⚡
【Azure OpenAI 40日】Day2：Prompt Flowからgpt-4o-miniを呼び出す
✍️ TL;DR
- Prompt FlowでAzure OpenAIを呼び出すには、
@tool関数と辞書形式YAMLが必須 -
outputsにはreference:を使い、ノード名＋.outputを指定 - 動作確認は
pf flow test --flow .でOK
🧭 今日のゴール
- Prompt Flow から Azure OpenAI (gpt-4o-mini) を呼び出せるようにする
- YAML 形式のフロー定義 (
flow.dag.yaml) と Python ツール (flow.py) の構成を理解する
🔧 手順（そのまま実行可）
1. ディレクトリ準備
mkdir day2
cd day2
2. .env の配置
Day1で使用した .env をコピー
Copy-Item ..\day1\.env .\
3. Pythonツールファイル作成（flow.py）
# flow.py - Prompt FlowからAzure OpenAIを呼び出す関数を定義
# Azure OpenAI SDK（openaiパッケージ）をインポート
from openai import AzureOpenAI
import os
from promptflow.core import tool # 推奨のimport方法
from dotenv import load_dotenv
# .envファイルから環境変数を読み込み
# 必要なキー:
# AZURE_OPENAI_ENDPOINT
# AZURE_OPENAI_KEY
# AZURE_OPENAI_DEPLOYMENT
# AZURE_OPENAI_API_VERSION
load_dotenv()
# AzureOpenAIクライアントを初期化
client = AzureOpenAI(
azure_endpoint=os.getenv("AZURE_OPENAI_ENDPOINT"), # エンドポイントURL
api_key=os.getenv("AZURE_OPENAI_KEY"), # APIキー
api_version=os.getenv("AZURE_OPENAI_API_VERSION") # APIバージョン（例: 2024-07-18）
)
@tool # ★このデコレーターを付けることで「ツール」として認識される
def ask_gpt4o(prompt: str) -> str:
"""
Azure OpenAI (gpt4o-mini-chat) に質問を送り、応答テキストを返す関数
- prompt: ユーザーからの質問文
- 戻り値: モデルの応答（文字列）
"""
resp = client.chat.completions.create(
model=os.getenv("AZURE_OPENAI_DEPLOYMENT"), # デプロイ名
messages=[
# システムメッセージ（AIの振る舞いを定義）
{"role": "system", "content": "あなたは簡潔な日本語アシスタントです。"},
# ユーザーメッセージ（質問内容）
{"role": "user", "content": prompt}
]
)
# 最初の応答メッセージの本文を返す
return resp.choices[0].message.content # 文字列1つを返す
4. フロー定義ファイル作成（flow.dag.yaml）
# flow.dag.yaml - Prompt Flowのフローモデル設定ファイル
nodes:
- name: gpt_answer # ノード名（任意）
type: python # 実行タイプ（Python関数）
source:
path: flow.py # 関数定義ファイル
function: ask_gpt4o # 実行する関数名
inputs:
prompt: ${inputs.user_input} # ユーザー入力を関数の引数に渡す
# ← ここは辞書（マップ）形式にする
inputs:
user_input:
type: string
default: "Prompt FlowからAzure OpenAIを呼び出せた？"
# ← ここも辞書（マップ）形式にする
outputs:
answer:
type: string
reference: ${gpt_answer.output} # gpt_answerノードの結果を出力に設定
5. 動作テスト
pf flow test --flow .
✅ 検証チェック
- 実行結果で
answerに日本語応答が含まれる - 例：
{
"answer": "はい、Prompt FlowからAzure OpenAIを呼び出すことが可能です..."
}
🧯 つまずき＆対処
-
NoToolDefined→@toolデコレーターを付与し、関数が1つだけになるよう修正 -
EmptyOutputReference→outputs定義でvalue:ではなくreference:を使用 -
CommentedSeq object has no attribute 'items'→inputs/outputsをリスト形式ではなく辞書形式に修正
📌 Day2のやったこと振り返り
Day2では、Azure OpenAIをPrompt Flow経由で呼び出すことを実現しました。
具体的には以下のステップを踏みました。
-
環境準備
-
day2/ディレクトリを作成 - Day1の
.envをコピーしてAPIキーやエンドポイントを再利用
-
-
Pythonツール作成
-
flow.pyに@tool関数ask_gpt4o()を実装 - Azure OpenAI SDK経由でgpt-4o-miniに質問を投げる処理を記述
-
-
フロー定義（YAML）作成
-
flow.dag.yamlに nodes/inputs/outputs を辞書形式で定義 - outputsには
reference: ${ノード名.output}を指定
-
-
エラー対応
- YAML形式エラー（
CommentedSeq） → 辞書形式に修正 -
NoToolDefined→@toolを付与、関数を1つに限定 -
EmptyOutputReference→outputsの参照方法を修正
- YAML形式エラー（
-
動作確認
-
pf flow test --flow .実行でanswerにモデル応答を取得 - 実際に日本語での応答を得られ、成功を確認
-
❓ なぜDay2でPrompt Flowを使ったのか
Day2でPrompt Flowが登場した理由は、Day1のコード直書き方式から「再利用可能なフロー構築」へ進化させるためです。
背景
-
Day1：Pythonスクリプトで直接 Azure OpenAI API を呼び出し、シンプルに動作確認
- メリット：最短で動く
- デメリット：
- 入出力の流れがコードに埋め込み
- 処理の追加や変更がしにくい
- 複数人・複数環境で共有しづらい
Day2でPrompt Flowを導入した理由
-
ワークフロー化
- モデル呼び出し部分を「ツール」として切り出し
-
flow.dag.yamlにノードや入出力の構造を定義 - GUIや定義ファイルから流れを管理できる
-
拡張性の確保
- 後でデータ前処理、複数API連携、RAG追加などをノード追加だけで対応可能
- コードを大きく書き換えずに拡張できる
-
再利用・共有性
- Pythonコード＋YAMLだけで環境を再現でき、GitHubで共有可能
-
.envに秘密情報を分離して安全に公開できる
-
次のステップへの橋渡し
- Day3以降で予定している「外部ファイルからの入力」「複数質問の一括処理」「出力整形」の土台になる
💰 コストメモ
- 今回の実行は1回の呼び出しあたり数十トークン程度でごく低コスト
- 削減策：デフォルト入力の短縮、モデルを
gpt-4o-mini維持
🔮 次回の予告
Day3では Prompt Flow の入力を外部ファイル（CSV）から読み込み、
複数の質問を一括処理できるようにします。
さらに、Azure OpenAI の応答を整形して出力ファイルに保存する方法も実装予定です。
Discussion