1.1AI ソリューションの計画とリソースのプロビジョニング

AI-103 は、AI-900/AI-901 の概念理解を前提に、Microsoft Foundry 上で本番品質の生成 AI アプリとエージェントを設計・実装・運用する開発者の資格です。最初の土台が「計画と管理」——どのリソースを、どのモデルで、どのリージョンに、どれだけの容量とコストで用意するかを決める工程です。ここを誤ると、後の実装・運用で手戻りやコスト超過を招きます。

1.1.1プロジェクトとリソースの構成

Foundry の作業は プロジェクト にまとめます。プロジェクトはデプロイしたモデル、接続した Azure AI サービス（Language・Speech・Vision・Content Understanding 等）、データ、エージェント、評価結果を集約し、裏側で Azure のリソース（サブスクリプション／リソースグループ）に結びつきます。開発者は、環境（開発・ステージング・本番）ごとにプロジェクトを分け、接続（connection）で各サービスやデータストアを束ねます。これにより、認証情報やアクセス権を一元管理しやすくなります。

1.1.2モデルの選択

モデルカタログ（Foundry Models）には、Microsoft・OpenAI・オープンモデルなど多数の選択肢があります。本番設計では、AI-901 で学んだ能力・モダリティ・コンテキスト長・コストに加え、開発者として リージョン可用性（使いたいモデルが対象リージョンにあるか）、レイテンシ/スループット、データの取り扱い（規制・常駐性）を考慮します。「必要十分な最小モデル」を基本としつつ、難易度の高いタスクには大型モデル、定型処理には小型モデルという使い分け（ルーティング）も設計に含めます。

1.1.3デプロイ形態とクォータ・コスト

モデルは デプロイ してエンドポイント＋認証で利用します。デプロイ形態には、従量課金で手軽な サーバーレス API 型と、専有の計算リソースに割り当てる マネージド計算 型があり、安定したスループットや分離が要るなら後者を検討します。生成 AI のコストは トークン（入力＋出力） 課金で、スループットは TPM（tokens-per-minute）などの クォータ で制限されます。設計時には想定トラフィックから TPM を見積もり、必要に応じてクォータの引き上げを申請します。

1.1.4この節のまとめ

• 作業はプロジェクト単位、環境（dev/stg/prod）で分割し、接続でサービス/データを束ねる
• モデル選択：能力/モダリティ/コンテキスト長/コスト＋リージョン可用性/レイテンシ/データ取扱。ルーティング設計
• デプロイ：サーバーレス API（従量） vs マネージド計算（安定・分離）
• スループットは TPM クォータで制限、コストは入力＋出力トークン。TPM を見積り申請