最終更新日: 2025-06-10
利用上の注意
このポストは Microsoft 社の Azure 公式ドキュメント(CC BY 4.0 または MIT ライセンス) をもとに生成AIを用いて翻案・要約した派生作品です。 元の文書は MicrosoftDocs/azure-ai-docs にホストされています。
生成AIの性能には限界があり、誤訳や誤解釈が含まれる可能性があります。 本ポストはあくまで参考情報として用い、正確な情報は必ず元の文書を参照してください。
このポストで使用されている商標はそれぞれの所有者に帰属します。これらの商標は技術的な説明のために使用されており、商標権者からの公式な承認や推奨を示すものではありません。
今回の変更では、主に視覚的なコンテンツとドキュメントの質を向上させるための更新が行われました。エージェント間のパイプラインや、エージェント情報検索の実例を示す新しい画像が追加されています。これにより、ユーザーが理解しやすい形で情報が提供され、視覚的資材を通じた学習の効率が向上するでしょう。
特に、「search-agentic-retrieval-concept.md」や「search-agentic-retrieval-how-to-pipeline.md」では、エージェント情報検索の仕組みや利点がさらに詳細に説明され、特にLLMのクエリ分解やチャット履歴のコンテキスト利用に焦点が当てられています。このような具体的な説明の追加は、プラットフォームを活用した実装のパフォーマンスと正確性を高めることに寄与します。
また、リンクの修正や画像の更新は、ユーザーが最新情報にアクセスしやすくするための重要なメンテナンス作業です。これにより、Azure AI Searchを使用したソリューションの構築がより直感的でアクセスしやすくなり、開発者の体験が向上します。
全体的に、今回の更新は視覚的理解を促進し、利用者がエージェント情報検索の概念を深く理解するのに効果的なリソースを提供しています。このような改善は、エージェントベースの技術をデプロイする上での実用性と効率性を大幅に引き上げる可能性があります。
| Filename | Type | Title | Status | A | D | M |
|---|---|---|---|---|---|---|
| agent-to-agent-pipeline.png | new feature | エージェント間パイプライン画像の追加 | added | 0 | 0 | 0 |
| agentic-retrieval-architecture.png | minor update | エージェント情報検索アーキテクチャ画像の修正 | modified | 0 | 0 | 0 |
| agentric-retrieval-example.png | new feature | エージェント情報検索の例画像の追加 | added | 0 | 0 | 0 |
| samples-rest.md | minor update | サンプルRESTドキュメントの修正 | modified | 1 | 1 | 2 |
| search-agentic-retrieval-concept.md | minor update | エージェント情報検索コンセプトの更新 | modified | 5 | 3 | 8 |
| search-agentic-retrieval-how-to-pipeline.md | minor update | エージェント情報検索パイプラインの実装ガイドの更新 | modified | 4 | 2 | 6 |
| search-agentic-retrieval-how-to-retrieve.md | minor update | 知識エージェントによるデータ取得方法の更新 | modified | 3 | 3 | 6 |
{
"modification_type": "new feature",
"modification_title": "エージェント間パイプライン画像の追加"
}このコードの変更は、リポジトリに新しい画像ファイルが追加されたことを示しています。そのファイル名は「agent-to-agent-pipeline.png」で、エージェントによる情報検索のプロセスを視覚的に表現している可能性があります。このファイルの追加により、ユーザーはエージェント間のやり取りやパイプラインの構造を理解しやすくなるでしょう。現段階では、追加、削除、変更されたコードの行はありませんが、この画像は著作において重要な補助資料となる可能性があります。
{
"modification_type": "minor update",
"modification_title": "エージェント情報検索アーキテクチャ画像の修正"
}このコードの変更は、既存の画像ファイル「agentic-retrieval-architecture.png」が修正されたことを示しています。このファイルは、エージェント情報検索のアーキテクチャを視覚的に表現しており、その内容が改善されたと考えられます。具体的な変更内容は記載されていませんが、修正された画像は、ドキュメントの理解を助けるために重要な役割を果たすことが期待されます。現在、ファイルに加えられた具体的な追加や削除は報告されていないため、視覚的なクオリティや情報の正確性の向上が目的であると推測されます。
{
"modification_type": "new feature",
"modification_title": "エージェント情報検索の例画像の追加"
}このコードの変更は、リポジトリに新しい画像ファイル「agentric-retrieval-example.png」が追加されたことを示しています。この画像は、エージェント情報検索の実例を示しており、ユーザーがプロセスや機能をより良く理解するための視覚的な資料となる可能性があります。これにより、読者はエージェントの利用方法や成果を具体的に把握しやすくなるでしょう。現在、追加された画像に対して具体的な追加や削除されたエレメントはなく、完全に新しいコンテンツとして提供されています。
@@ -28,7 +28,7 @@ Code samples from the Azure AI Search team demonstrate features and workflows. M
|---------|---------|
| [quickstart](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/Quickstart) | Source code for [Quickstart: Text search using REST](search-get-started-rest.md). This sample covers the basic workflow for creating, loading, and querying a search index using sample data. |
| [quickstart-vectors](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/Quickstart-vectors) | Source code for [Quickstart: Vector search using REST APIs](search-get-started-vector.md). This sample covers the basic workflow for indexing and querying vector data. |
-| [quickstart-agentic-retrieval](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/agentic-retrieval) | Source code for the REST portion of [Quickstart: Run agentic retrieval in Azure AI Search](search-get-started-agentic-retrieval.md). This sample shows you how to create a knowledge agent in Azure AI Search to integrate LLM reasoning into query planning. |
+| [quickstart-agentic-retrieval](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/Quickstart-agentic-retrieval) | Source code for the REST portion of [Quickstart: Run agentic retrieval in Azure AI Search](search-get-started-agentic-retrieval.md). This sample shows you how to create a knowledge agent in Azure AI Search to integrate LLM reasoning into query planning. |
| [skillset-tutorial](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/skillset-tutorial) | Source code for [Tutorial: Use REST and AI to generate searchable content from Azure blobs](cognitive-search-tutorial-blob.md). This sample shows you how to create a skillset that iterates over Azure blobs to extract information and infer structure.|
| [skill examples](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/skill-examples) | Skillset examples in indexer pipelines that include indexes and indexers so that you can follow field mappings, output field mappings, and source paths. |
| [debug-sessions](https://github.com/Azure-Samples/azure-search-rest-samples/tree/main/Debug-sessions) | Source code for [Tutorial: Diagnose, repair, and commit changes to your skillset](cognitive-search-tutorial-debug-sessions.md). This sample shows you how to use a skillset debug session in the Azure portal. REST is used to create the objects used during debug.|{
"modification_type": "minor update",
"modification_title": "サンプルRESTドキュメントの修正"
}このコードの変更は、ドキュメント「samples-rest.md」に対する修正を示しています。具体的には、エージェント情報検索のクイックスタートに関するリンクが更新されました。このリンクのパスが変更され、新しいURLが反映されていることがポイントです。これにより、読者は最新の情報にアクセスしやすくなり、エージェント情報検索を利用した実装の理解が促進されるでしょう。変更は1行追加され、1行削除されましたが、その内容は重大な変更とは言えないため、全体としては軽微な更新とされます。この更新は、コードサンプルを通じて、Azure AI Searchの使用に関する理解を深める手助けとなることが期待されます。
@@ -5,7 +5,7 @@ description: Learn about agentic retrieval concepts, architecture, and use cases
author: HeidiSteen
ms.author: heidist
manager: nitinme
-ms.date: 05/19/2025
+ms.date: 06/08/2025
ms.service: azure-ai-search
ms.topic: concept-article
ms.custom:
@@ -17,20 +17,22 @@ ms.custom:
[!INCLUDE [Feature preview](./includes/previews/preview-generic.md)]
-In Azure AI Search, *agentic retrieval* is a new parallel query processing architecture that incorporates user conversation history and Azure OpenAI models to plan, retrieve and synthesize queries for improved results. It produces high-quality grounding data for custom chat and generative AI solutions that include knowledge agents.
+In Azure AI Search, *agentic retrieval* is a new query pipeline designed for complex questions posed by users or agents in chat and copilot apps. It uses a large language model (LLM) to break down a question into smaller subqueries, often using chat history for context. These subqueries run in parallel, each searching for the most relevant content in your index. The results are ranked for semantic relevance, combined, and sent back to your LLM to help generate accurate answers using your proprietary content.
Programmatically, agentic retrieval is supported through a new Knowledge Agents object in the 2025-05-01-preview data plane REST API and in Azure SDK prerelease packages that provide the feature. A knowledge agent's retrieval response is designed for downstream consumption by other agents and chat apps.
## Why use agentic retrieval
-You should use agentic retrieval when you want to send high quality data to an agent or to ground a chat experience with inputs that include your proprietary content.
+You should use agentic retrieval when you want to provide agents and apps with the most relevant content for answering harder questions, leveraging chat context and your proprietary content.
The *agentic* aspect is a reasoning step in query planning processing that's performed by a supported large language model (LLM) that you provide. The LLM analyzes the entire chat thread to identify the underlying information need. Instead of a single, catch-all query, the model breaks down compound questions into focused subqueries based on: user questions, chat history, and parameters on the request. The subqueries target your indexed documents (plain text and vectors) in Azure AI Search.This hybrid approach ensures you surface both keyword matches and semantic similarities at once, dramatically improving recall.
The *retrieval* component is the ability to run subqueries simultaneously, merge results, semantically rank results, and return a three-part response that includes grounding data for the next conversation turn, reference data so that you can inspect the source content, and an activity plan that shows query execution steps.
Query expansion and parallel execution, plus the retrieval response, are the key capabilities of agentic retrieval that make it the best choice for generative AI (RAG) applications.
+:::image type="content" source="media/agentic-retrieval/agentric-retrieval-example.png" alt-text="Diagram of a complex query with implied context and an intentional typo." lightbox="media/agentic-retrieval/agentric-retrieval-example.png" :::
+
Agentic retrieval adds latency to query processing, but it makes up for it by adding these capabilities:
+ Reads in chat history as an input to the retrieval pipeline.{
"modification_type": "minor update",
"modification_title": "エージェント情報検索コンセプトの更新"
}このコードの変更は、「search-agentic-retrieval-concept.md」という文書に対する改訂を示しています。変更の内容は、エージェント情報検索の概念を説明するためのテキストが更新され、より具体的にクエリパイプラインの機能と利点に焦点を当てています。特に、ユーザーやエージェントからの複雑な質問に対する処理方法が詳述されています。
具体的には、エージェント情報検索が大規模言語モデル（LLM）を使用して質問を小さなサブクエリに分解し、それぞれがインデックス内の最も関連性の高いコンテンツを探すことが強調されています。また、チャット履歴がコンテキストとして利用される点も明記されています。
加えて、エージェント情報検索の利点として、高品質なデータをエージェントやアプリに提供できることが新たに述べられています。この変更には5つの追加と3つの削除が含まれており、結果的に全体の情報がより明確で実用的になっています。変更には、視覚的なコンテンツを示す画像の追加も含まれており、直接的にユーザーの理解を助ける要素が追加されています。
@@ -5,7 +5,7 @@ description: Learn how to design and build a custom agentic retrieval solution w
author: HeidiSteen
ms.author: heidist
manager: nitinme
-ms.date: 05/21/2025
+ms.date: 06/08/2025
ms.service: azure-ai-search
ms.topic: how-to
ms.custom:
@@ -16,7 +16,9 @@ ms.custom:
[!INCLUDE [Feature preview](./includes/previews/preview-generic.md)]
-This article describes an approach or pattern for building a solution that uses Azure AI Search for knowledge retrieval, and how to integrate knowledge retrieval into a custom solution that includes Azure AI Agent.
+This article describes an approach or pattern for building a solution that uses Azure AI Search for knowledge retrieval, and how to integrate knowledge retrieval into a custom solution that includes Azure AI Agent. This pattern uses an agent tool to invoke an agentic retrieval pipeline in Azure AI Search.
+
+:::image type="content" source="media/agentic-retrieval/agent-to-agent-pipeline.png" alt-text="Diagram of Azure AI Search integration with Azure AI Agent service." lightbox="media/agentic-retrieval/agent-to-agent-pipeline.png" :::
This article supports the [agentic-retrieval-pipeline-example](https://github.com/Azure-Samples/azure-search-python-samples/tree/main/agentic-retrieval-pipeline-example) Python sample on GitHub.
{
"modification_type": "minor update",
"modification_title": "エージェント情報検索パイプラインの実装ガイドの更新"
}このコードの変更は、「search-agentic-retrieval-how-to-pipeline.md」という文書に対する修正を示しています。変更された内容は、Azure AI Searchを使用した知識検索ソリューションの構築方法に関する説明をさらに明確にしています。
特に、記事に新しい情報として、エージェントツールを使用してAzure AI Searchにおけるエージェント情報検索パイプラインを呼び出すパターンが加わりました。これにより、読者は具体的な方法論に基づいてカスタムソリューションの設計ができるようになります。
また、視覚的説明を補足するために、新しい画像も追加され、Azure AI SearchとAzure AI Agentサービスの統合を示す図が提供されています。この図により、記事の内容が視覚的に理解しやすくなることを目的としています。全体として、4つの行が追加され、2つの行が削除されており、記事はより充実した情報を提供する形に更新されています。
@@ -8,14 +8,14 @@ author: HeidiSteen
ms.author: heidist
ms.service: azure-ai-search
ms.topic: how-to
-ms.date: 05/30/2025
+ms.date: 06/08/2025
---
# Retrieve data using a knowledge agent in Azure AI Search
[!INCLUDE [Feature preview](./includes/previews/preview-generic.md)]
-In Azure AI Search, *agentic retrieval* is a new parallel query architecture that uses a chat completion model for query planning. It generates subqueries that broaden the scope of what's searchable and relevant.
+In Azure AI Search, *agentic retrieval* is a new parallel query architecture that uses a large language model (LLM) for query planning. It generates subqueries that broaden the scope of what's searchable and relevant. It incorporates chat history for context. The LLM studies the query and subdivides it into more targeted queries, using different phrases and terminology for subquery composition.
This article explains how to use the [**retrieve method**](/rest/api/searchservice/knowledge-retrieval/retrieve?view=rest-searchservice-2025-05-01-preview&preserve-view=true) that invokes a knowledge agent and parallel query processing. This article also explains the three components of the retrieval response:
@@ -26,7 +26,7 @@ This article explains how to use the [**retrieve method**](/rest/api/searchservi
The retrieve request can include instructions for query processing that override the defaults set on the knowledge agent.
> [!NOTE]
-> There's no model-generated "answer" in the response. Instead, the response passes content to an LLM that grounds its answer based on the content. For an end-to-end example that includes this step, see [Build an agent-to-agent retrieval solution ](search-agentic-retrieval-how-to-pipeline.md) or [Azure OpenAI Demo](https://github.com/Azure-Samples/azure-search-openai-demo).
+> There's no model-generated "answer" in the response. Instead, you should pass the response to an LLM that grounds its answer based on the content. For an end-to-end example that includes this step, see [Build an agent-to-agent retrieval solution ](search-agentic-retrieval-how-to-pipeline.md) or [Azure OpenAI Demo](https://github.com/Azure-Samples/azure-search-openai-demo).
## Prerequisites
{
"modification_type": "minor update",
"modification_title": "知識エージェントによるデータ取得方法の更新"
}このコードの変更は、「search-agentic-retrieval-how-to-retrieve.md」という文書に対する更新を示しています。主な改訂内容は、Azure AI Searchのエージェント情報検索の仕組みに関する説明の明確化です。
具体的には、「エージェント情報検索」が大規模言語モデル（LLM）を使用してクエリ計画を行うことに焦点が当てられており、サブクエリを生成して検索可能な範囲を広げるとともに、チャット履歴をコンテキストとして取り入れることが強調されています。その結果、LLMはクエリを分析し、よりターゲットを絞ったクエリに分割します。
また、知識エージェントを呼び出すためのretrieveメソッドの使用方法が詳細に解説されており、取得応答の三つのコンポーネントについても説明があります。変更点には、レスポンスの内容をLLMに渡す必要性が強調された文の修正も含まれており、全体で3つの行が追加され、3つの行が削除されています。このような変更により、記事の内容はより具体的で分かりやすくなっています。