使用ガイド: AI Trust Layer を介した Mistral の接続

Automation Suite の Test Cloud (プライベート) で AI Trust Layer を介して Mistral を接続します。必要な設定と検証のガイダンスが含まれます。

このガイドでは、AI Trust Layer LLM の設定 機能を使用して、Microsoft Azure AI Foundry にデプロイされた Mistral モデルを UiPath Agents に接続する方法について説明します。Azure OpenAI テンプレートに基づいてカスタムの Integration Service コネクタを作成し、その要求フックを Mistral の API 要件に適合させます。

前提条件

• クラスターで BYO AI ゲートウェイが有効になっている。詳しくは、「 AI Trust Layer を構成する」をご覧ください。
• Azure AI Foundry にデプロイされた Mistral モデル ( mistral-small-2503など)
• リソースの Azure AI Foundry エンドポイント URL
• Azure AI Foundry リソースの API キー
• Automation Suite での組織管理者のアクセス権
• Integration Service とコネクタ ビルダーへのアクセス

カスタム コネクタを作成する

1. [ 管理 ] > [AI Trust Layer ] > [LLM の設定 ] に移動し、[ 設定を追加] を選択します。
2. [テナント]、[製品]、および [機能] の値を設定します。
3. [ モデルの設定] の [ LLM 名 ] フィールドにカスタム エイリアスを入力し、[ API の種類 ] を [OpenAI] に設定します。
4. [コネクタ] フィールドで、[カスタム コネクタを作成] を選択します。
5. Azure OpenAI テンプレートを選択し、[コネクタを作成] を選択します。コネクタ ビルダーが開き、Azure OpenAI テンプレートが事前に入力された状態で開きます。

Mistral と互換性があるようにコネクタを編集します

Azure AI Foundry の Mistral モデルでは、厳密なスキーマ検証が使用され、Azure OpenAI テンプレートが既定で送信するすべてのフィールドを受け入れるわけではありません。各要求が Mistral エンドポイントに到達する前に、コネクタの preRequest フックでこれらの違いを解決する必要があります。

Azure OpenAI テンプレートの送信	Azure AI Foundry での Mistral の期待	フックによって適用される解像度
tool_choice: "required" またはオブジェクト フォーム	"none"、"auto"、または "any"	ツールが存在する場合の "any" に変換されます
parallel_tool_calls フィールド	サポートされていないフィールド (extra_forbidden)	要求本文から削除
max_completion_tokens	max_tokens	フィールドの名前が変更されます

1. コネクタ ビルダーで [ フック ] セクションを開き、 preRequest フックを選択します。

2. フック本体全体を次のスクリプトに置き換えます。

   // Normalize query params and payload for Mistral on Azure AI Foundry.
   // Removes unsupported fields and adapts tool semantics for Mistral's strict schema.
   const _reqPath = (typeof request_path !== 'undefined') ? request_path : '';
   const _reqParams = (typeof request_parameters !== 'undefined') ? request_parameters : undefined;
   const _cfg = (typeof configuration !== 'undefined') ? configuration : undefined;
   
   if (['/query', '/v1/responses'].includes(_reqPath)) {
       return done();
   }
   
   let apiVersion = (_cfg && _cfg['api-version']) ? _cfg['api-version'] : "2023-05-15";
   if (_reqParams && _reqParams["api-version"]) {
       apiVersion = _reqParams["api-version"];
   }
   if (['/listAllModels', '/auth_validation'].includes(_reqPath)) {
       apiVersion = (_cfg && _cfg['api-version']) ? _cfg['api-version'] : "2023-10-01-preview";
   }
   
   // Resolve body across different runtime variable names
   let body = (typeof request_body !== 'undefined' && request_body) ? request_body :
              ((typeof request_vendor_body !== 'undefined' && request_vendor_body) ? request_vendor_body :
               ((typeof request !== 'undefined' && request && request.body) ? request.body : undefined));
   
   if (body && typeof body === 'string') {
       try { body = JSON.parse(body); } catch (e) { /* leave as-is */ }
   }
   
   if (body && typeof body === 'object') {
       // Remove field rejected by Mistral's strict schema
       if (Object.prototype.hasOwnProperty.call(body, 'parallel_tool_calls')) {
           delete body.parallel_tool_calls;
       }
   
       // Normalize tool_choice: Mistral accepts only 'none', 'auto', or 'any'
       const _allowedToolChoice = new Set(['none', 'auto', 'any']);
       const _hasTools = Object.prototype.hasOwnProperty.call(body, 'tools')
           && Array.isArray(body.tools) && body.tools.length > 0;
   
       if (Object.prototype.hasOwnProperty.call(body, 'tool_choice')) {
           if (body.tool_choice === 'required') {
               body.tool_choice = 'any';
           } else if (body.tool_choice && typeof body.tool_choice === 'object') {
               body.tool_choice = 'any';
           } else if (typeof body.tool_choice === 'string' && !_allowedToolChoice.has(body.tool_choice)) {
               body.tool_choice = _hasTools ? 'any' : 'auto';
           }
       } else if (_hasTools) {
           // Force tool usage: agent runtime expects tool calls when tools are configured
           body.tool_choice = 'any';
       }
   
       // Rename max_completion_tokens to max_tokens
       if (Object.prototype.hasOwnProperty.call(body, 'max_completion_tokens')) {
           if (!Object.prototype.hasOwnProperty.call(body, 'max_tokens')) {
               body.max_tokens = body.max_completion_tokens;
           }
           delete body.max_completion_tokens;
       }
   }
   
   const out = {
       request_vendor_parameters: { "api-version": apiVersion }
   };
   
   if (typeof request_body !== 'undefined') out.request_body = body;
   if (typeof request_vendor_body !== 'undefined') out.request_vendor_body = body;
   
   return done(out);
   

3. コネクタの設定で、[ ベース URL ] を Azure AI Foundry エンドポイント ( https://{your-resource-name}.openai.azure.com/openai) に設定します。

4. 設定に一致するように [ 認証の種類 ] を設定します。この例では API キー (customApiKey) を使用していますが、 OAuth を含むサポートされている任意の認証の種類を使用できます。コネクタの設定を適宜更新してください。

5. [ 保存] を選択し、 コネクタをパブリッシュします。

Integration Service でコネクションを作成する

1. Integration Service で [ コネクション ] に移動し、[ コネクションを追加] を選択します。
2. パブリッシュしたカスタム コネクタを選択します。
3. [ API キー ] フィールドに、Azure AI Foundry の API キーを入力します。
4. [Azure OpenAI リソース] フィールドに、リソース名 (エンドポイント URL のサブドメイン部分https://や.openai.azure.comを除いた部分) を入力します。
5. [ 接続 ] を選択して、コネクションをプロビジョニングします。

LLM の設定を完了します

1. [管理] > [AI Trust Layer] > [LLM の設定] に戻り、開始した設定を開きます。
2. [ モデルの設定] で、[ コネクタ ] をパブリッシュ済みのコネクタに設定し、[ コネクション ] を作成したコネクションに設定します。
3. [ LLM の識別子 ] フィールドに、Azure AI Foundry に表示されるとおりのデプロイ名を入力します。
   注:

   [LLM の識別子] フィールドの末尾に空白があると、DeploymentNotFound エラーが発生します。保存する前に、先頭または末尾にスペースがないことを確認します。

4. [ 設定をテスト ] を選択して、AI Trust Layer プローブを実行します。
5. プローブが成功した場合は、 [ 保存] を選択します。

結果

設定が保存され、指定した製品と機能について、UiPath Agents でミストラル モデルを使用できるようになります。呼び出しは AI Trust Layer を経由してルーティングされ、監査ログの [ソース: カスタム接続] に表示されます。

注:

カスタム コネクタの作成中に問題が発生した場合は、UiPath サポートにお問い合わせください。