# プレイグラウンドからLLMをデプロイする

> プレイグラウンドからLLMをデプロイする - LLMブループリントとそれに関連するすべての設定はレジストリに登録され、コンソールでデプロイと監視ができます。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-23T18:01:59.365827+00:00` (UTC).

## Primary page

- [プレイグラウンドからLLMをデプロイする](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/deploy-llm.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[ユースケース](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/playground-overview.html.md) のLLM [プレイグラウンド](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/usecases/index.html.md) を使用して、 [LLMブループリントを作成](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/build-llm-blueprints.html.md) します。 ベースLLM、およびオプションでシステムプロンプトとベクターデータベースを指定して、ブループリント設定を行います。 回答をテストしてチューニングしたら、ブループリントは登録とデプロイの準備が整います。

LLMブループリントを [レジストリのワークショップ](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/nxt-model-workshop/index.html.md) に送信することで、テキスト生成のカスタムモデルを作成できます。 生成されたカスタムモデルは、 [ボルトオンのガバナンスAPI](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/structured-custom-models.html.md#chat) を自動的に実装しており、会話型アプリケーションの構築に特に役立ちます。

LLMブループリントをワークショップに追加するには、以下の手順に従います。

1. ユースケースのプレイグラウンドタブで、ブループリントとして登録するLLMを含むプレイグラウンドをクリックします。
2. プレイグラウンドでLLMを比較して、ワークショップに送信するLLMブループリントを決定し、次のいずれかを実行します。
3. ワークショップに送信モーダルで以下の操作を行い、ワークショップに送信をクリックします。
4. ワークショップに送信をクリックします。 LLMプレイグラウンドの右下隅には、LLMがキューに入れられて登録されると通知が表示されます。 登録完了の通知が表示されたら、ワークショップに移動をクリックします。 LLMブループリントは、レジストリのワークショップで、ターゲットタイプがテキスト生成のカスタムモデルとして開きます。
5. ランタイムパラメーターセクションのアセンブルタブで、LLMサービスの資格情報およびその他の詳細を含め、LLMに必要なキーと値のペアを設定します。 これらの値を追加するには、使用可能なランタイムパラメーターの隣にある編集アイコンをクリックします。 プレミアム：DataRobot LLM Gateway所属する組織がDataRobot LLM Gatewayにアクセスできる場合、資格情報を設定する必要はありません。ENABLE_LLM_GATEWAY_INFERENCEランタイムパラメーターが存在し、Trueに設定されていることを確認します。 必要に応じて、PROMPT_COLUMN_NAME（デフォルトの列名はpromptText）を設定し、次の手順に進みます。DataRobot LLM Gatewayへのリクエストも可能です。 資格情報タイプランタイムパラメーターを設定するには、最初に、デプロイするLLMに必要となる資格情報をDataRobotプラットフォームの資格情報管理ページに追加します。 MicrosoftがホストするLLMAmazonがホストするLLMGoogleがホストするLLMMicrosoftがホストするLLMの場合は、以下を使用してください。資格情報のタイプ： APIトークン（Azureではない）ランタイムパラメーター：キー説明OPENAI_API_KEY資格情報管理ページで作成した、Azure OpenAI LLM APIエンドポイント用のAPIトークン資格情報を選択します。OPENAI_API_BASEAzure OpenAI LLM APIエンドポイントのURLを入力します。OPENAI_API_DEPLOYMENT_IDLLMをAzure環境にデプロイするときに選択した、LLMのAzure OpenAIデプロイ名を入力します。 詳細については、Azure OpenAIのドキュメントでモデルのデプロイ方法を参照してください。 DataRobotでは、デフォルトのデプロイ名として、Azure OpenAIでのLLM IDを推奨します（例：gpt-35-turbo）。 Azure OpenAIでのデプロイ名が異なる場合は、このパラメーターを変更してください。OPENAI_API_VERSIONこの操作に使用するAzure OpenAI APIのバージョンを、YYYY-MM-DDまたはYYYY-MM-DD-preview形式で入力します（例：2023-05-15）。 サポートされているバージョンの詳細については、Azure OpenAI APIリファレンスドキュメントを参照してください。PROMPT_COLUMN_NAME入力.csvファイルからプロンプト列名を入力します。 デフォルトの列名はpromptTextです。AmazonがホストするLLMの場合は、以下を使用してください。資格情報のタイプ：AWSランタイムパラメーター：キー説明AWS_ACCOUNTAWSアカウントの資格情報管理ページで作成されたAWS資格情報を選択します。AWS_REGIONAWSアカウントのAWSリージョンを入力します。 デフォルトはus-west-1です。PROMPT_COLUMN_NAME入力.csvファイルからプロンプト列名を入力します。 デフォルトの列名はpromptTextです。GoogleがホストするLLMの場合は、以下を使用してください。資格情報タイプGoogle Cloudサービスのアカウントランタイムパラメーターは次のとおりです。キー説明GOOGLE_SERVICE_ACCOUNT資格情報管理ページで作成されたGoogle Cloudサービスアカウントの資格情報を選択します。GOOGLE_REGIONGoogleサービスアカウントのGCPリージョンを入力します。 デフォルトはus-west-1です。PROMPT_COLUMN_NAME入力.csvファイルからプロンプト列名を入力します。 デフォルトの列名はpromptTextです。
6. 設定セクションで、ネットワークアクセスがパブリックに設定されていることを確認します。
7. カスタムモデルの構築が完了したら、モデルをテストしたり、新しいバージョンを作成したりすることができます。 DataRobotでは、デプロイの前にカスタムLLMをテストすることをお勧めします。
8. Next, clickRegister a model,provide the registered model or version details, then clickRegister modelagain to add the custom LLM to Registry. 登録モデルのバージョンが、レジストリ > モデルタブで開きます。
9. モデルタブで、登録モデルバージョンパネルの右上にあるデプロイをクリックし、デプロイ設定を行います。 生成モデルで使用できるデプロイ機能の詳細については、生成モデルの監視サポートを参照してください。

このプロセスの詳細については、 [プレイグラウンドデプロイの注意事項](https://docs.datarobot.com/ja/docs/reference/gen-ai-ref/genai-consider.html.md#playground-deployment-considerations) を参照してください。