AI Toolkitでエージェントとプロンプトを構築する

AI ToolkitのAgent Builder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、エージェント構築のエンジニアリングワークフローを効率化します。一般的なプロンプトエンジニアリングタスクに役立ちます

• スタータープロンプトを生成する
• 実行ごとに反復して改良する
• プロンプトの連鎖と構造化出力によって複雑なタスクを分解する
• APIを介して大規模言語モデル (LLM) をシームレスに統合するためのコードへの容易なアクセスを提供する

Agent Builderは、ツール使用によって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

Agent Builderにアクセスするには、以下のいずれかのオプションを使用します。

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

Agent Builderでプロンプトをテストするには、以下の手順に従います。

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、モデルをブラウズ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の関連コンテキストを含む指示を提供するために使用されます。

   ヒント

   プロジェクトのアイデアを自然言語で記述して、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. オプションで、プロンプトを追加を選択してプロンプトを追加するか、プロンプトに追加を選択して会話履歴を構築します。

5. モデルの応答を観察し、プロンプトに変更を加えて、プロンプトを反復処理するために、前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、注目のMCPサーバーを検出して構成したり、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できます。

注目の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注目のMCPサーバーのリストを提供します。

注目の選択肢からMCPサーバーを構成するには、以下の手順に従います。

1. ツールセクションで、+ MCPサーバーを選択し、次にクイックピックで+ 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注目の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、以下の手順に従います。

1. ツールセクションで、+ MCPサーバーを選択し、次にクイックピックで+ 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. ドロップダウンリストからオプションを選択して、MCPサーバーへの接続方法を指定します。
   • 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します。
   • 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します。
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。

AI ToolkitでFilesystemサーバーを構成する例を以下に示します。

1. ツールセクションで、+ MCPサーバーを選択し、次にクイックピックで+ 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

   一部のサーバーでは、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. サーバーの指示に移動し、npxセクションを見つけます。
5. AI Toolkitの入力ボックスにcommandとargsをコピーします。Filesystemサーバーの例では、npx -y @modelcontextprotocol/server-filesystem /Users/<username>/.aitk/examplesとなります。
6. サーバーの名前を入力します。
7. オプションで、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になる場合があります。この場合、AI Toolkitはツールの追加段階で失敗し、mcp.jsonファイルが開かれ、各サーバーが提供する指示に従って必要なサーバー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。
   2. ドロップダウンリストから、今設定したサーバーを選択します。
   3. 使用したいツールを選択します。
8. 使用したいツールを選択します。

AI Toolkitは、新しいMCPサーバーの構築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、MCPプロトコルの基本的な実装が含まれており、ニーズに合わせてカスタマイズできます。

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、以下の手順に従います。

1. ツールセクションで、+ MCPサーバーを選択し、次にクイックピックで+ 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後、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、以下の手順に従います。

1. VS Codeの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伝えることができる天気予報の専門家です。
3. サーバーはAgent Builder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とサービスに接続します。

1. ツールで、ツールの追加を選択し、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します。
   • 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します。
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。

5. 関数呼び出しツールを使用してエージェントを実行します。

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

構造化出力

構造化出力サポートは、構造化された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するのに役立ちます。

Agent Builderで構造化出力を使用してテストするには、以下の手順に従います。

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。

   例で進める場合は、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して、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で実験した後、自動生成されたPythonコードで直ち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、以下の手順に従います。

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、そこから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の設定で個人アクセストークン (PAT) を生成します。

次のステップ

• 人気のエバリュエーター向けに評価ジョブを実行する