The GPT-4.1 family of models represents a significant step forward from GPT-4o in capabilities across coding, instruction following, and long context. In this prompting guide, we collate a series of important prompting tips derived from extensive internal testing to help developers fully leverage the improved abilities of this new model family. Many typical best practices still apply to GPT-4.1, s
Model Context ProtocolについてのMicrosoftのブログ ここにMCPのデモアプリがあったので試してみました。 MicrosoftのMCPのデモ Microsoft Copilot プラグイン (MCP) をサポートする Azure OpenAI API に接続する Chainlit ベースのチャット インターフェイス。 まず、READMEにこう書かれていて、ん？MCPってMicrosoft Copilot Pluginの略でModel Context Protocolとは違うものなの？というよくわからない気持ちになりました。 ダブルミーニングなのかなーと思いつつ、Azure Open AI のAPI設定(GPT-4o mini)をして、アプリを起動しました。 一応、requirements.txtにはmcpのライブラリが入っているので、MCP対応していそうです。
はじめに @zazen_inu さんの記事「人類はもう生成AIに勝てないと痛感したDeep Researchの使い方」が凄いので OpenAI Agents SDK で自動化してみました。 目的 @zazen_inu さんのメソッドを楽に実行したい OpenAI Agents SDK で実装してみてフレームワークのクセとか使い方を理解したい 方法 愚直に実装します。 処理フロー それぞれの Agent の背後にはテキスト生成モデルがいます。用途によってモデルの種類を決めます。賢さ、インターネットの情報の調査能力、コストなどを意識します。 ライブラリ(パッケージ) 主なライブラリと用途を書きます。 OpenAI Agents SDK Agent クラスでテキスト生成エージェントを定義 Runner クラスで Agent を非同期で呼び出し OpenAI API Platform の Trac
すでにご存知の方も多いかと思いますが、OpenAI の Agents SDK から直接 Model Context Protocol (MCP) サーバーをツールとして利用できるようになりました！工夫次第でいろいろと可能性が広がりそうですね。 この機能の基本的な使い方を知るには Agents SDK のドキュメントページ（日本語化しました！） とリポジトリ内の examples/mcp/ 配下が参考になりますが、実際に MCP サーバーの連携を利用する場合、複数の MCP サーバーを同時に利用することが多いのではないかと思います。この記事では、その方法について補足解説したいと思います。 紹介するコード例では MCP プロジェクトが提供している以下のサーバーを利用します： Filesystem MCP サーバー：ローカルのファイルシステムとのやりとりが可能 Slack MCP サーバー：Sl
tl;dr OpenAI が AI エージェント構築用のツール群を公開したよ ウェブ検索、ファイル検索、Computer Use を内包した Responses API が追加されたよ これからは Chat Completions API や Assistants API の代わりに Responses API を使うことが推奨されるよ Tier による制限は基本的にはないけど、Computer Use だけは Tier 3 以上が必須だよ Computer Use は Operator と同じ CUA モデルを使用しているよ Agents SDK という OSS の軽量 SDK も公開されたよ（旧 Swarm の改良版） 情報源とそれぞれの簡単なまとめ 一次情報のみから。公式の X のポストがいちばん短くまとまっています。 開発者用の AI エージェント構築ツールをリリース Respon
This architecture uses the Foundry Agent Service standard agent setup to provide enterprise-grade security, compliance, and control. In this configuration, you bring your own network for network isolation and your own Azure resources to store chat and agent state. All communication between application components and Azure services occurs over private endpoints. This approach ensures that data traf
共著者：@maruryupro / @kazuyan 社内ナレッジを検索するRAGアプリを作ろうとする場合、さまざまな文献でAzure AI Search(旧称Cognitive Search)を使うケースを多く目にします。Azure AI Searchは非常に高機能で組織専用の検索エンジンを作ることができる一方、データの前処理やインデクサーのカスタマイズなど様々なテクニックが必要になり、実現したいこととコストのトレードオフが発生するケースが多いように感じます。 この記事では、M365テナント内の情報をWeb API経由で検索できる「Microsoft Search Graph API」を使って、専用のインデックスを作成する必要なく社内の情報を検索してOpenAIを通したチャット形式で返答するRAGアプリの実装アプローチについて紹介します。 TL;DR サンプルアプリのリポジトリ とりあえ
はじめに 結論 背景 課題 Fine-tuning とは？ Data の準備 Fine-tuning を実施 結果 おわりに 参考 はじめに こんにちは、DROBE の都筑です。 みなさん LLM 使っていますか。今回は GPT-3.5-turbo の Fine-tuning の事例を紹介します。 結論 GPT-4 を利用して得られたデータを使って GPT-3.5-turbo を Fine-tuning する事で、特定のタスクに関しては GPT-4 相当の性能が出る事が確認できた GPT-4 利用時点で使っていたプロンプトをそのまま使った場合の性能が一番高く、token 節約のためにプロンプトの省略をすると性能が劣化した 背景 LLM を利用したサービスの開発において、OpenAI を利用する場合にはモデルの選択肢がいくつかあります。2023年9月現在では、GPT-4 と GPT-3.5-
この記事の主題ではないので簡単に説明しますが、PaaSへのアクセスを閉域化するのがPrivate Endpoint、PaaSからのアクセスを閉域化するのがVNet統合です。 非対応だった以前までの内容 では、登場人物全てが閉域化に対応しているのに、なぜ「Add your data」は閉域化できないのでしょうか。それはAzure OpenAIからCognitive Searchへの通信が執筆時点ではパブリックのみになっているからです。「Add your data」の仕組み図を閉域ネットワーク的に書き換えると以下の図のようになります。 ネットワーク閉域化をしている場合、インターネットからのアクセスを遮断するのでAzure OpenAIからのインターネット経由のアクセスができなくなります。そのため、執筆時点では「Add your data」は閉域化できないということになります。Azure Ope
Function callingの登場 6/13ごろにOpenAI社から発表された新しいgpt-3.5-turboのインスタンスにFunction callingという機能が追加され話題を呼んでいます。このFunction calling、非常に強力な機能なのですが、仕組みがいまいちピンとこないといった方も多いのではないでしょうか。筆者もその一人で、ドキュメントを3回くらい読んでもしっくり来なかったのですが、実際にFunction callingを実装してみてなるほど、これは凄いな、となったので紹介します。 ここでは、具体的なソースコードを紹介しながら、実際に動作するサンプルを作っていきます。 TL;DR ソースコードだけ見られればいい！という方は以下へ https://github.com/canada/openai-function/blob/master/app.py ソースコードを
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
