AI-901（Microsoft Azure AI Fundamentals）の後半＝ドメイン2「Microsoft Foundryでの実装」（配点55〜60%）では、Pythonのコードが出てきます。「コードなんて覚えられない……」と身構えるかもしれませんが、安心してください。じつは覚えることは多くありません。幹（みき）は1本。あとは、その幹に“差分”を足していくだけです。この記事は、その幹と差分を1枚のチートシート（早見表）に整理したものです。
- 幹は1本＝
responses.create(model, input)。「接続して、input を送り、答えを受け取る」——やることはいつも同じ。 - 会話も画像も音声も、この幹に引数（差分）を足すだけ。新しいコードをたくさん覚える必要はありません。
- 幹とは別のサービスが3つだけ：画像生成（
images.generate）・Azure Speech・Content Understanding。この3つは「名前と用途」を知っていれば十分です。
幹の考え方：responses.create がすべての土台
Foundryでモデルを呼ぶときの基本形は、たった1つの呼び出しです。「モデルを指定し、input（入力）を送り、答えを受け取る」——これだけ。
# 幹＝これが基本形。モデルを指定して input を送る
response = openai.responses.create(
model="デプロイしたモデル名",
input="日本の首都はどこ？"
)
print(response.output_text) # 答えを受け取るチャットも、会話の記憶も、エージェントも、さらには画像・音声まで、この幹に“引数を足すだけ”で広がっていきます。まずこの1本を頭に入れてください。
model= や input= のように「名前＝値」の形で指定します。「差分を足す」とは、この引数を1つ増やす、という意味です。早見表①：幹（responses.create）に足すだけ
次に並ぶものは、すべて幹の responses.create に差分を足しただけです。文章の会話も、役割を与えるのも、会話を覚えるのも、エージェントを使うのも、画像・音声まで、同じ幹のまま扱えます。
| やりたいこと | 使うもの（呼び出し） | ひとこと |
|---|---|---|
| 文章で会話・推論 | responses.create(model, input) |
基本形（幹） |
| 役割を与える | ＋ instructions |
システムプロンプト |
| 会話を覚える（多ターン） | ＋ previous_response_id |
前の応答IDで履歴をつなぐ |
| 名前付きAI＋道具 | エージェント：agent_reference |
名前で呼ぶ |
| 画像を見る・音声を聞く | input に画像／音声を入れる |
同じ幹のまま（マルチモーダル） |
# ＋ instructions で「役割」を与える（チャット）
response = openai.responses.create(
model="デプロイしたモデル名",
instructions="あなたは親切な数学の先生です",
input="3x + 11 = 14 を解いて"
)
# ＋ previous_response_id で前の会話を覚える（多ターン）
followup = openai.responses.create(
model="デプロイしたモデル名",
previous_response_id=response.id, # 前の応答IDを渡すだけ
input="もう1問おねがい"
)ポイントは、引数を1つ足すだけで機能が広がること。まったく新しいコードを覚えているわけではありません。
早見表②：専用サービス（幹とは別）
いっぽう、幹の responses.create とは別のサービスとして扱うものが3つだけあります。この3つは「名前と用途」を知っていれば十分で、深いコードは問われません。
| やりたいこと | 使うもの | ひとこと |
|---|---|---|
| 画像を作る | images.generate |
出力が画像 |
| 音声認識・合成 | Azure Speech | 音声専用 |
| 文書・メディアから抽出 | Content Understanding | 抽出専用 |
# 画像を「作る」ときだけは別の呼び出し（出力が画像）
img = openai.images.generate(
model="画像生成モデル名",
prompt="夕焼けの富士山を水彩画で"
)responses.create に画像を入れるだけですが、「画像を作る（生成する）」のは images.generate という別の呼び出しです。向きが逆なので混同しないように。これだけ覚える（暗記3点）
responses.create の model／input。会話も画像も音声も、ここに足すだけ。previous_response_id／conversation。名前付きAI＝エージェント（agent_reference）。images.generate）・Azure Speech・Content Understanding は幹とは別サービス。試験は「コードを書ける」よりも 「このコードは何をする／どれを使う」 を問う傾向です。上の対応さえ掴めれば十分に戦えます。
コードの意味を1つずつ学ぶ（関連解説）
チートシートで全体像をつかんだら、各コードの「意味と使い方」は次の解説記事へ。実際の画面操作から1行ずつの注釈まで、初心者向けに解説しています。
- まず環境づくり：Microsoft Foundryの使い方入門（モデルをデプロイして呼び出す）
- チャットと多ターン：Foundry SDK（Python）の使い方・チャットアプリの作り方
- エージェント：Microsoft Foundryでエージェントを作る方法
あわせて読みたい：
- サービスの選び方：Azure AIサービス早見マップ（用途→サービス一覧）
- 学習の順番：AI-901の勉強方法・独学ロードマップ
まとめ
- 幹は1本＝
responses.create(model, input)。会話・画像・音声はここに引数を足すだけ。 - 役割＝
instructions／履歴＝previous_response_id・conversation／エージェント＝agent_reference。 - 幹とは別の専用3つ＝画像生成（
images.generate）・Azure Speech・Content Understanding。 - 試験は「コードを書ける」よりも 「このコードは何をする／どれを使う」 を問う傾向。上の対応さえ掴めば十分に戦えます。
※本記事はMicrosoft公式のAI-901出題範囲（Study guide）およびFoundry公式ドキュメントにもとづき、エンジニアKが作成しています。SDKの仕様・引数名は変わることがあります。最新は Microsoft Foundry公式ドキュメント をご確認ください。
本サイトはMicrosoft Corporationの公式サイトではありません。Microsoft、Azure、Microsoft Foundry等は同社の商標です。
