Azure OpenAI Service上のGPT-4をPythonから呼び出す

クライアント側の環境設定

リクエスト時は、「APIのタイプ」「APIキー」「エンドポイント」「APIのバージョン」の設定が必要です。Pythonのコードに直書きでも動作できます。

openai.api_type = "azure"
openai.api_key = "..."
openai.api_base = "https://example-endpoint.openai.azure.com"
openai.api_version = "2023-05-15"  # subject to change

ChatCompletion APIとCompletion APIの違い

# ChatGPT APIを呼び出し
response = openai.ChatCompletion.create(
    engine="gpt-4",
    messages=[
	{"role": "system", "content": "Provide some context and/or instructions to the model."},
	{"role": "user", "content": "Example question goes here."},
	{"role": "assistant", "content": "Example answer goes here."},
	{"role": "user", "content": "First question/message for the model to actually respond to."}
    ],
)

# 出力結果を表示
print(response['choices'][0]['message']['content'])

・engineは、Azure上でモデルをデプロイした際に命名したデプロイ名を指定する。
・messagesは、一つの辞書が一つのメッセージになる。
　・roleは役割を指定する。種類は、system, user, assistantの３つ。
　　・system：ChatGPTに与える役を設定
　　・user：ユーザーからChatGPTへの発話
　　・assistant：GPTからの回答（過去の望ましい応答を保存するなどで利用）
　・contentは、GPTに投げかけたいメッセージを設定

GPTのプロンプトエンジニアリング

Azure OpenAI Service リファレンスアーキテクチャ

Microsoftは、Azure OpenAI Serviceのリファレンスアーキテクチャを公開しています。このリファレンスアーキテクチャは、マイクロソフトが推奨するAzure OpenAI Serviceの活用シナリオ例とそのアーキテクチャを詳しく説明したドキュメントです。

具体的には、Azure OpenAI Serviceのシナリオ概要、デモUI、サンプルアーキテクチャ、デプロイ方法の詳細が公開されており、賛同パートナーを含めこれから順次追加していくようです。

ドキュメント：https://www.microsoft.com/ja-jp/events/azurebase/contents/
GitHub：https://github.com/Azure-Samples/jp-azureopenai-samples

ドキュメントはPPT形式です。また、GitHubではソースコードが公開されており、Azure Open AI サービスが有効になっているサブスクリプションがあれば、アーキテクチャを丸ごとデプロイできます。

企業が生成AI モデルを組み込む際には、真っ先に参考にされることでしょう。ソースコードからデプロイまでサポートされています。
企業向けにAIやLLMの導入支援するデータ分析企業やSIerが、今後どのように差別化し、存在意義を示していくかは興味深いところです。

ChatGPTとAzure AI Searchを活用した社内文書検索

近年、注目を集めているユースケースの一つとして、ChatGPTとAzure AI Searchを組み合わせた企業内の文書検索が挙げられます。いわゆるRAGです。ChatGPTの直感的なインターフェースを通じて、企業の社内文書を瞬時に検索するアプリケーションが増えています。

実際、Azure OpenAI Service リファレンスアーキテクチャの第5章でも取り上げられています。また、GitHubには具体的なソースコードが公開されており、ご丁寧にAzure環境へのデプロイも容易に行えるようなボタンが提供されています。

検索処理の中核となるAzure Cognitive Searchは、社内文書を検索インデックス化して、キーワード検索やベクトル化検索など様々な検索機能を提供するクラウド検索サービスです。

RAGの実装方法は、以下の記事をご参考ください。

関連記事：LangChainとRAGで実現する先進的なAIチャットボットの開発