We are excited to share the launch of the next iteration of the GPT model series with GPT-4.1, 4.1-mini, and 4.1-nano to Microsoft Azure OpenAI Service and GitHub. The GPT-4.1 models bring improved capabilities and significant advancements in coding, instruction following, and long-context processing that is critical for developers. We’re also excited to announce fine-tuning support for GPT-4.1 an
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。
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 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。
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（英語） 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：Slack ワーク
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
Enterprise chat applications can empower employees through conversational interaction. This is especially true due to the continuous advancement of language models, such as OpenAI's GPT models and Meta's LLaMA models. These chat applications consist of a chat user interface (UI), data repositories that contain domain-specific information pertinent to the user's queries, language models that reason
コード インタープリターを使うと、Assistants API はサンドボックス実行環境で Python コードを記述して実行できます。 コード インタープリターを有効にすると、アシスタントはコードを繰り返し実行して、より困難なコード、数学、データ分析の問題を解決できます。 アシスタントは、記述したコードの実行が失敗したら、コードの変更と変更したコードの実行を、コードの実行が成功するまで繰り返すことができます。 重要 コード インタープリターを使うと、Azure OpenAI の使用に対するトークン ベースの料金の他に、追加料金が発生します。 アシスタントが 2 つの異なるスレッドでコード インタープリターを同時に呼び出すと、2 つのコード インタープリター セッションが作成されます。 既定では、各セッションは 1 時間アクティブです。 Note ファイル検索では、アシスタントあたり最大
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
We’re announcing updates including more steerable API models, function calling capabilities, longer context, and lower prices. July 20, 2023 update: We previously communicated to developers that gpt-3.5-turbo-0301, gpt-4-0314 and gpt-4-32k-0314 models were scheduled for sunset on Sept 13, 2023. After reviewing feedback from customers and our community, we are extending support for those models unt
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ※ この記事の内容は先日のQiita Nightでお話ししたことと一部重複します。 Qiita NightではLTの制限時間(10分)に収めるため、結構端折りました。 はじめに ChatGPTが登場してから数ヶ月が経ちました。 ChatGPTをはじめとしたGenerative AIは完全に現在のIT業界のトレンドとなっています。 今や多くの企業でChatGPT APIをサービスに組み込んで顧客提供を開始したり、自社の社内システムに組み込んだりと積極的に利用するようになりました。 私もGenerative AIが無くなると業務に支障が出る
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