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

Connect a Mistral model in Azure AI Foundry to UiPath Agents via AI Trust Layer using a custom Integration Service connector.

注:

This capability is currently generally available for enterprise customers upon request.

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

• Custom connectors for AI Trust Layer enabled for your organization (currently available upon request for enterprise customers).
• 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
• Organization administrator access in Test Cloud
• 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] を選択します。

6. Publish the connector.

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。