你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

将 Azure Functions 与 Foundry 代理服务配合使用

Note

本文档引用 Microsoft Foundry （经典）门户。

🔍 查看 Microsoft Foundry （new）文档，了解新门户。

Azure Functions 是一种无服务器计算服务，可用于使用代码生成的自定义工具扩展 Foundry 代理服务代理。当你需要代理与企业中的系统集成时，此方法特别有用。

Functions 提供了多个托管计划。弹性消耗计划非常适合托管自定义工具，因为它提供：

支持缩放到零无服务器托管，基于消耗量定价。
对 Azure 中资源的基于标识的访问，包括虚拟网络中的资源。
通过输入/输出绑定进行声明性数据源连接。

何时使用 Azure Functions 与函数调用

虽然函数调用允许你定义使用代理代码进行进程内运行的工具，但在需要时，在 Azure Functions 上托管自定义工具可提供其他企业功能：

关注点分离：将业务逻辑与代理代码隔离，从而启用独立的开发、测试和部署周期。
集中管理：创建多个代理、应用程序或团队可以一致使用的可重用工具。
安全隔离：分别控制代理对工具和企业资源的访问。此方法允许你仅分配代理所需的特定权限来调用该工具，而无需提供对基础数据库、API 或网络的直接访问。
外部依赖项：利用非Microsoft库、特定运行时环境或旧版系统集成。
复杂作：处理多步骤工作流和数据转换，或卸载计算密集型作。
异步处理：使用重试功能和消息可靠性处理执行长时间运行的操作。

集成选项

Foundry 代理服务为代理提供了两种访问 Azure Functions 托管工具的主要方法：

功能 / 特点	模型上下文协议（MCP）服务器	基于 Azure 队列存储的工具
工作原理	代理使用 MCP 协议连接到 Azure 中的函数应用。函数应用本身充当自定义 MCP 服务器，将单个函数公开为工具。自定义 MCP 服务器从代理项目中抽象化托管和公开工具的复杂性，并提升代码的可重用性。	代理通过队列存储在 Azure 中的函数应用中与工具代码通信，方法是将消息放置在队列中，这会触发工具代码执行。函数应用侦听输入队列，异步处理消息，并返回对第二个队列的响应。
何时使用它？	✔ 最适合利用行业标准协议进行代理工具集成。 ✔ 提供实时同步的交互，并且即时响应。	✔ 最适合不需要实时响应的异步工作流。 ✔ 非常适合使用重试功能进行后台处理和可靠的消息传递。
SDK 配置	通用 MCP 工具	特定的 Azure Functions 工具
入门	如何将 Azure Functions 与 MCP 配合使用	如何将 Azure Functions 与队列配合使用

对于 HTTP 触发器函数，还可以通过在代理配置中使用 OpenAPI 工具将函数描述为可调用的工具并将其注册为可调用工具，从而集成。此方法为现有的基于 HTTP 的函数提供了灵活性，但它需要额外的设置来定义 API 规范。

支持的模型

若要使用函数调用的所有功能（包括并行函数），需要使用在 2023 年 11 月 6 日之后发布的模型。

创建和部署基于队列的工具集成示例

本文的其余部分演示如何使用 Azure 开发人员 CLI （azd）示例，该示例使用 Functions 配置 Foundry 代理服务项目，以支持代理的基于队列的工具集成。

Note

有关如何将基于 Functions 的工具定义为 MCP 服务器的详细说明，请参阅 Azure Functions 中的主机 MCP 服务器。

Prerequisites

Azure Functions Core Tools v4.x
具有标准设置的已部署代理

Note

不支持基本代理设置。
Azurite
拥有有效订阅的 Azure 帐户。免费创建帐户。

使用支持

Azure AI Foundry 支持	Python SDK	C# SDK	Java SDK	REST API	基本代理设置	标准代理设置
	✔️	✔️	✔️	✔️		✔️

初始化项目模板

此项目用于 azd 简化创建 Azure 资源和部署代码。此部署遵循当前安全且可缩放的 Functions 部署的最佳做法。可以在 GitHub 上找到此处使用的模板和代码。

azd init在终端窗口中运行以下命令，从 azd 模板初始化项目：
```
azd init --template azure-functions-ai-services-agent-python
```

出现提示时，请提供环境名称，例如 ai-services-agent-python。在 azd 中，环境可维护应用的唯一部署上下文，你可以定义多个环境。环境名称还用于资源组的名称和在 Azure 中创建的其他资源。

运行以下命令以允许本地安装脚本成功运行，具体取决于本地作系统：
- Mac/Linux
- Windows操作系统
```
chmod +x ./infra/scripts/*.sh 
```
```
set-executionpolicy remotesigned
```

配置资源

运行以下命令 azd provision ，在 Azure 中创建所需的资源：

azd provision

出现提示时，请提供以下所需的部署参数：

Prompt	Description
选择要使用的 Azure 订阅	选择您希望创建资源的订阅。
位置部署参数	要在其中创建包含新 Azure 资源的资源组的 Azure 区域。仅显示当前支持 Flex 消耗计划的区域。
vnetEnabled 部署参数	虽然模板支持在虚拟网络中创建资源，但为了简化部署和测试，请选择 `False`。

部署文件 main.bicep 然后由 azd 读取，并用于在 Azure 中创建这些资源。

Flex 消耗计划和函数应用
Foundry 中的代理平台，包括：
- 服务帐户
- 模型部署
- 项目
- Agents
- 搜寻
- Azure Cosmos DB 帐户（供搜索使用）
Azure 存储（Azure Functions 和 AI 代理需要）和 Application Insights（推荐）
您的账户的访问策略和角色
使用托管标识（而不是存储的连接字符串）的服务到服务连接

还可以在文章中使用这些集成的 Azure 资源：如何将基于队列的 Azure Functions 与 Microsoft Foundry 代理配合使用。

预配后脚本还会创建一个 local.settings.json 文件，以便 Functions 能够在本地运行。生成的文件应如下所示：

{
  "IsEncrypted": false,
  "Values": {
    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
    "FUNCTIONS_WORKER_RUNTIME": "python",
    "STORAGE_CONNECTION__queueServiceUri": "https://<storageaccount>.queue.core.windows.net",
    "PROJECT_CONNECTION_STRING": "<project connnection for AI Project>"
    }
}

在 Visual Studio Code 中运行应用

在新终端中打开文件夹。
运行 code . 代码命令，在 Visual Studio Code 中打开项目。
在命令面板（F1）中，键入 Azurite: Start，它允许使用 Functions 运行时的本地存储进行调试。
按 Run/Debug （F5） 在调试器中运行。如果系统提示本地模拟器未运行，请选择 “仍然调试”。
使用 HTTP 测试工具分别发送 POST prompt 终结点。如果已安装 RestClient 扩展，可以直接从 test.http 项目文件执行请求。

部署到 Azure 云

azd deploy运行以下命令，将项目代码发布到刚刚预配的函数应用和相关 Azure 资源：

azd deploy

成功完成发布后，azd 会提供新函数的 URL 终结点，但不会提供访问终结点所需的函数键值。可以使用 Azure Functions Core Tools 命令 func azure functionapp list-functions 和 --show-keys 选项来获取函数终结点的密钥。有关详细信息，请参阅在 Azure Functions 中使用访问密钥。

重新部署代码

还可以根据需要多次运行 azd up 该命令，以便预配 Azure 资源并将代码更新部署到函数应用。

Note

已部署的代码文件始终被最新的部署包覆盖。

清理资源

使用完函数应用和相关资源后，可使用此命令从 Azure 中删除函数应用及其相关资源，并避免产生任何进一步的成本（--purge 不会留下软删除的 AI 资源并会恢复你的配额）：

azd down --purge

反馈

此页面是否有帮助？

Last updated on 2025-11-20