Microsoft Copilot環境でAgentic RAGを構築する｜StudioとFoundry IQの進め方【2026年9月】

【結論】Microsoft Copilot環境におけるAgentic RAGとは、Copilot StudioやMicrosoft Foundry上のエージェントが、社内ナレッジを一度きり検索するのではなく、クエリを分解・並列検索して根拠つきで回答する仕組みです。

• 従来RAGは「1クエリ→1検索→生成」。Agentic RAGはクエリ計画・並列サブクエリ・意味ランキングを挟む（出典：Azure AI Search / Microsoft Foundry の公式説明）
• 実装の置き場所は、(1) M365の宣言型エージェント＋SharePoint等、(2) Copilot Studio、(3) Foundry IQ（Azure AI Search上のKnowledge Base）に分かれる
• 成否はモデルより、ナレッジ範囲・権限・評価セットの設計に左右される

この記事では、Microsoft 365／Azureを使う開発責任者・情報システム担当・PM向けに、Copilot環境でAgentic RAGを進める判断軸と構築ステップを、2026年9月時点の公開情報に基づいて解説します。

---

Copilot環境のAgentic RAGとは

Copilot環境のAgentic RAGとは、Microsoftのエージェント基盤（Copilot Studio、Microsoft Foundry、Azure AI Search）上で、検索をエージェントの推論タスクとして扱い、複雑な質問を複数のサブクエリに分けて並列に検索し、引用可能な根拠を返す構成です。

Microsoft Learnでは、従来のRAGが単一クエリで取得するのに対し、agentic retrieval（Agentic RAG）はクエリ計画・並列実行・構造化 grounding・セマンティックランキングを備える、と説明されています（出典：Retrieval augmented generation (RAG) and indexes in Microsoft Foundry／Agentic Retrieval Overview – Azure AI Search）。

一般論としてのRAG構築手順はRAG構築の進め方（5ステップ）にまとめています。本記事はMicrosoft製品上での置き方に絞ります。

どこに何を置くか — 3つの層

現場でCopilotが使われない問題の切り分けは、Microsoft 365 Copilotが現場で使われない理由を参照してください。本記事は「使われる前提のナレッジ設計」側です。

構築の進め方（6ステップ）

ステップ1〜2: 用途と権限を先に固定する

Agentic RAGは検索回数が増えるぶん、権限設計の穴も広がります。Microsoft Learnも、取得時のアクセス制御、本番ではAPIキーよりMicrosoft Entra ID、取得文書を信頼できない入力として扱う、と注意しています。宣言型エージェントでSharePointを付ける場合、サイトURLを明示しないと「ユーザーがアクセスできる組織内の広い範囲」になる点に注意してください（出典：Add knowledge sources to a declarative agent）。

ステップ3〜4: 文書整備とKnowledge Base

Azure AI Searchのagentic retrievalは、Knowledge Baseがクエリ計画（reasoning effortに応じて）と並列検索をオーケストレーションし、Knowledge Sourceが検索対象を定義します。索引付きソースとリモートソースがあり、セマンティックランキングが内部で使われます。プレビュー機能は本番前にREST APIバージョンと可用性を確認してください（出典：Agentic Retrieval Overview）。

ステップ5: StudioとFoundryの接続

定型対話とクイック参照はCopilot Studio側、深いマルチソース検索はFoundry IQ側、という分担が現実的です。Foundry側では、Azure AI Search Context Providerで mode="agentic"（Knowledge Base）と mode="semantic"（高速ハイブリッド）を用途で切り替えられます（出典：Foundry IQ in Microsoft Agent Framework）。KBをtoolbox経由のMCPエンドポイントとしてホストエージェントに渡す手順も公式クイックスタートがあります。

エージェントが社内システムを叩く接続設計は、MCPサーバーおよびAIエージェント導入ガイドも参考にしてください。

ステップ6: 評価

Faithfulness（根拠への忠実性）だけでは足りません。古い文書、権限外、別セッションの文脈が混ざると「根拠らしく見える誤答」が残ります。評価セットに権限・鮮度・セッションを入れ、人が確認するポイント（HITL）を決めてください。評価の詳細は別記事「Agentic RAGの評価設計」で扱います。

従来型RAGとAgentic RAGの使い分け

つまずきやすい点

• 権限を後回しにする: 取得時フィルタとEntra IDを最初に決める
• 文書が古い: 版管理がないとAgenticでも誤答する
• 全部をAgenticにする: FAQは単一クエリのままコストを抑える
• プレビューAPIを本番固定する: LearnのGA／preview区分と移行ガイドを確認する
• 観測がない: どのサブクエリがどのソースに飛んだかをactivityログ等で追えるようにする

業務フローと文書整備から入る場合はAI導入支援（AI BPR）、基盤実装はAIシステム／AIエージェント開発支援で支援しています。

---

よくある質問（FAQ）

---

参考文献・出典

• Microsoft Learn「Retrieval augmented generation (RAG) and indexes in Microsoft Foundry」
• Microsoft Learn「Agentic Retrieval Overview – Azure AI Search」
• Microsoft Foundry Blog「Foundry IQ in Microsoft Agent Framework」
• Microsoft Learn「Add knowledge sources to a declarative agent」
• Microsoft Learn「Add a Foundry IQ knowledge base to a hosted agent with a toolbox」

本記事は2026年9月時点の公開情報に基づいています。プレビュー機能・料金・リージョンは変化するため、最新は各公式ドキュメントをご確認ください。

---

x3d株式会社では、本記事で解説したMicrosoft Copilot環境でのAgentic RAG構築・運用に関する企業研修・導入支援・システム開発を提供しています。
まずはお気軽にご相談ください。

→ 無料相談・お問い合わせはこちら