AI-103:Developing AI Apps and Agents on Azure 生成 AI とエージェント ソリューションの実装 問19
生成 AI とエージェント ソリューションの実装/生成AIシステムの最適化と運用化本番の生成AIアプリで、応答が遅い・コストが高いといった問題の原因を切り分けるため、各リクエストのトークン使用量・レイテンシ・呼び出したツールや取得結果などを記録して可視化したい。利用する考え方・機能はどれか。
当サイトのオリジナル問題(AI-103:Developing AI Apps and Agents on Azureの出題範囲「生成 AI とエージェント ソリューションの実装」に対応。実際の試験問題ではありません)
- Aトレース/可観測性(各リクエストのトークン・レイテンシ・ツール呼び出し等を記録・可視化する)
- B温度パラメーターの調整
- Cコンテンツフィルターの有効化
- D埋め込みモデルの切り替え
正解:A
解説
トレース/可観測性は、各リクエストのトークン使用量・レイテンシ・呼び出したツールや取得結果などを記録・可視化し、応答遅延やコスト、誤動作の原因を切り分けられるようにする考え方・機能です。温度調整・コンテンツフィルター・埋め込みモデル切替は、可観測性の仕組みではありません。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A正しい。リクエストの内訳を記録・可視化するのはトレース/可観測性です。
- B誤り。温度調整は出力の多様性の制御で、可観測性の仕組みではありません。
- C誤り。コンテンツフィルターは安全性の制御です。
- D誤り。埋め込みモデルの切り替えは可観測性とは無関係です。