祭の寿浬庵で食べた鰹の刺身も美味しかったです。Azure Travelers では、開催地をサイコロで決める水曜どうでしょう的なルールがあり、次々回は宮城に決定しました。愛媛観光今回は愛媛に木曜日入りして、道後温泉をキャンプ地にワーケーションしました。道後温泉つい先月にも来たような気もしますが、道後温泉駅は明治時代の洋館のような建物で、坊ちゃん列車やからくり時計などもあります。アーケードには、ガンダムマンホールがありました。大街道にはザクもあったらしいですが、見に行きそびれました。道後温泉本館道後温泉本館は国の重要文化財に指定されていて、昨年末に保存修理工事が終わったばかりです。浴衣やタオルを一式借りることができて、お茶とお茶菓子もついている三階の個室を利用しました。神の湯と霊の湯にはいることができます。道後温泉の泉質は透明で滑らかな良い湯でした。夏目漱石が湯上りにくつろいだと言われる坊ちゃんの間を見学できます。歴代の皇室の方々が訪れた御湯殿である又新殿も見学できます。本館のすぐ隣に道後麦酒館があって、風呂から上がった後に吸い込まれるように入店して湯上り IPA と鯛めしを注文しました。卵かけご飯スタイルの松山鯛めしも美味しいです。夜の道後温泉本館は、昼間とは違った雰囲気となります。道後温泉別館 飛鳥乃湯泉別館の飛鳥乃湯泉は、飛鳥時代の建築様式を取り入れた湯屋となっています。二階の個室を利用しましたが、お風呂は１つだけで内湯と露天がありました。夜の飛鳥乃湯泉は、こんな雰囲気です。伊佐爾波神社道後温泉にある伊佐爾波神社に行きました。階段がしんどそうだなと思いましたが、実際に登ってみるとそうでもなかったです。しまなみ海道しまなみ海道に向かう途中、伊豫水軍でランチを食べました。活ハギのお造りと蛸めしが美味しかったです。天気が良かったので、亀老山展望公園からの眺望は素晴らしかったです。耕三寺しまなみ海道の途中の島である生口島の耕三寺に立ち寄りました。未来心の丘という大理石のモニュメントがある庭園があり、SNS 映えしそうなスポットでした。帰りの飛行機の時間になったので、ここで松山まで引き返すことにしました。広島県尾道市まで来たので、帰りは広島経由にすればよかったかもしれない。まとめ第6回 Azure Travelers 勉強会 愛媛の旅は、今回も楽しいイベントでした。会場を提供してくださったサイボウズさんと参加者の皆様、ありがとうございました。次回は 10/4 に東京開催を予定しています。最近運営側のお手伝いもさせてもらっているで、前夜祭で楽しそうなイベントを企画中です。

第6回 Azure Travelers 勉強会 愛媛の旅に参加してきました

今年もシアトルで Microsoft Build 2025 に参加してきました。build.microsoft.comBuild 2025 でアナウンスされた内容は、このあたりの記事で説明されています。Microsoft 公式ドキュメントブチザッキ（Day1、Day2）この記事では、現地参加の雰囲気や個人的に感じたことをお伝えしていきます。Registration会場は、シアトルにある Seattle Convention Center です。昨年は新しい方の Convention Center Summit でしたが、今年は懐かしい方の Convention Center でした。Keynote：Day1キーノートは、今年も MVP Priority Seat が用意されていたので、前から２列目でした。Imagine Cup の表彰が終了後、キーノートが始まりました。Satya Nadella が GitHub Copilot のデモする様子を目の前で見ることができました。今回の Build では、Agent を活用したシステムをどのように作るのかという話がメインで、基盤は用意したので何を作るのかは参加者の皆さんが考えてほしいというメッセージを受け取りました。どのように作るのかについては、大きく２つの内容がありました。Agentic DevOpsGitHub Copilot Coding Agent、Azure AI Foundry、Azure SRE Agent などを活用して開発ライフサイクルをモダナイゼーションしていく世界観。Building the open agentic webMCP と A2A サポートや NLWeb によって、自然言語による対話型インターフェースを導入したアプリの作り方を標準化していく世界観。Keynote：Day2Day2 のキーノートは、MVP Priority Seat のおかげで最前列を確保できました。この規模のカンファレンスでの最前列はテンションが上がりました。今日も Satya Nadella が話すのか？と思ったら Jay Parikh でした。容姿を Satya に寄せすぎでは？と思ったり（笑）キーノートとは言いつつも、Day1 キーノートの詳細な話でブレイクアウトに近い内容でした。Breakoutキーノートでの発表以外で気になったアップデートは、下記の通り。App ServiceNew App Service Premium v4 planハイパフォーマンスで低コスト、日本リージョンに来たらすぐに使いたい。2-zone Availability Zone support is now generally availableAZ が最小２インスタンスから構成できるようになった。今までは３インスタンス以上が必須だったので、コスト削減できる。    FunctionsAzure Functions integration with Azure AI Foundry Agent ServiceAI Foundry の Agent Service 周りはまったく触っていなかったので、これを機にキャッチアップしておきたい。Azure OpenAI Trigger and Bindings preview updateMI 対応や Comos DB のベクター検索対応などのアップデート。Azure Functions on Azure Container AppsACA でマイクロサービスを作る時にインフラを統一できて良さそう。    Container AppsPublic Preview: Durable task scheduler supportDurable Task Scheduler が使えるようになったので、試してみたい。    Cosmos DBFull-text and Hybrid Searchフルテキストとハイブリッドの検索が GA。Fleet Managementアカウント間で RU を共有できる。マルチテナント アーキテクチャでの使いどころを検証したい。    その他Expose REST APIs as MCP servers with Azure API ManagementAPI Management で MCP サーバーを公開できる。Agentic retrieval with AI SearchRAG の精度向上のために作り込んでいたロジックを AI Search がマネージドで対応してくれる。Managed Redis is now generally available従来の Redis よりもハイパフォーマンスで低コスト。今後はこちらを使う。Azure DevOps with GitHub RepositoriesAzure DevOps と GitHub を組み合わせて使えるようになる。    会場の様子Convention Center には各フロアに部屋があって、自由に聞きたいセッションを選べます。昨年の会場と比較しても、建物が２つある広い会場でセッション間の移動が大変でした。HUB はパートナーのブースやシアターセッションがある広い会場でした。エキスパートのブースもあったので、Azure Functions チームに Dutable Task Scheduler を Flex Consumption でも使いたいとフィードバックしておきました。MVP と RD の名前が書かれた Wall もあって、自分の名前を発見して安心しました。ビルド飯は、こんな感じでした。過去参加したカンファレンスの中で一番美味しかった気がします。スターバックスコーヒーは飲み放題です。今回の戦利品。ウォーターボトルとTシャツ、Tシャツは3種類から選べました。Microsoft Build and AMD Celebration最終日のパーティ会場は、昨年と同じく NFL のシアトル・シーホークスの本拠地である Lumen Field でした。来年の FIFAワールドカップ会場のひとつなので、ここでフットサルできる機会は貴重でした。Microsoft Campus今回一緒に行った同僚を案内するため、Redmond にある Microsoft 本社に行きました。Visitor Center だけでなく、East Campus の新しい建物やツリーハウスも散策しました。まとめMicrosoft Build 2025 にシアトルで現地参加してきました。gooner.hateblo.jp

Microsoft Build 2025 に現地参加してきました

Global Azure 2025 に参加して、Azure Load Testing を使って Azure Functions Flex Consumption の HTTP Trigger Function のパフォーマンスとコストを最適化する話をしてきました。jazug.connpass.comセッション登壇者が当日病欠で枠が空いて急遽の登壇になりましたが、数日前に東日本リージョンで使えるようになったばかりのホットな話題を思いがけず話せることになりました。www.youtube.com speakerdeck.comイベントの数日前に書いたブログの内容をデモを交えて話したので、公開しているスライドに内容はありません。話した内容は、こちらのブログを参照してください。gooner.hateblo.jpX（Twitter）での反応は比較的好評で楽しんでいただけたようですし、今後は Azure Functions を Linux で使う場合は Flex Consumption を選択しておけば良いと思います。今回の Global Azure は、GitHub Copilot ハンズオンも同時開催でした。自分が登壇する Room C+D（メインセッション１）にずっといたので、後ほど他の部屋のセッションも Youtube で確認しておきたいと思います。www.youtube.comwww.youtube.com

Global Azure 2025 で Azure Functions Flex Consumption の話をしてきました

Microsoft Azure の初学者向けの書籍「Azureの知識地図 〜クラウドの基礎から実装・運用管理まで」が出版されました。著者の土田さんから書籍をご恵贈いただいたので、早速読んでみました。Azureの知識地図 〜クラウドの基礎から実装・運用管理まで作者:土田 純平,永田 祥平,栗本 美穂,石塚 航希,乃村 翼,草谷 一輝,酒見 一幸技術評論社Amazon書籍情報目的Microsoft が公開している Azure の公式ドキュメントに書いてあることがわかるようになる対象とする読者今までパブリッククラウドを使ったことがない方Azure の基礎と全体像を体系的に学びたい方目次第1章　クラウドサービスとAzureの基礎第2章　AzureのIaaSを知ろう第3章　AzureのPaaSを知ろう第4章　Azureでシステムを構築・運用しよう第5章　Azureの知識の深め方を知ろう    どんな書籍なのか良かったところこの書籍は、ゼロから Azure を学びたい人が全体像を体系的に理解できる構成になっています。第1章でサブスクリプションやリソースグループなどの概念（用語）を解説したうえで、第2章以降から IaaS や PaaS の代表的なサービスを紹介する流れになっており、広さと浅さが丁度いいバランスだと思いました。Azure 固有のサービス名と専門用語の関連が視覚的に整理されたキーワードマップ歴史的背景からの表記ゆれ（App Service と Web App）や日本語翻訳特有の分かり難さ（関数アプリと関数の違い）の説明があり、公式ドキュメントを意識していることAzure サービスの機能説明だけでなく、App Service プランの分け方、サービスエンドポイントとプライベートエンドポイントの使い分けなどの実用的なコラム正直、公式ドキュメントには取っ付き難くさがあり、内容を理解できるようになるまでには、ある程度の知識や経験が必要だと感じています。難しかったところ第4章では、Cloud Adoption Framework（CAF）と Well-Architected Framework（W-AF）に則ったアーキテクチャ設計を解説する節がありますが、対象とする読者には難易度が高そうだと感じました。アーキテクチャセンターのシナリオ紹介も含めて、第5章で軽く紹介する程度でもよかったかもしれません。次のステップに向けて第5章にあるように、次のステップとして認定資格を取得するのがお勧めです。この書籍を読み終えた読者は、受験対策として公式ドキュメントを読んで理解を深めることができるようになっているはずです。巻末の MCP ロードマップが分かりやすいので、まずは AZ-900 からチャレンジしましょう。（余談ですが、弊社でもこのような MCP ラーニングパスを定義しています。）まとめこれから Azure を初めて学ぶ方にお勧めするとしたらこの書籍です。この春入社した新入社員に読んでもらうと良さそうです。最後にこの書籍を出版した経緯を著者の土田さんがまとめているので、こちらもご参照ください。zenn.dev

書籍「Azureの知識地図 〜クラウドの基礎から実装・運用管理まで」の感想

Azure Functions Flex Consumption が東日本リージョンで使えるようになりました。techcommunity.microsoft.comFlex Consumption とはFlex Consumption は、Azure Functions に新しく追加されたホスティングオプションで、刷新されたバックエンド（Legion）による高速なスケーリングが最大の特徴です。さらに、従来の Consumption Plan では対応していなかった VNET Integration にも対応しています。詳細は公式ドキュメントを参照していただくとして、パフォーマンスとコストに影響するスケーリングの設定を補足します。スケーリングの動作Flex Consumption は Function 毎に独立したインスタンスでスケーリングされますが、下記の３種類の Trigger については同じインスタンスでグループとしてまとめてスケーリングされます。HTTP triggersBlob storage triggers(Event Grid-based)Durable Functionsインスタンスのメモリサイズ現時点では、512 MB と 2,048 MB と 4,096 MB の 3 種類のサイズが提供されています。インスタンス毎のコンカレンシーコンカレンシーとは、インスタンスが処理できる並列リクエストの数です。Flex Consumption では、HTTP Trigger に新しい同時実行性が導入されました。公式ブログから引用既定のコンカレンシーは、下記の通りです。基本的には既定値を使いますが、パフォーマンスとコストを最適化する場合、この値を調整することになります。公式ドキュメントから引用    インスタンスの最大スケーリング数既定ではインスタンス数 0 台からスケーリングが開始され、最大数は 40 ～ 1,000 台まで設定できます。コールドスタート削減Flex Consumption にはコールドスタート削減として Always-ready が導入されており、常時実行させておくインスタンス数を設定できます。Performance Optimizer とはAzure Functions には、Azure Load Testing を使った Performance Optimizer が提供されており、パフォーマンスとコストの適切なバランスを見つけやすくなっています。なお、Azure Load Testing の Test Profile を実行するためには、Azure Functions の Access control（IAM）で Website Contributor ロールにアカウントを追加する必要があります。テストの設定と実行それでは実際に Performance Optimizer を使って HTTP Trigger Function のパフォーマンスとコストの最適化を分析します。前準備Azure Functions Flex Consumption を東日本リージョンに作成します。Runtime Stack には、.NET9 を選択しました。Visual Studio で HTTP Trigger の Function を作成し、1 秒間のスリープを入れました。[Function(nameof(Function1))]public async Task<IActionResult> Run([HttpTrigger(AuthorizationLevel.Anonymous, "get", "post")] HttpRequest req){    _logger.LogInformation("C# HTTP trigger function start.");    await Task.Delay(1000);        _logger.LogInformation("C# HTTP trigger function end.");    return new OkObjectResult("Welcome to Azure Functions Flex Consumption!");}この Function App を Visual Studio から Azure にデプロイします。Performance Optimizer で Test Profile を作成するテストプランには、インスタンスのメモリサイズを 2,048 MB と 4,096 MB、コンカレンシーを 8、16、32 の組み合わせで 6 パターンを設定します。テスト対象には、先ほどデプロイした HTTP Trigger Function を設定します。3 分間にわたって10 ユーザーからリクエストを投げるミニマムな設定にしました。Test Profile の作成が完了するとテストが開始されるので、完了まで待ちます。テスト結果の分析Performance Optimizer のテスト結果を確認します。メモリサイズ 4,096 MB と コンカレンシー 32 の構成が最もスループットが高い結果となりました。どのくらいのインスタンス数がスケーリングされているのかを確認します。メモリサイズ 2,048 MB とコンカレンシー 8 の構成が最大 8 台で、それ以外の構成は最大 10 台でした。requests| where timestamp >= datetime(2025-5-7T07:50:00.0000000Z) and timestamp <= datetime(2025-5-7T09:50:00.0000000Z)| summarize dcount(cloud_RoleInstance) by bin(timestamp, 1s)| render columnchart最もスループットが高かったメモリサイズ 4,096 MB とコンカレンシー 32 の構成のみを確認します。開始 1 秒で 10 台まで高速にスケーリングしていることが分かります。Flex Consumption の Functions メトリクスのうち、OnDemandFunctionExecutionUnits メトリクスを確認します。mb-milliseconds 単位で測定されるので分かりにくいですが、インスタンスがアクティブな時間を表しています。右端の山（メモリサイズ 4,096 MB と コンカレンシー 32）の 800M が最もスループットが高い構成です。パフォーマンス要件次第ですが、2 番目にスループットが高い左端の山（メモリサイズ 2,048 MB と コンカレンシー 8）が要件を満たしていれば、600 M 弱の実行時間に相当するコストで済むため、この構成も選択肢に含めて検討することができます。まとめAzure Load Testing を使って Azure Functions Flex Consumption の HTTP Trigger のパフォーマンスとコストを最適化する方法を試してみました。Flex Consumption は、実行時に使用されたメモリとコンピューティング時間に基づいて課金されます。メモリ設定を高くすると実行時間は速くなりますが、リクエストあたりのコストは高くなります。逆に、メモリ設定を低くするとコストは削減されますが、実行時間は長くなる可能性があります。このトレードオフに対して、Performance Optimizer を活用することで、コストとパフォーマンスの最適なバランスを見つけやすくなります。

Azure Load Testing を使って Azure Functions Flex Consumption の HTTP Trigger のパフォーマンスとコストを最適化する

先月、Azure Functions の Durable Task Scheduler（DTS）が public preview になりました。今回は DTS を使って Multi Agent アプリケーションを構築してみます。techcommunity.microsoft.comなぜ Durable Functions で Multi Agent を構築するのか？昨年に話題となった Anthropic の Building effective agents の記事を読むと、エージェントの定義が Durable Functions のパターンと似ていることが分かります。blog.cgillum.techLangGraph や AutoGen などの多くのマルチエージェント向けフレームワークが存在するなかで、個人的な推しは Durable Functions によるマルチエージェント構築です。Microsoft の土田さんが Durable Functions で Orchestrator-Workers パターンを実装するためのテンプレート プロジェクトを公開しています。github.com今回は、このテンプレートから最低限の実装のみを抜き出したアプリケーションを作って試してみます。フロントエンドのチャット画面は Streamlit、バックエンドの API は Durable Functions、LLM は Azure OpenAI Service の gpt-4o を採用しています。Durable Task Scheduler とはDurable Functions は、GA して5～6年が経つ成熟したサービスではありますが、マルチエージェントのユースケースで使われることで、より優れたスケーラビリティ（LLM からのレスポンスに時間がかかりやすいため）可観測性の向上（オーケストレーターから実行されるアクティビティが LLM によって決定されるため）が要求される背景を受けて、Durable Task Scheduler が登場しました。learn.microsoft.comDurable Functions のストレージプロバイダー（Azure Storage、MSSQL、Netherite）に追加される４つめのプロバイダーという位置づけになります。DTS は Durable Functions だけではなく、専用の SDK を使うことで Azure Container Apps や Azure App Service などのバックエンドにも利用できます。Durable Task Scheduler への対応公式ドキュメントのクイックスタートに従って実装すれば OK です。learn.microsoft.comまずは、 DTS の NuGet パッケージをインストールします。PM> NuGet\Install-Package Microsoft.Azure.Functions.Worker.Extensions.DurableTask.AzureManaged -Version 0.4.2-alpha合わせて、Microsoft.Azure.Functions.Worker.Extensions.DurableTask パッケージのバージョンも 1.2.2 以降に更新しておきます。次に、host.json に extensions の構成を追加します。{  "extensions": {    "durableTask": {      "hubName": "%TASKHUB_NAME%",      "storageProvider": {        "type": "azureManaged",        "connectionStringName": "DURABLE_TASK_SCHEDULER_CONNECTION_STRING"      }    }  }}最後に、local.settings.json に DURABLE_TASK_SCHEDULER_CONNECTION_STRING と TASKHUB_NAME の環境変数を追加します。{  "IsEncrypted": false,  "Values": {    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "DURABLE_TASK_SCHEDULER_CONNECTION_STRING": "Endpoint=http://localhost:8080;Authentication=None",    "TASKHUB_NAME": "default"  }}以上の手順で、Durable Functions を DTS に対応させることができます。ローカルのエミュレーターで動かすDTS のエミュレーターが Docker Image で公開されていますので、ローカルの Docker Desktop で実行します。docker run --rm -it -p 8080:8080 -p 8082:8082 mcr.microsoft.com/dts/dts-emulator:v0.0.5フロントエンドの Streamlit とバックエンドの Functions をローカルで実行し、チャットを入力してみます。http://localhost:8082/ にアクセスして、DTS のダッシュボードを確認します。オーケストレーションの詳細では、タイムラインのビューを確認できます。さらに、シーケンスのビューでは、視覚的にエージェントの呼び出し履歴を確認できるので、Durable Functions を運用する際の可観測性を大きく向上できます。なお、ダッシュボードからはオーケストレーションの一時停止や再開などアクションも実行できます。Azure にデプロイするローカルで動作確認できたので、Azure Portal で DTS を構成した Azure Funcitons をデプロイします。現時点では DTS を利用できるリージョンが限定されており、ホスティングオプションも Functions Premium Plan と App Service Plan のみです。デプロイが完了したので、DTS の Task Hub にダッシュボードを利用するための Access Control を設定します。Durable Task Data Contributor のロールにメンバーを割り当ててあげましょう。あとは、従来通りに Visual Studio から Azure Functions にデプロイします。（本題から逸れるので詳細は割愛します。）チャットを入力すると、Azure Portal の DTS のダッシュボードからオーケストレーションの実行履歴を確認できます。まとめAzure Functions Durable Task Scheduler を使用して Multi Agent アプリケーションを構築してみました。Japan East および West のリージョンFlex Consumption PlanGA に向けてこの２つを対応してもらえるようにフィードバックしています。今回のソースコードは、こちらのリポジトリで公開しています。github.com

Azure Functions Durable Task Scheduler を使用して Multi Agent アプリケーションを構築する

この件は GitHub Actions の仕様であり、ネットを探すとたくさんの記事がありますが、今回のユースケースでの対応をまとめておきます。背景弊社では、各事業部が別サイトで技術ブログを書いているため、所属するエンジニアの個人技術ブログも含めて一覧表示するキュレーションサイトを作成しています。tech-blog-hub.nextscape.netこのアプリケーションでは、ビルド時に各ブログサイトから RSS を取得する作りになっているので、GitHub Actions のワークフローを cron ジョブで毎日デプロイしています。構築した際の話については、こちらの記事を参照してください。gooner.hateblo.jp課題この cron ジョブで毎日デプロイしているワークフローが 60 日で無効化されてしまい、キュレーションサイトに表示されるブログが最新化されない課題が発生しました。公式ドキュメントを読むと、下記のような仕様に関する記載がありました。パブリックリポジトリでは、60日間にリポジトリにアクティビティがなかった場合、スケジュールされたワークフローは自動的に無効化されます。このアプリケーション自体の更新は殆どないので、リポジトリが更新されずとも継続的に cron ジョブのワークフローを実行させたいです。対応GitHub の友人に相談したところ、契約プランや設定で変更できるものではなく、Marketplace に下記のようなライブラリがあることを教えてもらいました。github.comGitHub API で対象ワークフローを有効化するワークフローダミーのコミットを作るワークフローダミーのコミットを作るのは気が進まなかったのと、GitHub API を呼ぶだけならライブラリを使って依存関係を作るまでもないと考え、上記１のワークフローをシンプルに実装しました。name: Keepalive Workflowon:  schedule:    - cron: '0 5 1,15 * *'  workflow_dispatch:concurrency:  group: keepalive  cancel-in-progress: falsejobs:  keepalive:    permissions:      actions: write    runs-on: ubuntu-latest    steps:      - name: Re-enable workflow        env:          GH_TOKEN: ${{ secrets.GITHUB_TOKEN }}          GH_REPO: ${{ github.repository }}        run: |          gh workflow enable keepalive.yml          gh workflow enable <無効化させたくないワークフローのファイル名>.ymlポイントは、対象ワークフローが既に有効の場合でも、無効になるまでの期限が延長される点です。自分自身も含め、常に有効化したい YAML ファイル名を指定します。まとめGitHub Actions のワークフローが 60 日後に無効化されないように、GitHub API で対象ワークフローを有効化するワークフローを作ってみました。このワークフローを運用してしばらく様子を見てみたいと思います。最後に、今回の Pull Request はこちらになります。github.com

GitHub Actions のワークフローが 60 日後に無効化されないようにする

先週末、第5回 Azure Travelers 勉強会 沖縄の旅に参加してきました。jat.connpass.com勉強会FOURSEAS さんの全面協力のもと、沖縄市のコザにある Microsoft Base Okinawa で行われました。4seas.vc正確には Microsoft Base Okinawa の下の階にある KOZA Startup Arcade のイベントスペースが会場でした。沖縄のスタートアップ企業やエンジニアが集まって、新たなイノベーションを生み出すコミュニティを築く場として使われているそうです。www.koza.rocksセッションは、生成 AI とセキュリティに関連する内容が多かったです。今回から恒例となる Azure クイズも面白かったです。普段使わないサービスの問題は難しいなと思いました。私自身は、飛び入りで LT に参加して Durable Task Scheduler の紹介をしました。Multi Agent で Durable Functions を使う場面が増えるので、スケーラビリティと可観測性を向上できることに期待しているという内容を話しました。午前中のみ配信のアーカイブがあります。www.youtube.comランチは地元の方のお勧めの大衆食堂ミッキーで食べたフーチキナー定食（からし菜と麩の沖縄風炒め）が美味しかったです。懇親会は、二代目 串カツ劇場→天理スタミナラーメン→コザ麦酒工房をはしご酒して楽しい時間を過ごすことができました。嘉手納基地が近いため、夜のコザは異国情緒あふれる雰囲気の街なのが印象に残りました。Azure Travelers では、開催地をサイコロで決める水曜どうでしょう的なルールがあり、次々回は東京に決定しました。沖縄観光勉強会以外にも、いろいろと観光して沖縄を満喫しました。孤独のグルメ 聖地巡礼2023年の大晦日スペシャルで登場した沖縄料理「ちまぐー」に行きました。ちまぐ定食は、豚足のから揚げが甘辛く味付けされてご飯に合う美味しさでした。古宇利大橋ちまぐーからほど近い古宇利大橋に行きました。海が奇麗でいい景色だったのですが、宮古島に行った後のためか感動が薄かった気がします。美ら海水族館数年ぶりに美ら海水族館に行きました。ジンベエザメのいる巨大な水槽は迫力がありますし、悠然と泳ぐ姿が印象的でした。海ぶどうが生えている姿を初めて見ました。美浜アメリカンビレッジ帰りの飛行機まで時間があったので、北谷のアメリカンビレッジに立ち寄りました。この時期に何故クリスマス仕様なのかはよく分かりませんでした。まとめAzure Travelers のコミュニティは３回目の参加で、今回も楽しいイベントでした。欲を言えば、開催地の地元の人に多く参加してもらえるといいなと思いました。前乗りして宮古島でワーケーションした話は、こちらの記事を参照してください。gooner.hateblo.jpおまけ沖縄で食べた美味しかったもの。BLUE SEAL の紅イモTHE ORION BEER DINING のビールゆうなんぎいのラフテーJACK'S STEAK HOUSE のテンダーロインステーキ花人逢のピザステーキハウス 88 の特選赤肉ステーキ

第5回 Azure Travelers 勉強会 沖縄の旅に参加してきました

Azure Functions では、Azure OpenAI 向けの拡張機能（Preview）が提供されていますが、関数を呼び出した際の 404 エラーに遭遇したので顛末をまとめておきます。learn.microsoft.com現象Text completion input binding などの関数を呼び出した際に、下記のように 404 エラーが発生しました。[2025-01-17T06:48:58.834Z] Executed 'Functions.GenerateText' (Failed, Id=88d16bb1-2c58-4db4-a173-98208885ae76, Duration=1065ms)[2025-01-17T06:48:58.838Z] System.Private.CoreLib: Exception while executing function: Functions.GenerateText. Azure.AI.OpenAI: The API deployment for this resource does not exist. If you created the deployment within the last 5 minutes, please wait a moment and try again.[2025-01-17T06:48:58.849Z] Status: 404 (DeploymentNotFound)[2025-01-17T06:48:58.852Z] ErrorCode: DeploymentNotFound[2025-01-17T06:48:58.856Z][2025-01-17T06:48:58.861Z] Content:[2025-01-17T06:48:58.864Z] {"error":{"code":"DeploymentNotFound","message":"The API deployment for this resource does not exist. If you created the deployment within the last 5 minutes, please wait a moment and try again."}}[2025-01-17T06:48:58.867Z][2025-01-17T06:48:58.870Z] Headers:[2025-01-17T06:48:58.877Z] x-ms-client-request-id: d6ccf64a-504c-471c-b100-d8ff659824d9[2025-01-17T06:48:58.880Z] apim-request-id: REDACTED[2025-01-17T06:48:58.883Z] Strict-Transport-Security: REDACTED[2025-01-17T06:48:58.886Z] X-Content-Type-Options: REDACTED[2025-01-17T06:48:58.889Z] x-ms-region: REDACTED[2025-01-17T06:48:58.895Z] Date: Fri, 17 Jan 2025 06:48:57 GMT[2025-01-17T06:48:58.897Z] Content-Length: 197[2025-01-17T06:48:58.899Z] Content-Type: application/json[2025-01-17T06:48:58.901Z] .    原因以前は正常に動作していたコードなので１時間くらい悩んだのですが、原因はシンプルでエンドポイントが間違っていました。Azure Portal ではなく、AI Foundry のモデルのエンドポイントを使うのが正解です。URL の openai/deployments/gpt-4o/chat/completions?api-version=2024-08-01-preview を除いた https://xxx-xxx-eastus2.cognitiveservices.azure.com/ までを使ってください。ちなみに、以前は Azure Portal のエンドポイントで正常に動作していました。正確には Azure Functions の問題ではなく、AOAI 側のエンドポイントの違いです。対応local.settings.json において、正しいエンドポイントとキーを定義します。{  "IsEncrypted": false,  "Values": {    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "AZURE_OPENAI_ENDPOINT": "https://xxx-xxx-eastus2.cognitiveservices.azure.com/",    "AZURE_OPENAI_KEY": "xxx",    "CHAT_MODEL_DEPLOYMENT_NAME": "gpt-4o"}

Azure Functions の Azure OpenAI Extension で 404 エラーが発生する場合の確認事項

Azure Functions のビルドで NuGet エラーに遭遇したので顛末をまとめておきます。現象Azure Functions は、Isolated Worker Process モデルの Durable Functions（.NET9）です。 In-Process モデルでも通常の Functions でも同様のエラーでビルドが失敗します。error NU1102: バージョン (>= 4.3.1) のパッケージ System.Text.RegularExpressions が見つかりませんerror NU1102:   - 2 バージョンが Microsoft Visual Studio Offline Packages に見つかりました。 [ 最も近いバージョン: 4.1.0 ]error NU1102:   - nuget.org からのバージョンは考慮されませんでした。error NU1100: 'net6.0' に対する 'Grpc.Core (>= 2.46.6)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'ncrontab.signed (>= 3.3.0)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'runtime.native.System (>= 4.3.0)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'runtime.native.System.Net.Http (>= 4.3.0)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'runtime.native.System.Security.Cryptography.OpenSsl (>= 4.3.2)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'Azure.Data.Tables (>= 12.8.0)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'WindowsAzure.Storage (>= 9.3.1)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'Newtonsoft.Json.Bson (>= 1.0.1)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。error NU1100: 'net6.0' に対する 'runtime.native.System.Security.Cryptography.Apple (>= 4.3.0)' を解決できません。 PackageSourceMapping が有効になっています。次のソースは考慮されませんでした: Microsoft Visual Studio Offline Packages, nuget.org。Visual Studio から NuGet のキャッシュをクリアしても、エラーは解決しませんでした。原因数日前まではビルドが成功していたので、正直何もしていないのに壊れた状態です。learn.microsoft.comlearn.microsoft.comエラーコードの説明を読むと、NuGet.Config が怪しそうなので、パッケージソースのマッピングを追加したところ、そのパッケージのエラーは解消するものの、また別のパッケージでエラーが発生してしまいます。対応結論としては、パッケージソースのマッピングをすべて削除することで、エラーが解決しました。念のため、すべて削除した後にキャッシュもクリアしました。自分ではパッケージソースのマッピングを追加していないのに、かなりの数のマッピングが追加されていました。そもそも個別に追加する必要はないはずなので、何かの拍子に追加されたマッピング同士の依存関係が悪さをしていたのかもしれません。

Azure Functions のビルドが NuGet エラーで失敗する件

2024年もあと数時間となりましたので、今年１年を振り返ります。イベント登壇第46回 Tokyo Jazug Night社内の問い合わせ対応業務に Azure OpenAI Service を活用した導入事例を話しました。gooner.hateblo.jpJapan Azure User Group 14周年イベントAzure App Service on Linux の Sidecar に Phi-3 を配置する話をしました。gooner.hateblo.jpAzure Travelers 勉強会登壇というわけではありませんが、Azure Travelers 勉強会に参加して飛び込み LT を話しました。Azure と旅をテーマとしたコミュニティで、JAZUG とは違った面白さのある勉強会です。gooner.hateblo.jpgooner.hateblo.jpコミュニティ運営JAZUG の運営は足利さんたちに任せっきりであまりお手伝いできていませんが、来年は15周年なので楽しいイベントにしたいです。jazug.connpass.comMicrosoft MVP2019年以来、5年振りに MVP Global Summit（グロサミ）に現地参加しました。オンライン参加と比べて、多くのインプットや刺激をもらうことができました。gooner.hateblo.jp今年も Microsoft MVP を更新できたので、来年3月のグロサミにも現地参加の予定です。仕事生成 AI を取り巻く状況が変化する中でネクストスケープの得意領域を再認識した結果、開発内製化を推進したい顧客に対して、最新の PaaS / Serverless によるクラウドネイティブなアーキテクチャを活用した構築支援に原点回帰することにしました。また、Microsoft の海外カンファレンスである Build と  Ignite に現地参加しました。gooner.hateblo.jpgooner.hateblo.jpゲームブレワイとティアキンは神ゲーなので、記憶をなくした設定で２回クリアしました。信長の野望 新生は過去シリーズ中でも屈指の名作でした。まとめ今年もいろいろな場所へ旅行に行きましたし、推し活も捗りました。来年も趣味と仕事のどちらも楽しんでいきたいです。おまけ2024年自分が選ぶ今年の7枚。Seattle Argosy Cruises国営ひたち海浜公園のネモフィラあしかがフラワーパークの大藤銀山温泉桜井二見ヶ浦の夫婦岩Chicago River Cruiseもうすぐ金になるラジオ 1st Event

2024 年振り返り

今更感ありますが、Azure App Service に Streamlit で作成したアプリケーションをデプロイする手順をまとめておきます。Streamlit とはStreamlit は、Python で簡単に Web アプリケーションを構築できるため、AI や機械学習などのデータサイエンティストに人気があるフレームワークです。streamlit.ioチャットアプリを作成する今回は、Streamlit でチャットボットのアプリケーションを作成し、バックエンドの LLM には Azure OpenAI Service を利用しました。まずは、必要となる Python のパッケージをインストールします。pip install streamlit openai python-dotenv次に、接続先となる Azure OpenAI Service の情報を環境変数（.env）に定義します。AZURE_OPENAI_API_KEY="xxx"AZURE_OPENAI_ENDPOINT="https://xxx.openai.azure.com/"AZURE_OPENAI_API_VERSION="yyyy-mm-dd-preview"AZURE_OPENAI_MODEL_NAME="gpt-4o"app.py にチャットボットを実装します。OpenAI Client を生成し、Chat Completions API を呼び出しています。チャットメッセージの入力と表示、セッション管理など含めて、数行の Python のコードで実装できます。import streamlit as stimport osfrom openai import AzureOpenAIfrom dotenv import load_dotenvload_dotenv()api_key = os.getenv("AZURE_OPENAI_API_KEY")azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT")api_version = os.getenv("AZURE_OPENAI_API_VERSION")model = os.getenv("AZURE_OPENAI_MODEL_NAME")st.title("AOAI Chat App")client = AzureOpenAI(    api_key = api_key,    azure_endpoint = azure_endpoint,    api_version = api_version)if "openai_model" not in st.session_state:    st.session_state["openai_model"] = modelif "messages" not in st.session_state:    st.session_state.messages = []for message in st.session_state.messages:    with st.chat_message(message["role"]):        st.markdown(message["content"])if prompt := st.chat_input("What is up?"):    st.session_state.messages.append({"role": "user", "content": prompt})    with st.chat_message("user"):        st.markdown(prompt)    with st.chat_message("assistant"):        stream = client.chat.completions.create(            model = model,            messages=[                {"role": m["role"], "content": m["content"]}                for m in st.session_state.messages            ],            max_tokens = 1024,            temperature = 0.95,            stream=True        )        response = st.write_stream(stream)    st.session_state.messages.append({"role": "assistant", "content": response})ローカル開発環境において、アプリケーションを実行して動作確認しておきます。streamlit run app.py    デプロイ準備Azure App Service にデプロイする準備として、下記の２つを追加しておきます。Azure App Service に Python のパッケージをインストールするための requirements.txt を追加します。streamlitopenaipython-dotenvAzure App Service 上で Streamlit のアプリケーションを実行するためのスクリプト（startup.sh）を追加します。python -m streamlit run app.py --server.port 8000 --server.address 0.0.0.0ここまで準備できたら、GitHub のリポジトリにコードをプッシュしておきます。Azure App Service を作成するAzure Portal から App Service を作成します。Python 3.12 を指定し、Startup Command に startup.sh を設定します。App settings に SCM_DO_BUILD_DURING_DEPLOYMENT を追加して、値に「1」を設定します。これは App Service 上に Python のパッケージをインストールさせるための構成なので、必ず設定しておく必要があります。ここまで設定できたら、Deployment Center から App Service と GitHub のリポジトリをリンクして GitHub Actions を設定します。name: Build and deployon:  push:    branches:      - main  workflow_dispatch:jobs:  build:    runs-on: ubuntu-latest    steps:      - uses: actions/checkout@v4      - name: Set up Python version        uses: actions/setup-python@v5        with:          python-version: '3.12'      - name: Create and start virtual environment        run: |          python -m venv venv          source venv/bin/activate            - name: Install dependencies        run: pip install -r requirements.txt              # Optional: Add step to run tests here (PyTest, Django test suites, etc.)      - name: Zip artifact for deployment        run: zip release.zip ./* -r      - name: Upload artifact for deployment jobs        uses: actions/upload-artifact@v4        with:          name: python-app          path: |            release.zip            !venv/  deploy:    runs-on: ubuntu-latest    needs: build    environment:      name: 'Production'      url: ${{ steps.deploy-to-webapp.outputs.webapp-url }}    permissions:      id-token: write #This is required for requesting the JWT    steps:      - name: Download artifact from build job        uses: actions/download-artifact@v4        with:          name: python-app      - name: Unzip artifact for deployment        run: unzip release.zip            - name: Login to Azure        uses: azure/login@v2        with:          client-id: ${{ secrets.AZUREAPPSERVICE_CLIENTID_2466F700CA8843CA9B069A29E3450DFA }}          tenant-id: ${{ secrets.AZUREAPPSERVICE_TENANTID_190A7EF7651C4E9B8B92AB9EE837B7F8 }}          subscription-id: ${{ secrets.AZUREAPPSERVICE_SUBSCRIPTIONID_C91DA824A9CC46778EC83041EBFC699E }}      - name: 'Deploy to Azure Web App'        uses: azure/webapps-deploy@v3        id: deploy-to-webapp        with:          app-name: 'gooner-chat'          slot-name: 'Production'    動作確認デプロイが完了したら、チャットアプリを動作確認してみます。App Service の Easy Auth で Microsoft Account 認証を設定しました。認証周りもアプリケーションに手を加えずに実現できるのは、App Service のメリットの１つです。まとめAzure App Service に Streamlit で作成したチャットアプリをデプロイしてみました。今回のソースコードは、こちらのリポジトリで公開しています。github.com

Azure App Service に Streamlit で作成したチャットアプリをデプロイする

この記事は、Microsoft Azure Advent Calendar 2024 の 16 日目 の記事です。qiita.comAzure Functions の In-Process モデルが 2026 年 11 月 10 日よりサポート終了となりますので、Isolated Worker Process モデルにおけるシークレットの管理方法を改めて考えてみました。モチベーションデータベースの接続文字列や API Key などのセンシティブな情報は、アプリケーションのリポジトリ内では管理したくありません。Azure の本番環境では、Azure Key Vault を使って Managed Service Identity（MSI）で認証するローカルの開発環境では、ASP.NET Core の Secret Manger で管理するアプリケーションに関する設定は、appsettings.json で管理するFunction のバインディング用の接続文字列は、local.settings.json で管理する上記の方針に従って、実際に構成を作って試してみます。Azure Functions に appsettings.json を追加するAzure Functions のプロジェクトには local.settings.json が用意されていますが、JSON の配列を定義できないなど ASP.NET Core の appsettings.json と異なる部分が使いづらいので、Azure Functions においても appsettings.json を導入します。appsettings.json と appsettings.Development.json のファイルを追加します。<ItemGroup>    <None Update="appsettings.json">        <CopyToOutputDirectory>PreserveNewest</CopyToOutputDirectory>    </None>    <None Update="appsettings.Development.json">        <CopyToOutputDirectory>PreserveNewest</CopyToOutputDirectory>        <CopyToPublishDirectory>Never</CopyToPublishDirectory>    </None></ItemGroup>appsettings.json では、接続する Key Vault の URL を定義しておきます。{  "Function": {    "KeyVaultUrl": "https://xxx.vault.azure.net/"  }}    Azure Key Vault にデータベースの接続文字列を登録するAzure Functions からアクセスする SQL Database の接続文字列を登録するシナリオを例に説明していきます。Function--SqlConnection という名前で登録します。名前に Function のプレフィックスを付けた理由は、１つの Key Vault で複数の Azure Functions を構成を管理する想定のためです。-- で区切っています。Key Vault の名前には : を使うことができないで注意してください。Azure Functions で Azure Key Vault を参照するAzure Key Vault を参照するための NuGet パッケージをインストールします。PM> Install-Package Azure.Identity -Version 1.13.1PM> Install-Package Azure.Extensions.AspNetCore.Configuration.Secrets -Version 1.3.2開発環境以外では MSI を使って Key Vault に接続するように Program.cs で構成します。if (builder.Configuration["AzureWebJobsStorage"] != "UseDevelopmentStorage=true"){    var keyVaultUrl = builder.Configuration["Function:KeyVaultUrl"];    if (!string.IsNullOrEmpty(keyVaultUrl))    {        builder.Configuration.AddAzureKeyVault(new Uri(keyVaultUrl), new DefaultAzureCredential());    }}アプリケーションで SQL Database の接続文字列を扱いやすくするため、POCO クラスにマッピングします。public class MySettings{    public required string SqlConnection { get; set; }    public required string KeyVaultUrl { get; set; }}Key Vault の Secret から自分のアプリケーション情報だけを取得したいので、Program.cs で Function のプレフィックスを指定しています。builder.Services    .Configure<MySettings>(builder.Configuration.GetSection("Function"))    .AddApplicationInsightsTelemetryWorkerService()    .ConfigureFunctionsApplicationInsights();Program.cs 全体のコードは、こんな感じです。var builder = FunctionsApplication.CreateBuilder(args);builder.ConfigureFunctionsWebApplication();builder.Configuration.AddUserSecrets(Assembly.GetExecutingAssembly());builder.Services    .Configure<MySettings>(builder.Configuration.GetSection("Function"))    .AddApplicationInsightsTelemetryWorkerService()    .ConfigureFunctionsApplicationInsights();if (builder.Configuration["AzureWebJobsStorage"] != "UseDevelopmentStorage=true"){    var keyVaultUrl = builder.Configuration["Function:KeyVaultUrl"];    if (!string.IsNullOrEmpty(keyVaultUrl))    {        builder.Configuration.AddAzureKeyVault(new Uri(keyVaultUrl), new DefaultAzureCredential());    }}builder.Build().Run();Function では、このような実装で SQL Database の接続文字列を取得します。public class HttpFunction{    private readonly ILogger<HttpFunction> _logger;    private readonly MySettings _settings;    public HttpFunction(ILogger<HttpFunction> logger, IOptions<MySettings> optionsAccessor)    {        _logger = logger;        _settings = optionsAccessor.Value;    }    [Function(nameof(HttpFunction))]    public IActionResult Run([HttpTrigger(AuthorizationLevel.Function, "get", "post")] HttpRequest req)    {        _logger.LogInformation("C# HTTP trigger function processed a request.");        var responseMessage = $"SqlConnection : {_settings.SqlConnection}, KeyVaultUrl : {_settings.KeyVaultUrl}";        return new OkObjectResult(responseMessage);    }}    Azure 本番環境Azure Functions の MSI を有効化し、Key Vault の Access policies を設定します。$ az functionapp identity assign --name "<Function Apps Name>" --resource-group "<Resource Group Name>"{  "principalId": "xxx",  "tenantId": "yyy",  "type": "SystemAssigned",  "userAssignedIdentities": null}$ az keyvault set-policy --name "<Key Vault Name>" --object-id "xxx" --secret-permissions get listこれで Azure Functions は、MSI で Key Vault に認証して SQL Database の接続文字列を取得できます。ローカル開発環境Visual Studio の機能でローカル開発環境から Key Vault に接続することはできますが、環境によって上手く認証できなかったり、デバッグ実行が遅くなったりするので、今回は使いません。learn.microsoft.comVisual Studio のプロジェクトを右クリックしたユーザーシークレットの管理から secrets.json ファイルを追加し、このように SQL Database の接続文字列を定義します。{  "Function": {    "SqlConnection": "SQL Connection for Secret Manager."  }}これでローカル環境では、secrets.json から取得した SQL Database の接続文字列を使って開発できます。local.settings.json でバインディングの接続文字列を管理するStorage や Cosmos DB のバインディングを使う Function の場合、バインディング用の接続文字列を設定する必要があります。The Functions scale controller may not scale the following functions correctly because some configuration values were modified in an external startup class.そのため、バインディング用の接続文字列は  local.settings.json で管理します。{    "IsEncrypted": false,    "Values": {      "AzureWebJobsStorage": "UseDevelopmentStorage=true",      "FUNCTIONS_WORKER_RUNTIME": "dotnet",      "StorageBindingConnection": "UseDevelopmentStorage=true"    }}public class QueueFunction{    private readonly ILogger<QueueFunction> _logger;    public QueueFunction(ILogger<QueueFunction> logger)    {        _logger = logger;    }    [Function(nameof(QueueFunction))]    public void Run([QueueTrigger("myqueue-items", Connection = "StorageBindingConnection")] QueueMessage message)    {        _logger.LogInformation("C# Queue trigger function processed: {MessageText}", message.MessageText);    }}Azure 本番環境では、Application settings に接続文字列をベタ書きではなく Key Vault 参照を使うことで、シークレットを Key Vault で一元管理するようにします。@Microsoft.KeyVault(SecretUri=https://xxx.vault.azure.net/secrets/Function--StorageConnection/)learn.microsoft.comまとめAzure Functions の Isolated Worker Process モデルにおけるシークレットの管理方法を改めて考えてみました。拡張機能なしで ASP.NET Core のプログラミングモデルに寄せて実装できるようになりました。ASP.NET Core アプリケーションについては、こちらの記事を参照してください。gooner.hateblo.jp

Azure Functions におけるシークレットの管理方法を改めて考えてみた【Isolated Worker Process 版】

この記事は、Microsoft Azure Advent Calendar 2024 の 15 日目 の記事です。qiita.comAzure Functions の In-Process モデルは、.NET 8 までの対応となっており、2026 年 11 月 10 日よりサポート終了となります。github.comApplicationIsolated Worker Process モデルにマイグレーションする手順は、こちらのドキュメントの通りです。今回は Deployment Slots を使わずダイレクトに移行します。azure.github.iocsproj ファイルPropertyGroup に OutputType を追加し、Target Framework も合わせて更新します。<PropertyGroup>    <TargetFramework>net9.0</TargetFramework>    <AzureFunctionsVersion>v4</AzureFunctionsVersion>    <UserSecretsId>2586a5fb-4b07-4712-be4b-75721384d340</UserSecretsId>    <OutputType>Exe</OutputType>    <ImplicitUsings>enable</ImplicitUsings>    <Nullable>enable</Nullable></PropertyGroup>Nuget Library は、In-Process モデルのパッケージを Microsoft.Azure.Functions.Worker に置き換えます。<PackageReference Include="Microsoft.Azure.Functions.Worker" Version="2.0.0" /><PackageReference Include="Microsoft.Azure.Functions.Worker.Extensions.Http" Version="3.2.0" /><PackageReference Include="Microsoft.Azure.Functions.Worker.Extensions.Http.AspNetCore" Version="2.0.0" /><PackageReference Include="Microsoft.Azure.Functions.Worker.Sdk" Version="2.0.0" />Queue Trigger の Function があるので、こちらのパッケージも置き換えます。他のトリガーやバインディングがある場合は、個別に置き換えが必要です。<PackageReference Include="Microsoft.Azure.Functions.Worker.Extensions.Storage.Queues" Version="5.5.0" />シークレット関連は、バージョン更新するだけで OK です。<PackageReference Include="Azure.Identity" Version="1.13.1" /><PackageReference Include="Azure.Extensions.AspNetCore.Configuration.Secrets" Version="1.3.2" />Application Insights のパッケージも追加しておきます。<PackageReference Include="Microsoft.ApplicationInsights.WorkerService" Version="2.22.0" /> <PackageReference Include="Microsoft.Azure.Functions.Worker.ApplicationInsights" Version="2.0.0" />最後に、 新しい ItemGroup を追加します。<ItemGroup>    <Using Include="System.Threading.ExecutionContext" Alias="ExecutionContext" /></ItemGroup>    Program.cs ファイルこのアプリケーションでは、Azure Functions のプロジェクトに拡張の NuGet パッケージをインストールして Startup クラスを実装していました。appsettings.json の追加Azure Key Vault の参照（Azure 環境のみ）secrets.json の利用（ローカル開発環境のみ）[assembly: FunctionsStartup(typeof(FunctionApp.Startup))]namespace FunctionApp{    public class Startup : FunctionsStartup    {        public override void Configure(IFunctionsHostBuilder builder)        {            var context = builder.GetContext();            builder.Services.Configure<MySettings>(context.Configuration.GetSection("Function"));        }        public override void ConfigureAppConfiguration(IFunctionsConfigurationBuilder builder)        {            var context = builder.GetContext();            builder.ConfigurationBuilder                .AddJsonFile(Path.Combine(context.ApplicationRootPath, "appsettings.json"), optional: true, reloadOnChange: false)                .AddJsonFile(Path.Combine(context.ApplicationRootPath, $"appsettings.{context.EnvironmentName}.json"), optional: true, reloadOnChange: false)                .AddEnvironmentVariables();            if (context.EnvironmentName != "Development")            {                var config = builder.ConfigurationBuilder.Build();                builder.ConfigurationBuilder                    .AddAzureKeyVault(new Uri(config["Function:KeyVaultUrl"]), new DefaultAzureCredential());            }        }    }}Startup クラスの実装を Program.cs ファイルに置き換えます。IHostApplicationBuilder を使うことで、ASP.NET Core のプログラミングモデルに寄せて実装できる ASP.NET Core integration を有効化できます。var builder = FunctionsApplication.CreateBuilder(args);builder.ConfigureFunctionsWebApplication();builder.Configuration.AddUserSecrets(Assembly.GetExecutingAssembly());builder.Services    .Configure<MySettings>(builder.Configuration.GetSection("Function"))    .AddApplicationInsightsTelemetryWorkerService()    .ConfigureFunctionsApplicationInsights();if (builder.Configuration["AzureWebJobsStorage"] != "UseDevelopmentStorage=true"){    if (!string.IsNullOrEmpty(keyVaultUrl))    {        builder.Configuration.AddAzureKeyVault(new Uri(keyVaultUrl), new DefaultAzureCredential());    }}builder.Build().Run();    local.settings.json ファイルFUNCTIONS_WORKER_RUNTIME プロパティの値を dotnet-isolated へ変更します。{  "IsEncrypted": false,  "Values": {    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "StorageBindingConnection": "UseDevelopmentStorage=true"  }    Http Trigger FunctionIsolated Worker Process モデルでは、Function の引数で ILogger を受け取れないため、コンストラクタの引数で受け取るように変更します。private readonly ILogger<HttpFunction> _logger;    // 追加private readonly MySettings _settings;//public HttpFunction(IOptions<MySettings> optionsAccessor)public HttpFunction(ILogger<HttpFunction> logger, IOptions<MySettings> optionsAccessor){    _logger = logger;    // 追加    _settings = optionsAccessor.Value;}Function を定義する属性は、FunctionName から Function に変更します。//[FunctionName(nameof(HttpFunction))]//public IActionResult Run([HttpTrigger(AuthorizationLevel.Function, "get", "post", Route = null)] HttpRequest req, ILogger log)[Function(nameof(HttpFunction))]public IActionResult Run([HttpTrigger(AuthorizationLevel.Function, "get", "post")] HttpRequest req)    Queue Trigger FunctionILogger をコンストラクタの引数で受け取る変更は Http Trigger と同様です。Queue Trigger ではメッセージを QueueMessage 型で受け取れるようになります。//[FunctionName(nameof(QueueFunction))]// public void Run([QueueTrigger("myqueue-items", Connection = "StorageBindingConnection")] string myQueueItem, ILogger log)[Function(nameof(QueueFunction))]public void Run([QueueTrigger("myqueue-items", Connection = "StorageBindingConnection")] QueueMessage message)ローカル開発環境で Visual Studio からデバッグ実行すると、エラーが発生しました。<Error>  <Code>InvalidHeaderValue</Code>  <Message>The value for one of the HTTP headers is not in the correct format.</Message>  <HeaderName>x-ms-version</HeaderName>  <HeaderValue>2024-08-04</HeaderValue></Error>どうやら Nuget Package を更新したことで、ライブラリとエミュレータで Azure Storage の API バージョンが一致していないことが原因のようです。Azure FunctionsAzure Functions 側は、環境変数の FUNCTIONS_WORKER_RUNTIME の値を dotnet-isolated へ変更します。.NET Version は、環境変数の変更を Save した後に変更しました。GitHub Actions を組んでいるので、こちらの DOTNET_VERSION も忘れずに更新します。env:  AZURE_FUNCTIONAPP_PACKAGE_PATH: '.' # set this to the path to your web app project, defaults to the repository root  DOTNET_VERSION: '9.0.x' # set this to the dotnet version to use以上で、無事に Isolated Worker Process モデルへのマイグレーションが完了しました。

Azure Functions を In-Process モデルから Isolated Worker Process モデルにマイグレーションする

.NET 9 が GA しましたので、Azure App Service にデプロイされている ASP.NET Core のアプリケーションをマイグレーションしました。github.comApplication.NET 8 から 9 にマイグレーションする手順は、こちらのドキュメントの通りです。learn.microsoft.comこのアプリケーションは Web API なので、Target Framework と Nuget Library のバージョンを更新するだけで完了しました。<Project Sdk="Microsoft.NET.Sdk.Web">  <PropertyGroup>    <TargetFramework>net9.0</TargetFramework>	  <Nullable>enable</Nullable>	  <ImplicitUsings>enable</ImplicitUsings>      <UserSecretsId>9b78b10b-0a8e-4ee1-a5d8-45b31b399498</UserSecretsId>	  </PropertyGroup>  <ItemGroup>    <PackageReference Include="AutoMapper" Version="13.0.1" />    <PackageReference Include="Azure.Data.Tables" Version="12.9.1" />    <PackageReference Include="Azure.Extensions.AspNetCore.Configuration.Secrets" Version="1.3.2" />    <PackageReference Include="Azure.Identity" Version="1.13.1" />    <PackageReference Include="Azure.Storage.Blobs" Version="12.23.0" />    <PackageReference Include="Azure.Storage.Queues" Version="12.21.0" />    <PackageReference Include="Microsoft.ApplicationInsights.AspNetCore" Version="2.22.0" />    <PackageReference Include="Microsoft.Azure.Cosmos" Version="3.46.0" />    <PackageReference Include="Microsoft.EntityFrameworkCore.SqlServer" Version="9.0.0" />    <PackageReference Include="Microsoft.EntityFrameworkCore.Tools" Version="9.0.0">      <PrivateAssets>all</PrivateAssets>      <IncludeAssets>runtime; build; native; contentfiles; analyzers; buildtransitive</IncludeAssets>    </PackageReference>    <PackageReference Include="Newtonsoft.Json" Version="13.0.3" />    <PackageReference Include="Swashbuckle.AspNetCore" Version="7.2.0" />  </ItemGroup>  <ItemGroup>    <Folder Include="Controllers\" />  </ItemGroup></Project>Cosmos DB Client を最新バージョンに更新したところ、ビルドエラーが発生しました。The Newtonsoft.Json package must be explicitly referenced with version >= 10.0.2. Please add a reference to Newtonsoft.Json or set the 'AzureCosmosDisableNewtonsoftJsonCheck' property to 'true' to bypass this check.何故か Newtonsoft.Json パッケージの明示的な参照を求められるようになり、オプトアウトの設定（AzureCosmosDisableNewtonsoftJsonCheck）を試しましたが、ビルドエラーは解決しませんでした。仕方なく Newtonsoft.Json パッケージをインストールしましたが、旧バージョンでは必要なかったのでこの対応は解せないと感じました。github.comAzure App ServiceApp Service 側は、.NET Version を変更するのみです。GitHub Actions を組んでいるので、こちらの dotnet-version も忘れずに更新します。jobs:  build:    runs-on: windows-latest    steps:      - uses: actions/checkout@v4      - name: Set up .NET Core        uses: actions/setup-dotnet@v1        with:          dotnet-version: '9.0.x'          include-prerelease: trueここまでの変更をリポジトリにプッシュすると、エラーが発生しました。This request has been automatically failed because it uses a deprecated version of `actions/upload-artifact: v2`.NET 9 のマイグレーションと別件で、GitHub Actions の artifact actions v2 が廃止されていたことが原因だったので、v4 に更新しました。github.blog以上で、無事に .NET 9 へのマイグレーションが完了しました。

Azure App Service を .NET 9 にマイグレーションする

昨年11月の Ignite 2023 に続き、今年も Ignite 2024 に現地参加してきました。昨年の開催地はシアトルでしたが、今年はシカゴで開催されました。news.microsoft.comIgnite 2024 でアナウンスされた内容は、このあたりの記事で説明されています。Book of Newsブチザッキ（Keynote、Azure Updates (2024-11-20)）この記事では、現地参加の雰囲気や個人的に感じたことをお伝えしていきます。Registration会場は、シカゴにある McCormick Place West Building です。ダウンタウンから会場が離れているので各ホテルからのシャトルバスでまとまって移動したことと、参加者数も1万4000人で大規模ということもあり、Registration の行列ができていました。Keynoteいよいよ初日のキーノート、今回も MVP 向けの Priority Seat が用意されていましたが、席数に限りがあり前日のレジストでも行列していたので6時半から並びました。今回の Ignite では Copilot の話題が多かったですが、個人的には Copilot & AI Stack のアーキテクチャを構成する Azure リソース群の派手さはないが堅実なアップデートが良かったと感じました。Multi-Agent というキーワードは、トヨタの事例をはじめ多くのセッションで取り上げられて若干のバズワード感はありましたが、ドメインやユースケース毎に個別最適化するアーキテクチャは良いと思いました。自律した Agent 群が協調して動作することで、部分的な更新、システム全体の可用性やパフォーマンスの向上、Agent 単位のスケーリングが実現しやすくなります。UI がチャットボットから音声入力に変わっても、容易に対応できそうです。Breakoutブレイクアウトセッションの様子。個人的に熱いと感じた Azure 関連のアップデート。Azure FunctionsFlex Consumption待望の GA だが、日本リージョンにデプロイされず・・・Durable Task Scheduler for Azure Durable FunctionsDurable Functions は OpenAI との相性が良い、最適化されたパフォーマンスでモニタリングしやすさも向上Azure Container AppsServerless GPUサーバーレスで GPU が使えるCosmos DBVector Search for NoSQLDiskANN を使ったベクトル検索が GAFull Text Search and Hybrid Searchまさかの Cosmos DB でフルテキスト検索とハイブリッド検索、AI Search との使い分けを整理したいAzure Managed Redis現行の Azure Cache for Redis よりも早い安い、将来的には移行する流れ一方で、OpenAI 周りの大きなアップデートは AI Studio が AI Foundry にリネームされてくらいでした。これはシステムを構築する際に OpenAI と繋ぎ込む Azure リソースへの関心や重要性が高まっていて、OpenAI を活用したソリューションを構築するフェーズに入ったことを意味していると感じました。会場の様子McCormick Place には1～3階の各フロアに部屋があって、自由に聞きたいセッションを選べます。昨年のシアトルの会場と比較しても、かなり広い会場でセッション間の移動が大変でした。HUB はパートナーのブースやシアターセッションがある広い会場でした。エキスパートのブースもあったので、Azure Functions チームに Flex Consumption を Japan リージョンにもデプロイしてほしいとフィードバックしておきました。MVP と RD の名前が書かれた Wall もあって、自分の名前を発見して安心しました。Ignite 飯は全体的に例年並みでしたが、スープが美味しかったです。最近は危険な料理を避ける嗅覚が身に付いてきた感があります。今回の戦利品。Backpack と Water Bottle が貰えたので、Ignite 期間中は重宝しました。Microsoft Ignite and AMD CelebrationDay3 のパーティ会場は、ミシガン湖岸にある Navy Pier でした。シカゴ ループ（地下鉄の路線図）をモチーフにしたパーティになっており、お酒を飲んだりご飯を食べたりしながらライブやゲームを楽しめました。まとめMicrosoft Ignite 2024 にシカゴで現地参加してきました。gooner.hateblo.jp

Microsoft Ignite 2024 に現地参加してきました

先週末、第4回 Azure Travelers 勉強会 福岡の旅に参加してきました。jat.connpass.com勉強会オルターブースさんの全面協力のもと、エンジニアカフェで行われました。engineercafe.jpセッションでは、Entra External ID、Platform Engineering、生成 AI など興味深い内容が多く、会場を巻き込みながらインタラクティブに進行できる雰囲気がよかったです。午前中のみ配信のアーカイブがあります。www.youtube.com印象に残ったのは、パネルディスカッションで話題に挙がった福岡におけるハッカソンへの取り組みでした。ハックツハッカソンのような学生向けのハッカソンが定期開催されていて、オルターブースのメンバーが入社するきっかけになったそうです。cup.hackz.team懇親会の出席率も高かったですし、中州で食べた鯖や鯵など福岡名物の青魚が美味しかったです。そのあとはラーメンを食べに行ったり、屋台に行ったりしました。Azure Travelers では、開催地をサイコロで決める水曜どうでしょう的なルールがあり、次々回は四国に決定しました。勉強会以外にも、いろいろと観光して福岡を満喫しました。観光した話は、こちらの記事を参照してください。gooner.hateblo.jpまとめAzure Travelers のコミュニティは２回目の参加で、今回も楽しいイベントでした。欲を言えば、開催地の地元の人に多く参加してもらえるといいなと思いました。ちなみに、第3回の山形の旅は、こちらの記事を参照してください。gooner.hateblo.jp

第4回 Azure Travelers 勉強会 福岡の旅に参加してきました

Japan Azure User Group 14周年イベントに参加して、Azure App Service on Linux の Sidecar に Phi-3 を配置するアーキテクチャの話をしてきました。jazug.connpass.comApp Service の Sidecar に SLM をセルフホストするアーキテクチャを中心に、Sidecar の使いどころの考察も含めて話しました。www.youtube.com speakerdeck.comまだ Preview なので、実運用には足りない機能や制約もありますが、これからのインテリジェントアプリケーション開発において注目したいアーキテクチャです。X（Twitter）での反応は比較的好評で楽しんでいただけたようですし、数名の方から直接フィードバックをいただくこともできたので、話して良かったなと思いました。どのくらいの App Service Plan が必要になるのか？Sidecar で SLM を動かすためには、相応の SKU の App Service Plan が必要です。デモしたアプリは Premium v3 P3V3（CPU 8、Memory 32GB）を選択していました。Sidecar がリソースを消費しすぎてメインアプリに影響を与えそうSidecar の SLM が多くのリソース（CPU と Memory）を消費してしまうことで、メインのアプリケーションに影響を与えてしまうリスクがあります。kubernetes.io公式フォーラムにフィードバックしておきました。https://feedback.azure.com/d365community/idea/83acbe10-6584-ef11-9442-6045bd8115dc今回のイベントでは、JAZUG に初参加の方が多くいました。お仕事でも趣味でも Azure が好きな人たちが集まって楽しめるコミュニティになるように、15周年に向けて盛り上げていきたいです。

Japan Azure User Group 14周年イベントで Azure App Service の Sidecar の話をしてきました

Azure Functions では、Azure OpenAI 向けの拡張機能（Preview）が提供されています。learn.microsoft.com今回は、拡張機能の Assistant trigger を使って、Chat completion binding で構築したチャットアシスタントにカスタムスキルを追加してみました。gooner.hateblo.jpgooner.hateblo.jpgooner.hateblo.jpAssistant trigger とはFunction に Assistant trigger を定義することで、チャットアシスタントにカスタムスキルを提供できます。OpenAI の Function calling が内部的に使われており、呼び出す Function とそのタイミングを判定してくれます。learn.microsoft.com前準備Azure Functions を Isolated worker model で作成し、NGet ライブラリをインストールします。インストールする前に、Visual Studio などのテンプレートで作成されたプロジェクトのライブラリ群を最新版に更新しておくことをお勧めします。$ dotnet add package Microsoft.Azure.Functions.Worker.Extensions.OpenAI --version 0.16.0-alphalocal.settings.json において、Azure OpenAI Service の エンドポイントとキーを定義しておきます。{  "IsEncrypted": false,  "Values": {    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "AZURE_OPENAI_ENDPOINT": "https://xxx-xxx-eastus2.cognitiveservices.azure.com/",    "AZURE_OPENAI_KEY": "xxx",    "CHAT_MODEL_DEPLOYMENT_NAME": "gpt-4o"  }エンドポイントとキーは、Azure Portal ではなく、AI Foundry の情報を使います。間違えると、404 エラーが発生します。カスタムスキルを追加するAssistantSkillTrigger のバインディングを使って、チャットアシスタントによってトリガーできる２つの Function を作成します。Todo リストにタスクを追加するTodo リストからタスクを取得する関数と引数の名前、AssistantSkillTrigger で定義する説明は、Function calling が呼び出す Function とそのタイミングを判断するための重要な情報となります。public class AssistantSkills{    private readonly ITodoManager _todoManager;    private readonly ILogger<AssistantSkills> _logger;    public AssistantSkills(ITodoManager todoManager, ILogger<AssistantSkills> logger)    {        _todoManager = todoManager;        _logger = logger;    }    [Function(nameof(AddTodo))]    public Task AddTodo([AssistantSkillTrigger("Create a new todo task")] string taskDescription)    {        if (string.IsNullOrEmpty(taskDescription))        {            throw new ArgumentException("Task description cannot be empty");        }        _logger.LogInformation("Adding todo: {task}", taskDescription);        string todoId = Guid.NewGuid().ToString()[..6];        return _todoManager.AddTodoAsync(new TodoItem(todoId, taskDescription));    }    [Function(nameof(GetTodos))]    public Task<IReadOnlyList<TodoItem>> GetTodos(        [AssistantSkillTrigger("Fetch the list of previously created todo tasks")] object inputIgnored)    {        _logger.LogInformation("Fetching list of todos");        return _todoManager.GetTodosAsync();    }}Todo リストに追加するタスクの永続化は、データベースを使わずに、オンメモリで保持するようにしました。public record TodoItem(string Id, string Task);public interface ITodoManager{    Task AddTodoAsync(TodoItem todo);    Task<IReadOnlyList<TodoItem>> GetTodosAsync();}class InMemoryTodoManager : ITodoManager{    readonly List<TodoItem> todos = new();    public Task AddTodoAsync(TodoItem todo)    {        this.todos.Add(todo);        return Task.CompletedTask;    }    public Task<IReadOnlyList<TodoItem>> GetTodosAsync()    {        return Task.FromResult<IReadOnlyList<TodoItem>>(this.todos.ToImmutableList());    }}最後に、Program.cs で TodoManager のインスタンスを追加しておきます。var host = new HostBuilder()    .ConfigureFunctionsWebApplication()    .ConfigureServices(services =>    {        services.AddApplicationInsightsTelemetryWorkerService();        services.ConfigureFunctionsApplicationInsights();        services.AddSingleton<ITodoManager, InMemoryTodoManager>();    })    .Build();host.Run();    動作確認VS Code 拡張機能の REST Client を使って、チャットアシスタントと会話してみます。新しいアシスタントを作成する@function_app_HostAddress = http://localhost:7074### Assistant create output bindingPUT {{function_app_HostAddress}}/api/chat/1 HTTP/1.1content-type: application/jsonHTTP/1.1 201 CreatedContent-Type: application/json; charset=utf-8Date: Sat, 07 Sep 2024 14:06:32 GMTServer: KestrelTransfer-Encoding: chunked{  "assistantId": "1"}    アシスタントにタスクの追加を依頼する### Assistant triggerPOST {{function_app_HostAddress}}/api/chat/1 HTTP/1.1content-type: application/json{  "userMessage": "出張の新幹線を予約するのを忘れないように"}HTTP/1.1 200 OKContent-Type: text/plain; charset=utf-8Date: Sat, 07 Sep 2024 14:12:52 GMTServer: KestrelTransfer-Encoding: chunked「出張の新幹線を予約するのを忘れないように」というタスクを追加しました。さらに、もう１つタスクを追加してみます。### Assistant triggerPOST {{function_app_HostAddress}}/api/chat/1 HTTP/1.1content-type: application/json{  "userMessage": "それと、ホテルの予約も"}HTTP/1.1 200 OKContent-Type: text/plain; charset=utf-8Date: Sat, 07 Sep 2024 14:13:46 GMTServer: KestrelTransfer-Encoding: chunked「ホテルの予約をする」というタスクも追加しました。    アシスタントに今日のタスクを確認する### Assistant triggerPOST {{function_app_HostAddress}}/api/chat/1 HTTP/1.1content-type: application/json{  "userMessage": "今日は何をすればいい？"}HTTP/1.1 200 OKContent-Type: text/plain; charset=utf-8Date: Sat, 07 Sep 2024 14:14:27 GMTServer: KestrelTransfer-Encoding: chunked今日のタスクは以下の通りです：1. 出張の新幹線を予約するのを忘れないように2. ホテルの予約をする頑張ってください！チャットアシスタントから今日のタスクが回答されたことが分かります。まとめAzure Functions 拡張機能の Assistant trigger を使って、Chat completion binding で構築したチャットアシスタントにカスタムスキルを追加してみました。今回のソースコードは、こちらのリポジトリで公開しています。github.com

Azure Functions の Azure OpenAI Extension を使ってチャットアシスタントにカスタムスキルを追加する

Azure Functions では、Azure OpenAI 向けの拡張機能（Preview）が提供されています。learn.microsoft.com今回は、拡張機能の Chat completion binding を使って、チャットアシスタントを構築してみました。gooner.hateblo.jpgooner.hateblo.jpgooner.hateblo.jpChat completion binding とはチャットアシスタント向けの３種類の binding が提供されています。Assistant create output bindingAssistant create output binding を使うことで、指定したシステムプロンプトによる新しいアシスタントを作成できます。learn.microsoft.comAssistant post input bindingAssistant post input binding を使うことで、アシスタントにメッセージを送信するとともに、Table Storage にメッセージ内容を永続化します。learn.microsoft.comAssistant query input bindingAssistant query input binding を使うことで、アシスタントが永続化したチャット履歴を取得できます。learn.microsoft.com前準備Azure Functions を Isolated worker model で作成し、NGet ライブラリをインストールします。インストールする前に、Visual Studio などのテンプレートで作成されたプロジェクトのライブラリ群を最新版に更新しておくことをお勧めします。$ dotnet add package Microsoft.Azure.Functions.Worker.Extensions.OpenAI --version 0.16.0-alphalocal.settings.json において、Azure OpenAI Service の エンドポイントとキーを定義しておきます。{  "IsEncrypted": false,  "Values": {    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "AZURE_OPENAI_ENDPOINT": "https://xxx-xxx-eastus2.cognitiveservices.azure.com/",    "AZURE_OPENAI_KEY": "xxx",    "CHAT_MODEL_DEPLOYMENT_NAME": "gpt-4o"  }エンドポイントとキーは、Azure Portal ではなく、AI Foundry の情報を使います。間違えると、404 エラーが発生します。新しいアシスタントを作成するAssistantCreateOutput のバインディングを使うことで、指定した ID とシステムプロンプトを持つチャットアシスタントを作成できます。作成した結果は、AssistantCreateRequest で受け取ることができます。public class Chat{    private readonly ILogger<Chat> _logger;    public Chat(ILogger<Chat> logger)    {        _logger = logger;    }    [Function(nameof(CreateAssistant))]    public CreateAssistantOutput CreateAssistant(        [HttpTrigger(AuthorizationLevel.Function, "put", Route = "chat/{assistantId}")] HttpRequest req,        string assistantId)    {        _logger.LogInformation("Assistant create output binding function processed a request.");        var responseJson = new { assistantId };        var instructions = """            You are an AI assistant that helps people find information.            """;        return new CreateAssistantOutput        {            HttpResponse = new OkObjectResult(responseJson) { StatusCode = 201 },            AssistantCreateRequest = new AssistantCreateRequest(assistantId, instructions)        };    }    public class CreateAssistantOutput    {        [AssistantCreateOutput()]        public AssistantCreateRequest? AssistantCreateRequest { get; set; }        [HttpResult]        public IActionResult? HttpResponse { get; set; }    }}    アシスタントにメッセージを送信するAssistantPostInput のバインディングを使うことで、チャットアシスタントにメッセージ（プロンプト）を送信できます。送信した結果は、AssistantState で受け取ることができます。[Function(nameof(PostUserMessage))]public IActionResult PostUserMessage(    [HttpTrigger(AuthorizationLevel.Anonymous, "post", Route = "chat/{assistantId}")] HttpRequestData req,    string assistantId,    [AssistantPostInput("{assistantId}", "{userMessage}", Model = "%CHAT_MODEL_DEPLOYMENT_NAME%")] AssistantState state){    _logger.LogInformation("Assistant post input binding function processed a request.");    return new OkObjectResult(state.RecentMessages.LastOrDefault()?.Content ?? "No response returned.");}    チャット履歴を取得するAssistantQueryInput のバインディングを使うことで、チャットアシスタントが永続化したチャット履歴を取得するクエリを送信できます。クエリ結果は、AssistantState で受け取ることができます。[Function(nameof(GetChatState))]public IActionResult GetChatState(    [HttpTrigger(AuthorizationLevel.Anonymous, "get", Route = "chat/{assistantId}")] HttpRequestData req,    string assistantId,    [AssistantQueryInput("{assistantId}", TimestampUtc = "{timestampUtc}")] AssistantState state){    _logger.LogInformation("Assistant query input binding function processed a request.");    return new OkObjectResult(state);}    動作確認VS Code 拡張機能の REST Client を使って、チャットアシスタントと会話してみます。新しいアシスタントを作成する@function_app_HostAddress = http://localhost:7074### Assistant create output bindingPUT {{function_app_HostAddress}}/api/chat/1 HTTP/1.1content-type: application/jsonHTTP/1.1 201 CreatedContent-Type: application/json; charset=utf-8Date: Sat, 07 Sep 2024 05:33:20 GMTServer: KestrelTransfer-Encoding: chunked{  "assistantId": "1"}    アシスタントにメッセージを送信する### Assistant post input bindingPOST {{function_app_HostAddress}}/api/chat/1 HTTP/1.1content-type: application/json{  "userMessage": "京都のお勧めの観光地はどこですか?"}HTTP/1.1 200 OKContent-Type: text/plain; charset=utf-8Date: Sat, 07 Sep 2024 05:35:26 GMTServer: KestrelTransfer-Encoding: chunked京都には多くの美しい観光地があります。いくつかのお勧めを紹介します。1. **清水寺（きよみずでら）**：   - 世界遺産にも登録されている清水寺は、特に「清水の舞台」からの眺めが見どころです。春の桜や秋の紅葉の季節がお勧めです。2. **金閣寺（きんかくじ）**：   - その美しい金色の外観で有名な金閣寺。正式名は鹿苑寺（ろくおんじ）で、日本の歴史や文化を感じることができます。3. **銀閣寺（ぎんかくじ）**：   - 正式には慈照寺（じしょうじ）。庭園と一緒に楽しむ禅の雰囲気が魅力です。4. **伏見稲荷大社（ふしみいなりたいしゃ）**：   - 多数の鳥居が連なり、その美しい光景で知られる伏見稲荷。山全体に広がる参道を散策すると、日本の伝統文化に触れることができます。5. **嵐山（あらしやま）**：   - 自然豊かな嵐山エリアは、竹林の道や渡月橋（とげつきょう）など、美しい風景が楽しめます。また、トロッコ列車や保津川下りも人気です。6. **二条城（にじょうじょう）**：   - 世界遺産に登録されている歴史的な城で、美しい庭園や御殿内に描かれた障壁画が見所です。7. **祇園（ぎおん）**：   - 京都の伝統的な街並みを感じることができるエリア。舞妓さんや茶屋など、日本の古き良き風情が楽しめます。8. **天龍寺（てんりゅうじ）**：   - 世界遺産である天龍寺は、美しい庭園が特徴です。特に曹源池庭園（そうげんちていえん）は見逃せません。これら以外にも、京都には多数の素晴らしい観光地やお寺があります。訪れる時期や興味に合わせて計画を立ててくださいね。チャットアシスタントから京都のお勧めの観光地が回答されたことが分かります。チャット履歴を取得する### Assistant query input bindingGET {{function_app_HostAddress}}/api/chat/1?TimestampUtc=2024-09-06T00:00:00Accept: application/jsonHTTP/1.1 200 OKContent-Type: application/json; charset=utf-8Date: Sat, 07 Sep 2024 05:40:48 GMTServer: KestrelTransfer-Encoding: chunked{  "id": "1",  "exists": true,  "createdAt": "2024-09-07T05:33:21.9599132Z",  "lastUpdatedAt": "2024-09-07T05:35:27.1306636Z",  "totalMessages": 3,  "totalTokens": 594,  "recentMessages": [    {      "content": "You are an AI assistant that helps people find information.",      "role": "system",      "name": null    },    {      "content": "京都のお勧めの観光地はどこですか?",      "role": "user",      "name": null    },    {      "content": "京都には多くの美しい観光地があります。いくつかのお勧めを紹介します。\n\n1. **清水寺（きよみずでら）**：\n   - 世界遺産にも登録されている清水寺は、特に「清水の舞台」からの眺めが見どころです。春の桜や秋の紅葉の季節がお勧めです。\n\n2. **金閣寺（きんかくじ）**：\n   - その美しい金色の外観で有名な金閣寺。正式名は鹿苑寺（ろくおんじ）で、日本の歴史や文化を感じることができます。\n\n3. **銀閣寺（ぎんかくじ）**：\n   - 正式には慈照寺（じしょうじ）。庭園と一緒に楽しむ禅の雰囲気が魅力です。\n\n4. **伏見稲荷大社（ふしみいなりたいしゃ）**：\n   - 多数の鳥居が連なり、その美しい光景で知られる伏見稲荷。山全体に広がる参道を散策すると、日本の伝統文化に触れることができます。\n\n5. **嵐山（あらしやま）**：\n   - 自然豊かな嵐山エリアは、竹林の道や渡月橋（とげつきょう）など、美しい風景が楽しめます。また、トロッコ列車や保津川下りも人気です。\n\n6. **二条城（にじょうじょう）**：\n   - 世界遺産に登録されている歴史的な城で、美しい庭園や御殿内に描かれた障壁画が見所です。\n\n7. **祇園（ぎおん）**：\n   - 京都の伝統的な街並みを感じることができるエリア。舞妓さんや茶屋など、日本の古き良き風情が楽しめます。\n\n8. **天龍寺（てんりゅうじ）**：\n   - 世界遺産である天龍寺は、美しい庭園が特徴です。特に曹源池庭園（そうげんちていえん）は見逃せません。\n\nこれら以外にも、京都には多数の素晴らしい観光地やお寺があります。訪れる時期や興味に合わせて計画を立ててくださいね。",      "role": "assistant",      "name": null    }  ]}Table Storage の OpenAIChatState テーブルを確認すると、チャット履歴が永続化されています。まとめAzure Functions 拡張機能の Chat completion binding を使って、チャットアシスタントを構築してみました。今回のソースコードは、こちらのリポジトリで公開しています。github.com

Azure Functions の Azure OpenAI Extension を使ってチャットアシスタントを構築する

Azure Functions では、Azure OpenAI 向けの拡張機能（Preview）が提供されています。learn.microsoft.com今回は、拡張機能の Embeddings binding を使って、ベクトル検索を構築してみました。gooner.hateblo.jpgooner.hateblo.jpgooner.hateblo.jpEmbeddings binding とはベクトル検索を構築するための３種類の binding が提供されています。ベクトルストアは AI Search や Cosmos DB に対応しており、今回は AI Search を使います。Embeddings input bindingEmbeddings input binding を使うことで、テキストやファイルを Embedding することができます。learn.microsoft.comEmbeddings store output bindingEmbeddings store output binding を使うことで、テキストやファイルを Embedding してベクトルストアに書き込むことができます。learn.microsoft.comSemantic search input bindingSemantic search input binding を使うことで、ベクトルストアに対してセマンティック検索を実行できます。learn.microsoft.com前準備Azure Functions を Isolated worker model で作成し、NGet ライブラリをインストールします。インストールする前に、Visual Studio などのテンプレートで作成されたプロジェクトのライブラリ群を最新版に更新しておくことをお勧めします。$ dotnet add package Microsoft.Azure.Functions.Worker.Extensions.OpenAI --version 0.16.0-alpha$ dotnet add package Microsoft.Azure.Functions.Worker.Extensions.OpenAI.AzureAISearch --version 0.3.0-alpha$ dotnet add package Azure.Search.Documents --version 11.6.0local.settings.json において、Azure OpenAI Service と AI Search の エンドポイントとキーを定義しておきます。{  "IsEncrypted": false,  "Values": {    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "AZURE_OPENAI_ENDPOINT": "https://xxx-xxx-eastus2.cognitiveservices.azure.com/",    "AZURE_OPENAI_KEY": "xxx",    "CHAT_MODEL_DEPLOYMENT_NAME": "gpt-4o",    "EMBEDDING_MODEL_DEPLOYMENT_NAME": "text-embedding-ada-002",    "AISearchEndpoint": "https://xxx.search.windows.net",    "SearchAPIKey": "xxx"  }}エンドポイントとキーは、Azure Portal ではなく、AI Foundry の情報を使います。間違えると、404 エラーが発生します。host.json において、セマンティック検索の構成を定義しておきます。{  "extensions": {    "openai": {      "searchProvider": {        "type": "azureAiSearch",        "isSemanticSearchEnabled": true,        "useSemanticCaptions": true,        "vectorSearchDimensions": 1536,        "searchAPIKeySetting": "SearchAPIKey"      }    }  }}    テキストを Embedding するEmbeddingsInput のバインディングを使うことで、AOAI の Embedding Model を使ってテキストを Embedding できます。Embedding した結果は、EmbeddingsContext で受け取ることができます。public class Embeddings{    private readonly ILogger<Embeddings> _logger;    public Embeddings(ILogger<Embeddings> logger)    {        _logger = logger;    }    [Function(nameof(GenerateEmbeddings))]    public async Task GenerateEmbeddings(        [HttpTrigger(AuthorizationLevel.Function, "post", Route = "embeddings/generate")] HttpRequestData req,        [EmbeddingsInput("{rawText}", InputType.RawText, Model = "%EMBEDDING_MODEL_DEPLOYMENT_NAME%")] EmbeddingsContext embeddings)    {        _logger.LogInformation("Embeddings input binding function processed a request.");        var requestBody = await req.ReadFromJsonAsync<GenerateEmbeddingsRequest>();        if (requestBody?.RawText == null)        {            throw new ArgumentException("Invalid request body. Make sure that you pass in {\"RawText\": value } as the request body.");        }        _logger.LogInformation(            "Received {count} embedding(s) for input text containing {length} characters.",            embeddings.Count,            requestBody?.RawText?.Length);        // TODO: Store the embeddings into a database or other storage.    }    internal class GenerateEmbeddingsRequest    {        public string? RawText { get; set; }    }}なお、EmbeddingsInput のバインディングでは、InputType で FilePathや Url も指定できます。テキストを Embedding してベクトルストアに書き込むEmbeddingsStoreOutput のバインディングを使うことで、AOAI の Embedding Model を使ってテキストを  Embedding した結果をベクトルストアに書き込むことができます。AI Search に openai-index という名前のインデックスを作成するように指定しています。[Function(nameof(IngestEmbeddings))]public async Task<EmbeddingsStoreOutputResponse> IngestEmbeddings(    [HttpTrigger(AuthorizationLevel.Function, "post", Route = "embeddings/ingest")] HttpRequestData req){    _logger.LogInformation("Embeddings store output binding function processed a request.");    var requestBody = await req.ReadFromJsonAsync<IngestEmbeddingsRequest>();    if (requestBody?.RawText == null || requestBody?.Title == null)    {        throw new ArgumentException("Invalid request body. Make sure that you pass in {\"RawText\": value, \"Title\": value} as the request body.");    }    IActionResult result = new OkObjectResult(new { status = HttpStatusCode.OK });    return new EmbeddingsStoreOutputResponse    {        HttpResponse = result,        SearchableDocument = new SearchableDocument(requestBody.Title)    };}internal class IngestEmbeddingsRequest{    public string? RawText { get; set; }    public string? Title { get; set; }}public class EmbeddingsStoreOutputResponse{    [EmbeddingsStoreOutput("{RawText}", InputType.RawText, "AISearchEndpoint", "openai-index", Model = "%EMBEDDING_MODEL_DEPLOYMENT_NAME%")]    public required SearchableDocument SearchableDocument { get; init; }    public IActionResult? HttpResponse { get; set; }}なお、EmbeddingsStoreOutput のバインディングでは、InputType で FilePathや Url も指定できます。ベクトルストアに対してセマンティック検索を実行するSemanticSearchInput のバインディングを使うことで、ベクトルストアに対してセマンティック検索を実行できます。AI Search の openai-index という名前のインデックスから検索します。検索結果は、SemanticSearchContext で受け取ることができます。[Function(nameof(SemanticSearch))]public IActionResult SemanticSearch(    [HttpTrigger(AuthorizationLevel.Function, "post", Route = "embeddings/search")] SemanticSearchRequest unused,    [SemanticSearchInput("AISearchEndpoint", "openai-index", Query = "{Prompt}", ChatModel = "%CHAT_MODEL_DEPLOYMENT_NAME%", EmbeddingsModel = "%EMBEDDING_MODEL_DEPLOYMENT_NAME%")] SemanticSearchContext result){    _logger.LogInformation("Semantic search input binding function processed a request.");    return new ContentResult { Content = result.Response, ContentType = "text/plain" };}なお、SemanticSearchInput のバインディングでは、検索オプションを指定できます。動作確認VS Code 拡張機能の REST Client を使って、ベクトル検索を実行してみます。テキストを Embedding する@function_app_HostAddress = http://localhost:7074### Embeddings input bindingPOST {{function_app_HostAddress}}/api/embeddings/generate HTTP/1.1content-type: application/json{  "rawText": "暑い日に食べられている京菓子は？"}テキストを Embedding してベクトルストアに書き込む### Embeddings store output bindingPOST {{function_app_HostAddress}}/api/embeddings/ingest HTTP/1.1content-type: application/json< ./Data/request-body01.jsonベクトル化する JSON は、別ファイル（request-body01.json）に切り出しています。{  "rawText": "花びら餅は、京都の伝統的な和菓子で、美しい花びら模様の薄い皮と甘さ控えめのあんこが特徴です。この和菓子は季節ごとにバリエーションが楽しめ、茶道やお茶うけに使われ、京都のお土産として人気があります。見た目も美しく、食べるだけでなく、芸術的な価値も持っています。また、花びら餅は季節感あふれる和菓子で、特に春に楽しまれます。春の季節になると、桜の花びらを使った花びら餅が登場し、桜の風味を楽しむことができます。この季節になると、花見のお供としても愛され、桜の美しさと和の風情を同時に楽しむことができます。花びら餅は、京都の伝統を受け継ぐ和菓子として、その美しさと風味によって多くの人に愛されています。",  "title": "花びら餅"}花びら餅のほかに、若鮎、栗饅頭、八つ橋のデータをベクトル化しました。ベクトルストアに対してセマンティック検索を実行する### Semantic search input bindingPOST {{function_app_HostAddress}}/api/embeddings/search HTTP/1.1content-type: application/json{  "prompt": "暑い日に食べられている京菓子は？"}HTTP/1.1 200 OKContent-Length: 175Content-Type: text/plainDate: Sat, 07 Sep 2024 11:02:22 GMTServer: Kestrel暑い日に食べられている京菓子の一例として、「若鮎」があります。若鮎は初夏を涼しげに彩る京の季節菓子です。Reference: 若鮎ベクトル検索で「若鮎」が返却されたことが分かります。まとめAzure Functions 拡張機能の Embeddings binding を使って、Azure AI Search によるベクトル検索を構築してみました。今回のソースコードは、こちらのリポジトリで公開しています。github.com

Azure Functions の Azure OpenAI Extension を使ってベクトル検索を構築する

Azure Functions では、Azure OpenAI 向けの拡張機能（Preview）が提供されています。learn.microsoft.com今回は、拡張機能の Text completion input binding を使って、コンテンツを要約してみました。gooner.hateblo.jpgooner.hateblo.jpgooner.hateblo.jpText completion input binding とはText completion input binding を使うことで、Azure OpenAI Service の Text Completions API を呼び出して、結果を取得できます。learn.microsoft.com前準備Azure Functions を Isolated worker model で作成し、NGet ライブラリをインストールします。インストールする前に、Visual Studio などのテンプレートで作成されたプロジェクトのライブラリ群を最新版に更新しておくことをお勧めします。$ dotnet add package Microsoft.Azure.Functions.Worker.Extensions.OpenAI --version 0.16.0-alphalocal.settings.json において、Azure OpenAI Service の エンドポイントとキーを定義しておきます。{  "IsEncrypted": false,  "Values": {    "AzureWebJobsStorage": "UseDevelopmentStorage=true",    "FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",    "AZURE_OPENAI_ENDPOINT": "https://xxx-xxx-eastus2.cognitiveservices.azure.com/",    "AZURE_OPENAI_KEY": "xxx",    "CHAT_MODEL_DEPLOYMENT_NAME": "gpt-4o"  }エンドポイントとキーは、Azure Portal ではなく、AI Foundry の情報を使います。間違えると、404 エラーが発生します。Function を実装するTextCompletionInput のバインディングを使うことで HTTP リクエストの prompt という JSON のテキストを AOAI に渡す部分の繋ぎ込みを行ってくれます。AOAI からのレスポンスは、TextCompletionResponse から取得できます。public class Text{    private readonly ILogger<Text> _logger;    public Text(ILogger<Text> logger)    {        _logger = logger;    }    [Function(nameof(GenerateText))]    public IActionResult GenerateText(        [HttpTrigger(AuthorizationLevel.Function, "post", Route = "text")] HttpRequest req,        [TextCompletionInput("{prompt}", Model = "%CHAT_MODEL_DEPLOYMENT_NAME%")] TextCompletionResponse response)    {        _logger.LogInformation("Text completion input binding function processed a request.");        return new OkObjectResult(response.Content);    }}なお、TextCompletionInput のバインディングでは、Temperature や MaxTokens なども指定できます。動作確認VS Code 拡張機能の REST Client を使って、2024/25 Premier League の Arsenal の開幕戦の Match Report を要約してみます。@function_app_HostAddress = http://localhost:7074### Text completion input bindingPOST {{function_app_HostAddress}}/api/text HTTP/1.1Accept: application/json{  "prompt": "  Kai Havertz got the scoring started when he nodded home a Bukayo Saka cross after 25 minutes,   but the visitors would cause us some nervy moments either side of the break with David Raya needing to be at his best to keep us in front.  However Saka added a goal to his afternoon’s work when he blasted home at the near post to ensure we recorded a seventh-straight win against the Molineux side,   and see the superb form from the final few months of last season flow into the new campaign.  One line TLDR with the fewest words."}HTTP/1.1 200 OKContent-Type: application/json; charset=utf-8Date: Sat, 07 Sep 2024 01:43:00 GMTServer: KestrelTransfer-Encoding: chunked"Arsenal wins 2-0 against Molineux with goals from Havertz and Saka."ハバーツとサカのゴールで勝利したことが分かります。まとめAzure Functions 拡張機能の Text completion input binding を使って、コンテンツを要約してみました。今回のソースコードは、こちらのリポジトリで公開しています。github.com

Azure Functions の Azure OpenAI Extension を使ってコンテンツを要約する

2024年7月1日付けで、Microsoft Most Valuable Professional (MVP) アワードを再受賞しました。カテゴリは Microsoft Azure から AI Platform に変更となりましたが、8 年目の受賞となります。昨年の主な活動内容イベントの登壇は、第46回 Tokyo Jazug Night の Azure OpenAI Service の社内導入事例セッションとなります。gooner.hateblo.jpブログでも、Azure OpenAI Service ネタが多めでした。OpenAI 関連の情報は非常に多いですが、.NET エンジニアの観点での情報を発信しました。生成 AI ブームの影響でお仕事でも RAG を構築する案件が多かったです。gooner.hateblo.jp今年の活動目標JAZUG のイベントは、オフラインとのハイブリッドで開催しているので、登壇だけでなく運営もお手伝いも継続していきます。jazug.connpass.com技術領域としては、Azure OpenAI Service 周りに加えて、原点回帰というか Azure App Servcie や Azure Functions を中心とした情報も発信できたらと思います。

Toshiyuki Hara

第6回 Azure Travelers 勉強会愛媛の旅に参加してきました

Microsoft Build 2025 に現地参加してきました

Global Azure 2025 で Azure Functions Flex Consumption の話をしてきました

書籍「Azureの知識地図〜クラウドの基礎から実装・運用管理まで」の感想

Azure Load Testing を使って Azure Functions Flex Consumption の HTTP Trigger のパフォーマンスとコストを最適化する

Azure Functions Durable Task Scheduler を使用して Multi Agent アプリケーションを構築する

GitHub Actions のワークフローが 60 日後に無効化されないようにする

第5回 Azure Travelers 勉強会沖縄の旅に参加してきました

Azure Functions の Azure OpenAI Extension で 404 エラーが発生する場合の確認事項

Azure Functions のビルドが NuGet エラーで失敗する件

2024 年振り返り

Azure App Service に Streamlit で作成したチャットアプリをデプロイする

Azure Functions におけるシークレットの管理方法を改めて考えてみた【Isolated Worker Process 版】

Azure Functions を In-Process モデルから Isolated Worker Process モデルにマイグレーションする

Azure App Service を .NET 9 にマイグレーションする

Microsoft Ignite 2024 に現地参加してきました

第4回 Azure Travelers 勉強会福岡の旅に参加してきました

Japan Azure User Group 14周年イベントで Azure App Service の Sidecar の話をしてきました

Azure Functions の Azure OpenAI Extension を使ってチャットアシスタントにカスタムスキルを追加する

Azure Functions の Azure OpenAI Extension を使ってチャットアシスタントを構築する

Azure Functions の Azure OpenAI Extension を使ってベクトル検索を構築する

Azure Functions の Azure OpenAI Extension を使ってコンテンツを要約する

Microsoft MVP を再受賞しました

第6回 Azure Travelers 勉強会 愛媛の旅に参加してきました

Microsoft Build 2025 に現地参加してきました

Global Azure 2025 で Azure Functions Flex Consumption の話をしてきました

書籍「Azureの知識地図 〜クラウドの基礎から実装・運用管理まで」の感想

Azure Load Testing を使って Azure Functions Flex Consumption の HTTP Trigger のパフォーマンスとコストを最適化する

Azure Functions Durable Task Scheduler を使用して Multi Agent アプリケーションを構築する

GitHub Actions のワークフローが 60 日後に無効化されないようにする

第5回 Azure Travelers 勉強会 沖縄の旅に参加してきました

Azure Functions の Azure OpenAI Extension で 404 エラーが発生する場合の確認事項

Azure Functions のビルドが NuGet エラーで失敗する件

2024 年振り返り

Azure App Service に Streamlit で作成したチャットアプリをデプロイする

Azure Functions におけるシークレットの管理方法を改めて考えてみた【Isolated Worker Process 版】

Azure Functions を In-Process モデルから Isolated Worker Process モデルにマイグレーションする

Azure App Service を .NET 9 にマイグレーションする

Microsoft Ignite 2024 に現地参加してきました

第4回 Azure Travelers 勉強会 福岡の旅に参加してきました

Japan Azure User Group 14周年イベントで Azure App Service の Sidecar の話をしてきました

Azure Functions の Azure OpenAI Extension を使ってチャットアシスタントにカスタムスキルを追加する

Azure Functions の Azure OpenAI Extension を使ってチャットアシスタントを構築する

Azure Functions の Azure OpenAI Extension を使ってベクトル検索を構築する

Azure Functions の Azure OpenAI Extension を使ってコンテンツを要約する

Microsoft MVP を再受賞しました

第6回 Azure Travelers 勉強会愛媛の旅に参加してきました

書籍「Azureの知識地図〜クラウドの基礎から実装・運用管理まで」の感想

第5回 Azure Travelers 勉強会沖縄の旅に参加してきました

第4回 Azure Travelers 勉強会福岡の旅に参加してきました