Platform For AI:PAI-LangStudio の提供終了と移行ガイド

1.1 Model Studio とは

Alibaba Cloud Model Studio は、企業や開発者向けに設計されたワンストップの大規模モデルサービスプラットフォームです。モデルサービス、アプリケーション構築、ナレッジベース、ツールエコシステム、公開および運用機能を提供します。Model Studio は、以前 LangStudio で実行していたアプリケーションの構築、デバッグ、デプロイ、および可観測性のワークロードを引き継ぐのに適しています。

詳細な機能マッピングと移行アプローチについては、「2. 移行の概要」をご参照ください。詳細については、「Alibaba Cloud Model Studio の概要」および「Model Studio のアプリケーションタイプ」をご参照ください。

1.2 移行前の権限設定

移行する前に、必要な権限を事前に申請してください。ご利用の Alibaba Cloud アカウントの所有者に依頼して、LangStudio 開発者の RAM ユーザーに Model Studio アプリケーションの読み取りおよび書き込み権限を付与し、ワークスペースを作成し、API キーを申請してもらいます。特定の権限項目と権限付与プロシージャについては、「権限管理」および「Model Studio のシステム権限ポリシーリファレンス」をご参照ください。

2.1 機能マッピング

次の表は、LangStudio の機能を Model Studio の同等の機能にマッピングしたものです。

2.2 アプリケーションタイプのマッピング

ワークフローまたは高コードアプリケーションタイプへの移行を優先し、構成を個別に再構築します。

Model Studio は、より簡単な構成を提供するエージェントアプリも提供しています。このタイプがビジネスシナリオに適しているかどうかを評価してください。

3.1 ノード数とカバレッジ

まず、大きな違いがあるか、直接の同等物がないノードを特定します。他のすべてのノードは Model Studio のキャンバスで再構築します。

「軽微な差異」とマークされたノードについては、上記の表に記載されている差異に従って Model Studio 側で構成を再構築します。完全なパラメーターの説明については、「ワークフローアプリケーション」をご参照ください。以下のセクションでは、「大きな差異」と「手動での実装が必要」なノードについて説明します。

3.2 大きな差異があるノード

以下のセクションでは、再設計が必要な主な相違点のみに焦点を当てます。

{{ variable }}

${node.variable}

@tool
def invoke(...): ...

def main(params):
    return {"output": params["input"]}

{% for doc in documents %}
{{ doc.content }}
{% endfor %}

${KnowledgeBase_1.result}

3.3 統合テスト

キャンバスの右上隅にある [テスト] をクリックしてテストパネルを開きます。テキスト対話 (マルチターン、コンテキストを保持。ノードをクリックしてその入力と出力を表示)、テキスト生成 (シングルターン、同期および非同期をサポート)、音声/動画インタラクションの 3 つのモードを提供します。右上隅には、実行前に完了する必要がある構成項目をリストする [チェックリスト] エントリもあります。テスト前に確認することを推奨します。

4 種類の問題の検証に焦点を当てます：変数参照が正しく渡されているか (特にプロンプト構文の書き換え後)、条件分岐とループ終了ロジックが元のアプリケーションと一致しているか、構成されていない許可リストのために外部サービス呼び出しが失敗していないか、スクリプトノードの出力構造がダウンストリームノードが期待するものと一致しているか。

4.1 開発アプローチの根本的な変更

LangStudio はクラウドベースの Web IDE を提供します。Model Studio の高コードアプリケーションは、代わりにローカル開発を使用します。

移行プロセスは、ローカル開発 -> .whl としてパッケージ化 -> アップロード -> クラウド検証です。

クラウドでの開発とデバッグを続けたい場合は、PAI の DSW (Data Science Workshop) を使用できます。

4.2 プロジェクト構造の変更

LangStudio コーディングモードアプリケーションの典型的な構造 (LLM 基本テンプレート)：

project/
├── agent.py          # エントリポイント：FastAPI アプリと API エンドポイント
├── agent_loop.py     # コアロジック：LLM 呼び出しとツール実行ループ
├── agui.py           # AG-UI プロトコルイベントストリーム変換
├── skills.py         # スキルの発見、ロード、実行
├── requirements.txt
├── .env              # 環境変数
└── README.md

Model Studio に移行するには、5 つの変更が必要です。

エントリファイルが main.py という名前でない場合、コンソールはタイムアウトするまで「デプロイ中」と表示します。ヘルスチェックエンドポイントは、Model Studio がアプリケーションが正常に起動したかどうかを判断する方法です。エンドポイントに到達不能な場合、デプロイは失敗したと見なされます。

@app.get("/health")
def health_check():
    return "OK"

デフォルトの /process エンドポイントを Agent API プロトコルに従って実装します。

ランタイムには Python >= 3.10 が必要です。

pip install "agentscope-runtime[deployment]==1.0.0"

4.3 コードにおけるモデル呼び出しの変更

既存のモデル接続を、Model Studio API キーを介したプラットフォームモデルへの呼び出しに置き換えます。

DASHSCOPE_API_KEY 環境変数を設定し、DashScope SDK または OpenAI 互換プロトコルを使用してモデルを呼び出します。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
resp = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "Hello"}],
)

Model Studio アプリケーション開発は現在、中国 (北京) リージョンのみをサポートしています。モデル API 呼び出しには、中国 (北京) リージョンのエンドポイントを使用してください。自己ホスト型モデルの統合については、セクション 6.1 をご参照ください。

4.4 コードにおけるナレッジベース呼び出しの変更

高コードアプリケーションは、ナレッジベース取得 API または SDK を直接呼び出して取得を実行できます。

MCP サービス、アプリケーションコンポーネント、またはデータコネクタを呼び出すときは、それぞれのインターフェイスを介して接続します。ツールを追加または削除した後は、再デプロイする必要があります。詳細については、「」をご参照ください。

4.5 パッケージング、デプロイ、およびその他の Model Studio に関する考慮事項

コードパッケージは .whl 形式のみをサポートし、コマンドライン経由でアップロードされます。

# 初回デプロイ
runtime-fc-deploy --deploy-name <application_name> --whl-path <PATH_TO_WHL> --telemetry enable

# デプロイの更新
runtime-fc-deploy --update <HIGH_CODE_APP_ID> --whl-path <PATH_TO_WHL> --telemetry enable

アップロードする前に、ALIBABA_CLOUD_ACCESS_KEY_ID、ALIBABA_CLOUD_ACCESS_KEY_SECRET、およびオプションのワークスペース変数を構成します。初回デプロイの場合は、コンソールのプロンプトに従って権限付与を行ってください。

デプロイリソース：ワークロードに基づいて仕様と最小インスタンス数を選択します。価格については、課金ページをご参照ください。

アプリケーションの可観測性には、コードに計装を追加する必要があります。

from agentscope_runtime.engine.tracing import trace, TraceType

@trace(trace_type=TraceType.LLM, trace_name="llm_call")
def call_llm(...):
    ...

デプロイ中に --telemetry enable を有効にすると、[アプリケーション可観測性] で呼び出しデータを表示できます。

ネットワークと公開：エンタープライズ内部ネットワークリソースにアクセスするには、高コードアプリケーションで現在サポートされている方法に従ってネットワークを構成します。ゲートウェイを介してドメイン名と認証を構成します。

5.1 公開と呼び出し

ワークフローまたはエージェントアプリを公開した後、コンソールから API の詳細を取得します。

curl -X POST https://dashscope.aliyuncs.com/api/v1/apps/{APP_ID}/completion \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"input": {"prompt": "Hello"}, "parameters": {}}'

ストリーミング出力には、X-DashScope-SSE: enable ヘッダーを使用します。マルチターン対話には、API ドキュメントに記載されているように session_id または messages を渡します。

同期呼び出しのタイムアウトはアクセスドメインに依存します。デフォルトドメインのタイムアウトは 600 秒ですが、ワークスペース固有のドメインは最大 3,600 秒をサポートします。より長いタスクの場合は、非同期実行に切り替えるか、タスクを分割します。

アプリケーションは、アプリケーションコンポーネントとして公開したり、共有チャネルに接続したりすることもできます。サポートの具体的な範囲は、アプリケーションタイプと公式ドキュメントによって異なります。

5.2 レート制限とクォータ

Model Studio は、Alibaba Cloud アカウントごと、およびモデルごとに RPM と TPM のクォータを計算します。429 応答は、レート制限がトリガーされたことを示します。同じ Alibaba Cloud アカウント下の RAM ユーザー、ワークスペース、および API キーはクォータを共有します。

高同時実行ワークロードを移行する前に、モデルのクォータを評価し、必要に応じてクォータの増加を申請してください。詳細については、「レート制限」をご参照ください。

5.3 本番環境の管理と可観測性

[アプリケーション可観測性] では、呼び出しチェーン、入力と出力、レイテンシー、トークン消費量、実行ステータスを表示できます。サポートの範囲とデータ保持期間は、コンソールのドキュメントに記載されています。

[モデルモニタリング] では、呼び出し量、失敗率、レート制限、レイテンシーなどのメトリックを表示できます。現在の機能に基づいて、ロギング、アラート、またはモニタリングシステムと統合できます。

バージョンイテレーション：ローカルのコードリポジトリでバージョンを維持します。ワークフローはインポートおよびエクスポートしてスナップショットを保存できます。高コードアプリケーションは、--update を使用して新しい .whl パッケージで再デプロイされます。Model Studio DSL は、LangStudio の flow.dag.yaml 形式を直接インポートすることはできません。

詳細については、「」をご参照ください。

6.1 接続 (モデルアクセス)

Model Studio には同等の「接続」オブジェクトはありません。各タイプのリソースはそれぞれのモジュールによって管理され、モデル呼び出しは API キーを使用します。

Model Studio プラットフォームモデルは ModelGallery から選択され、DashScope または OpenAI 互換プロトコルを使用して API キーを介して呼び出されます。

顧客所有のモデルは、3 つのパスで処理できます。

詳細については、「モデルのインポート」および「モデルのデプロイ」をご参照ください。

6.2 ナレッジベース

重要な前提条件：ナレッジベース内のベクトルデータは直接エクスポートまたは移行できません。元のファイルまたは他のソースデータから再解析、再チャンク化、再ベクトル化する必要があります。ソースデータが完全でアクセス可能であることを確認してください。

Model Studio のナレッジベースは 4 つのタイプを提供します。タイプは作成後に変更できません。

• マルチモーダルデータ：データの型に基づいてアクセス方法を選択します。

  • 画像 Q&A は、構造化データ内のパブリックな image_url フィールドを使用します。音声・動画検索は、ローカル記憶域または OSS からインポートします。

  • 複雑なレイアウトやチャートを持つドキュメントの場合は、ドキュメント検索で視覚的理解シナリオを選択します。

  • 音声と動画は、ローカル記憶域または OSS からインポートされ、音声/動画パーサによって処理されます。

• 解析とチャンク化：作成前にパーサとチャンク化戦略を選択します。これらは作成後に変更できません。まずサンプルデータで取得精度を検証してください。

• 埋め込みモデルと再ランキングモデル：作成時に埋め込みモデルと再ランキングモデルを選択します。これらは作成後に変更できません。埋め込み次元が変更された場合は、取得結果を再検証してください。

• エディション：価格の詳細については、公式の価格ページをご参照ください。

• 関連付けと取得の制限：これらはアプリケーションタイプと呼び出しモードによって異なります。移行前に現在の制限を確認してください。

• 移行手順：サンプルデータで検証と調整 -> 本番ナレッジベースを作成してすべてのデータをインポート -> アプリケーションにアタッチ -> 結果をベンチマーク。フォーマットがサポートされていない場合は、まずソースファイルを変換します。

詳細については、「ナレッジベース」をご参照ください。

6.3 ツール (プラグイン)

Model Studio は、ツールを置き換えるためにプラグインを使用します。エージェントは自律的にプラグインを選択できますが、ワークフローはプラグインノードを介して決定論的にそれらを呼び出します。

公式プラグインには、code_interpreter、calculator、text_to_image、quark_search、generate_qrcode、github_search などがあります。これらは一部のサードパーティ呼び出しを置き換えることができます。

カスタムプラグインは、コンソールでインターフェイスと認証の詳細を構成します。完了後、MCP サービスとして公開できます。詳細なフィールドの説明については、コンソールをご参照ください。

詳細については、「プラグインの概要」および「カスタムプラグイン」をご参照ください。

6.4 MCP

Model Studio は、プラットフォームレベルの機能として MCP を提供し、MCP ギャラリー、クラウドホスト型サービス、およびワークフローの MCP ノードを備えています。

カスタム MCP サービスは、次のように統合できます。

• スクリプトデプロイ：type: stdio または type: sse / streamableHttp を使用してサービスを接続します。

• AI ゲートウェイからインポート：既存の RESTful API を MCP ツールとしてラップします。

• Alibaba Cloud OpenAPI からインポート：BailianMcpRole* を作成し、必要な権限を付与します。

MCP のマウント、ツール、および構成の制限は、機能が更新されるにつれて変更される可能性があります。移行前に現在の公式ドキュメントを確認してください。

6.5 その他の共通モジュール

Model Studio は、LangStudio には独立した同等物がない以下のプラットフォーム機能も提供しています。移行中に必要に応じてこれらを導入してください。

これらのうち、スキルとアプリケーション評価が移行に最も関連しています。前者はコーディングモードプロジェクトのスキルディレクトリを引き継ぎ、後者は移行前後の出力の一貫性を比較するための評価セットを構築できます。

Q: 私の Python ノードは pandas のようなサードパーティライブラリを使用しています。Model Studio のスクリプトノードはそれらをサポートしていません。どうすればよいですか？

3 つの選択肢があります：標準ライブラリで書き換える、ロジックを Function Compute ノードに移動する (完全な依存関係環境をサポートし、60 秒の固定タイムアウトあり)、または独立したサービスとしてパッケージ化し、API ノードを介して呼び出す。詳細については、「3.2.2 Python 開発からスクリプトノードへの移行」をご参照ください。

Q: 元のアプリケーションはエンタープライズ VPC 内で実行され、内部ネットワークサービスにアクセスします。移行後、これをどのように処理すればよいですか？

ワークフロー API ノードがエンタープライズ内部サービスにアクセスする必要がある場合、サポートされている方法でサービスを公開し、アクセスの制御を構成する必要があります。公開されたサービスへのエンタープライズ VPC アクセスについては、プライベートネットワークアクセスの指示に従ってください。詳細については、「3.2.4 HTTP リクエストから API ノードへの移行」をご参照ください。

Q: 移行後も PAI-EAS 上の自己ホスト型モデルを使用できますか？

はい、ただし統合方法が変わります。Model Studio は、外部モデルエンドポイントをプラットフォームモデルとして登録することをサポートしていません。ワークフローでは、API ノードを使用して HTTP 経由でモデルを呼び出すか、カスタムプラグイン / MCP サービスとしてパッケージ化します。モデルが Qwen ベースの LoRA ファインチューニング結果である場合は、Model Studio にインポートすることもできます。専用の計算リソースが必要な場合は、Model Studio の専用推論サービスに再デプロイします。詳細については、「6.1 接続 (モデルアクセス)」をご参照ください。

Q: ナレッジベースのベクトルデータを直接移行できますか？

いいえ、直接移行することはできません。元のファイルまたは他のソースデータから再解析および再ベクトル化する必要があります。自己ホスト型 RAG ソリューションを選択し、すでに Elasticsearch / Milvus を使用している場合、ベクトルデータは独自のインスタンスに存在し、直接再利用できます。

Q: 選択した取得モードの Top K 制限が、元のアプリケーションが使用するものよりも低いです。どうすればよいですか？

まずチャンク化と再ランキングを最適化し、次にナレッジベースの分割または自己ホスト型 RAG サービスの構築を評価します。詳細については、「7. 代替案：自己ホスト型 RAG サービスの構築」をご参照ください。

Q: 移行後に品質が低下していないことをどのように確認しますか？

Model Studio のアプリケーション評価機能を使用して評価セットを構築することを推奨します。移行したアプリケーションを元のアプリケーションの実際のリクエストサンプルに対して実行し、出力の一貫性と再現率の精度を比較します。最も違いが生じやすい 3 つの領域に焦点を当てます：プロンプト構文の書き換え、ナレッジベースの再現率制限の変更、およびスクリプトノードの書き換え。

Q: Model Studio が当社の要件を満たさない場合、他に選択肢はありますか？

以下の 3 つの Alibaba Cloud 製品を推奨します。ビジネス要件と技術ロードマップに基づいて選択してください。さらに質問がある場合は、アカウントマネージャーにご相談ください。

1. Function Compute AgentRun

   高コード基盤上に構築されたワンストップの Agentic AI インフラストラクチャプラットフォームです。サーバーレスアーキテクチャに基づいて、ミリ秒レベルの弾力性、エンタープライズグレードのセキュリティサンドボックス、統一されたモデルとツールのガバナンス、およびエンドツーエンドの可観測性を提供します。開発、デプロイから運用まで、エンタープライズ Agent アプリケーションの完全なライフサイクルをカバーします。

2. AgentCore - エージェント構築・ガバナンスプラットフォーム

   エージェントの完全なライフサイクルにわたる、エンタープライズエージェントの統一された構築とガバナンス。複数の構築モード、統一された身分認証、チームコラボレーションオーケストレーションをサポートします。自己開発、オープンソースハーネス、および商用 SaaS エージェントを単一のプラットフォームで管理します。

3. AgentLoop - エージェント可観測性・最適化

   エンタープライズエージェントのためのワンストップ自己進化プラットフォーム。可観測性、評価、チューニング、メモリ、監査の 5 つのコア機能をカバーします。エージェントアプリケーションの継続的最適化に焦点を当て、企業がエージェント進化フライホイールを構築するのを支援します。