Microsoft Foundry、7-8 月更新でホスト型エージェントや Claude 連携を一般提供へ

著者による注記：長い夏休みと米国の祝日を挟んで、ようやく追いつくべきことが山積みです。7 月と 8 月の Foundry のアップデートをまとめ、コード例や移行の注意点を掲載して、すぐに始められるようにしました。

TL;DR（要約）

ホスト型エージェント、Voice Live 連携、ツールボックスが一般提供（GA）となりました。エージェントのコードを管理されたランタイムに移行し、リアルタイム音声機能を追加し、再利用可能なツールをエージェントコードの外側で管理できるようになります。

Claude の機能が、Azure でホストされるデプロイメントに対応しました。8 月 17 日の発表では、構造化出力、Web 検索、Web フェッチ、MCP コネクタ、ツール検索がそのホスティングオプションに追加されます。なお、MCP コネクタはベータ版 API を使用します。

モデルルーターが 8 月に拡張されました。リージョンの追加に加え、ルーティングプールを GPT-5.6 バリアントと Claude Opus 4.8 で刷新し、エージェント型ルーティングに対応可能な Anthropic およびオープンソースモデルの範囲も拡大しました。

Azure Local 上の Foundry Local に、プレビュー評価機能とマルチ GPU 推論機能が追加されました。拡張機能バージョン 2607 では、モデル評価、vLLM のモデル並列化、自動的な GPU 推論チューニングの改善が提供されます。

Foundry DevPack がプレビューインストーラーをリリースしました。8 月版の 0.1.3 リリースでは、Windows、macOS、Linux 向けに x64 および Arm64 用のインストーラーが用意されています。

Foundry SDK をアップグレードし、移行テストを行ってください。8 月末までに、Python と JS/TS は安定版 2.5.0 に、Java は 2.4.0 に到達しました。.NET の 3.0.0 ラインは引き続きプレビュー状態です。ホスト型エージェントの管理とランタイムサポートは言語によって異なります。

コミュニティに参加しましょう

Discord で一緒にビルドしたり、GitHub Discussions で質問したり、RSS で購読したりできます。

エージェントと Foundry エージェントサービス

Foundry のホスト型エージェントが一般提供（GA）されました

お好みのフレームワークでエージェントを構築し、Foundry の管理ランタイムで実行できます。Foundry プラットフォームエンジニアリング組織を統括する Tina Schuchman 氏が 7 月 9 日に投稿した記事で、ホスト型エージェントの一般提供を発表しました。

CLI でエージェントを作成する

本例では、Responses API プロトコルを使用した Model Router を備えた OpenAI Agents SDK を利用します。Azure Developer CLI の Foundry エージェント拡張機能は、スキャフォールディング（骨組み作成）、ローカルテスト、デプロイメントを処理します。

CLI の手順に従う代わりに VS Code で作業したい場合は、VS Code Marketplace から Foundry Toolkit をインストールすることをお勧めします。GitHub Copilot App 内でガイド付きのビジュアルワークフローを利用したい場合は、「カスタマイズ」>「キャンバス」>「Microsoft Foundry」を開いて、Foundry Canvas（プレビュー版）の使い始めましょう。

Azure Developer CLI 1.32.0 以降と、Foundry AI エージェント拡張機能 1.0.0-beta.13（プレビュー版）以降をインストールしてください。これらは、セットアップの基準として今回使用している 8 月末リリースです：

azd extension install azure.ai.agents --version 1.0.0-beta.13

CLI では azd auth login、サンプルのローカル Azure 認証フローでは az login の両方を実行してサインインしてください。すでに Foundry プロジェクトが存在している必要があります。

Agent Service は、Foundry モデルカタログにある多くのモデルと連携します。model-router もその一つです。まだ Model Router をデプロイしていない場合は、続行する前に Model Router のデプロイガイドに従って設定を行ってください。

OpenAI Agents SDK のテンプレートから始めましょう。Git リポジトリの外部にある書き込み可能なディレクトリで初期化を実行します。サンプルプロジェクトのリソース ID は自分のものに置き換え、model-router もデプロイ名が異なる場合は自分の名前に変更してください：

azd ai agent init openai-agents-hosted \

--manifest https://github.com/microsoft-foundry/foundry-samples/blob/main/samples/python/hosted-agents/bring-your-own/responses/openai-agents-sdk/azure.yaml \

--project-id "/subscriptions//resourceGroups/my-foundry-rg/providers/Microsoft.CognitiveServices/accounts/my-foundry-resource/projects/my-foundry-project" \

--model-deployment model-router \

--agent-name openai-agents-router-demo \

--deploy-mode code

今回のデモでは、ホスト型エージェントに「openai-agents-router-demo」という名前をつけました。--agent-name を省略すれば、テンプレートのデフォルト名が使用されます。

次に、デプロイ前にローカルでテストするために localhost でエージェントサーバーを起動します。エージェントはローカルで動作しますが、Foundry にデプロイした Model Router への呼び出しは継続されます：

cd openai-agents-hosted

azd ai agent run --no-client

サーバーを起動したまま、同じディレクトリ内の別のターミナルから呼び出します。

コストについて

呼び出しには、ルーティングされたモデルの利用料が発生します。デプロイ後は、リモートセッションにもホスティング料金がかかります。

azd ai agent invoke --local --new-session \

"開発者が AI エージェントをデプロイする前に確認すべき 2 つの項目からなるチェックリストを作成してください。"

ローカルでの応答が適切であることを確認したら、ソースパッケージに環境ファイルや仮想環境が含まれていないか確認し、エージェントを公開します。

azd deploy openai-agents-sdk-invocations

azd ai agent invoke openai-agents-sdk-invocations --new-session \

"開発者が AI エージェントをデプロイする前に確認すべき 2 つの項目からなるチェックリストを作成してください。"

これらのコマンドは、テンプレート内のサービスキー「openai-agents-sdk-invocations」を選択します。ラベル上では Responses を使用しているようですが、実際にはこのサンプルでも Responses が使われています。--local オプションを省略すると、リクエストはデプロイ済みのエージェントに送信されます。

クラウドからの応答例：

デプロイ前には、機能と信頼性を検証してください。受け入れ基準に対するユニットテスト、統合テスト、エンドツーエンドテスト、ベンチマークの実行、ストレステスト、レイテンシテスト、敵対的入力やエッジケースのテスト、ドメインシフトのシミュレーションを行い、再現性とデータ系譜を確認します。

また、安全性、倫理、運用準備状況も確認してください。バイアスや有害性の監査、レッドチーム演習の実施、個人識別情報（PII）の取り扱い、アクセス制御とインジェクション対策の確保、明確な説明可能性とユーザーへの免責事項、モニタリング・アラート・SLA の設定、人間が関与するループとロールバック/キルスイッチの用意、法務・コンプライアンスによる承認、段階的な展開計画を策定します。

これで完了です。私はモデルを選択し、サードパーティのオープンソースフレームワークを使用し、自分なりの方法でエージェントをデプロイしました。次はあなたの番です。コードから始めたり、CLI を使ったり、VS Code で Foundry Toolkit を試したり、GitHub Copilot アプリで Foundry Canvas を探索したり、お好みのエージェント開発環境で Azure Skills を活用してください。

Azure Skills をインストールしたら、以下のプロンプトを試してみてください：

Foundry OpenAI Agents SDK のホスト型エージェントテンプレート（Responses API を介したモデルルーター機能付き）を使用します。既存の Foundry プロジェクトとモデル展開を再利用し、その詳細は私に尋ねてください。ローカルでのテストを手伝い、デプロイ承認前に展開計画とコストについて一緒に確認してください。

ローカルサーバーは Ctrl+C で停止できます。次のステップである「対話」のために、デプロイしたエージェントはそのままにしておいてください。

エージェントに声を付与する

Voice Live を備えたホスト型エージェントも一般提供（GA）されています。これまでテキストによるテストを行ってきましたが、今度は実際に会話してみましょう。

前回の例と同じホストエージェントを使用し、ローカルで音声のみの最小限セッションを実行します。Voice Live のクイックスタートから AudioProcessor を再利用しましょう。リソースエンドポイントとプロジェクト名は各自のものに置き換えてください。

まず、Voice Live パッケージとそのオーディオ依存関係をインストールします。Linux の場合は、事前に PortAudio をインストールしてください。

Linux 専用

sudo apt-get install -y portaudio19-dev libasound2-dev

次に、Python パッケージをインストールします。

pip install --pre "azure-ai-voicelive[aiohttp]" azure-identity pyaudio

利用料について

このセッションを実行すると、エージェントのモデルに関連付けられた価格 tiers に基づき、テキストおよび音声トークンに対して Voice Live の課金が発生します。価格ガイドには、トークンの使用量推計や、カスタム音声、ボイス、アバターを利用した場合の追加料金についても記載されています。

voicelive_client.py をスクリプトと同じディレクトリにダウンロードし、その後実行してください。

import asyncio

from azure.ai.voicelive.aio import connect

from azure.ai.voicelive.models import (

AudioEchoCancellation,

AudioNoiseReduction,

AzureStandardVoice,

InputAudioFormat,

Modality,

OutputAudioFormat,

RequestSession,

ServerVad,

)

from azure.identity.aio import DefaultAzureCredential

from voicelive_client import AudioProcessor

async def main():

async with DefaultAzureCredential() as credential:

async with connect(

endpoint="https://.services.ai.azure.com",

credential=credential,

agent_config={

"agent_name": "openai-agents-router-demo",

"project_name": "",

},

) as connection:

audio = AudioProcessor(connection)

audio.start_playback()

try:

await connection.session.update(

session=RequestSession(

modalities=[Modality.TEXT, Modality.AUDIO],

voice=AzureStandardVoice(name="en-US-Ava:DragonHDLatestNeural"),

input_audio_format=InputAudioFormat.PCM16,

output_audio_format=OutputAudioFormat.PCM16,

turn_detection=ServerVad(),

input_audio_echo_cancellation=AudioEchoCancellation(),

input_audio_noise_reduction=AudioNoiseReduction(type="azure_deep_noise_suppression"),

Voice Live は 600 種類以上のニューラル音声に対応しており、標準・HD・カスタムオプションから、体験に最適な音声を自由に選んで切り替えることができます。音声の選択に加え、自然な会話の受け渡しや明瞭な入力を実現するためのリアルタイム音声処理機能も備えています。

サーバー側で動作する音声活動検出（VAD）が話者の開始と終了を認識し、speech_started ハンドラが保留中の再生を停止させることで、ユーザーはエージェントに対して自然に割り込みを入れることが可能です。エコーキャンセレーションによりスピーカーの出力がマイクに戻ってループするのを防ぎ、ディープノイズサプレッションで背景雑音を低減します。

これらの機能により、カスタマーサポートやフィールドサービス、車載アシスタントなど、ノイズの多い環境で複数の話者が関与するシナリオにおいて、より自然な会話の受け渡しが可能になります。

サンプル出力:

https://devblogs.microsoft.com/foundry/wp-content/uploads/sites/89/2026/09/voice-live-hosted-agent-sample.mp3

詳細はこちら：Voice Live のホストエージェント統合、Responses プロトコルの設定、共有 Python ボイスクライアント、および Voice Live Python クイックスタートガイド。

デプロイしたエージェントは、そのエージェント名を使用して削除できます。

azd ai agent delete openai-agents-router-demo

問題が発生した場合は、「Hosted Agent のトラブルシューティング」をご覧ください。削除を妨げるアクティブなセッションに関する対処法も記載されています。

ネットワーク境界内で実行する

エージェントがストレージ、データベース、Key Vault へのプライベートアクセスを必要とする場合、デプロイと併せて VNet 統合の計画を立ててください。サブネット容量、DNS、プライベートエンドポイント、アウトバウンドアクセスはすべて、エージェントが到達可能なリソースに影響を与えます。

始め方

Hosted Agent の作成

Foundry Toolkit を使用してエージェントを作成します。

Python Copilot SDK のサンプルからコードベースを始めることも可能です。

上記の OpenAI Agents SDK と Model Router の例を用いて CLI を利用することもできます。

ランタイムサポートは言語によって異なります。既存のエージェントを移行する前に、安定版クライアントの変更点とランタイム要件を確認してください。

ツール認証をエージェントコードから切り離す「Toolboxes」が一般提供（GA）されました

ツールボックスを使えば、エージェントは MCP 互換の単一エンドポイントにアクセスでき、認証や資格情報の管理は Foundry がエージェントコードの外側で行います。チームは統合を一度定義するだけで済み、バージョン管理、共有、ガバナンスを複数のエージェント間で一括して実施できます。

エージェントスキルとツール検索（どちらもパブリックプレビュー中）は、再利用可能な指示やワークフローをパッケージ化します。一方、ツール検索は実行時に必要なツールを自動的に見つけ出します。個々のツールには、依然として独自の利用条件やアクセス要件が存在します。

ツール検索により、大規模なツールボックスの実用性が保たれます。各ターンでツール定義をすべて読み込むのではなく、エージェントがコレクション内を検索してタスクに関連するツールのみを追加します。これによりトークン使用量が削減され、コンテキストのノイズが減り、過剰なツールリストから選択する負担も軽減されます。

ツールボックスレシピを試す

ホストされたエージェントでツールボックスを構築して利用する

ツールボックスアーキテクチャと対応ツールの詳細を確認する

ユーザー委任と認証を設定する

エージェントスキルを作成してアタッチする

Foundry モデル

Azure ホスト版 Claude 推論の機能拡張

Foundry における「Azure でホスト」は、Claude の推論がどこで実行されるかを指します。Anthropic が Azure インフラ上でモデルサービスを提供し、プロンプトと生成結果はすべて Azure 内に留まります。「Anthropic でホスト」の場合は、推論を Anthropic のインフラ上で行い、より広範なモデルカタログと API サポートを利用できます。

今回の発表により、両者の間で存在していた機能ギャップのうち 5 つが解消されました。

• 機能：Azure でホスト / Anthropic でホスト

構造化出力

画像 新機能

Web 検索

画像 新機能

Web フェッチ

画像 新機能

MCP コネクタ（ベータ版）

画像 新機能

ツール検索

画像 新機能

高度な Web 検索およびフェッチオプション

—

コード実行

—

エージェントスキル

—

プログラムによるツール呼び出し

—

Files API

—

メッセージバッチ API

—

—

サーバーサイドフォールバック

—

—

画像 利用可能 · — サポートなし

ホスティングオプションを選択する前に、現在のサポート範囲を確認してください。未対応機能に関する確固たる計画と見込み時期が明確になり次第、改めて共有いたします。

構造化出力から始める

最初の有用なテストとして、Claude に合成された請求書ドキュメントを与え、保険番号、損失の種類、そしてその請求を調整担当者にエスカレートすべきかどうかを尋ねてみました。

このドキュメントには実際の顧客データは含まれていません。Anthropic SDK、Azure Identity、Pydantic をインストールしてください。

pip install "anthropic>=0.74.0,<1" azure-identity pydantic

Azure CLI または DefaultAzureCredential がサポートする他の認証手段で認証し、サンプルドキュメントをスクリプトと同じフォルダに synthetic-claim.png として保存します。この例のリソース名を自分のものに置き換えた後、実行してください。

import base64

from pathlib import Path

from anthropic import AnthropicFoundry

from azure.identity import DefaultAzureCredential, get_bearer_token_provider

from pydantic import BaseModel, ConfigDict

class ClaimIntake(BaseModel):

model_config = ConfigDict(extra="forbid")

policy_number: str

loss_type: str

escalate_to_adjuster: bool

client = AnthropicFoundry(

resource="your-foundry-resource", # Name only, without .services.ai.azure.com

azure_ad_token_provider=get_bearer_token_provider(

DefaultAzureCredential(),

"https://ai.azure.com/.default",

),

)

response = client.beta.messages.parse(

model="claude-haiku-4-5",

max_tokens=128,

messages=[

{

"role": "user",

"content": [

{

"type": "image",

"source": {

"type": "base64",

"media_type": "image/png",

"data": base64.b64encode(Path("synthetic-claim.png").read_bytes()).decode(),

},

},

{

"type": "text",

"text": "Extract the policy number, loss type, and adjuster escalation decision from this insurance claim.",

},

],

}

],

output_config={

"format": {

"type": "json_schema",

"schema": ClaimIntake.model_json_schema(),
        }
    },
)

claim = ClaimIntake.model_validate_json(response.content[0].text)
print(claim.model_dump())

同じ画像とプロンプトを、標準の Messages API でも送信しました。得られたレスポンスは以下の通りです。

構造化出力なしの場合

構造化出力ありの場合

保険証券番号：C-123

損失の種類：暴風雨（雹および強風）— カテゴリー 3 システム

エスカレーションの要否：はい — 活発な水漏れが発生しており、差し迫った損害状態にあるため、また損失範囲が現場調整担当者の権限枠を超える可能性があるため、エスカレーションが必要です。

{
  "policy_number": "C-123",
  "loss_type": "STORM — Hail and High-Wind Event",
  "escalate_to_adjuster": true
}

両方のレスポンスとも、請求内容の抽出は正しく行われています。決定的な違いは、アプリケーションが受け取るデータの形式です。片方は解釈が必要な自由記述形式の Markdown で、もう片方は Pydantic で即座に検証可能なスキーマ制約付き JSON です。

構造化出力はレスポンスの形状とデータ型を保証するものであり、抽出された値そのものの正確性を保証するものではありません。重要な識別子やルーティング判断については、必ず自社のビジネスルールに基づいて追加検証を行う必要があります。

Claude のツール使用例を試してみましょう

各プロンプトに最適なモデルをマッチングさせる

すべてのリクエストで単一のモデルを使用すると、単純なプロンプトには過剰な機能に対して課金するか、複雑なタスクでは品質が低下するかのどちらかになります。Model Router を使えば、アプリケーションは一度のデプロイで済み、各リクエストに応じて「品質とコスト」のバランスを優先設定に基づいて適切なモデルを自動選択します。

Model Router のグローバル標準利用可能リージョンが 28 に、Data Zone Standard は 21 に拡大されました。Router バージョン 2025-11-18 では、Azure OpenAI の GPT-5.6 Sol、Terra、Luna シリーズと、Anthropic の Claude Opus 4.8 が追加されています。条件を満たす Anthropic モデルやオープンソースモデルも、モデルとツールの互換性が許す限り、エージェントリクエストで OpenAI モデルと一緒に利用できます。

Claude モデルを除き、基盤となるモデルを個別にデプロイする必要はありません。Model Router に検討させたい Claude モデルをデプロイすれば、ルーティングモードに応じて最適なモデルを選択してくれます。

今回の更新では、gpt-5-chat、gpt-5.2-chat、gpt-5.3-chat、DeepSeek-V3.1、claude-opus-4.1 の各モデルがルーティングプールから削除されました。以前の Model Router バージョンでは、廃止された基盤モデルへのアクセスは維持されません。

カスタムサブセットを設定している場合は、これらの名前が含まれていないか確認してください。その後、代表的なリクエストの固定セットを実行し、回答の品質、レイテンシ、コストを比較検討しましょう。アプリケーションコードを変更しなくても、ルーティングプールが変更されたのであれば評価を行う価値があります。

Model Router をお試しください

8 月の Model Router の変更点をレビューする

ワークロード向けに Model Router を評価する

7 月と 8 月に追加されたモデル

Foundry のモデルカタログは、推論、リアルタイムオーディオ、文字起こし、画像生成の各分野で拡大されました：

リリース日 | モデル | ステータス | 追加機能

---|---|---|---

7 月 7 日 | gpt-realtime-2.1, gpt-realtime-2.1-mini | プレビュー | リアルタイムオーディオのサイレンスおよびノイズ処理が改善されました

7月9日

gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna

一般提供開始（GA）

テキストと画像を入力できる3つの機能・コスト別プラン

7月24日

claude-opus-5

一般提供開始（GA）

複雑な推論やコーディングに最適なAnthropicの最上位モデル

7月28日

FW-Kimi-K3

一般提供開始（GA）

ネイティブビジョン機能、100万トークンのコンテキストウィンドウ、長期にわたるコーディングと推論に対応

7月29日

gpt-live-transcribe

一般提供開始（GA）

Realtime API を通じたストリーミング文字起こし