Azure AI Foundryとは？初心者向けに概念・構成・使い方・料金まで完全解説

「AI開発を始めたいが、モデル選定からデプロイ・監視まで自社で全部やるのは現実的ではない」——Azure環境でのAI活用を考える多くの企業が、この課題に直面しています。
Azure AI Foundryは、AIの「選ぶ→作る→動かす→監視する」を1つの場所で完結させる統合プラットフォームです。多数のモデルカタログと、AIエージェントの構築・運用基盤を1つのAzureリソースに統合し、プロトタイプから本番運用までを一気通貫で進められます。

この記事では、Azure AI Foundryの概念・構成・使い方・統合・料金・導入ポイントを、初学者の方にもわかりやすく体系的にまとめました。各テーマはこの後の見出しで深掘りしていきます。

---

Azure AI Foundry とは？初心者向けにわかりやすく解説

Azure AI Foundryとは、Microsoftが提供するエンタープライズ向けAI開発の統合プラットフォームです。エージェント・モデル・ツールを1つのリソースにまとめ、開発者がインフラ管理ではなく「アプリケーションの構築」そのものに集中できるよう設計されています。

Azure AI Foundryの概要

従来、企業がAIアプリを作ろうとすると、モデルの調達・実行環境の準備・データ連携・セキュリティ設定・監視基盤の構築など、多くの作業を個別に組み合わせる必要がありました。Azure AI Foundryは、これらをまとめて扱える「土台」を提供します。
具体的には、次の4ステップを1つの環境で完結できる点が本質です。

1. 選ぶ：多数のモデルカタログから用途に合うモデルを選定
2. 作る：プロンプトやエージェント、ワークフローを構築
3. 動かす：本番環境へデプロイし、アプリやMicrosoft 365へ発行
4. 監視する：パフォーマンスやガバナンスをリアルタイムに観測

誕生背景（Copilot時代）

生成AIとAIエージェントの普及により、企業の関心は「単発のチャット応答」から「業務に組み込んで継続的に動くAI」へと移りました。複数モデルを使い分け、社内データと連携し、ガバナンスを効かせながら運用する——この一連の要求に応えるための基盤として、Azure AI Foundryは登場しました。

Azure OpenAIとの違い（よくある誤解）

初心者が最も混同しやすいのが、Azure OpenAI Serviceとの違いです。

つまり、Azure OpenAIは「エンジン」、Azure AI Foundryは「工場（Foundry＝鋳造所）」というイメージです。GPTモデルを呼ぶだけならAzure OpenAI単体でも可能ですが、エージェントや複数モデルを組み合わせて本格的なAIアプリを作るなら、Foundryが有力な選択肢になります。

👉 用語そのものが気になる方は次章

内部構造を知りたい方は の章へ。

---

Foundryとは何か？AI Foundryの意味と位置づけ

「Foundry（ファウンドリ）」という言葉自体に馴染みがないと、サービス名のイメージがつかみにくいものです。ここでは用語の意味を整理します。

Foundryの語源

Foundryとは、英語で「鋳造所・工場」を意味します。金属を溶かして型に流し込み、製品を作り出す場所のことです。ここから転じて、「素材を組み合わせて、目的のものを作り上げる場」というニュアンスを持ちます。

ITでの意味

IT・AIの文脈でのFoundryは、「AIを構築するための工房・製造基盤」を指します。さまざまなモデル（素材）やツール（道具）を持ち込み、エージェントやアプリ（製品）を作り上げる場所、というわけです。

AI Foundryの役割

Azure AI Foundryの役割は、この「工房」をクラウド上でエンタープライズ向けに提供することにあります。

• 単一の管理グループにエージェント・モデル・ツールを統合
• 1つのAzureリソースの下で、RBAC（アクセス制御）・ネットワーク・ポリシーを一元管理
• トレース、監視、評価など、エンタープライズ対応機能を内包

名称の変遷（重要）

「Azure AI Studio」→「Azure AI Foundry」→「Microsoft Foundry」と進化してきました。現在の正式名称はMicrosoft Foundryですが、検索や社内での呼称として「Azure AI Foundry」も依然として広く使われています。

👉 関連：

の章もあわせてご覧ください。

---

AI Foundryの構成要素（モデル・エージェント・ツール）

Azure AI Foundryを理解する鍵は、「モデル」「エージェント」「ツール」という3つの主要要素を押さえることです。この3層が連携してAIアプリが動きます。

モデル層（モデルカタログ）

Azure AI Foundryでは、多数のモデルにアクセスできます。提供元はMicrosoft、OpenAI、Anthropic、Mistral、xAI、Meta、DeepSeek、Hugging Faceなど多岐にわたります。

自前のGPUを用意しなくても、用途に合わせてモデルを選び、切り替えられるのが大きな利点です。

エージェント層

エージェントは、モデルを使って自律的にタスクを実行する仕組みです。単にテキストを生成するだけでなく、Web検索・コード実行・データ照会・API呼び出しなどの「行動」を取れます。Azure AI FoundryのAgent Serviceは、エージェントの構築・デプロイ・スケーリングを一元管理するフルマネージド基盤として提供されています。

ツール連携

ツールは、エージェントの能力を拡張する“道具”です。Azure AI Foundryでは、ツールカタログを介して多数データソース（コネクタ）を接続できます。あわせて、対話間でコンテキストを保持する「メモリ」、引用に基づいた回答を生成する知識統合（Foundry IQ）なども利用できます。

👉 実際の操作は

外部連携は

の章へ。

---

Azure AI Foundryの使い方（基本操作と流れ）

初期設定（サインアップ〜プロジェクト作成）

1. Azureアカウントを取得し、Foundryポータルにアクセスします
2. プロジェクトを作成します。1つのFoundryリソースの下に「プロジェクト」を作り、その単位で開発を進めます
3. 必要に応じて、VS Code拡張機能（Microsoft Foundry Toolkit for VS Code）を使い、使い慣れた開発環境から開発します

エージェント作成

1. ポータルのエージェント一覧画面で「エージェントの作成」をクリックし、名前を設定するとすぐにエージェントを用意できます
2. 作成後、使用するモデルと手順（エージェントへの指示）を設定します
3. 「ツール」タブからAzure AI Searchやブラウザー操作などのツールを組み込み、能力を拡張します

テスト〜本番

1. プレイグラウンドや実験環境でプロンプト・エージェントの挙動をテストします
2. 評価機能でパフォーマンスや品質を確認します
3. 問題なければ本番デプロイし、アプリやMicrosoft 365などへ発行します

最初のAPI呼び出しは、数行のコードでモデルから応答を得るところから始められます。Python・C#・JavaScript/TypeScript・Java（一部プレビュー）向けのSDKが用意されており、統合クライアント（AIProjectClient）から一貫した形で扱えます。

👉 連携の詳細は

コスト感は

の章へ。

---

AI Foundryの統合とAzureサービス連携

Azureサービスとの連携

• Azure OpenAI Service：OpenAIの言語モデルをエンタープライズ品質のセキュリティで利用
• Azure AI Search：社内の膨大なデータを検索し、RAG（検索拡張生成）の基盤として機能
• Azure AI Content Safety：有害コンテンツの検出・フィルタリングで安全な利用を支援

外部・周辺ツール連携

• GitHub / Visual Studio Code：使い慣れた開発環境からAIソリューションを構築
• Copilot Studio：ローコードでのエージェント開発と連携
• MCP（Model Context Protocol）/ A2A（Agent2Agent）：エージェント同士・外部ツールとの相互運用を標準的な方式で実現

データ基盤接続（Microsoft Fabric・Microsoft 365）

• Fabric連携：エージェントをMicrosoft Fabricのデータに接続
• Microsoft 365連携：エージェントをMicrosoft 365のコンテンツに接続し、Microsoft Teams・BizChatなどへ発行して業務現場で活用。Foundryで作成したエージェントはMicrosoft 365 CopilotやMicrosoft Teamsに発行でき、利用者は普段使うCopilot／Microsoft Teamsの画面からそのまま呼び出せます

👉

の章で投資判断へ。

---

AI Foundryの料金体系とコスト構造

料金モデルの全体像

Azure AI Foundryの基本は、使った分だけ支払う従量課金（pay-as-you-go）です。多くのケースで、料金は処理したトークン量に応じて発生します。GPUなどのインフラを自前で用意・購入する必要がない点が、初期コストを抑える鍵になります。

コスト構造の考え方

コスト最適化のポイント

• 用途に合ったモデルを選ぶ：軽量モデルで足りる処理は軽量モデルへ
• 小さく始める：Azureの無料アカウントや初回クレジットを活用し、小規模なPoCを低コストで検証
• トークン量を意識する：プロンプト設計やコンテキスト量を最適化し、無駄なトークン消費を抑える

👉

の章で具体的な活用像へ。

---

AI Foundry導入のポイントとユースケース

活用シナリオ（パターン別）

• 社内ナレッジ検索・問い合わせ対応：社内文書をRAGで検索し、根拠付きで回答するアシスタント
• 業務レポート・ドキュメント作成支援：定型レポートや報告書のドラフトを自動生成し、作成工数を削減
• 反復作業の自動化：複数Webサイトからの情報収集や、社内システムへのデータ入力をエージェントが代行
• マルチエージェント連携：複数のエージェントが役割分担し、承認フローを含む複雑な業務を自動化

導入ポイント

1. 小さく始めて段階的に拡張：まずノーコードでプロトタイプを作り、業務適合性を確認してから本格化
2. 用途に応じた構成選択：試行段階は軽量・ローコードで、複雑な制御が必要になったら高度な構成へ移行
3. ガバナンスを最初から設計：RBAC・ネットワーク・ポリシーを早期に整え、属人化や情報漏えいリスクを抑える
4. 既存資産との連携を前提に：GitHub・VS Code・Microsoft 365など、すでに使っている環境とつなぐ前提で設計

信頼性・セキュリティ面

リアルタイムの可観測性、統一されたAI資産管理、Responsible AI（責任あるAI）ツール、エンタープライズコントロール（MCP/A2Aの認証サポート、AIゲートウェイ統合、Azure Policy統合）などが用意されています。規制が厳しい業界でも検討しやすい設計です。

---

まとめ：Azure AI Foundryで“選ぶ→作る→動かす→監視する”を1つに

• 概念：AI開発のライフサイクル全体を扱う「工房」。Azure OpenAIを内包する上位の基盤
• 構成：モデル（多様な提供元）・エージェント・ツールの3層連携
• 使い方：プロジェクト作成 → エージェント構築 → テスト → 本番デプロイ
• 統合：Azureサービス、GitHub/VS Code、Microsoft 365/Fabricと密連携
• 料金：トークンベースの従量課金。小さく始めてコストを最適化
• 導入：ノーコードで小さく始め、ガバナンスを早期に設計して段階的に拡張

AI開発を「自社で全部やるのは難しい」と感じている企業ほど、一気通貫で扱えるAzure AI Foundryの価値は大きくなります。まずは小規模なPoCから、第一歩を踏み出してみてください。
📩 次のアクション：導入検討や自社業務への組み込みのご相談はお気軽にどうぞ。「入門ガイド」のダウンロードや活用相談を承っています。