ユーザーが性的に露骨な画像を共有するのを防ぐには、成人向けコンテンツや性的に露骨なコンテンツなど、不適切なコンテンツに特化したコンテンツモデレーションを処理できるツールが必要です。Azure AI Content Safety Studio は、この目的のために設計されたサービスで、成人向け画像、暴力、その他のセンシティブなコンテンツなどの不適切なコンテンツを検出できる、事前に構築された AI モデルを提供します。カスタム モデルを構築する必要がなく、コンテンツ セーフティのための使いやすい事前構成済みサービスを提供することで、開発の手間を最小限に抑えます。

要件を満たすには、Azure AI Search スキルセットの Azure Content Understanding スキルを使用する必要があります。
参照：
https://learn.microsoft.com/en-us/azure/search/cognitive-search-skill-content-understanding

このソリューションは目標を達成していません。完全性評価フローは不完全な応答を検出するのに役立ちますが、検出とブロックによって応答自体が改善されるわけではありません。Microsoft Foundry RAG の評価ツールは、応答の完全性を、期待される応答または正解データからすべての重要な情報が応答に含まれているかどうかを測定する指標として定義しています。これは、応答の品質を評価し、合否判定またはスコア結果を生成するために使用されるシステム評価シグナルです。
このシナリオでは、エージェントが必要な規制条項を省略してしまうことが問題となります。取得されたコンテンツには規制条項が含まれているにもかかわらず、エージェントがそれらを省略してしまうのです。スコアの低い回答をブロックすれば、不完全な回答が返されるのを防ぐことはできますが、要約を修正したり、不足している条項を追加したり、生成プロセスを改善したりすることはできません。
適切な改善策は、取得したポリシー内容とドラフトサマリーを照合し、回答を再生成または修正してから返すような、リフレクションや検証パスなどの応答生成制御を追加することです。評価は品質ゲートをサポートすることはできますが、それ自体は評価メカニズムであって、完全性を向上させるメカニズムではありません。参考トピック：Microsoft Foundry RAG評価ツール、応答の完全性、グラウンデッド生成、リフレクション、応答品質の最適化。

Explanation:
会話間でユーザー設定を保持するには、永続ストレージを使用するエージェントメモリを使用します。チャット中にユーザーがコンテキスト情報を提供できるようにするには、ファイル検索ツールを使用します。ユーザー設定を保持するための適切な機能は、永続ストレージを使用するエージェントメモリです。
Microsoft Foundry Agent Service のメモリは、セッション、デバイス、ワークフロー間で継続性を実現する管理型長期メモリ機能です。特に、エージェントがユーザー設定を保持し、関連する履歴コンテキストを維持し、個別の会話間で応答をパーソナライズすることを目的としています。メモリ ストアは永続ストレージ レイヤーを提供し、スコープを使用してメモリをセグメント化することで、ユーザー固有の安全なエクスペリエンスを実現できます。
ユーザーがアップロードしたドキュメントから文脈に基づいた情報を抽出する適切な機能は、ファイル検索ツールです。
Microsoftは、ファイル検索を、Foundryエージェントがドキュメントを検索し、基本モデル外の関連情報（独自の製品情報やユーザー提供のドキュメントなど）を取得できるようにするツールと説明しています。ファイル検索のワークフローは、ファイルのアップロード、ベクターストアの作成、エージェント上でのツールの有効化、およびエージェントを介したドキュメントのクエリをサポートしています。
会話履歴だけでは会話内の継続性は維持できますが、複数の会話にわたる永続的な設定情報として保持することはできません。Azure AI Search ツールは、事前に構成されたエンタープライズ インデックスに適していますが、ファイル検索はドキュメントを直接アップロードできる基盤機能です。参照トピック: Foundry Agent Service のメモリ、メモリ ストア、ファイル検索ツール、ベクトル ストア、および基盤となるエージェント応答。

正しい解決策は、Project1 で Azure AI Search 接続を構成し、各アプリケーションからその接続を参照することです。Microsoft Foundry プロジェクト接続は、プロジェクトの外部リソース構成を一元化することを目的としています。Foundry の公式ガイダンスでは、接続を追加する際には、Azure AI Search などの外部サービスを選択し、そのリソースの認証方法を選択するように指示されています。
これは、複数のクライアントアプリケーションが同じ検索設定を使用するという要件を直接満たし、各アプリケーションでエンドポイント、インデックス、認証情報を重複して作成する必要がなくなります。
セキュリティ要件は、キーレス認証を使用して接続を構成することで満たされます。Azure AI Search の統合ガイダンスでは、Foundry プロジェクトの接続には検索エンドポイントと、キーベース認証または Microsoft Entra ID を使用したキーレス認証のいずれかが必要であると規定されています。キーレス認証の場合、プロジェクトの管理対象 ID に RBAC ロールが割り当てられるため、ハードコードされた API キーは不要になります。
オプションAとCはセキュアなIDベースのアクセスを使用しますが、各クライアントアプリケーションが独自のAzure AI Search構成を維持する必要があるため、管理作業が増加し、共有構成の要件に違反します。オプションBも管理作業が増加し、ネイティブのAzure AI Search接続タイプを使用しません。参照トピック：Microsoft Foundryプロジェクト接続、Azure AI Searchの基盤、Microsoft Entra ID認証、マネージドID、およびRBAC。