Azure AI Foundry におけるネイティブ Azure AI Search インデックス作成でエージェントのグラウンディングを加速
TL;DR
Azure AI Foundry で、Azure Blob Storage、ADLS Gen2、Microsoft OneLake から直接データを取り込み、わずか1クリックで Azure AI Search インデックスを作成できるようになりました。
エージェント作成における最も強力なステップのひとつが「知識を追加する (Add knowledge)」です。これにより、エージェントは企業データを活用し、文脈に基づいた応答や行動が可能になります。
これまでは既存のAzure AI Searchインデックスを事前に用意して設定する必要があり、特に試行段階では手間や摩擦が多いプロセスでした。
今日から、このプロセスが大幅に簡素化されます。
なぜ重要か
グラウンディング（別名：検索拡張 / Retrieval Augmentation）は、エージェント開発で最も効果的なステップのひとつです。
しかし従来は以下のような流れが必要でした。
Searchサービスのプロビジョニング
インデックス設計
取り込みパイプライン実行
スキルセット作成
エージェントとの接続
単なる検証や新シナリオの試行でも、多くの設定が必要で摩擦が大きかったのです。
今回の改善により、この一連の作業は Azure AI Foundry 内のシンプルな統合フロー に集約されました。開発者は以下の3ステップだけに集中できます。
データソースを選ぶ
埋め込みモデルを選択
「作成」をクリック
Foundry が 取り込み → 分割 → 埋め込み生成 → ベクターインデックス作成 を自動で処理します。
新機能
Azure AI Foundry でエージェント作成または編集時の「Add knowledge」ステップで、Azure AI Search ベクターインデックスをネイティブに作成できるようになりました。
サポートされるデータソース（初期対応）
Azure Blob Storage
Azure Data Lake Storage (ADLS) Gen2
Microsoft OneLake (Fabric)
主要機能
インラインインデックス作成
事前のSearchインデックスは不要自動取り込み
コンテンツを収集・分割・埋め込み用に準備埋め込みモデル選択
作成時にサポートされるモデルから選択可能ハイブリッド検索対応
ベクター + キーワード検索の両方に対応セキュア設計
Azure RBACとネットワーク分離を尊重
使い方
Azure AI Foundry でエージェントを開く（または新規作成）。
「Add knowledge」を選択。
サポートされるデータソース（Blob / ADLS Gen2 / OneLake）を選択。
初回は接続を承認し、コンテナ / パスを選択。
Azure OpenAI の埋め込みモデル（例: `text-embedding-*`）を選択。
「Create index & ingest」をクリック。
Foundry が以下を自動処理：
コンテンツの収集
ドキュメントの分割
埋め込み生成
Azure AI Search インデックスのプロビジョニング（ハイブリッド検索に最適化）
これで、エージェントはすぐに 企業データに基づいた回答 を返せるようになります。
メリット
別のインデキシングパイプライン不要
手動スキーマ定義不要
スクリプト実行不要
データを接続するだけで利用可能。
今すぐ試す
👉 チュートリアルをご覧ください
