---
title: Microsoft Foundry IQを試してみた
tags:  #ai #azure #globalazure #microsoftfoundry #foundryiq  
author: [Miyaura](https://docswell.com/user/m-taka596)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/GEWGZ6PWJ2.jpg?width=480
description: Global Azure 2026 @ Kansai ( https://tfsug.connpass.com/event/387038/ )登壇資料。 Microsoft Foundry IQがどうやって、様々な情報から情報を引き出せるのか概要から実際に試行した話を紹介。  関連記事:Foundry IQのKnowledge BaseでObsidianの個人ナレッジをAI検索する https://qiita.com/miyaura/items/08628673789789519155
published: April 18, 26
canonical: https://docswell.com/s/m-taka596/5DMJG6-foundryIQ-20260418
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/GEWGZ6PWJ2.jpg)

Foundry IQ試してみた
2026/04
Global Azure 2026 @ Kansai
@takabrz1
Takahiro Miyaura


# Page. 2

![Page Image](https://bcdn.docswell.com/page/47ZL1YK2J3.jpg)

宮浦 恭弘
(Miyaura Takahiro)
Microsoft MVP for Mixed Reality 2018
Microsoft MVP for M365 2025
- 2026
XR は趣味です.AI 系も最近始めました。
- 202 5
大阪駆動開発コミュニティに生息
HoloLens 日本販売してからxR 系技術に取組む
新しい技術や、MRに使えそうな技術を調べる
技術Tips :
https://qiita.com/miyaura
https://zenn.dev/miyaura
最近興味があって取り組んでいるもの
○ AndroidXR
○ 新しいガジェット( MiRZA,Galaxy
XR,etc …)
○ Microsoft Foundry,
生成AI
@takabrz1
※よかったらこれを機にお知り合いになってください


# Page. 3

![Page Image](https://bcdn.docswell.com/page/YJ6WLD26JV.jpg)

先月の Microsoft AI Tour Tokyo 行きました？
2026/04/18
© 2026 Takahiro Miyaura
3


# Page. 4

![Page Image](https://bcdn.docswell.com/page/GJ5M1325J4.jpg)

Microsoft AI Tour のキーノートで・・・
Foundry IQ
— 「データを入れるだけで最適な情報を引き出せる」
• Microsoft AI Tour Tokyo 2026のキーノートで紹介
– Work IQ / Fabric IQ / Foundry IQ の3つのIQレイヤー
– 架空企業「Zava社」を使ったデモでAIエージェントの活用を披露
• Foundry IQはナレッジ検索基盤
– 「データを入れるだけで、いい感じに最適な情報を取得してくれる」
ほんとっすか？
ということで実際にやってみた話
2026/04/18
© 2026 Takahiro Miyaura
4


# Page. 5

![Page Image](https://bcdn.docswell.com/page/LE3W16K5E5.jpg)

Agenda
1.
Microsoft Foundry と Foundry IQ
-
2.
Foundry IQ の構成要素
-
3.
目次
Obsidian Vault × Blob Storage × SharePoint
設定パラメータの比較
-
5.
アーキテクチャ・主要コンポーネント
実際に試してみた
-
4.
基本的な話
推論レベル・出力モード・Instructions
デモ & まとめ


# Page. 6

![Page Image](https://bcdn.docswell.com/page/8EDKXV3Y7G.jpg)

Microsoft Foundry とは
旧Azure AI Foundry
で今はMicrosoft Foundry
•
AI アプリ・エージェントを構築・デプロイ・運用
できるプラットフォーム
•
11,000+ モデル提供
•
Agent Service
が2026 年3月にGA
•
Hosted Agent
もプレビュー版で使える
（OpenAI, Anthropic, Meta, DeepSeek
これはどちらかというとMicrosoft Agent Framework V1
等）
の方から
実は重要？
Microsoft Foundryのエージェント(クラシック)は非推
奨になり2027年 3月31日に廃止されます。
2026/04/18
© 2026 Takahiro Miyaura
6


# Page. 7

![Page Image](https://bcdn.docswell.com/page/V7PKPV42J8.jpg)

Microsoft IQ レイヤー
エージェントに「知識」を提供する3つのインテリジェンス層
Work IQ
Foundry IQ ← 今日はココ
•
•
•
•
Microsoft 365 のコラボレーション
メール・会議・チャット・ワークフロー
「組織がどう動いているか」の理解
•
•
•
Fabric IQ
•
•
2026/04/18
•
Microsoft Fabric のセマンティックレイヤー
ビジネスデータに意味付けし分析可能に
•
© 2026 Takahiro Miyaura
エージェント型ナレッジ検索基盤
Azure AI Search 上に構築
Blob / SharePoint / OneLake / Web
Agentic RetrievalでAIが最適検索
MCPサーバーとして活用可能
権限管理（Entra ID）対応
7


# Page. 8

![Page Image](https://bcdn.docswell.com/page/2JVV2ZXXJQ.jpg)

Foundry IQ とは
AI エージェントのための「マネージドナレッジレイヤー」
• 散在するエンタープライズデータを再利用可能なナレッジベースに変換
• 複数のエージェントが同じナレッジベースを共有可能
• Agentic Retrieval（エージェント型検索）を内蔵
– クエリを分解 → ソース自動選択 → 並列検索 → ランキング → 回答合成
• インデクサー・インデックス・スキルセットを自動生成
• MCPサーバーとして公開 → エージェントから直接呼び出し
• 権限管理対応（ドキュメントレベルのアクセス制御）
2026/04/18
© 2026 Takahiro Miyaura
8


# Page. 9

![Page Image](https://bcdn.docswell.com/page/5EGLR4VRJL.jpg)

Foundry IQ の構成要素
アーキテクチャと主要コンポーネント
2026/04/18
© 2026 Takahiro Miyaura
9


# Page. 10

![Page Image](https://bcdn.docswell.com/page/4JQYVG6Y7P.jpg)

Foundry IQ アーキテクチャ概要
Sources
Azure Blob Storage
Azure AI Search
Agentic
Retrieva
l
Knowledge Source
( インデクサー自動生成)
Microsoft
Foundry
Model s
gpt - 5- mini
text - embedding - 3- small
・
・
SharePoint
Knowledge Base
( 検索オーケストレーター)
Knowledge
Foundry IQ
OneLake
Agents
Agent
Agent
Web (Bing)
knowledge_base_retrieve
(MCP Tool)
CLI Tools
・・・
2026/04/18
© 2026 Takahiro Miyaura
10


# Page. 11

![Page Image](https://bcdn.docswell.com/page/K74WM54ZE1.jpg)

主要コンポーネント
3つの要素で構成されるナレッジ検索基盤
データを入れるだけ で、 いい感じに最適な情報を取得 してくれる
○Knowledge Source
•
•
データソース（Blob Storage
等）と接続
インデクサー・インデックス・スキルセットを自動生成
○Knowledge Base
•
•
複数のKnowledge Source
を統合管理
Agentic Retrieval
を実行するオーケストレーター
○Agentic Retrieval Engine
•
•
2026/04/18
クエリ分解 → ソース選択 → ハイブリッド検索
→ セマンティックランキング → 回答合成
© 2026 Takahiro Miyaura
11


# Page. 12

![Page Image](https://bcdn.docswell.com/page/LJ1Y8W4DEG.jpg)

Knowledge Source の種類
Indexed （インデックス化）と Remote （リアルタイム）の2系統
Indexed （インデックス化して検索）
• 検索インデックス
•
既存のAI Search
インデックスを参照
• Azure Blob
• Microsoft
OneLake
• Microsoft SharePoint
Remote （リアルタイム検索）
• Microsoft SharePoint
• web — Bing 検索（パブリックWeb）
2026/04/18
© 2026 Takahiro Miyaura
12


# Page. 13

![Page Image](https://bcdn.docswell.com/page/GJWGZ6X872.jpg)

実践編
実際に複数のソースを使ったナレッジソースでFoundry IQ
2026/04/18
© 2026 Takahiro Miyaura
を使う
13


# Page. 14

![Page Image](https://bcdn.docswell.com/page/4EZL1Y6973.jpg)

お題にしたもの
Obsidian Vault
の個人ナレッジをFoundry IQ
でAI 検索する
• 普段使っているObsidian Vaultの情報をAzure Blob Storageに同期
• 185,493ファイル、約4GB
• Blob StorageをFoundry IQのKnowledge Sourceとして登録
• Knowledge Baseを作成してAgentic Retrievalで検索
• 推論レベル・応答モードの違いを実験で比較
必要なリソース
• Azure Blob Storage（~300円/月）
• Azure AI Search Basic以上（~11,000円/月）
• Microsoft Foundry（Embedding + クエリ計画用）
2026/04/18
© 2026 Takahiro Miyaura
14


# Page. 15

![Page Image](https://bcdn.docswell.com/page/Y76WLD2D7V.jpg)

データ準備 — コンテナ設計
Obsidian Vault
のフォルダ構造をそのままBlob コンテナに分割
185,493ファイル、約4GBも（作ってしまっていたのか。。。）ある。そしてこれからも増える。。。
単一のRAGとして扱うと情報の希釈が発生
より意味のある情報へのつながりが困難に？
Foundry IQのナレッジベース（Agentic Retrival）を活用
•
•
•
Knowledge Source単位で検索制御が可能
「技術的な質問にはtech優先」等のルーティングが可能
全体RAGよりも最適化が期待できる
Vaultフォルダ → Blobコンテナ マッピング
•
•
•
•
2026/04/18
010_Tech/ → obsidian-010-tech（技術調査資料）
000_Research/ → obsidian-000-research（Web記事要約）
020_DaylyNote/ → obsidian-020-daily（デイリーノート）
030_Tasks/ → obsidian-030-tasks（タスク・イベント）
© 2026 Takahiro Miyaura
15


# Page. 16

![Page Image](https://bcdn.docswell.com/page/G75M132874.jpg)

（脱線）
データをFoundry IQ側へ届ける仕組み
Azure Blob Storage
ローカル環境
Azure VM
PC
Obsidian Vault
Other Device
Obsidian Vault
LiveSync
CouchDB
Vault 実体化
(Obsidian Headless)
obsidian
obsidian
- 010 - tech
- 000 - research
obsidian
- 020 - daily
obsidian
- 030 - tasks
Foundry IQ
(Azure AI Search)
Knowledge
Source
Knowledge
Base
・
・
・
azcopy sync
自動インデクシング
Knowledge Source
作成 → インデクサー・インデックス・スキルセットが自動生成
Embedding モデル: text - embedding - 3- small
デフォルト1日1回の定期実行
2026/04/18
© 2026 Takahiro Miyaura
16


# Page. 17

![Page Image](https://bcdn.docswell.com/page/9J291Z4VER.jpg)

Knowledge Source の作成
Portal
またはPython SDK
で作成可能
Azure Portal
からの手順
1. AI Search リソースで「Knowledge sources
」→「+ Add 」
2. リソースタイプ「Azure Blob （インデックス付き）」を選択
3. ストレージアカウント・コンテナを指定
4. テキストベクトル化を有効化（text - embedding - 3- large ）
5. 「Create 」→ Blob コンテナごとに繰り返し（4回）
自動生成されるリソース
• データソース・インデクサー・インデックス・スキルセット
• 手動でのAI Search インデクサー構成は不要！
2026/04/18
© 2026 Takahiro Miyaura
17


# Page. 18

![Page Image](https://bcdn.docswell.com/page/DEY4ZRMQJM.jpg)

Knowledge Base の作成
複数のKnowledge Source
を束ねる検索オーケストレーター
設定項目
•
•
•
•
•
•
Knowledge Sources
: 作成した4つのKS を全て選択
推論作業: 最小/ 低/ 中（低を推奨）
出力モード: 応答の合成/ 抽出データ
取得の指示: ソース選択ルール（例: tech を技術質問に優先）
回答手順: 回答のフォーマット指定（例: 日本語で回答）
チャット補完モデル: gpt - 5- mini 等
MCPエンドポイントとして公開
• 作成後、MCPサーバーとして利用可能
2026/04/18
© 2026 Takahiro Miyaura
18


# Page. 19

![Page Image](https://bcdn.docswell.com/page/VJNY3DW278.jpg)

Microsoft Foundry上はKnowledgeとして管理
Knowledge をAgent に割り当てる
2026/04/18
© 2026 Takahiro Miyaura
19


# Page. 20

![Page Image](https://bcdn.docswell.com/page/YE9P9GXDJ3.jpg)

設定と検証
推論レベルと応答モードの違いを比較する
2026/04/18
© 2026 Takahiro Miyaura
20


# Page. 21

![Page Image](https://bcdn.docswell.com/page/GE8D9V25ED.jpg)

推論レベル（retrievalReasoningEffort）
最小
クエリ受付
低
クエリ受付
クエリ分解
ソース選択
中
クエリ受付
クエリ分解
ソース選択
全ソース検索
ランキング
結果返却
並列検索
ランキング
結果返却
並列検索
ランキング
品質評価
結果返却
不十分なら再検索（反復リフレクション）
2026/04/18
レベル
クエリ分解
ソース選択
セマンティック
反復
用途
最小
✗
✗
✓
✗
単純キーワード検索
※この場合出力は「抽出データ」固定
低
✓
✓
✓
✗
日常ナレッジ検索（推奨）
中
✓
✓
✓
✓
複雑な横断検索
© 2026 Takahiro Miyaura
21


# Page. 22

![Page Image](https://bcdn.docswell.com/page/LELMW5237R.jpg)

推論レベル別：検索結果の違い
質問: 「Microsoft Foundry
とVoice Live API
との関連は？」
最小（最小推論）
• キーワードで単純抽出 → pptx ファイルやYouTube 概要欄も混在
• ドキュメント内容を吟味せず、情報の質にばらつき
低（標準推論）
• ソース選択が適切 → 解説記事等の情報量が多い文書を選定
• 同じファイル名が重複して返る場合あり
中（高推論）
• 反復処理により重複なし、精度の高い情報を返却
• ただし時間とコストが増加するトレードオフ
2026/04/18
© 2026 Takahiro Miyaura
22


# Page. 23

![Page Image](https://bcdn.docswell.com/page/4JMY938MJW.jpg)

出力モードの比較
Extractive Data(抽出データ)
抽出データモード
•
•
•
元データからの抽出をそのまま返す
引用・参照・データ分析向け
ファイル名＋スコアのリスト形式
向いている場面
•
•
2026/04/18
エージェントが自ら解釈する場合
原文の正確性を重視する場合
Answer Synthesis（応答の合成）
応答の合成モード
•
•
•
AI が検索結果を基に回答を合成
対話・要約・Q&A向け
構造化された日本語回答＋引用元付き
向いている場面
•
•
© 2026 Takahiro Miyaura
人間が直接読む回答が必要な場合
チャットUI での利用
23


# Page. 24

![Page Image](https://bcdn.docswell.com/page/PJR9GQ5L79.jpg)

Instructions のカスタマイズ
取得の指示、回答手順
検索と回答の挙動を2種類のInstructions
で制御
Retrieval Instructions（取得の指示）
• 検索時のソース選択・クエリ計画に影響
• Knowledge Source
名を明示的に指定すると精度向上
• 例: 「技術的な質問にはobsidian
- 010 - tech - ks を優先」
Answer Instructions（回答手順）
• answerSynthesis
モード時の回答生成に影響
• 言語・フォーマット・引用元の提示方法を制御
• 例: 「日本語で回答。引用元のファイルパスを必ず提示」
2026/04/18
© 2026 Takahiro Miyaura
24


# Page. 25

![Page Image](https://bcdn.docswell.com/page/PEXQX5X6JX.jpg)

Agent連携と応用
Foundry Agent Service
2026/04/18
との統合とMCP活用
© 2026 Takahiro Miyaura
25


# Page. 26

![Page Image](https://bcdn.docswell.com/page/3EK9W6WGED.jpg)

Foundry Agent Service との接続
Knowledge Base
をMCPツールとしてエージェントに接続
接続手順
1. Foundry ポータルでAI Search Connection
を追加
2. Agent Builder
でKB がMCPツールとして表示
3. knowledge_base_retrieve
ツールとして利用可能に
エージェントからの検索フロー
•
•
•
•
2026/04/18
ユーザー → Agent （LLMが検索の必要性を判断）
→ Knowledge Base
（Agentic Retrieval
開始）
→ クエリ分解・ソース選択・並列検索・ランキング
→ Agent 経由でユーザーに回答
© 2026 Takahiro Miyaura
26


# Page. 27

![Page Image](https://bcdn.docswell.com/page/L73W161575.jpg)

MCP活用
Knowledge Base
はMCPサーバーとして様々なクライアントから利用可能
MCPエンドポイント活用例
• GitHub Copilot: VS CodeのCopilot ChatからKBに質問
• 独自のエージェント: MCP設定でFoundry IQに接続
• 個人的にはAIグラスに仕込んで使いたい
注意点・今後
• Microsoft Agent Framework V1のC# SDK（Python SDKはOK）
•
現時点で未対応（REST APIは対応）
•
APIスキーマ等仕様変更は今度も入るかも
•
何回かやらかしました・・・
• まだ、プレビュー版です
• AI Search Basic以上が必要（課金に注意）
2026/04/18
© 2026 Takahiro Miyaura
27


# Page. 28

![Page Image](https://bcdn.docswell.com/page/87DKXVXYJG.jpg)

まとめ
Foundry IQ
で使ってみた
データを入れるだけで、いい感じに最適な情報を取得してくれる
Foundry IQ の強み
• Knowledge Sourceを複数横断的に検索できる
• Agentic Retrievalでクエリ分解・ソース選択・ランキングをAIが自動実行
• 推論レベルの調整で精度とコストのバランスを制御可能
• MCPエンドポイントで様々なクライアントから利用可能
推論レベルの使い分け
• 最小: 単純なキーワード検索
• 低: 日常的なナレッジ検索
• 中: 複雑な横断検索・分析
2026/04/18
© 2026 Takahiro Miyaura
28


# Page. 29

![Page Image](https://bcdn.docswell.com/page/VJPKPVP2E8.jpg)

Qiita記事を書きました
Foundry IQ
のKnowledge Base
でObsidian
の個人ナレッジをAI 検索する
https://qiita.com/miyaura/items/08628673789789519155
2026/03/11
© 2026 Takahiro Miyaura
29


# Page. 30

![Page Image](https://bcdn.docswell.com/page/2EVV2Z2XEQ.jpg)

大阪駆動開発
関西を中心に、IT系のおもしろそうなことを
楽しんでやるコミュニティ