Microsoft Build 2026の話-デジタルラボもよかったですよ

Microsoft Build 2026の話 - デジタルラボもよかったですよ。 2026/06 AI ミーティング @takabrz1 Takahiro Miyaura

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

• https://qiita.com/miyaura
• https://zenn.dev/miyaura

Microsoft Build 2026とは 年1回開催されるMicrosoft公式カンファレンス Microsoftの開発系の最新動向を知ることができる ○セッションタイプ ○現地オフライン、オンラインセッション、ラボ(ハンズオン) ○トピック ○Agents & apps ○Cloud platform & data ○Developer tools & frameworks ○Responsible AI ○Windows ○Working with models 会期中の自由なタイミングで環 境を借りて実施できる形式 （参考） 秋は Microsoft Ignite 2026/06/10 © 2026 Takahiro Miyaura も開催 3

Build 2026 開発者スタック ─ 4階層の全体像 ① コンピュート・ファブリック（インフラ層） ② モデルとコンテキスト（IQ 層） ③ ランタイム（実行環境層） ④ ツールとガバナンス（開発・管理層） エッジ〜クラウドの計算基盤：Fairwater ／Maia 200 ／Surface Dev Box モデル選択＋企業の文脈：Foundry ／MAI／Microsoft IQ 安全・スケーラブルに実行：MXC／Foundry - hosted agents 作る・運用する：GitHub Copilot app ／Agent 365 ／Autopilots キーノート紹介順 ①→④（上から下：基盤 → 開発者に近い層） │ 各層の詳細は次ページ以降 2026/06/10 © 2026 Takahiro Miyaura 4

AIスタック4階層 ① ─ インフラ & モデル ①コンピュート・ファブリック（インフラ層） ②モデルとコンテキスト（IQ 層） エッジ〜クラウドのAI 処理基盤 モデル選択＋企業独自の文脈を付与 エッジ（Windows ） ○ NPU/ GPUでローカルAI ＋SLM「Aion Instruct/Plan ○ 開発者向けPC 「Surface RTX Spark Dev Box モデルと独自AI ○ Foundry カタログ （11,000+ 、Fireworks 追加） ○ 自社モデル群「MAI」ファミリー ○ 自社データで育てる「Frontier Tuning ○ エージェント専用デバイス「Project 」 」 Solara 」 クラウド（Azure ） ○ 水消費ゼロの次世代DC「Fairwater 」 ○ 「Maia 200 」「Cobalt 200 」＋NVIDIA 「Vera Rubin 」 2026/06/10 」 データとIQ 統合 ○ 「Horizon DB 」「Fabric DW （GPU）」 ○ 知識統合「Microsoft IQ 」 （Web/Fabric/Work ） →Web IQ の発表(4 つになった) © 2026 Takahiro Miyaura 5

AIスタック4階層 ② ─ 実行環境 & 開発・管理 ③ランタイム（実行環境層） ④ツールとセキュリティ・ガバナンス 安全・スケーラブルにエージェントを実行 開発ツール群＋運用の管理機能 Windows 上の安全実行 ○ OSレベルで隔離・制御する「MXC」 ○ OSS 「OpenClaw 」のWindows ネイティブ対応 次世代の開発ツール ○ 「GitHub Copilot app 」 （複数セッション/UI 生成） ○ バックエンド接続SDK 「Rayfin 」 ○ 自律型「Autopilots 」（第一弾「Scout 」） ○ 科学発見を自動化「Microsoft Discovery 」 クラウド上の実行 ○ 長期実行を支える 「Foundry - hosted agents 2026/06/10 」 セキュリティ＆ガバナンス ○ ID/ 権限を統合する「Agent 365 ○ 脆弱性を発見・修正「MDASH」 © 2026 Takahiro Miyaura 」 6

個人的に気になったのはこれ Project Solara ○ コンセプト エージェントが特定のアプリの枠内に留まらず、デバイスやワークフローをまたがって グローバルに機能する世界を目指す ○ 発表時のデバイス ○ 据え置き型（Stationary ） 顔認証（Hello for Business ）でサインインし、Microsoft 365 Copilot などに直接アクセスできる専用デバイス。 ○ ポータブル型（Portable ） 社員証などを首から下げる「アクセスバッジ」を再構築したウェアラブルデ バイス。例えば、カメラやマイクを使ってSNS 用のコンテンツを収集した り、医療現場で看護師がハンズフリーで患者の記録やバイタルの確認 を行ったりするデモが紹介 2026/06/10 © 2026 Takahiro Miyaura 7

とりあえず この２つ押さえておくといいかも？ キーノートとカンファレンス ＆ 日本語のラップアップセッション！ ○ Microsoft Build opening keynote Wed, Jun 3|2:00 AM https://build.microsoft.com/en - 3:30 AM JST Duration 1 hour 30 minutes - US/sessions/KEY01 全体的な動向を見るのはやはりこれ。 日本向けなのでおすすめ ○ Japan Wrap - up Session Wed, Jun 4|9:15 AM https://build.microsoft.com/en - 10:00 AM JST - US/sessions/ Duration 45 minutes BRK209 本セッションは、日本からご参加の方向けに、Microsoft Build ンスについて日本語で解説を行います。 2026/06/10 © 2026 Takahiro Miyaura の主要なアナウ 8

• https://build.microsoft.com/en

Digital Lab: Engineering agents that reason, act, and adapt LAB530D ─ 「Lost in San Francisco 適応するエージェント開発 2026/06/10 © 2026 Takahiro Miyaura 」で学ぶ、推論し・行動し・ 9

ラボ概要 ─ 何を作るか シナリオ：締切までに SF を横断し、ゴールへたどり着く あなたの代わりにクエストへ挑む「player agent 」を構築する ゲームの流れ ─ ミッションを解いてゴールへ ○ ミッションをゲームサーバーから受け取り、回答を返す（MCP） ○ 移動ミッションは Agent42 に最適な交通手段を相談（A2A） ○ トリビアは街ガイドの知識ベースで解答（Agentic Retrieval ） ○ 繰り返して最終目的地に到達 → リーダーボードに掲載 これらを支える MCP／A2A／Retrieval ページ以降で詳説 2026/06/10 ／Memory & Logging © 2026 Takahiro Miyaura を順に実装 → 次 10

アーキテクチャ全体像 ─ 司令塔と専門エージェント MCP ゲームサーバー：クエスト開始・回答送信 Player Agent を記憶／全呼び出しを記録 Memory + Logging player_id Agentic Retrieval City Guide Agent → Azure AI Microsoft Agent Framework ツールを選んで呼び出す オーケストレーター Search 知識ベース A2A Agent42 ：天候/ 渋滞を考慮した移動手段の推薦 基盤：Microsoft Foundry 2026/06/10 ／ Azure OpenAI © 2026 Takahiro Miyaura （gpt - 5.5 ・gpt - 4.1 - mini ） 11

メモリ ─ 状態をエージェントに持たせる なぜ必要か ○ 毎回新規登録せず、前回の player_id を継承し「継続セッション」化 仕組み ○ ContextProvider ＝モデルのターン前に走る フック（before_run ） ○ memory.json の player_id を instructions に注入 （extend_instructions ） ○ 保存は @tool の save_player_id ─ モデルが登録後に自分で呼ぶ # memory: remember the player_id class PlayerContextProvider( ContextProvider): async def before_run(self, *, context, **_): pid = load(MEMORY_FILE) context.extend_instructions( self.source_id, f"player_id: {pid}") @tool("Save player_id") async def save_player_id(pid): MEMORY_FILE.write_text(pid) 知見：状態は外部ファイル＋コンテキスト注入で 持たせる 2026/06/10 © 2026 Takahiro Miyaura 12

ロギング ─ 振る舞いを観測する なぜ必要か ○ エージェントの振る舞いをデバッグ・説明・改善 できる 仕組み ○ ミドルウェア＝処理の各段をラップ （await call_next() で本体実行） ○ 3つの介入点： ○ @agent_middleware ○ @chat_middleware ○ @function_middleware ○ セッション毎に logs/ へ 入力・出力・ツール 結果 を記録 # log every tool call @function_middleware async def log_fn(context, call_next): name = context.function.name log("CALL", name, context.arguments) await call_next() # run tool log("RESULT", context.result) 知見：可観測性はミドルウェアで横断的に確保 2026/06/10 © 2026 Takahiro Miyaura 13

Agentic Retrieval ─ 信頼できる知識から答える なぜ必要か ○ 推測やハードコードでなく「信頼できる出典」か ら回答 仕組み ○ 専門の City Guide エージェントが Azure AI Search 知識ベースを検索 ○ AzureAISearchContextProvider （ mode="agentic" ）で関連章を都度取得 ○ 知識ソース＝Blob をインデックス＋ベクトル 化し、回答合成（Answer synthesis ） # retrieve from a trusted source search = AzureAISearchContextProvider( endpoint=SEARCH_ENDPOINT, knowledge_base_name= "city-knowledgebase", mode="agentic", ) guide = Agent( client=client, context_providers=[search], ) 知見：検索を専門agent に閉じ込め、ガイド質 問の時だけ RAG トークンを消費 2026/06/10 © 2026 Takahiro Miyaura 14

A2A ─ 専門エージェントに委譲する なぜ必要か ○ 専門ロジックを再実装せず、別エージェントに委 譲できる 仕組み ○ Agent42 ＝交通の専門家（天候・リアルタイ ム交通で car/bike/walk を推薦） ○ A2AAgent で接続し、as_tool() でメイ ンのツール化 ○ メインは「いつ呼ぶか」を判断するだけ # delegate to a peer agent agent42 = A2AAgent( name="Agent42", url=AGENT42_URL, ) ask_agent42 = agent42.as_tool( name="ask_agent42", arg_name="question", ) 知見：専門性はA2Aで外部委譲し、再利用とコ スト最適化を両立 2026/06/10 © 2026 Takahiro Miyaura 15

持ち帰る技術的知見 ○ MCP：外部アプリや状態を「操作」させたい時（ゲームをツール化） ○ A2A：別の専門エージェントに助けを求めたい時 ○ Retrieval ：信頼できる知識源から回答させたい時（Agentic Retrieval ○ Memory：繰り返しの実行を「継続セッション」に変える ○ Logging ：振る舞いをデバッグ・説明・改善しやすくする ） → これら5つのパターンを自分のエージェントにそのまま再利用 2026/06/10 © 2026 Takahiro Miyaura 16

まとめ Build 2026 ─ 要点の振り返り 現在のテクノロジーの転換期において、開発者がこの「フロンティアインテリジェンス・エコシステム」に どう参加し、その上でどのように価値を構築していくか ✓コンピュート・ファブリック: エッジ（Windows など）とクラウド（Azure ）にまたがる基盤となるインフラ層。 ✓モデルとコンテキスト: モデル、データのコンテキスト（IQ レイヤー）、モデルがアクセスできるツールの層。 ✓ランタイム: エージェントやアプリケーションを展開・実行するための環境。 ✓ツールとセキュリティ・ガバナンス: 上記を構築するための開発ツールや、安全性とコンプライアンスを担保する層。 2026/06/10 © 2026 Takahiro Miyaura 17

まとめ Digital Lab: Engineering agents that reason, act, and adapt(LBA530D) https://build.microsoft.com/en Agent Framerowk ○ 要素技術： - US/sessions/LAB530D × Foundry を体験できる良コンテンツ ○ MCP（外部操作） ○ A2A（専門委譲） ○ Agentic Retrieval （信頼できる知識） ○ Memory（継続） ○ Logging （可観測性） 2026/06/10 © 2026 Takahiro Miyaura 18

• https://build.microsoft.com/en

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