AI Toolkitでエージェントとプロンプトを構築する

AI Toolkitのエージェントビルダーは、プロンプトエンジニアリングやMCPサーバーなどのツールとの統合を含む、エージェントを構築するためのエンジニアリングワークフローを合理化します。一般的なプロンプトエンジニアリングタスクを支援します。

• スタータープロンプトを生成する
• 各実行で反復して改良する
• プロンプトの連鎖と構造化された出力によって複雑なタスクを分解する
• APIを介したシームレスな大規模言語モデル（LLM）統合のためのコードへの簡単なアクセスを提供する

エージェントビルダーは、ツールの使用によりインテリジェントなアプリの機能を強化します

• 既存のMCPサーバーに接続する
• スキャフォールドから新しいMCPサーバーを構築する
• 関数呼び出しを使用して外部APIとサービスに接続する

プロンプトを作成、編集、テストする

エージェントビルダーにアクセスするには、次のいずれかのオプションを使用します

• AI Toolkitビューで、Agent Builderを選択します
• モデルカタログのモデルカードからAgent Builderで試すを選択します

エージェントビルダーでプロンプトをテストするには、次の手順を実行します

1. モデルで、ドロップダウンリストからモデルを選択するか、モデルを閲覧を選択してモデルカタログから別のモデルを追加します。

   

2. ユーザープロンプトを入力し、オプションでシステムプロンプトを入力します。

   ユーザープロンプトは、モデルに送信したい入力です。オプションのシステムプロンプトは、モデルの応答をガイドするために、関連するコンテキストとともに指示を提供するために使用されます。

   ヒント

   自然言語を使用してプロジェクトのアイデアを記述し、プロンプトを自動的に生成します。

3. 実行を選択してプロンプトをモデルに送信します。

4. 必要に応じて、プロンプトを追加を選択してプロンプトを追加したり、プロンプトに追加を選択して会話履歴を構築したりします。

5. モデルの応答を観察し、プロンプトに変更を加えて、プロンプトを繰り返し処理するために前述の手順を繰り返します。

MCPサーバーを使用する

MCPサーバーは、外部APIやサービスに接続できるツールであり、エージェントがテキストの生成だけでなくアクションを実行できるようにします。たとえば、MCPサーバーを使用してデータベースにアクセスしたり、Webサービスを呼び出したり、他のアプリケーションと対話したりできます。

エージェントビルダーを使用して、特徴的なMCPサーバーを検出し、構成し、既存のMCPサーバーに接続したり、スキャフォールドから新しいMCPサーバーを構築したりします。

特徴的なMCPサーバーを構成する

AI Toolkitは、外部APIやサービスに接続するために使用できる特徴的なMCPサーバーのリストを提供します。

特徴的な選択からMCPサーバーを構成するには、次の手順を実行します

1. ツールセクションで、+ MCPサーバーを選択し、クイックピックで+ サーバーを追加を選択します。
2. ドロップダウンリストから特徴的なMCPサーバーを使用を選択します。
3. ニーズに合ったMCPサーバーを選択します。
4. サーバーの名前を入力します。
5. 使用したいツールを選択します。

既存のMCPサーバーを使用する

既存のMCPサーバーを使用するには、次の手順を実行します

1. ツールセクションで、+ MCPサーバーを選択し、クイックピックで+ サーバーを追加を選択します。
2. 既存のMCPサーバーに接続を選択します
3. MCPサーバーに接続する方法を指定するために、ドロップダウンリストからオプションを選択します
   • コマンド (stdio): MCPプロトコルを実装するローカルコマンドを実行する
   • HTTP (サーバー送信イベント): MCPプロトコルを実装するリモートサーバーに接続する
4. 複数のツールが利用可能な場合は、MCPサーバーからツールを選択します。
5. プロンプトを入力し、実行を選択して接続をテストします。

以下は、AI Toolkitでファイルシステムサーバーを構成する例です

1. ツールセクションで、+ MCPサーバーを選択し、クイックピックで+ サーバーを追加を選択します。

2. 既存のMCPサーバーに接続を選択します

3. コマンド (stdio)を選択します

   注

   一部のサーバーはPythonランタイムとuvxコマンドを使用します。プロセスはnpxコマンドを使用する場合と同じです。

4. サーバーの手順に移動し、npxセクションを見つけます。

5. commandとargsをAI Toolkitの入力ボックスにコピーします。ファイルシステムサーバーの例では、npx -y @modelcontextprotocol/server-filesystem /Users/<username>/.aitk/examplesです

6. サーバーの名前を入力します。

7. 必要に応じて、追加の環境変数を入力します。一部のサーバーでは、APIキーなどの追加の環境変数が必要な場合があります。この場合、AI Toolkitはツールの追加の段階で失敗し、mcp.jsonファイルが開きます。ここで、各サーバーが提供する指示に従って必要なサーバーの詳細を入力できます。 設定が完了したら： 1. ツールセクションに戻り、+ MCPサーバーを選択します 1. ドロップダウンリストから設定したサーバーを選択します

8. 使用したいツールを選択します。

AI Toolkitは、新しいMCPサーバーを構築するのに役立つスキャフォールドも提供します。スキャフォールドには、ニーズに合わせてカスタマイズできるMCPプロトコルの基本的な実装が含まれています。

新しいMCPサーバーを構築する

新しいMCPサーバーを構築するには、次の手順を実行します

1. ツールセクションで、+ MCPサーバーを選択し、クイックピックで+ サーバーを追加を選択します。
2. 新しいMCPサーバーを作成を選択します
3. ドロップダウンリストからプログラミング言語を選択します: PythonまたはTypeScript
4. 新しいMCPサーバープロジェクトを作成するフォルダーを選択します。
5. MCPサーバープロジェクトの名前を入力します。

MCPサーバープロジェクトを作成したら、ニーズに合わせて実装をカスタマイズできます。スキャフォールドには、MCPプロトコルの基本的な実装が含まれており、独自の機能を追加するために変更できます。

エージェントビルダーを使用してMCPサーバーをテストすることもできます。エージェントビルダーはプロンプトをMCPサーバーに送信し、応答を表示します。

MCPサーバーをテストするには、次の手順を実行します

1. VS Codeデバッグパネルを開きます。Agent Builderでデバッグを選択するか、F5を押してMCPサーバーのデバッグを開始します。
2. AI Toolkit Agent Builderを使用して、以下のプロンプトでサーバーをテストします
   1. システムプロンプト: あなたは、指定された場所に基づいて天気情報を提供できる気象予報の専門家です。
3. サーバーはエージェントビルダーに自動的に接続されます。
4. 実行を選択して、プロンプトでサーバーをテストします。

関数呼び出しを使用する

関数呼び出しは、エージェントを外部APIやサービスに接続します。

1. ツールで、ツールを追加を選択し、次にカスタムツールを選択します。
2. ツールの追加方法を選択します
   • 例から: JSONスキーマの例から追加する
   • 既存のスキーマをアップロード: JSONスキーマファイルをアップロードする
3. ツール名と説明を入力し、追加を選択します。
4. ツールカードにモック応答を提供します。

1. 関数呼び出しツールでエージェントを実行します。

テストケースのモック応答を入力して、評価タブで関数呼び出しツールを使用します。

構造化出力

構造化出力のサポートにより、予測可能な形式で出力を提供するようにプロンプトを設計できます。

エージェントビルダーで構造化出力を使用してテストするには、次の手順を実行します

1. 左側の領域から構造化出力を選択し、json_schemaを選択します。

2. スキーマを準備を選択し、次にローカルファイルを選択して独自のスキーマを使用するか、例を使用を選択して事前定義されたスキーマを使用します。

   例に進む場合は、ドロップダウンリストからスキーマを選択できます。

3. 実行を選択して、プロンプトを選択したモデルに送信します。

4. スキーマの名前を選択することで、スキーマを編集することもできます。

   

プロンプトエンジニアリングをアプリケーションに統合する

モデルとプロンプトを試した後、自動生成されたPythonコードですぐにコーディングを開始できます。

Pythonコードを表示するには、次の手順を実行します

1. コードを表示を選択します。

2. GitHubでホストされているモデルの場合、使用したい推論SDKを選択します。

   AI Toolkitは、プロバイダーのクライアントSDKを使用して、選択したモデルのコードを生成します。GitHubでホストされているモデルの場合、使用したい推論SDKを選択できます: Azure AI Inference SDK、またはOpenAI SDKやMistral APIなどのモデルプロバイダーからのSDK。

3. 生成されたコードスニペットは新しいエディターに表示され、アプリケーションにコピーできます。

   モデルで認証するには、通常プロバイダーからのAPIキーが必要です。GitHubでホストされているモデルにアクセスするには、GitHub設定で個人アクセストークン（PAT）を生成します。

学んだこと

この記事では、次の方法を学びました。

• VS Code用AI Toolkitを使用してエージェントをテストおよびデバッグする。
• MCPサーバーを発見、構成、構築して、エージェントを外部APIやサービスに接続する。
• 関数呼び出しを設定して、エージェントを外部APIやサービスに接続する。
• 構造化出力を実装して、エージェントから予測可能な結果を提供する。
• 生成されたコードスニペットを使用して、プロンプトエンジニアリングをアプリケーションに統合する。

次のステップ

• 評価ジョブを実行する人気のエバリュエーター向け