Microsoft Discoveryは、材料・化学・創薬・半導体などの研究開発（R&D）を、複数のAIエージェントとHPC（高性能計算）で進めるAzureのサービスです。2026年6月2日に一般提供（GA）となり、同じ日に個人向けのデスクトップ版「Microsoft Discovery app」がプレビューで公開されました。この記事では、仕組み、料金（User Message 1件0.20ドル）、Azure版の前提条件と対応リージョン、アプリのインストール手順、導入前に確かめる制約を、Microsoft Learnと公式GitHubの記述をもとに整理します。
まとめ：Microsoft Discoveryの要点
- 中身：研究目標をタスクに分解し、専門エージェントに割り振って結果を検証する「Discovery Engine」が中核。文献や社内データはGraphRAGで知識グラフ化して参照する。
- 提供状況：Azure版は2026年6月2日にGA。ローカルで動くDiscovery appはプレビュー（2026年11月時点のv0.15.21）。
- 料金：Azure版はUser Message 1件0.20ドル（課金対象の操作10回で1件）に、計算・ストレージのAzure料金が加わる。アプリは無料で、GitHub Copilotのクレジットを消費する。
- 前提：Discovery用に許可されたサブスクリプションが必要。制御リソースを置くホームリージョンはEast US・Sweden Central・UK Southの3つだけ。
- 注意点：英語でのみ設計・評価されている。組み込みのフェイルオーバーやDRは無い。数時間〜数日かかる研究課題向けで、単発の質問には向かない。
Microsoft Discoveryの仕組み：Discovery Engineと専門エージェント
Learnの概要ページは、Discoveryを「エージェントのオーケストレーション、高度な推論、グラフベースの知識基盤、HPCを束ねた拡張可能なプラットフォーム」と定義しています。エージェントが使う道具には、HPCクラスター上のシミュレーション、科学向けの大規模定量モデル（LQM）、人の監督下で動かす実験機器やロボットとの連携まで含まれます。
Discovery Engineがタスクを分解して検証する流れ
チャットAIが1問1答で終わるのに対し、Discovery Engineは目標を受け取ると数時間〜数日にわたって裏で動き続けます。中で回る「cognition（認知）」は、タスクの状態確認→依存関係が解けたタスクの選別→最適なエージェントの割り当て→実行の監視→検証要件との照合→不足があれば新タスクの作成、を繰り返します。何度も失敗したタスクは人に判断を戻します。
各タスクには、タイトル・説明・検証要件（validation requirements）・依存関係を持たせます。検証要件を書かないと、エンジンは結果の良し悪しを判定できず、質の確認なしに通過するか、同じ実行を繰り返す可能性があります。公式資料は、各タスクに少なくとも1つの検証要件を設定するよう求めています。
Azure上のリソース構成
Azure版は自社のサブスクリプション内にリソースを作ります（Microsoft管理のサブスクリプションではありません）。サービスアーキテクチャの解説にある主なリソースは次のとおりです。
| リソース | 役割 |
|---|---|
| Workspace | Studioとの入口。ネットワーク・モデルを共有 |
| Project | 研究単位のアクセス境界。エージェントやタスクを持つ |
| Supercomputer | AKS上の計算基盤。ツールのコンテナを実行 |
| Chat Model | エージェントが推論に使うモデルのデプロイ |
| Bookshelf | 社内文書をGraphRAGで知識グラフ化 |
| Tool | シミュレーション等の実行定義（Dockerコンテナ） |
| Storage Container | 入出力データを置くストレージの参照 |
Bookshelfは、厳選した文献をテーマ横断・多段の推論に使うための仕組みです。大量の文書から正確に1件を引く用途には、Azure AI Searchが向くとFAQは説明しています。グラフで関係をたどる検索と、ベクトルで近いものを引く検索の違いはベクトルデータベースとグラフデータベースの違いで比べています。
エージェントカタログとGitHub Copilotの役割
エージェントカタログ（2026年11月13日に確認）には7分野で計91のエージェントが載っています。化学・創薬が27と最も多く、AiZynthFinder（逆合成）、rDock（ドッキング）、PubChem検索などのOSSを包んだものです。たんぱく質・構造は18、ゲノミクスは17、材料・シミュレーションは15あります。
操作の入口はGitHub Copilotです。CopilotはDiscovery MCP Serverに接続するMCPクライアントとして動き、自然言語の指示をMCPツール呼び出しに変換し、研究計画やレポートの生成も支援します。科学ワークフローの実行やデータアクセスはDiscovery側（自社のAzure環境）が担います。役割分担の考え方はOrchestrator-Subagentの協調パターンと同じです。
Azure版とDiscovery appの違い
Discoveryには、Azureで動くエンタープライズ版（Microsoft Discovery）と、ユーザーのPC上で動くデスクトップ版（Microsoft Discovery app）の2つがあります。Learnの比較表の要点は次のとおりです。
| 項目 | Microsoft Discovery（Azure） | Discovery app |
|---|---|---|
| 提供段階 | GA | プレビュー |
| 必要なもの | Azureサブスクリプション | GitHub Copilot（どのプランでも可） |
| 計算資源 | CPU・GPUクラスター | 自分のPC |
| 利用者 | 複数人で共有 | 1台1ユーザー |
| データ | 社内・クラウドのデータ | ローカルファイルと公開情報 |
| サポート | SLA付きの企業サポート | GitHubのコミュニティ |
| 費用 | Azureの従量課金 | 無料（Copilotクレジットを消費） |
どちらもVS Codeベースの画面で、Discovery EngineとBookshelfを持ち、主要なAPIも共通です。アプリで作ったエージェント定義やプロンプトはAzure版へ持ち込めますが、自動の移行ツールはまだありません。社外秘データを扱う、複数人で共有する、大規模な計算を回す、のいずれかに当てはまった時点でAzure版へ移るのが公式の想定です。
料金：User Message 1件0.20ドルとAzureの従量課金
課金の解説（2026年11月8日更新）によると、Azure版の費用は次の2本立てです。
- User Message：作成・更新・削除・実行・投入・取消の操作を1時間ごとに集計し、10操作を1件に換算する。1件0.20ドル（現地通貨に換算・リージョン別価格）。
- Azureリソース：Supercomputerのノード、ストレージ、モデルのデプロイなどは通常のAzure料金で別に請求される。
一覧取得・状態確認・ログ取得などのGETは課金されません。Supercomputerへのジョブは「投入した操作」だけが課金され、計算時間はVM料金として別に発生します。Learnの例では、調査の作成から削除までの1セッションで課金対象が8操作（0.8件＝0.16ドル）でした。月に1万回の課金対象操作があれば1,000件＝200ドルが目安で、総額はワークロードで変わるため、CPU・GPUの稼働時間、モデルのトークン消費、ストレージ、Bookshelfの常時稼働リソースを分けて見積もってください。
Discovery appにプラットフォーム料金はなく、GitHub Copilotのクレジットを消費します。課金ページは、実用的な作業には有料のCopilotプランを推奨しています。
Azure版を始める手順と前提条件
手順の正本はクイックスタート（インフラのデプロイ）です。Azureポータルで1つずつ作る方法と、Bicepテンプレートで一括作成する方法があり、どちらもネットワーク・ID・ストレージ・Supercomputer・Workspace・Projectを作ります。
許可リスト登録済みのサブスクリプションと権限
GAになった今も、使えるのはDiscovery用に許可（allow-list）されたサブスクリプションだけです。未登録ならMicrosoftの営業担当に申請します。FAQは「リソースプロバイダーを登録しただけではアクセスは有効にならない」と明記しています。
Microsoft.Discoveryのほか、Network・Compute・Storage・CognitiveServices・ContainerService・KeyVaultなどのリソースプロバイダーを登録する- ロールの割り当てにはOwner、User Access Administrator、Role Based Access Control Administratorのいずれかが必要（Discovery Platform Administratorロールでは割り当てられない）
- Workspace・Bookshelf・SupercomputerはNetwork Security Perimeterで既定で保護されるため、事前にカスタムロール「Discovery NSP Perimeter Joiner」を作る
- 1つの仮想ネットワークに紐づけられるWorkspaceは1つだけ
対応リージョン：ホームはEast US・Sweden Central・UK Southの3つ
Workspaceなどの制御リソースを置く「ホームリージョン」は、East US、Sweden Central、UK Southの3つです（既知の問題、2026年11月13日に確認）。ポータルや古いツールに対象外のリージョンが選択肢として出ることがあり、選ぶとデプロイに失敗します。
計算・ネットワーク・ストレージは、リージョンをまたぐ構成でホームとは別の「ターゲットリージョン」に置けます。ターゲットにできるのはMicrosoft Foundryのプロジェクトが使えるリージョンで、ターゲットは1つに限られます。日本国内にデータを置きたい場合は、Foundryの提供リージョン表で必要な機能を確かめてから設計します。ただし制御リソース自体はホームリージョン側に残ります。
必要なモデル枠とVMクォータ
クォータの解説によると、Discovery EngineはGPT-5.4のデプロイを2つ使います。Workspace作成時に自動で作られる推論用（最低25万TPM、推奨100万TPM）と、自分で gpt-5-4 という名前で作る検証用（最低20万TPM）です。検証用が無いとエンジンは起動しません。Bookshelfのインスタンス別集計表では、GPT-5.2を20万TPM、GPT-5 Miniを200万TPM、Text Embedding 3（Small）を200万TPM確保します。なお、同じページの検索用モデル表ではGPT-5.2の最低値が10万TPMと異なるため、デプロイ前に必要枠を確認してください。
クォータの解説によると、オンボーディングツールの既定の計算計画は、システムノードがStandard_D4s_v6を3台、ワークロードノードがStandard_D4ds_v6を最大3台です。クォータは「使ってよい上限」で、物理的な空き容量を保証するものではありません。
Discovery Studioでのデプロイ後の操作
デプロイが終わったら、ブラウザでDiscovery Studio（studio.discovery.microsoft.com）を開き、Entra IDでサインインします。Studioではワークスペース、プロジェクト、エージェント、共有セッション（shared session）、Bookshelf、ツールを1画面で管理できます。サインインが「Login failed」で止まるときは、このドメインのCookieとサイトデータを消すのが既知の回避策です。
Discovery appをインストールして試す手順
Azure環境を用意せずに試すならDiscovery appです。公式GitHubリポジトリのREADMEでは、2026年11月13日時点の最新版はv0.15.21で、Windows x64・Windows Arm64・macOS（Apple シリコン）・RHEL x64のインストーラーが配布されています。インストールガイドの前提は次のとおりです。
- OS：Windows 11、macOS、RHEL
- GitHub Copilotのサブスクリプション（必須）
- 空き容量：約3GBとBookshelf用の領域
インストーラーを実行し、起動後にGitHubアカウントでサインインします。CLIの dx も同時にPATHへ入るので、ターミナルで状態を確認できます。新規の作業フォルダーでは、先に dx init --workspace . で初期化してください。以下の <shelf-id> はcreateで作成したBookshelfのIDに、./papers は取り込む文書フォルダーのパスに置き換えて実行します。
dx --version
dx doctor --workspace .
dx bookshelf create papers --workspace .
dx bookshelf ingest <shelf-id> ./papers --recursive --workspace .
dx bookshelf ask "What are the main failure modes?" --shelf <shelf-id> --sources --workspace .Bookshelfには同梱の埋め込みモデル（all-MiniLM-L6-v2のONNX版）が入っており、APIキーなしでもオフラインで意味検索ができます。Discovery Engineは .discovery/config.json で定義し、自律度をFull・Supervised・Lockedから選びます。公式のクイックスタートは、初回はツールを呼ぶたびに承認を求めるSupervisedで動かすよう勧めています。
導入事例：冷却材・フロー電池・自律実験室
最初に公表された事例は、Build 2025の発表ブログにあるMicrosoft社内の研究です。データセンターの液浸冷却向けに、PFASを含まない冷却材の試作品を約200時間で見つけたと説明しています（Azureブログ 2025年5月19日）。従来なら数か月から数年かかる工程だったとしています。
GAの発表ブログ（2026年6月2日）では次の例が紹介されました。
- Yale Engineering：系統用の水系有機レドックスフロー電池の電解質分子設計。実験はYale側が担い、結果の解釈もYaleの研究者が検証した。
- パシフィック・ノースウエスト国立研究所（PNNL）：研究所の実験自動化設備に接続し、生物実験の設計・実行・調整を回す。
- Ginkgo Bioworks：Discoveryで計画した実験をGinkgo Cloud Labで実行する連携を予定。
- Georgia Tech：質量分析・文献抽出・惑星探査データを担うエージェントを組み合わせ、アミノ酸ヒスチジンの生命誕生以前の成り立ちを再評価する。
プレビュー期間中の2026年4月には、素材・化学メーカーのSyensqoが、エージェントの利用を研究開発から営業・マーケティングへ広げる全社展開に進んだと公表されています（Azureブログ 2026年4月22日）。実験の自動化を含む事例もありますが、研究者による結果の検証と判断を前提としています。
日本の研究組織が導入前に確かめる制約
日本語で読める紹介記事は機能面が中心ですが、導入の可否を分けるのは次の制約です。いずれもPlatform Card（2026年11月10日更新）とFAQに書かれています。
- 英語でのみ評価されている：システムプロンプト、UI、評価は英語向けで、日本語での利用は「動く可能性はあるがサポート対象外」。日本語の社内文書をBookshelfに入れる場合は、検索と引用の精度を自分で確かめる必要がある。
- ホームリージョンが国外：制御リソースは米・スウェーデン・英のいずれかに置く。研究データの保管場所を契約や社内規程で縛っているなら、ターゲットリージョンの設計と合わせて法務・情報システム部門の確認が先になる。
- 組み込みのDRが無い：自動フェイルオーバーや災害復旧の機能は無い。止められない研究基盤にするなら、状態を持つリソースの複製とバックアップを自分で設計する。
- 人の確認を挟めない用途は不向き：反復の中で小さな誤差が積み重なる「loop drift」が明記されている。物理装置のリアルタイム閉ループ制御もGAの機能としては文書化されていない。化学・生物・放射性・核兵器の開発への利用は禁止事項。
- エージェントの増加でツール選択が難しくなる可能性：使えるエージェントが多いほど最適なツールを選ぶ能力が落ちうるとPlatform Cardに書かれているため、カタログの91体をすべて有効にせず、研究テーマに必要なものに絞る。
判断の目安は「英語の文献とデータが中心で、数日単位の探索を人の確認つきで回したい研究部門」なら試す価値があり、「日本語の社内文書を中心に、単発の質問に答えさせたい」なら汎用のAIエージェント基盤の方が合います。後者の選択肢はMicrosoft Foundryの機能と料金で整理しています。研究テーマに合わせたエージェントの設計や既存システムとの接続から検討したい場合は、AIエージェント開発の支援も選択肢になります。
よくある質問
Microsoft Discoveryは一般提供（GA）されていますか？
Azure版は2026年6月2日（Build 2026）にGAとなりました。2025年5月のBuild 2025でプライベートプレビューとして発表されたものです。デスクトップ版のDiscovery appは2026年11月時点でもプレビューです。発表の経緯はMicrosoft Build 2025の発表まとめにもあります。
料金はいくらですか？
Azure版はUser Message 1件0.20ドル（課金対象の操作10回で1件）と、計算・ストレージ・モデルのAzure料金の合計です。GETによる参照は課金されません。Discovery appは無料で、GitHub Copilotのクレジットを消費します。
プロジェクトの中で、研究目標に沿ってタスク・エージェント・結果をまとめて管理する作業単位です。Discovery Engineは共有セッション内のタスクを読み、依存関係の順に実行と検証を進めます。複数の研究者が同じセッションで進捗を確認できます。
日本語で使えますか？
Platform Cardでは、英語でのみ設計・評価されており、他の言語は検証・サポートの対象外とされています。基盤モデルには多言語能力がありますが、日本語での動作は保証されません。利用する場合は、検索・引用・回答の精度を個別に検証してください。
GPT-RosalindやClaude Scienceとは何が違いますか？
Discoveryは自社のAzureサブスクリプションに計算基盤とエージェントを組み上げる「研究プラットフォーム」で、自社のシミュレーションツールをコンテナで載せられます。GPT-RosalindやClaude Scienceは、各社の科学向けモデルやアプリを使う形の製品です。選定時は、Azure上のリソース管理・共同研究の要件と、既存の計算環境への接続方法を比較してください。Claude ScienceもSSH経由で自社のHPCクラスターを利用できます。
