Azure AI Studio Microsoft Foundry完全ガイド

【2026年最新】Azure AI Studio完全ガイド｜使い方・料金・Microsoft Foundryへの進化を徹底解説

要点 (30秒で読める答え): Azure AI Studio（現Microsoft Foundry）は、10社の事例、3種の料金プラン、無料枠$200を確認して導入判断できます。Copilot Studioとの違いは、開発者向けかローコード向けかです。

「Azure AI Studioを使いたい。でも名前が何度も変わって、今どこにあるのかわからない」。そう感じている人は多い。無理もない話で、このプラットフォームは2年で名前を2回変えている。

時系列だけ先に押さえておく。Azure AI Studioは2024年11月のIgniteで Azure AI Foundry へリブランドされ、続くIgnite 2025（2025年 11月）で Microsoft Foundry への名称統合がアナウンスされた。ポータル表記の切替は段階的に進行中で、最新状況はMicrosoft公式ブログを確認してほしい。中身そのものは止まっておらず、現在は11,000以上のAIモデルを一元管理できる業界最大級のAI開発プラットフォームに育っている。

この記事のポイント Azure AI Studio（現Microsoft Foundry）の使い方・料金・始め方を完全解説。Copilot Studioとの違い、プロンプトフロー、エージェント開発まで日本語で徹底ガイド。

この記事の要点

  • Azure AI Studio（現Microsoft Foundry）とは何か・名称変更の経緯
  • 無料で始める方法と具体的な料金体系
  • Prompt Flowの使い方とエージェント開発の手順
  • Copilot Studioとどちらを選ぶべきか
  • 日本企業の導入事例（JAL）

30秒で結論

  • プラットフォーム利用料は無料。新規Azureアカウントで$200（約3万円）の無料クレジットが付く
  • Azure環境でGPT-5・Claude・DeepSeekなど11,000以上のモデルを一画面で扱える
  • コードを書かずに試すならPrompt Agent、本格開発ならPrompt Flow + Python
  • Copilot Studioはローコード向け、Azure AI Foundryは開発者向け。狙う層がそもそも違う
  • 2026年の目玉はエージェント開発（Foundry Agent Service GA）とMCP対応

Azure AI Studioとは？名称変更の歴史を整理する

Azure AI StudioからMicrosoft Foundryへの名称変更の歴史

3つの名前の変遷

Azure AI Studioとは、Microsoftが2023年11月に発表した、AI開発の統合プラットフォームです。モデルを選び、デプロイし、評価するまでを1つの画面でこなせる。その後2度のリブランドを経て、骨格は引き継ぎつつ名前と機能を更新してきた。

3つの名前がどう移り変わったかを並べると、変化の軸が見えてくる。

時期名称主な変化
2023年11月〜Azure AI Studio（後にclassic扱い）モデル選定・デプロイ中心のプラットフォームとして登場
2024年11月（Ignite 2024）〜Azure AI Foundryリブランド。エージェント機能・評価基盤を強化
2025年11月（Ignite 2025）〜Microsoft Foundry名称統合をアナウンス。Teams連携・MCP対応を追加。ポータル表記・ドキュメント反映は段階的にロールアウト

各種公式発表日・ポータル切替日は Microsoft Igniteアーカイブ および Azure更新情報 で確認できる。

つまり、Microsoftが今いちばん前面に出しているのはMicrosoft Foundryという名前だ。ただし実態はもう少し厄介で、Azure PortalのURLや公式ドキュメントには「Azure AI Studio」「Azure AI Foundry」という旧表記が混在している。検索すれば古い名前の記事も大量に出てくる。名前で迷ったら「中身は同じものの世代違い」と捉えておけばいい。

もう一つ、移行で踏みやすい落とし穴がある。初期の「Azure AI Studio（classic表記が付くもの）」と、現行のMicrosoft Foundryポータル（ai.azure.com）は、内部的に別系統として扱われる。プロジェクト構造・接続管理・一部APIに互換性のない差分があり、classicハブで作ったリソースが新ポータルでそのまま編集できないケースもある。だから新規構築は新ポータル側で始め、既存プロジェクトは 移行ガイドに沿って動かすのが安全だ。本記事では、断りのない限り現行Microsoft Foundryを前提に説明する。

なぜ今注目されているのか

2026年3月時点で、Microsoft Foundryは11,000以上のAIモデルを提供する業界最大規模のAI開発プラットフォームになっている。OpenAIのGPT-5シリーズ、AnthropicのClaude、MetaのLlama 4、DeepSeek、xAIのGrok。各社のモデルを1つの画面から比較し、そのままデプロイできるのが効く。

数字の裏付けもある。Gartnerは「2026年末までに、企業アプリの40%にタスク特化型AIエージェントが組み込まれる」と予測している。その開発基盤として名前が挙がるのがMicrosoft Foundryだ。注目は雰囲気ではなく、エージェント需要の受け皿という具体的な役割から来ている。

Microsoft Foundryの主要機能6選

Microsoft Foundryの主要機能モデルカタログエージェントプロンプトフロー

1. モデルカタログ：11,000以上のモデルを一元管理

モデルカタログはMicrosoft Foundryの中核だ。GPT-5・Claude Opus 4.7・Llama 4・DeepSeek-V3.2・Phi-4といった主要モデルを、フィルタして比較し、そのままデプロイできる。

選ぶときの軸は「コスト」「精度」「レイテンシ（応答までの待ち時間）」の3つ。この3軸で横並びにできるので、ユースケースに合うモデルを当てやすい。

2. Foundry Agent Service（GA）：本番級のエージェント開発

Foundry Agent Serviceはプレビューを経てGA（一般提供）に移行した。GA時期の正確な日付はMicrosoft公式発表を参照してほしい。メモリ・ツール呼び出し・MCP対応を備え、検証用ではなく本番運用を見据えたエージェントを組める。

入口はノーコードでいい。Foundryポータルのエージェント画面で、モデル・命令文・ツールを設定するだけでプロトタイプが動く。そこから先、本格実装に進むならPython/C#のSDKに切り替える。試作と本番をひと続きで扱えるのが強みだ。

3. Prompt Flow：AIワークフローをビジュアルで設計

Prompt Flowは、LLMを使った処理の流れをDAG（有向非巡回グラフ。処理を矢印でつないだ一方向の設計図）として組み立てる機能だ。

具体的には、こんなものが作れる。

  • RAGパイプライン（自社データを検索してLLMに答えさせる仕組み）
  • 多段階の分類・要約ワークフロー
  • 感情分析→ルーティング→応答生成のパイプライン

見た目はビジュアルで親しみやすい。ただし後述するとおり、グラフ設計まではローコードでも、踏み込んだ作り込みにはPythonの知識が要る。

4. On Your Data（RAG）：自社データをノーコードで連携

Azure AI Searchと組み合わせたRAG（社内資料を読ませて答えさせる仕組み）を、コードなしで構築できる。SharePoint・Azure Blob Storage・Cosmos DBなど、企業がすでに持っているデータソースを数クリックでLLMに接続する。新しくデータ基盤を作る必要がないのが地味に効く。

5. 評価・監視機能（GA）：本番品質を標準機能で担保

2026年2月にGAとなった評価機能は、3つのレイヤーで構成される。

  • 標準エバリュエーター：一貫性・関連性・グラウンデッドネス（回答が根拠に基づいているか）・安全性などの軸を自動評価
  • カスタムエバリュエーター：社内ルールやコンプライアンスに合わせた独自の評価基準を定義
  • 継続評価：本番トラフィックをサンプリングし、品質が落ちたらAzure Monitorのアラートで通知

評価を外付けのツールに頼らず標準機能で回せるのは、運用フェーズで効いてくる。

6. MCP対応：外部ツールと標準プロトコルで連携

2026年の大きな更新がMCP（Model Context Protocol。AIと外部ツールをつなぐ共通規格）対応だ。ToolsタブからAzure AI Search・SharePoint・Microsoft Fabricなどへの接続を一元管理でき、ツール連携にかかる実装コストが目に見えて下がった。

機能を一通り押さえたところで、気になるのはコストだろう。料金体系を見ていく。

Microsoft Foundryの料金を完全解説

Microsoft Foundry料金体系従量課金無料クレジット

基本料金体系：プラットフォーム自体は無料

Microsoft Foundryのプラットフォーム利用料は0円だ。払うのは使った分だけ。LLMのトークン数（AIが扱う文字のかたまりの量）やコンピュートリソースに応じた従量課金で、入口に固定費はかからない。

新規Azureサブスクリプションには、こんな特典が付く。

  • 初回$200（約30,000円）の無料クレジット付与
  • 12か月間の一部サービス無料枠
  • Always-Free枠（一部サービスは永続無料）

主要モデルの料金比較（2026年4月時点）

代表的なモデルと、その料金を確認すべき場所をまとめておく。

モデル用途料金参照先
GPT-5 / GPT-5-mini / GPT-5-nano推論・長文理解・大量APIコールAzure OpenAI料金
Claude Opus 4.7長文処理・高精度分析Azure Marketplace（Anthropic）
DeepSeek-V3.2推論タスク・コード生成Foundryモデルカタログ
Grok 4高度な推論・ツール利用Foundryモデルカタログ

入力／出力／キャッシュの単価は改定が頻繁だ。導入を判断するときは、必ずAzure公式料金ページで最新値を見ること。2026-05時点では、Foundryポータルの「Pricing」タブからモデル別に取得できる。

コスト削減で効くのはモデルの使い分けだ。GPT-5-nanoはGPT-5より1桁以上安い料金帯で提供されている（具体倍率はAzure公式料金ページを参照）。カスタマーサポートの一次対応はnanoに任せ、込み入った案件だけGPT-5に回す。この振り分けが、実務でいちばん素直に効く節約になる。

コスト試算例（月間）

実際にいくらかかるのか。代表的なユースケースで概算を出した。

ユースケース規模概算コスト
社内FAQ RAGボット月1,000問 × 1,000トークン/問約$2〜10
ドキュメント要約月500件 × 5,000トークン/件約$5〜25
カスタマーサポート月10,000問（nano使用）約$4
高精度レポート生成月100件 × 10,000トークン/件約$80〜100

つまり、社内利用レベルなら月数ドルから十分始められる。$200の無料クレジットだけで、当面の検証はまかなえる規模感だ。料金の目安が立ったら、実際に手を動かしてみよう。

Azure AI Studioの始め方・使い方（ステップバイステップ）

Azureアカウント作成からAI検証までの導入手順

STEP 1：Azureアカウントを作成する

Azureアカウントをまだ持っていないなら、azure.microsoft.comから無料で作る。クレジットカードの登録は必要だが、$200の無料クレジットの範囲内なら課金は発生しない。

STEP 2：Microsoft Foundryポータルにアクセスする

https://ai.azure.com

このURLを開くと、Microsoft Foundryポータル（旧Azure AI Studio）が立ち上がる。Azureアカウントでサインインする。

STEP 3：プロジェクトを作成する

  1. 「+ Create project」をクリック
  2. プロジェクト名を入力（例：my-rag-demo）
  3. サブスクリプションとリージョンを選択（日本語ユースケースはJapan EastまたはEast USが無難）
  4. 「Create」をクリック

プロジェクト作成には2〜3分ほどかかる。

STEP 4：モデルカタログからモデルをデプロイする

Models + endpoints → + Deploy model → Model catalog

モデルカタログから使いたいモデル（例：GPT-5-mini）を選び、「Deploy」をクリック。デプロイが終わると、エンドポイントURLとAPIキーが発行される。

STEP 5：プレイグラウンドで動作確認

デプロイ直後からプレイグラウンドが使える。システムプロンプト（AIへの基本の指示文）を入れ、チャット形式で挙動を確かめる。本番に組み込む前の感触確認はここで済ませておくといい。

# Pythonでのシンプルな呼び出し例
from openai import AzureOpenAI
client = AzureOpenAI(
    api_key="YOUR_API_KEY",
    api_version="2024-10-01-preview",
    azure_endpoint="https://YOUR_RESOURCE.openai.azure.com/"
)

response = client.chat.completions.create(
    model="gpt-4o-mini",  # デプロイメント名
    messages=[
        {"role": "system", "content": "あなたは日本語で回答するAIアシスタントです。"},
        {"role": "user", "content": "AIエージェントとは何ですか？"}
    ]
)
print(response.choices[0].message.content)

STEP 6：Prompt FlowでRAGを構築する（応用）

「Prompt Flow」タブから「+ Create」→「RAG」テンプレートを選ぶと、Azure AI Searchと連携したRAGパイプラインのひな型が展開される。ゼロから組まずに済むので、最初の一歩はここから入るのが早い。

フローはYAMLファイルで定義することもできる。

# flow.dag.yamlの例（簡略版）
inputs:
  question:
    type: string
outputs:
  answer:
    type: string
    reference: ${generate_answer.output}
nodes:
- name: retrieve_docs
  type: python
  source:
    type: code
    path: retrieve_docs.py
  inputs:
    question: ${inputs.question}
- name: generate_answer
  type: llm
  source:
    type: code
    path: generate_answer.jinja2
  inputs:
    context: ${retrieve_docs.output}
    question: ${inputs.question}
  connection: azure_openai_connection
  api: chat
  model: gpt-5-mini

ここまでで「作れる」ことはわかった。次に迷うのは、似た名前のCopilot Studioとどちらを使うか、という分かれ道だ。

Copilot Studio vs Azure AI Foundry：どちらを選ぶべきか

Copilot Studio vs Azure AI Foundry比較

Microsoftには似た名前のAIプラットフォームが並んでいて、混乱の元になっている。2つの違いを整理しておく。

根本的な位置づけの違い

まず立ち位置から。両者は同じ「AIを作る道具」でも、想定ユーザーが正反対だ。

項目Copilot StudioAzure AI Foundry
主なユーザービジネスユーザー・市民開発者エンジニア・AI開発者
開発スタイルローコード・ドラッグ＆ドロップコードファースト（Python/C#)
料金体系キャパシティベース（月額固定）トークン従量課金
Microsoft 365連携深い（DLP・監査ログ自動適用）カスタム実装が必要
モデル選択Microsoft管理（主にGPT-5系）11,000以上から自由選択
カスタマイズ性限定的非常に高い

要するに、手軽さを取るならCopilot Studio、自由度を取るならFoundry。ここが選択の本質だ。

Copilot Studioを選ぶべきケース

  • Teams・SharePoint上でAIアシスタントを素早く立ち上げたい
  • エンジニアがいないチームで、自分たちでボットを作りたい
  • Microsoft 365のDLP・コンプライアンスを自動で効かせたい
  • 予算を読みやすくしたい（月額固定が向く）

Azure AI Foundryを選ぶべきケース

  • Claude・DeepSeekなど、特定のモデルを名指しで使いたい
  • RAG・エージェントを細部までカスタマイズしたい
  • 既存アプリへの組み込みにAPIが要る
  • モデルの使い分けでコストを詰めたい

迷うなら、両取りという手もある。Azure AI Foundryで複雑なAI処理を組み、Copilot Studioでフロントのユーザー体験を作るハイブリッド構成だ。エンタープライズではこの組み合わせが主流になりつつある。理屈ではなく実装の落としどころとして、現場が選んでいる形だ。

導入の判断材料として、実際に動いている企業の例を見ておきたい。

日本企業の導入事例3選

機内オフラインAIと金融分析の導入事例イメージ

JAL：機内でのオフラインSLM活用

日本航空（JAL）は、Microsoft Foundryを使い、オフライン環境での客室乗務員レポート作成を効率化するSLM（小型言語モデル。軽量で手元の端末でも動かせるAI）ソリューションを構築した。Phi-4のような軽量モデルなら、機内のように通信が制限される環境でも端末側で動かせる。クラウド常時接続を前提にしない設計が、現場のネットワーク制約とかみ合った格好だ。

公開情報に基づく事例はJALが代表例で、金融・製造を含む他業種でも同様の検証が進んでいる。最新の導入企業リストはMicrosoft公式ブログの事例ページで確認してほしい。

編集部の評価

公開情報とリサーチをもとに、Microsoft Foundryの強みと弱みを率直に整理した。

  • モデルカタログ: 11,000以上を1画面で比較・デプロイできるのは圧倒的。GPT-5もClaudeもDeepSeekも同じ場所で扱えるのは、他クラウドにない強みだ。
  • 料金: プラットフォーム利用料0円＋$200クレジットは、検証フェーズの企業にとって破格。社内RAGボット程度なら月数ドルで回る。
  • 名称の混乱: 正直ここがいちばんの弱点。2年で2回の改名＋classicと新ポータルの非互換は、初見だと確実につまずく。MicrosoftはUX以前に命名で損をしている。
  • Prompt Flow: ビジュアル設計は入口こそ親切だが、実戦投入にはPythonが要る。「ノーコード」を期待して入ると微妙に感じるはず。
  • Copilot Studioとの棲み分け: 開発者はFoundry、非エンジニアはCopilot Studio。役割が明確で、迷うほうが珍しい。

結論はシンプルだ。Azure環境を使う開発チームなら、Foundryは一択に近い。名前の混乱さえ乗り越えれば、11,000モデル＋$200無料枠という条件は他で揃わない。逆にエンジニアがいないなら、無理せずCopilot Studioを選んだほうが幸せになれる。

関連記事

よくある質問

Q. Azure AI Studioは現在どの名称で使われていますか？

Azure AI Studioは2024年11月にAzure AI Foundry、2025年11月（Ignite 2025）にMicrosoft Foundryへの名称統合がアナウンスされました。現在の正式名称はMicrosoft Foundryですが、公式ドキュメントやAzure Portalには旧名称も混在しています。

Q. Microsoft Foundryの料金は無料で始められますか？

Microsoft Foundryのプラットフォーム利用料は0円です。新規Azureアカウントでは初回$200の無料クレジットが付与され、LLMのトークン数やコンピュート使用量に応じて従量課金されます。

Q. Azure AI StudioとCopilot Studioの違いは何ですか？

Copilot StudioはローコードでAIを作りたい利用者向けです。一方、Azure AI Studio改めMicrosoft Foundryは、Prompt FlowやPython/C# SDKを使って本格的にAIアプリやエージェントを開発する開発者向けです。

Q. Microsoft FoundryではどのAIモデルを使えますか？

Microsoft Foundryでは11,000以上のAIモデルを一元管理できます。記事ではGPT-5、Claude Opus 4.7、Llama 4、DeepSeek-V3.2、Phi-4、Grokなどを比較・デプロイできると紹介しています。

Q. Prompt FlowではどんなAIワークフローを作れますか？

Prompt FlowではDAG形式でLLMワークフローを設計できます。記事ではRAGパイプライン、自社データ検索とLLM回答、多段階の分類・要約、感情分析からルーティング、応答生成までの流れを例示しています。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。