# アプリテンプレートをDataRobotデプロイに適用する > アプリテンプレートをDataRobotデプロイに適用する - > 金融業界の専門用語を用いてLLMのデプロイを作成する方法を説明します。これにより、データと会話するエージェントアプリケーションをカスタマイズして、業界知識を回答に反映させることが可能になります。 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 `2026-07-27T18:44:30.673054+00:00` (UTC). ## Primary page - [アプリテンプレートをDataRobotデプロイに適用する](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md): Full documentation for this topic (Markdown sidecar). ## Sections on this page - [ダウンロードするアセット](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#assets-for-download): In-page section heading. - [前提条件](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#prerequisites): In-page section heading. - [1. ユースケースを作成し、データをアップロードする](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#create-a-use-case-and-upload-data): In-page section heading. - [2. ベクターデータベースを作成する](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#create-the-vector-database): In-page section heading. - [3. RAGのプレイグラウンドを作成する](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#create-the-rag-playground): In-page section heading. - [4. ワークショップからモデルの登録とデプロイを行う](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#register-and-deploy-the-model-from-the-workshop): In-page section heading. - [5. データと会話するエージェントのテンプレートを開く](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#launch-talk-to-my-data-agent-template): In-page section heading. - [6. アプリケーションテンプレートを設定し、LLMデプロイを追加する](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#configure-application-template-and-add-the-llm-deployment): In-page section heading. - [7. Pulumiスタックを実行し、アプリケーションを開く](https://docs.datarobot.com/ja/docs/get-started/how-to/ttmd-deploy-walk.html.md#execute-the-pulumi-stack-and-open-the-application): In-page section heading. ## Documentation content データと会話するエージェントでは、任意のデータソースから未処理のデータをアップロードして質問することができます。その後、エージェントがビジネス分析を提案します。 DataRobotでは、外部のLLMを使用する代わりに、業界固有および企業固有の用語や専門用語の定義を含むデータセットでトレーニングされたRAGモデルを構築し、デプロイすることが可能です。 これにより、チームの別のメンバーと同等の背景知識を持つAIエージェントが作成され、質問やデータから推論しようとしている回答にコンテキストが適用されます。 この基本ステップでは、次のことを行います。 - ユースケースを作成し、業界用語の .zip ファイルを追加します。 - ベクターデータベースを作成し、RAGプレイグラウンドを設定します。 - RAG LLMモデルを登録し、デプロイします。 - データと会話するエージェントのテンプレートをCodespaceで起動します。 - RAGモデルのデプロイIDを使用して、アプリケーションテンプレートをカスタマイズします。 - Pulumiスタックを構築します。 ## ダウンロードするアセット この基本ステップに従って操作するには、以下のリンクから `.zip` ファイルをダウンロードします。 [業界用語データセットのダウンロード](https://datarobot-doc-assets.s3.us-east-1.amazonaws.com/finance_knowledge_md.md.zip) 上記の `.zip` ファイルは、AIを用いて生成された一般的な金融用語とその定義のリストです。 ## 前提条件 この基本ステップでは、次のものが必要です。 - DataRobotのGenAIおよびMLOps機能へのアクセス権 - DataRobot APIトークン。 - DataRobotのエンドポイント - 業界固有の用語と定義をまとめた .zip ファイル - サーバーレス予測環境 ## 1. ユースケースを作成し、データをアップロードする ワークベンチ の ユースケースディレクトリ で、 + ユースケースの作成 をクリックします。 先に進む前に、ユースケースによりわかりやすい名前を付けることができます。 左側のナビゲーションで、 データアセット タイルをクリックし、 ファイルをアップロード をクリックします。 次に、コンピューターに保存されている `.zip` ファイルを選択します。 ## 2. ベクターデータベースを作成する データセットの登録が完了したら、左側のナビゲーションで ベクターデータベース タイルをクリックし、次に ベクターデータベースを作成 をクリックします。 表示されたウィンドウで、以下のようにフィールドに入力します。 | | フィールド | 選択項目 | | --- | --- | --- | | (1) | ベクターデータベースのプロバイダー | DataRobot | | (2) | 名前 | わかりやすい名前（この例ではfinancial_jargon）。 | | (3) | データソース | finance_knowledge_md.md.zip（前のステップで登録した.zip）。 | 残りのフィールド（上の図ではぼかされている部分）については、デフォルト設定を使用します。 続けて、 ベクターデータベースを作成 をクリックします。 ベクターデータベースの構築には1〜2分かかる場合があります。 詳細については、 [ベクターデータベース](https://docs.datarobot.com/ja/docs/agentic-ai/vector-database/index.html.md) を参照してください。 ## 3. RAGのプレイグラウンドを作成する ベクターデータベースの構築が完了したら、アクションメニュー を開き、 最新バージョンからプレイグラウンドを作成 を選択します。 プレイグラウンドにおいて、右側のペインで ベクターデータベース タブを選択して、 ベクターデータベースのバージョン ドロップダウンを開き、 最新 バッジのついたデータベースを選択します。 プロンプト タブの システムプロンプト フィールドに、次の内容を入力します： `You are an expert financial analyst who is providing guidance on how to navigate data for analysis.` （あなたは、経験豊富な金融アナリストとして、分析対象データの処理方法について指導しています。） LLM タブで LLM ドロップダウンを開き、 Azure OpenAI GPT-4o を選択します。 設定を保存 をクリックし、わかりやすい名前を追加します。この場合は、 `ttmd-finance-terms` と入力します。 プレイグラウンドで、 ワークショップに送信 をクリックします。 次に、 ベクターデータベース タブで予測環境を選択し、 ワークショップに送信 をクリックします。 詳細については、 [プレイグラウンドの概要](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/playground-overview.html.md) を参照してください。 ## 4. ワークショップからモデルの登録とデプロイを行う RAGモデルを登録するには、 レジストリ を開き、 ワークショップ タイルを選択します。 プレイグラウンドから送信したモデル（ `ttmd-finance-terms` ）を選択します。 デフォルト設定を変更せずに、 モデルの登録 をクリックします。 表示されたウィンドウで、再度 モデルの登録 をクリックします。 登録が完了したら、 [モデルをデプロイをクリック](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/nxt-model-directory/nxt-deploy-models.html.md) します。 デフォルト設定を変更せずに、 モデルをデプロイ をクリックします。 ウィンドウが表示されます。 デプロイに戻る をクリックして コンソール を開き、デプロイの進捗状況を監視します。 デプロイ（ `ttmd-finance-terms` ）を開き、 概要 タブで デプロイID をコピーします。 このIDは、アプリケーションテンプレートで使用されます。 ## 5. データと会話するエージェントのテンプレートを開く ワークベンチ の ユースケースディレクトリ で、 アプリケーションテンプレートを参照 をクリックします。 データと会話するエージェント を選択し、右上隅にある Codespaceで開く をクリックします。 この基本ステップでは、Codespaceでのアプリケーションテンプレートの操作に重点を置いていますが、 リポジトリのURLをコピー をクリックし、そのURLをブラウザーに貼り付けると、GitHubでテンプレートを開くことができます。 DataRobotが開き、codespaceの初期化が開始されます。 セッションが開始されると、テンプレートファイルが左側に表示され、中央に `README` が開きます。 Codespaceインターフェイスの詳細については、 [Codespaceセッション](https://docs.datarobot.com/ja/docs/workbench/wb-notebook/codespaces/session-cs.html.md) を参照してください。 > [!TIP] ヒント > ユースケースが自動的に作成されるため、今後はユースケースディレクトリからこのcodespace（および生成されたアセット）にアクセスできます。 ## 6. アプリケーションテンプレートを設定し、LLMデプロイを追加する `README` ファイルに含まれる指示に従ってください。 左側のファイルブラウザーからアクセスできる `.env` ファイルでは、以下のフィールドが必須です。 - DATAROBOT_API_TOKEN ：DataRobotの ユーザー設定 > APIのキーとツール から取得します。 - DATAROBOT_ENDPOINT ：DataRobotの ユーザー設定 > APIのキーとツール から取得します。 - PULUMI_CONFIG_PASSPHRASE ：自分で選んだ英数字のパスフレーズ。 - USE_DATAROBOT_LLM_GATEWAY ： true に設定します。 - TEXTGEN_DEPLOYMENT_ID ： 以前にコピーした デプロイID。 その他のパラメーターはすべて、行の先頭に `#` を追加してコメントアウトします。 ## 7. Pulumiスタックを実行し、アプリケーションを開く 左側のパネルで ターミナル タイルをクリックします。 表示されたターミナルペインで `python quickstart.py YOUR_PROJECT_NAME` を実行し、 `YOUR_PROJECT_NAME` を一意の名前に置き換えます。 その後、 Enter を押します。 Pulumiスタックの実行には数分かかる場合があります。 完了すると、ターミナル内の結果の最後にURLが表示されます。 デプロイされたアプリケーションを表示するには、URLをコピーしてブラウザーに貼り付けます。 > [!TIP] ヒント > レジストリにもアプリケーションが作成されます。 このアプリケーションに再度アクセスするには、 [アプリケーション](https://docs.datarobot.com/ja/docs/wb-apps/custom-apps/upload-custom-app.html.md) ページに移動します。