Explanation:
ボックス1：マルチエージェントアーキテクチャへの移行
パフォーマンスを向上させるため
Azure AI Foundry でマルチエージェントアーキテクチャに移行することは、パフォーマンスのボトルネックを克服するための非常に効果的な戦略です。シングルエージェントシステムは、長時間実行されるタスクの処理に苦労することが多く、高いレイテンシやタイムアウトの問題を引き起こすためです。複雑なタスクをより小さく、専門的なサブタスクに分解することで、並列処理と適切なツールの使用を通じて応答時間を改善できます。
正しくない：
* より大規模な生成型AIモデルにアップグレードする
Microsoft Foundry エージェントの応答速度が遅い場合、より大規模な生成型 AI モデルにアップグレードするという方法もありますが、処理負荷が高くなるため、状況によってはレイテンシが増加する可能性があります。そのため、パフォーマンスを向上させるには、Microsoft Foundry のプロンプト最適化、モデル選択、およびアーキテクチャ変更を組み合わせることをお勧めします。
ボックス2：接地データソースを追加する
精度を向上させるため
結果が不完全、ドメイン推論が不十分、レイテンシが高いといった問題を抱えるMicrosoft Foundryプロジェクトのエージェントのパフォーマンスを向上させるには、グラウンディングデータソースを追加することが非常に効果的な戦略です。グラウンディングは、大規模言語モデル（LLM）を検証済みの外部データに接続することで、応答の正確性、文脈への適合性、そして誤った応答の発生確率を低減します。
参照：
https://developer.microsoft.com/blog/designing-multi-agent-intelligence
https://techcommunity.microsoft.com/blog/azure-ai-foundry-blog/ground-your-ai-agents-with-knowledge-from-bing-search-microsoft-fabric-sharepoin/4303634