<h2 id="%E8%A8%98%E4%BA%8B%E3%81%AE%E5%86%85%E5%AE%B9" data-line="0" class="code-line">
<a class="header-anchor-link" href="#%E8%A8%98%E4%BA%8B%E3%81%AE%E5%86%85%E5%AE%B9" aria-hidden="true"></a> 記事の内容</h2>
Azure AI Foundryで作成したモデルを呼び出し、PowerShell上でチャットをする。 
<img src="https://storage.googleapis.com/zenn-user-upload/17180cfec681-20251130.png" alt="" class="md-img" loading="lazy">
<h2 id="1.-ai-foundry%E3%81%8B%E3%82%89%E3%83%A2%E3%83%87%E3%83%AB%E3%82%92%E4%BD%9C%E6%88%90" data-line="4" class="code-line">
<a class="header-anchor-link" href="#1.-ai-foundry%E3%81%8B%E3%82%89%E3%83%A2%E3%83%87%E3%83%AB%E3%82%92%E4%BD%9C%E6%88%90" aria-hidden="true"></a> 1. AI Foundryからモデルを作成</h2>
AI Foundry Portalに入り、ビルドを選択 
<img src="https://storage.googleapis.com/zenn-user-upload/0284da538c08-20251130.png" alt="" class="md-img" loading="lazy">
左のリストから『モデル』を選択し、『基本モデルをデプロイする』を選択 
<img src="https://storage.googleapis.com/zenn-user-upload/b56b1c6ea8e9-20251130.png" alt="" class="md-img" loading="lazy">
任意のモデルを検索して選択 
<img src="https://storage.googleapis.com/zenn-user-upload/721f3fc62bbf-20251130.png" alt="" class="md-img" loading="lazy">
詳細設定をして、デプロイを選択 
<img src="https://storage.googleapis.com/zenn-user-upload/420cd68d4694-20251130.png" alt="" class="md-img" loading="lazy">
<h2 id="2.-%E4%BD%BF%E7%94%A8%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AEendpoint%E3%81%A8%E3%82%AD%E3%83%BC%E3%82%92%E5%8F%96%E5%BE%97" data-line="17" class="code-line">
<a class="header-anchor-link" href="#2.-%E4%BD%BF%E7%94%A8%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AEendpoint%E3%81%A8%E3%82%AD%E3%83%BC%E3%82%92%E5%8F%96%E5%BE%97" aria-hidden="true"></a> 2. 使用モデルのEndpointとキーを取得</h2>
使用するモデルの名前部分を選択 
<img src="https://storage.googleapis.com/zenn-user-upload/14ff3f6d2733-20251130.png" alt="" class="md-img" loading="lazy">
『詳細』を選択し、ターゲットURIとキーを取得する 
<img src="https://storage.googleapis.com/zenn-user-upload/aa35555e840b-20251130.png" alt="" class="md-img" loading="lazy">
<h2 id="3.-%E5%AE%9F%E8%A1%8C%E7%92%B0%E5%A2%83%E3%81%AE%E4%BD%9C%E6%88%90" data-line="24" class="code-line">
<a class="header-anchor-link" href="#3.-%E5%AE%9F%E8%A1%8C%E7%92%B0%E5%A2%83%E3%81%AE%E4%BD%9C%E6%88%90" aria-hidden="true"></a> 3. 実行環境の作成</h2>
ディレクトリ構造
<div class="code-block-container"><pre><code class="code-line" data-line="26">llm02/
├── .venv/ ← Python仮想環境
├── .env ← AI FoundryのAPIキー&amp;エンドポイント
├── main.py ← チャットアプリ本体（API 呼び出し）
└── requirements.txt ← パッケージ一覧（任意で作成）
</code></pre></div>仮想環境を作成し、Activateにする 
<iframe id="zenn-embedded__b3770383c6b8f" src="https://embed.zenn.studio/card#zenn-embedded__b3770383c6b8f" data-content="https%3A%2F%2Fzenn.dev%2Fheadwaters%2Farticles%2Ffc24dfd749d876" frameborder="0" scrolling="no" loading="lazy"></iframe><a href="https://zenn.dev/headwaters/articles/fc24dfd749d876" style="display:none" target="_blank">https://zenn.dev/headwaters/articles/fc24dfd749d876</a> 
requirements.txt
<div class="code-block-container"><pre class="language-text"><code class="language-text code-line" data-line="36">openai&gt;=1.0
python-dotenv&gt;=1.0
</code></pre></div>requirements.txtに上記を記述し、仮想環境をActivateした上で以下のコマンドを実行
<div class="code-block-container"><pre><code class="code-line" data-line="41">pip install -r requirements.txt
</code></pre></div>main.pyを作成
<div class="code-block-container"><pre class="language-python"><code class="language-python code-line" data-line="45">from openai import AzureOpenAI
import os
from dotenv import load_dotenv

# .env ファイルから環境変数を読み込む
# これにより、APIキーやエンドポイントなどの機密情報をコードに直接書かずに済む
load_dotenv()

# 環境変数からAzure OpenAIの設定を取得
API_KEY = os.environ["AZURE_OPENAI_API_KEY"]
ENDPOINT = os.environ["AZURE_OPENAI_ENDPOINT"]
API_VERSION = "2024-05-01-preview" 
MODEL = "gpt-4o-mini" # デプロイ名

# Azure OpenAI クライアントの初期化
client = AzureOpenAI(
 api_key=API_KEY,
 azure_endpoint=ENDPOINT,
 api_version=API_VERSION
)

def main():
 print("=== gpt-4o-mini Chat Playground ===")
 print("何か入力してください（exit で終了）\n")

 # 対話ループを開始
 while True:
 user_input = input("You: ")

 # 終了コマンドのチェック
 if user_input.lower() in ["exit", "quit", "bye"]:
 print("終了します。")
 break

 # Azure OpenAI API を呼び出して応答を生成
 response = client.chat.completions.create(
 model=MODEL,
 messages=[
 {"role": "user", "content": user_input}
 ],
 max_tokens=200
 )
 
 # 応答からメッセージ内容を抽出
 assistant_message = response.choices[0].message.content
 
 print(f"Assistant: {assistant_message}\n")

if __name__ == "__main__":
 main()
</code></pre></div>.envを作成
<div class="code-block-container"><pre><code class="code-line" data-line="98"># AOAI
AZURE_OPENAI_API_KEY=キー情報を記載
AZURE_OPENAI_ENDPOINT=https://[AIFoundry名].cognitiveservices.azure.com
</code></pre></div><h2 id="4.-%E5%AE%9F%E8%A1%8C" data-line="104" class="code-line">
<a class="header-anchor-link" href="#4.-%E5%AE%9F%E8%A1%8C" aria-hidden="true"></a> 4. 実行</h2>
仮想環境をActivateした状態で、対象ディレクトリ上で下記コマンドを実行
<div class="code-block-container"><pre><code class="code-line" data-line="106">python main.py
</code></pre></div>問題なければ、下記のようなチャットが開始される。 
<img src="https://storage.googleapis.com/zenn-user-upload/079cb21f39a5-20251130.png" alt="" class="md-img" loading="lazy">
<h2 id="%E3%82%B3%E3%83%A9%E3%83%A0's" data-line="112" class="code-line">
<a class="header-anchor-link" href="#%E3%82%B3%E3%83%A9%E3%83%A0's" aria-hidden="true"></a> コラム's</h2>
<details><summary>コラム：API Versionについて</summary><div class="details-content">
API_VERSION = "2024-05-01-preview" と記載したが、"2025-04-01-preview"でも起動する。 
下記のLearnに記載されているバージョンは比較的安定に動く。 
<iframe id="zenn-embedded__e06983200fc13" src="https://embed.zenn.studio/card#zenn-embedded__e06983200fc13" data-content="https%3A%2F%2Flearn.microsoft.com%2Fja-jp%2Fazure%2Fai-foundry%2Fopenai%2Fapi-version-lifecycle%3Fview%3Dfoundry-classic%26tabs%3Dpython" frameborder="0" scrolling="no" loading="lazy"></iframe><a href="https://learn.microsoft.com/ja-jp/azure/ai-foundry/openai/api-version-lifecycle?view=foundry-classic&amp;tabs=python" style="display:none" target="_blank" rel="nofollow noopener noreferrer">https://learn.microsoft.com/ja-jp/azure/ai-foundry/openai/api-version-lifecycle?view=foundry-classic&amp;tabs=python</a> 
Foundryのモデル画面にある『バージョン』がAPI Versionとは限らないため注意。 
<img src="https://storage.googleapis.com/zenn-user-upload/f3fbaac99081-20251130.png" alt="" class="md-img" loading="lazy">
</div></details>
<details><summary>コラム：エンドポイントのSDKについて</summary><div class="details-content">
<h2 id="%F0%9F%93%98-%E5%AE%9F%E3%81%AF%E3%82%A8%E3%83%B3%E3%83%89%E3%83%9D%E3%82%A4%E3%83%B3%E3%83%88url%E3%81%AFsdk%E3%81%8C%E8%87%AA%E5%8B%95%E3%81%A7%E7%B5%84%E3%81%BF%E7%AB%8B%E3%81%A6%E3%81%A6%E3%81%8F%E3%82%8C%E3%81%A6%E3%81%84%E3%82%8B" data-line="122" class="code-line">
<a class="header-anchor-link" href="#%F0%9F%93%98-%E5%AE%9F%E3%81%AF%E3%82%A8%E3%83%B3%E3%83%89%E3%83%9D%E3%82%A4%E3%83%B3%E3%83%88url%E3%81%AFsdk%E3%81%8C%E8%87%AA%E5%8B%95%E3%81%A7%E7%B5%84%E3%81%BF%E7%AB%8B%E3%81%A6%E3%81%A6%E3%81%8F%E3%82%8C%E3%81%A6%E3%81%84%E3%82%8B" aria-hidden="true"></a> 📘 実はエンドポイントURLはSDKが自動で組み立ててくれている</h2>
Azure AI Foundry のモデル API を Python から呼び出す際、 
「エンドポイント URL をどこまで自分で書く必要があるのか？」 
と疑問に思う人は多いです。
結論として Azure OpenAI SDK（AzureOpenAI クラス）が内部で推論エンドポイントを自動生成してくれる ため、 
ユーザーは .cognitiveservices.azure.com のベースエンドポイントだけを指定すれば OK です。
例えば、今回コードで設定しているのは以下の 2 つだけです
<div class="code-block-container"><pre class="language-python"><code class="language-python code-line" data-line="133">azure_endpoint = "https://&lt;AIFoundry名&gt;.cognitiveservices.azure.com"
model = "gpt-4o-mini"
</code></pre></div>
しかし SDK の内部では、このような完全な API URL を自動で構築しています
<div class="code-block-container"><pre><code class="code-line" data-line="140">https://&lt;AIFoundry名&gt;.cognitiveservices.azure.com
 /openai/deployments/&lt;モデル名&gt;
 /chat/completions
 ?api-version=2024-05-01-preview
</code></pre></div>
つまり、もし SDK を使わずに REST API を直接叩くなら自分で組み立てる必要がある URL が、 
SDK では自動で組み上がる仕組みになっています。
<hr data-line="150" class="code-line">
<h2 id="%E2%96%B6%EF%B8%8E-%E6%89%8B%E5%8B%95%E5%91%BC%E3%81%B3%E5%87%BA%E3%81%97%EF%BC%88%E4%BE%8B%EF%BC%89" data-line="152" class="code-line">
<a class="header-anchor-link" href="#%E2%96%B6%EF%B8%8E-%E6%89%8B%E5%8B%95%E5%91%BC%E3%81%B3%E5%87%BA%E3%81%97%EF%BC%88%E4%BE%8B%EF%BC%89" aria-hidden="true"></a> ▶︎ 手動呼び出し（例）</h2>
SDK を使わない場合、以下のような URL を自分で書かなければいけません：
<div class="code-block-container"><pre><code class="code-line" data-line="156">https://&lt;AIFoundry名&gt;.cognitiveservices.azure.com/openai/deployments/gpt-4o-mini/chat/completions?api-version=2024-05-01-preview
</code></pre></div>
しかし、SDK を使うとこれがワンライナーになります：
<div class="code-block-container"><pre class="language-python"><code class="language-python code-line" data-line="162">client.chat.completions.create(
 model="gpt-4o-mini",
 messages=[{"role": "user", "content": "Hello!"}]
)
</code></pre></div>
<hr data-line="169" class="code-line">
<h2 id="%E2%9E%95-%E3%81%BE%E3%81%A8%E3%82%81" data-line="171" class="code-line">
<a class="header-anchor-link" href="#%E2%9E%95-%E3%81%BE%E3%81%A8%E3%82%81" aria-hidden="true"></a> ➕ まとめ</h2>
<ul data-line="173" class="code-line">
<li data-line="173" class="code-line">ベースエンドポイント（<code>https://&lt;name&gt;.cognitiveservices.azure.com</code>）だけを指定すれば良い</li>
<li data-line="174" class="code-line">残りのパス <code>/openai/deployments/.../chat/completions</code> は SDK が自動構築
</li>
<li data-line="175" class="code-line">だから Python からはとても少ないコードで Azure AI Foundry のモデルを呼べる</li>
<li data-line="176" class="code-line">REST 直叩きや curl の場合は全部自分で URL を組み立てる必要がある</li>
</ul>
</div></details>

【Azure】PythonからAI Foundryで作成したモデルを呼び出す

2. 使用モデルのEndpointとキーを取得

azure

python

Discussion