Explanation:
ボックス1：
PUTメソッドを使用して、Cognitive Servicesマルチサービスリソースを作成する必要があります。このリソースタイプは、複数のAIサービスに対して単一のエンドポイントとキーを提供し、課金を統合し、Azure Visionをサポートします。
ボックス2：認知サービス
CognitiveServices を使用すると、マルチサービスリソースが作成されます。これにより、複数のサービスに対して単一のキーとエンドポイントが提供され、課金が統合され、Azure AI Vision や Text Analytics などの機能に一元的にアクセスできるため、すべての要件が満たされます。
参照：
https://learn.microsoft.com/en-us/azure/foundry/how-to/develop/sdk-overview

温度パラメータは、トークン選択時のランダム性を制御します。温度が高いほど確率分布が広がり、選択される可能性の低いトークンも選択されるため、より多様で創造的な応答が得られます。温度が低いほど、選択は最も確率の高いトークンに集中するため、応答はより焦点が絞られ、具体的で、繰り返し要求しても一貫性のあるものになります。マイクロソフトのプロンプトエンジニアリングに関するガイダンスでは、温度が高いほど出力のばらつきが大きくなり、低いほどランダム性が低下すると明記されています。
したがって、温度を下げること（自動検証シナリオでは通常ゼロに近づける）が適切な設定変更です。これにより、プロンプトを変更したり、モデルが利用できる情報を意図的に制限したりすることなく、文言や構造のばらつきを減らすことができます。確率モデルの実行では、あらゆる状況でバイト単位で完全に同一の出力が得られるとは限りませんが、これは利用可能な選択肢間のばらつきを最小限に抑えるための正しいパラメータです。
max_tokensを増やすと、応答の最大長が増加するだけで、サンプリングのランダム性は制御されません。
停止シーケンスは、生成が終了する場所を定義します。停止シーケンスを削除しても応答の長さは変化しますが、応答が決定論的になるわけではありません。温度を上げると、変動性が直接的に増加します。
学習ガイドの整合性：生成型AIシステムを最適化および運用化する - 迅速なエンジニアリングとモデルパラメータを通じて生成動作を調整し、生産信頼性のためにエージェントの動作を評価する。

特定の実行において、プライベートなドキュメントではなくインターネット上の公開情報のみを使用するように強制するには、実行レベルでツールオーケストレーションペイロードをオーバーライドします。tool_choice ディレクティブをウェブグラウンディングツール（例：bing_grounding または web_search）に明示的に設定し、その実行のツール配列を制限します。
参照：
https://learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/ai-search

Explanation:

client.videos.create() を呼び出してプロンプトを送信し、モデルデプロイメントに対してビデオ生成ジョブを開始します。ビデオ生成は非同期で行われます。最初の応答はジョブを表し、完了したビデオをすぐに返すのではなく、一意の ID や現在のステータスなどのプロパティが含まれます。Microsoft の公式 Python の例では、client.videos.create(model=..., prompt=...) を使用してジョブを作成します。
アプリケーションは、ジョブの状態をポーリングする必要があります。リクエスト間の待機時間の後、client.videos.retrieve(video.id) によって、その特定のジョブの最新の状態が取得されます。ポーリングは、状態が完了、失敗、またはキャンセルされるまで継続されます。
list は選択されたジョブを更新するのではなくジョブを列挙しますが、download_content は正常に完了した後に生成されたビデオファイルを取得するためにのみ使用されます。
ContosoのAPIキー禁止規定を遵守するため、クライアントはMicrosoft Entraベアラートークンプロバイダーを使用する必要があります。OpenAI Pythonクライアントは、静的APIキーを使用しない場合でも、api_keyコンストラクタパラメータを通じてこのプロバイダーを受け入れます。
学習ガイドの整合性：Foundry SDK を介してビデオ生成ソリューションを設計および実装し、生成ワークフローを統合する。

Azure OpenAI v1 APIとDefaultAzureCredentialを介して推論呼び出しを行う際に発生するHTTP 403 Forbiddenエラーを解決するには、ユーザーにCognitive Services OpenAI UserというAzure RBAC組み込みロールを割り当てる必要があります。
なぜこのようなことが起こるのか
az login コマンドを実行すると、Microsoft Entra ID でユーザーの認証は正常に完了しますが、データプレーンへのアクセス権限は付与されません。デフォルトでは、標準のコントロールプレーンロール（リーダーやファウンドリーユーザーなど）では、プロジェクトのメタデータの表示や設定の管理のみが許可され、モデルデプロイメントエンドポイント自体にプロンプ​​トを送信することはできません。
推奨される役割定義
役割名: OpenAI Cognitive Services ユーザー
付与されるアクセス許可: このロールは、チャットの完了、埋め込み、および一般的な推論タスク (Microsoft.CognitiveServices/accounts/OpenAI/deployments/search/action および Microsoft.CognitiveServices/accounts/OpenAI/deployments/causalLanguageModeling/action) を実行するために必要な最小限の権限を提供します。ユーザーが新しいモデルをデプロイしたり、アクセス キーを表示したり、構成を変更したりすることはできません。スコープの配置: このロールを、Azure OpenAI リソース レベルまたは Microsoft Foundry インフラストラクチャを含むリソース グループ レベルでユーザー (または Microsoft Entra ID グループ) に割り当てます。
参照：
https://learn.microsoft.com/en-us/azure/foundry-classic/openai/how-to/managed-identity