Teams AI ライブラリと Teams Toolkit を使用してデータとチャットするためのカスタム copilot を構築する
このチュートリアルでは、Teams Toolkit を使用して Teams AI ライブラリを使用してカスタム copilot を作成し、Azure OpenAI でデータとチャットする方法について説明します。 Teams AI ライブラリは、選択した AI コンポーネントと大きな言語モデル (LLM) を使用して、インテリジェントな Teams アプリを構築するプロセスを合理化します。
このチュートリアルでは以下を学習します。
- Azure OpenAI でデータをセットアップする方法。
- Teams Toolkit を使用して新しいカスタム copilot を作成する方法。
- LLM とデータを操作する方法。
- カスタム copilot のディレクトリ構造。
前提条件
アプリをビルドして展開するための次のツールを必ずインストールしてください。
インストール | 使用するには... | |
---|---|---|
Teams ツールキット | アプリのプロジェクト スキャフォールディングを作成する Microsoft Visual Studio Code 拡張機能。 最新バージョンを使用します。 | |
Node.js と NPM | バックエンド JavaScript ランタイム環境。 詳細については、「 プロジェクトの種類Node.js バージョン互換性テーブル」を参照してください。 | |
Microsoft Edge (推奨) または Google Chrome | 開発者ツールを備えたブラウザー。 | |
Visual Studio Code | JavaScript、TypeScript、または SharePoint Framework (SPFx) ビルド環境。 最新バージョンを使用します。 | |
Azure OpenAI | 最初に OpenAI API キーを作成して、OpenAI の GPT を使用します。 アプリをホストする場合、または Azure でリソースにアクセスする場合は、Azure OpenAI サービスを作成する必要があります。 |
Azure OpenAI でデータをセットアップする
Azure Portal に移動します。
前提条件で作成した Azure OpenAI サービスを選択します。
[ Azure OpenAI Studio に移動] を選択します。
[ チャット>新しいデプロイの作成] を選択します。
次のフィールドの値を更新します。
- モデルの選択: gpt-35-turbo
- モデルのバージョン: 既定値への自動更新
- デプロイの種類: Standard
- デプロイ名: gpt-35-turbo
- コンテンツ フィルター: 既定
[作成] を選択します。
[ チャット>データ ソースの追加] を選択します。
ドロップダウンから、[ファイルの アップロード (プレビュー)] を選択します。
[ 新しい Azure Blob Storage リソースの作成] を 選択し、画面の指示に従います。
[ 新しい Azure AI Search リソースの作成 ] を選択し、画面の指示に従います。
ドロップダウンから、新しく作成された Azure Blob Storage と Azure AI Search を選択します。
注:
Azure AI Search エンドポイントとキーの詳細は、後続の手順で必要に応じて保存します。
一意の インデックス名 を入力し、[ 次へ] を選択します。
[ ファイルの参照] を 選択し、データとして使用するファイルをアップロードし、[ ファイルのアップロード] を選択します。
注:
ファイルは、
.txt
、.md
、.html
、.pdf
、.docx
、または 16 MB のサイズ制限を持つ.pptx
形式である必要があります。既定として [データ管理 ] 設定を選択し、[ 次へ] を選択します。
[ 保存して閉じる] を選択します。
データ インジェスト プロセスが完了したら、Teams AI ライブラリと Teams Toolkit を使用してカスタム copilot の作成を開始できます。
カスタム copilot を作成する
Visual Studio Code に移動します。
Visual Studio Code アクティビティ バーの [Teams Toolkit
] アイコンを選択します。
[ 新しいアプリの作成] を選択します。
[ カスタム Copilot] を選択します。
[ Basic AI Chatbot] を選択します。
プログラミング言語として [JavaScript] を選択します。
[ Azure OpenAI] を選択します。
Azure portal から値を入力します。
Azure OpenAI キー
Azure OpenAI エンドポイント
デプロイ名
または、カスタム copilot が作成されたら、
env/.env.testtool.user
ファイルの後半でこれらの詳細を入力することもできます。プロジェクトのルート フォルダーを含むフォルダーを選択し、カスタム copilot に適した名前を入力します。
Enter キーを押します。 カスタム copilot は数秒で作成されます。
ソース コードのツアーを開始する
このカスタム copilot > Basic AI Chatbot テンプレート内の内容を確認します。
フォルダー名 | コンテンツ |
---|---|
.vscode |
デバッグ用の VS Code ファイル。 |
appPackage |
Teams アプリケーション マニフェストのテンプレート。 |
env |
名前または値のペアは環境ファイルに格納され、プロビジョニングとデプロイの規則をカスタマイズするためにteamsapp.ymlによって使用されます。 |
infra |
Azure リソースをプロビジョニングするためのテンプレート。 |
src/ |
通知 Teams アプリケーションのソース コード。 |
src/index.js |
ボット アプリ サーバーを設定します。 |
src/adapter.js |
ボット アダプターを設定します。 |
src/config.js |
環境変数を定義します。 |
src/prompts/chat/skprompt.txt |
プロンプトを定義します。 |
src/prompts/chat/config.json |
プロンプトを構成します。 |
src/app/app.js |
Basic AI Chatbot のビジネス ロジックを処理します。 |
teamsapp.yml |
メイン プロジェクト ファイルは、アプリケーションの構成について説明し、各ライフサイクル ステージで実行するアクションのセットを定義します。 |
teamsapp.local.yml |
このオーバーライド teamsapp.yml は、ローカル実行とデバッグを有効にするアクションで行います。 |
teamsapp.testtool.yml |
このオーバーライド teamsapp.yml は、Teams アプリ テスト ツールでローカル実行とデバッグを有効にするアクションを使用します。 |
カスタム copilot を構成する
カスタム copilot のプロンプトをカスタマイズしましょう。
src/prompts/chat/skprompt.txt
に移動し、skprompt.txt
ファイル内の次のコードを更新します。The following is a conversation with an AI assistant, who is an expert on answering questions over the given context. Responses should be in a short journalistic style with no more than 80 words.
[
prompts/chat
] の下のconfig.json
ファイルに移動します。completion
角かっこ内に次のコードを追加し、endpoint
、index_name
、key
の値を Azure AI Search リソースの詳細に置き換えます。"data_sources": [ { "type": "azure_search", "parameters": { "endpoint": "AZURE-AI-SEARCH-ENDPOINT", "index_name": "YOUR-INDEX_NAME", "authentication": { "type": "api_key", "key": "AZURE-AI-SEARCH-KEY" } } } ]
src/app/app.js
ファイルに移動し、OpenAIModel
内に次の変数を追加します。azureApiVersion: '2024-02-15-preview'
左側のウィンドウで、 実行とデバッグ (Ctrl + Shift + D) を選択します。
[ テスト ツール (プレビュー)] で [デバッグ] を選択します。
F5 キーを選択します。
カスタム copilot は、ブラウザーで開く Teams アプリ テスト ツール内で実行されます。
課題の完了
Teams アプリ テスト ツールで、ドキュメントに関連する質問をし、カスタム copilot とチャットしてデータの詳細を確認します。
おめでとうございます!
おめでとうございます、あなたはこのチュートリアルを完了しました! ソース コードの詳細については、Teams AI ライブラリ GitHub リポジトリの Azure OpenAI サンプルに関するページを参照してください。
このセクションに問題がある場合 このセクションを改善できるよう、フィードバックをお送りください。
Platform Docs
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示