Vue d’ensemble des outils Azure AI Foundry pour le serveur Azure MCP

Le serveur Azure MCP vous permet de gérer des ressources Azure, notamment des modèles et des déploiements Azure AI Foundry, avec des invites en langage naturel. Cette fonctionnalité vous aide à gérer rapidement vos modèles IA sans avoir à mémoriser la syntaxe complexe.

Azure AI Foundry est une plateforme permettant de déployer et de gérer des modèles IA personnalisés dans Azure. Il fournit des outils et des services pour l’apprentissage, le réglage, le déploiement et la surveillance des modèles IA dans les environnements de production. Avec Azure AI Foundry, vous pouvez incorporer plus facilement des fonctionnalités d’IA dans vos applications.

Lors de la connexion à votre ressource Azure AI Foundry, le serveur Azure MCP nécessite le point de terminaison ou le groupe de ressources de votre ressource Azure AI Foundry. Pour les opérations qui ne nécessitent pas de ressource spécifique, telles que la liste des modèles disponibles, ni le point de terminaison ni le groupe de ressources n’est requis.

Agents : Se connecter et s’exécuter

Connectez-vous à un agent Azure AI spécifique et exécutez une requête. Cette commande retourne la réponse de l’agent, ainsi que le thread et les ID d’exécution pour une évaluation potentielle.

Voici quelques exemples d’invites :

• Se connecter à l’agent : « Se connecter à l’agent « support-bot » et demander « Quel est l’état du ticket #12345 ? » au point de terminaison 'https://my-example-resource.services.ai.azure.com/api/projects/support-project''
• Agent spécifique à la requête : « Demander à l’agent « sales-bot » pour le dernier rapport des ventes avec la requête « Afficher le chiffre d’affaires de ce mois-ci » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/sales »
• Utilisez le contexte : « Se connecter à l’agent « hr-bot » avec la requête « Quelles sont les options d’avantages ? » au point de terminaison 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept''

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ✅ | Lecture seule : ❌ | Secret : ❌ | Local requis : ❌

Agents : Créer un agent

Crée un agent AI Foundry qui traite les messages en fonction d’une instruction système donnée à l’aide d’un déploiement de modèle AI Foundry existant.

Voici quelques exemples d’invites :

• Créer un agent de support client : « Créer un agent nommé « customer-support-bot » à l’aide du déploiement « gpt-4 » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-project » avec l’instruction système « Vous êtes un agent de support technique utile qui vous aide à répondre aux demandes de produit et à résoudre les problèmes »
• Créer un assistant commercial : « Configurer un agent appelé « sales-assistant » avec le déploiement de modèle « gpt-35-turbo » à «https://my-example-resource.services.ai.azure.com/api/projects/sales » qui suit l’instruction « Vous êtes un assistant commercial qui aide les clients à trouver des produits et fournit des informations de tarification »
• Créer un chatbot RH : « Créer un agent nommé « hr-onboarding-bot » à l’aide du déploiement « gpt-4-turbo » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/hr-dept » avec l’instruction « Vous êtes un spécialiste rh qui guide les nouveaux employés par le biais du processus d’intégration et répond aux questions de stratégie »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ❌ | Lecture seule : ❌ | Secret : ❌ | Local requis : ❌

Agents : évaluer un agent

Exécutez l’évaluation de l’agent sur les données de l’agent. Nécessite des chaînes JSON pour les définitions de requête, de réponse et d’outil.

Voici quelques exemples d’invites :

• Évaluer l’adhésion à la tâche : « Évaluer la requête « Quelles sont les stratégies de remboursement ? » pour task_adherence au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-project » à l’aide du déploiement Azure OpenAI « gpt-4 » »
• Vérifier la résolution des intentions : « Évaluer la requête « Quels plans tarifaires proposez-vous ? » pour intent_resolution au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/sales » à l’aide du déploiement Azure OpenAI « gpt-4 » »
• Vérifier la précision de l’outil : « Analyser tool_call_accuracy pour interroger « Vérifier l’inventaire de l’élément 5678 » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/sales-bot » à l’aide du déploiement Azure OpenAI « gpt-35-turbo »
• Évaluer les performances de l’agent : « Évaluer la requête « Mon application ne démarre pas » pour task_adherence au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support » à l’aide du déploiement Azure OpenAI « gpt-4 »
• Évaluation complète : « Exécuter l’évaluation sur la requête « Quels documents dois-je utiliser pour l’intégration ? » pour task_adherence au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/hr-dept » à l’aide du déploiement Azure OpenAI « gpt-4 » »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Agents : Obtenir l’exemple d’agent pour le Kit de développement logiciel (SDK) de langage

Obtenez des exemples de code pour interagir avec un agent Foundry à l’aide du SDK AI Foundry et du langage de programmation de votre choix.

Voici quelques exemples d’invites :

• Obtenir un exemple Python : « Afficher un exemple de code Python pour interagir avec un agent Foundry »
• Obtenir l’exemple C# : « Générer un exemple de code csharp pour utiliser mon agent AI Foundry »
• Obtenir l’exemple TypeScript : « Fournir un exemple de code typescript pour la connexion et l’utilisation d’un agent Foundry »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Agents : Répertorier les agents

Répertoriez tous les agents Azure AI dans un projet Azure AI Foundry. Affiche les agents qui peuvent être utilisés pour les flux de travail, les évaluations et les tâches interactives de l’IA.

Voici quelques exemples d’invites :

• Afficher tous les agents : « Afficher tous les agents au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »
• Liste par projet : « Répertorier tous les agents IA au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/customer-service »
• Vérifiez les agents disponibles : « Quels agents ai-je sur le point de terminaison »https://my-example-resource.services.ai.azure.com/api/projects/my-project ?
• Inventaire des agents : « J’ai besoin d’une liste complète des agents au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »
• Rechercher des agents spécifiques : « Afficher tous les agents de chatbot au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Agents : interroger et exécuter un agent

Interrogez un agent et évaluez sa réponse dans une seule opération. Cette commande retourne à la fois la réponse de l’agent et les résultats d’évaluation.

Voici quelques exemples d’invites :

• Interroger et évaluer : « Agent de requête « support-bot » avec « Qu’est-ce que l’état du ticket 123 ? » et évaluer l’adhésion des tâches au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-project » à l’aide du point de terminaison Azure OpenAI «https://my-openai.openai.azure.com » et du déploiement « gpt-4 »
• Opération unique : requête « Demander à l’agent « sales-bot » « Afficher les revenus mensuels » et vérifier la résolution des intentions au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/sales » à l’aide du point de terminaison Azure OpenAI «https://my-openai.openai.azure.com » et du déploiement « gpt-4 »
• Action combinée : « Se connecter à l’agent « hr-bot » avec la requête « Qu’est-ce que le processus d’intégration ? » et évaluer la précision des appels de l’outil au niveau du point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/hr-dept » à l’aide du point de terminaisonhttps://my-openai.openai.azure.com Azure OpenAI « » et du déploiement « gpt-35-turbo » »
• Cycle complet : « Agent de requête « marketing-bot » avec « Suggérer des idées de campagne » et évaluer l’adhésion des tâches au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/marketing » à l’aide du point de terminaison Azure OpenAI «https://my-openai.openai.azure.com » et du déploiement « gpt-4 »
• Vérification de bout en bout : « Demander à l’agent « devops-bot » requête « Qu’est-ce que l’état du déploiement ? » et évaluer la résolution des intentions au niveau du point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/devops » à l’aide du point de terminaison Azure OpenAI «https://my-openai.openai.azure.com » et du déploiement « gpt-4 »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ✅ | Lecture seule : ❌ | Secret : ❌ | Local requis : ❌

Connaissances : répertorier les index de connaissances

Obtenez la liste des index de connaissances à partir d’Azure AI Foundry :

• Recherchez les index de connaissances créés dans les projets Azure AI Foundry.
• Utilisez ces index avec des agents IA pour la récupération des connaissances et les applications RAG.
• La liste est mise à jour lorsque vous créez des index ou mettez à jour des index existants.

Voici quelques exemples d’invites :

• Afficher tous les index : « Afficher tous les index de connaissances au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »
• Filtrer par projet : « Répertorier les index de connaissances au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-bot »
• Recherchez par nom : « Recherchez l’index de connaissances nommé « product-faqs » sur le point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »
• Filtrer par balise : « Répertorier les index de connaissances marqués avec « sécurité » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »
• Afficher les détails de l’index : « Afficher les détails de l’index de connaissances « service client » sur le point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Connaissances : Obtenir le schéma d’index

Obtenez la configuration détaillée du schéma d’un index de connaissances spécifique à partir d’Azure AI Foundry.

Cette opération vous montre des informations complètes sur la structure et la configuration d’un index de connaissances, notamment les définitions de champs, les types de données, les attributs pouvant faire l’objet d’une recherche et d’autres propriétés de schéma. Utilisez ces informations de schéma pour comprendre comment les structures d’index et indexent vos données pour la recherche.

Voici quelques exemples d’invites :

• Afficher le schéma d’index : « Afficher le schéma de l’index de connaissances « product-facts » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Modèles : répertorier les modèles disponibles

Répertoriez tous les modèles et déploiements Azure OpenAI disponibles dans une ressource AI Foundry. Cet outil récupère des informations sur les modèles Azure OpenAI déployés dans votre ressource AI Foundry, notamment les noms de modèles, les versions, les fonctionnalités et l’état du déploiement.

Voici quelques exemples d’invites :

• Afficher tous les modèles : « Afficher tous les modèles IA disponibles dans Azure AI Foundry »
• Filtrer par utilisation gratuite : « Répertorier tous les modèles gratuits disponibles pour le prototypage dans Azure AI Foundry que je peux utiliser dans le terrain de jeu »
• Filtrer par utilisation gratuite : « Répertorier tous les modèles gratuits disponibles pour le prototypage dans Azure AI Foundry »
• Filtrer par éditeur : « Afficher les modèles publiés par Microsoft dans Azure AI Foundry »
• Filtrer par licence : « Quels modèles avec licence Apache sont disponibles dans Azure AI Foundry ? »
• Rechercher par nom : « Rechercher le modèle llama dans Azure AI Foundry »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Modèles : Déployer un modèle

Déployez un modèle IA dans votre environnement Azure. Utilisez cette commande pour déployer des modèles sélectionnés à partir d’Azure AI Foundry et les rendre disponibles pour une utilisation dans vos applications.

Voici quelques exemples d’invites :

• Déployer avec les paramètres requis : « Déployer un modèle GPT-4 au format OpenAI sur mon compte ai-services dans le groupe de ressources « my-resource-group »
• Spécifiez le nom du déploiement : « Configurer un déploiement nommé text-embedding pour le modèle d’incorporation Ada dans mon compte de services IA dans le groupe de ressources « my-resource-group » avec la référence SKU Standard »
• Inclure la version du modèle : « Déployer la version 2 du modèle Llama à partir de Meta sur mon compte de services Azure AI dans le groupe de ressources « my-resource-group » avec une capacité d’échelle de 3 »
• Déployer sur un groupe de ressources spécifique : « Créer un déploiement nommé génération de contenu avec le modèle GPT-4 dans mon service ai-central dans le groupe de ressources « my-resource-group »
• Configurer la mise à l’échelle : « Déployer le modèle Claude sur mon service Azure AI dans le groupe de ressources « my-resource-group » avec mise à l’échelle automatique activée et capacité maximale de 5 »

Indicateurs d’annotation d’outil :

Destructeur : ✅ | Idempotent : ❌ | Open World : ❌ | Lecture seule : ❌ | Secret : ❌ | Local requis : ❌

Modèles : Répertorier les déploiements de modèles

Répertoriez les déploiements de modèles dans un projet Azure AI Foundry (Cognitive Services). Affiche les modèles IA actuellement déployés au niveau du projet.

Voici quelques exemples d’invites :

• Répertorier les déploiements en production : « Afficher tous les déploiements de modèles au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/production »
• Vérifiez le point de terminaison spécifique : « Quels modèles sont actuellement déployés sur le point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project » ?
• Afficher les déploiements régionaux : « Répertorier tous les déploiements au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/west-region »
• Vérifier l’état du déploiement : « Afficher l’état de tous les modèles déployés sur le point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/my-project »
• Consultez les modèles actifs : « Quels modèles IA s’exécutent actuellement sur le point de terminaisonhttps://my-example-resource.services.ai.azure.com/api/projects/my-project ? »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

OpenAI : Créer des saisies semi-automatiques de conversation

Créez des achèvements de conversation à l’aide d’Azure OpenAI dans AI Foundry. Envoyez des messages aux modèles de conversation Azure OpenAI déployés dans votre ressource AI Foundry et recevez des réponses conversationnelles générées par l’IA. Prend en charge les conversations multitours avec l’historique des messages, les instructions système et la personnalisation de la réponse.

Voici quelques exemples d’invites :

• Message d’accueil simple : « Créer une saisie semi-automatique de conversation avec le tableau de messages « [{"role » :"user »,"content » :"Hello, comment êtes-vous aujourd’hui ?"}] à l’aide du déploiement « gpt-35-turbo » sur la ressource « openai-prod »
• Avec le message système : « Créer une saisie semi-automatique de conversation avec le message système « Vous êtes un assistant utile » et le message utilisateur « Expliquer l’informatique quantique » à l’aide du déploiement « gpt-35-turbo » sur la ressource « openai-west ».
• Contrôler la créativité : « Générer une saisie semi-automatique pour « Écrire une histoire créative » à l’aide du déploiement « gpt-4 » avec une température de 0,8 et un maximum de 150 jetons sur la ressource « ai-central »
• Réponse déterministe : « Créer une saisie semi-automatique de conversation avec le message « Liste 5 faits sur Mars » à l’aide du déploiement « gpt-35-turbo » avec la température 0,1 et la valeur initiale 12345 sur la ressource « ai-services-prod »
• Conversation avec l’historique : « Continuer la saisie semi-automatique des conversations avec des messages : système « Vous êtes un assistant de codage », utilisateur « Comment créer une fonction en Python ? », assistant « Voici comment ... », utilisateur « Pouvez-vous montrer un exemple ? » utilisation du déploiement « gpt-4 » sur la ressource « dev-openai »
• Avec des pénalités pour répétition : « Créer une saisie semi-automatique pour « Décrire les avantages du cloud computing » à l’aide du déploiement « gpt-35-turbo » avec une pénalité de fréquence 0,5 et une pénalité de présence 0,3 sur la ressource « ai-services-main »
• Réponse de diffusion en continu : « Générer l’achèvement de conversation en streaming pour « Expliquer l’apprentissage automatique étape par étape » à l’aide du déploiement « gpt-4 » avec stream true sur la ressource « openai-research »
• Avec les séquences d’arrêt : « Créer la saisie semi-automatique pour « Nombre de 1 à 10 » à l’aide du déploiement « gpt-35-turbo » avec des séquences d’arrêt ['5', 'STOP'] sur la ressource 'ai-test''
• Suivi des utilisateurs : « Générer la saisie semi-automatique pour « Qu’est-ce qu’Azure AI ? » utilisation du déploiement « gpt-4 » avec l’identificateur utilisateur « user-123 » sur la ressource « prod-openai »
• Contrôle affiné : « Créer une saisie semi-automatique de conversation pour « Résumer cet article » à l’aide du déploiement « gpt-35-turbo » avec la température 0.2, top_p 0,9, les jetons max 200 et l’authentification AAD sur la ressource « secure-ai »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

OpenAI : Créer des incorporations

Créez des incorporations à l’aide d’Azure OpenAI dans AI Foundry. Générez des incorporations vectorielles à partir de texte à l’aide de déploiements Azure OpenAI dans votre ressource AI Foundry pour la recherche sémantique, les comparaisons de similarité, le clustering ou le Machine Learning.

Voici quelques exemples d’invites :

• Incorporation de texte de base : « Générer des incorporations pour le texte « Service Azure OpenAI » à l’aide de mon déploiement « text-embedding-ada-002 » dans le groupe de ressources « my-resource-group »
• Créer des incorporations vectorielles : « Créer des incorporations vectorielles pour mon texte à l’aide d’Azure OpenAI avec le déploiement « text-embedding-3-large » sur la ressource « ai-services-prod » dans le groupe de ressources « my-resource-group » »
• Incorporation de documents : « Générer des incorporations pour « Machine Learning révolutionne l’analyse des données » à l’aide du déploiement « ada-002 » sur la ressource « embedding-service » dans le groupe de ressources « my-resource-group » »
• Plusieurs phrases : « Créer des incorporations pour le texte « Cloud computing fournit une infrastructure évolutive. Elle permet l’accessibilité globale. à l’aide de mon déploiement d’incorporation dans le groupe de ressources « my-resource-group »
• Avec le suivi des utilisateurs : « Générer des incorporations pour les applications de traitement du langage naturel » à l’aide du déploiement « text-embedding-3-small » avec l’identificateur d’utilisateur « analytics-team » dans le groupe de ressources « my-resource-group » »
• Dimensions spécifiques : « Créer des incorporations pour « l’intelligence artificielle transforme les opérations métier » à l’aide du déploiement « text-embedding-3-large » avec 1536 dimensions sur la ressource « ai-central » dans le groupe de ressources « my-resource-group » »
• Format Base64 : « Générer des incorporations pour « Réseaux neuronaux d’apprentissage profond » à l’aide du déploiement « ada-002 » avec le format d’encodage en base64 sur la ressource « ml-services » dans le groupe de ressources « my-resource-group » »
• Texte de recherche : « Créer des incorporations vectorielles pour l’informatique quantique illustre les avantages de calcul dans des algorithmes spécifiques » à l’aide de mon déploiement d’incorporation de texte dans le groupe de ressources « my-resource-group »
• Description du produit : « Générer des incorporations pour un ordinateur portable hautes performances avec une unité de traitement graphique avancée » à l’aide du déploiement « text-embedding-3-small » sur la ressource « product-ai » dans le groupe de ressources « my-resource-group »
• Documentation technique : « Créer des incorporations pour l’authentification d’API nécessite des informations d’identification valides et des en-têtes d’autorisation appropriés » à l’aide du déploiement « ada-002 » avec encodage float sur la ressource « docs-embedding » dans le groupe de ressources « my-resource-group » »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

OpenAI : Créer des achèvements

Créez des saisies semi-automatiques de texte à l’aide d’Azure OpenAI dans AI Foundry. Envoyez une invite ou une question aux modèles Azure OpenAI déployés dans votre ressource AI Foundry et recevez des réponses textuelles générées. Utilisez cette option lorsque vous devez créer des achèvements, obtenir du contenu généré par l’IA, générer des réponses aux questions ou produire des saisies de texte à partir d’Azure OpenAI en fonction de n’importe quelle invite d’entrée. Prend en charge la personnalisation avec des jetons de température et max.

Voici quelques exemples d’invites :

• Fin de base : « Créer une saisie semi-automatique avec l’invite « Qu’est-ce qu’Azure ? » utilisation de mon déploiement « gpt-35-turbo » dans le groupe de ressources « my-resource-group »
• Avec le contrôle de température : « Générer la saisie semi-automatique pour « Expliquer le machine learning » à l’aide du déploiement « text-davinci-003 » avec la température 0,3 dans le groupe de ressources « my-resource-group »
• Jetons limités : « Créer une saisie semi-automatique avec l’invite « Écrire un résumé » à l’aide de mon déploiement « gpt-4 » avec un maximum de 100 jetons dans le groupe de ressources « my-resource-group »
• Écriture créative : « Générer l’achèvement pour « Raconter une histoire sur l’IA » à l’aide du déploiement « gpt-35-turbo » avec la température 0,8 et 200 jetons max dans le groupe de ressources « my-resource-group »
• Explication technique : « Créer une saisie semi-automatique avec l’invite « Comment fonctionne le cloud computing ? » à l’aide de ma ressource OpenAI « ai-services-east » et du déploiement « gpt-4 » dans le groupe de ressources « my-resource-group »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

OpenAI : Répertorier les modèles et les déploiements

Répertorier tous les modèles et déploiements OpenAI disponibles dans une ressource Azure. Cet outil récupère des informations sur les modèles déployés, notamment les noms de modèles, les versions, les fonctionnalités et l’état du déploiement.

Voici quelques exemples d’invites :

• Afficher tous les modèles : « Répertorier tous les modèles OpenAI dans ma ressource ai-services-prod » dans le groupe de ressources « my-resource-group »
• Vérifier les déploiements : « Afficher tous les modèles déployés et leur état dans la ressource « openai-east » dans le groupe de ressources « my-resource-group »
• Inventaire de production : « Quels modèles sont disponibles dans ma ressource « production-openai » dans le groupe de ressources « my-resource-group » ?
• Vérification du développement : « Répertorier tous les modèles et déploiements dans ma ressource « dev-ai-services » dans le groupe de ressources « my-resource-group »
• Fonctionnalités de modèle : « Afficher tous les modèles OpenAI disponibles avec leurs fonctionnalités dans la ressource « ai-central » dans le groupe de ressources « my-resource-group »
• État du déploiement : « Quel est l’état actuel de tous les déploiements dans ma ressource « openai-west » dans le groupe de ressources « my-resource-group » ?
• Modèles régionaux : « Répertorier tous les modèles disponibles dans ma ressource « europe-openai » dans le groupe de ressources « my-resource-group »
• Vue d’ensemble du service : « Donnez-moi une vue d’ensemble complète des modèles et des déploiements dans la ressource « customer-ai » dans le groupe de ressources « my-resource-group »
• Versions de modèle : « Afficher toutes les versions de modèle disponibles dans ma ressource « ai-services-main » dans le groupe de ressources « my-resource-group »
• Audit des ressources : « J’ai besoin d’auditer tous les modèles et déploiements OpenAI dans la ressource « enterprise-ai » dans le groupe de ressources « my-resource-group »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Ressources : Obtenir la ressource Foundry

Obtenez des informations détaillées sur les ressources Azure AI Foundry, notamment l’URL du point de terminaison, l’emplacement, la référence SKU et tous les modèles déployés avec leur configuration. Si un nom de ressource spécifique est fourni, retourne les détails de cette ressource uniquement. Si aucun nom de ressource n’est fourni, répertorie toutes les ressources AI Foundry dans l’abonnement ou le groupe de ressources.

Voici quelques exemples d’invites :

• Obtenir une ressource spécifique : « Afficher les détails de la ressource « ai-foundry-prod » Azure AI Foundry, y compris tous les modèles déployés
• Répertorier toutes les ressources : « Quelles ressources Azure AI Foundry ai-je dans mon abonnement ? »
• Ressource avec configuration : « Obtenir l’URL du point de terminaison, l’emplacement et les informations de référence SKU pour ma ressource de recherche « customer-ai-foundry »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Threads : Créer un thread

Crée un thread d’agent AI Foundry qui contient les messages entre l’agent et l’utilisateur.

Voici quelques exemples d’invites :

• Créer un thread de support : « Créer un thread sur le point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-project » avec le message utilisateur « J’ai besoin d’aide pour la connexion à mon compte »
• Démarrer le thread de conversation : « Créer un thread à «https://my-example-resource.services.ai.azure.com/api/projects/customer-service » avec le message « Quelles sont vos heures d’ouverture ? »
• Initialiser le thread de conversation : « Démarrer un nouveau thread au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/sales-bot » avec le message utilisateur « Je suis intéressé par l’achat de votre plan Premium »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ❌ | Open World : ❌ | Lecture seule : ❌ | Secret : ❌ | Local requis : ❌

Threads : Obtenir des messages de thread

Obtenez des messages dans un thread d’agent AI Foundry.

Voici quelques exemples d’invites :

• Récupérer l’historique des conversations : « Obtenir tous les messages du thread « thread_abc123xyz » au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-project »
• Afficher les messages de thread : « Afficher les messages du thread « thread_456def789 » à partir du point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/customer-service »
• Vérifier le contenu du thread : « Récupérer les messages pour l’ID de thread ' thread_xyz789abc 'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Threads : répertorier tous les threads

Répertorier les threads de l’agent AI Foundry.

Voici quelques exemples d’invites :

• Répertorier tous les threads : « Afficher tous les threads d’agent au point de terminaison «https://my-example-resource.services.ai.azure.com/api/projects/support-project »
• Afficher les threads de projet : « Répertorier tous les threads de 'https://my-example-resource.services.ai.azure.com/api/projects/customer-service »
• Obtenir l’inventaire des threads : « Récupérer tous les threads de l’agent sur «https://my-example-resource.services.ai.azure.com/api/projects/sales-bot »

Indicateurs d’annotation d’outil :

Destructeur : ❌ | Idempotent : ✅ | Open World : ❌ | Lecture seule : ✅ | Secret : ❌ | Local requis : ❌

Contenu connexe

• Qu’est-ce que les outils azure MCP Server ?
• Commencez à utiliser Azure MCP Server
• Documentation Azure AI Foundry
• Présentation des services Azure AI
• Déployer et consommer des modèles