适用于 Azure MCP 服务器的 Azure AI Foundry 工具

借助 Azure MCP 服务器，可以使用自然语言提示管理 Azure 资源，包括 Azure AI Foundry 模型和部署。 此功能可帮助你快速管理 AI 模型，而无需记住复杂的语法。

Azure AI Foundry 是一个平台，用于在 Azure 中部署和管理自定义 AI 模型。 它提供了用于在生产环境中训练、微调、部署和监视 AI 模型的工具和服务。 使用 Azure AI Foundry，可以更轻松地将 AI 功能合并到应用程序中。

连接到 Azure AI Foundry 资源时，Azure MCP 服务器需要 Azure AI Foundry 资源的 终结点 或 资源组 。 对于不需要特定资源（例如列出可用模型）的作，不需要终结点或资源组。

代理：连接并运行

连接到特定的 Azure AI 代理并运行查询。 此命令返回代理的响应以及线程，并运行 ID 进行潜在评估。

示例提示包括：

• 连接到代理：“连接到代理”support-bot“并询问票证状态”
• 查询特定代理：“询问代理'sales-bot'以获取最新的销售报告”
• 使用上下文：“使用上一个会话中的上下文连接到代理”hr-bot”

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ✅ |只读： ❌ |机密： ❌ |本地必需： ❌

代理：创建新代理

创建 AI Foundry 代理，该代理使用现有的 AI Foundry 模型部署根据给定的系统指令处理消息。

示例提示包括：

• 创建客户支持代理：“使用终结点https://my-example-resource.services.ai.azure.com/api/projects/support-project”gpt-4“的部署”gpt-4“创建名为”customer-support-bot“的代理，系统说明”你是一个有用的客户支持代理，可帮助进行产品查询和故障排除”。
• 创建销售助理：“在”处设置名为“sales-assistant”的代理，其模型部署为“gpt-35-turbo”https://my-example-resource.services.ai.azure.com/api/projects/sales，该代理遵循“你是一名销售助理，可帮助客户查找产品并提供定价信息”
• 创建 HR 聊天机器人：“使用终结点https://my-example-resource.services.ai.azure.com/api/projects/hr-dept”的部署“gpt-4-turbo”生成名为“hr-onboarding-bot”的代理，并指示“你是一名人力资源专家，指导新员工完成载入过程并回答策略问题”。

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ❌ |只读： ❌ |机密： ❌ |本地必需： ❌

代理：评估代理

对代理数据运行代理评估。 需要用于查询、响应和工具定义的 JSON 字符串。

示例提示包括：

• 评估任务符合性：“评估从代理获取的完整查询和响应，以便task_adherence”
• 检查意向解决方法：“使用有关定价计划的查询评估代理对intent_resolution的响应”
• 验证工具准确性：“分析销售机器人对客户查询的响应tool_call_accuracy”
• 评估代理性能：“使用 task_adherence 评估支持代理对技术问题查询的响应”
• 综合评估：“使用所有响应数据对员工载入查询的处理对 HR 代理的处理运行评估”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

代理：获取语言 SDK 的代理示例

获取代码示例，以使用所选的 AI Foundry SDK 和编程语言与 Foundry 代理交互。

示例提示包括：

• 获取 Python 示例：“显示用于与 Foundry 代理交互的 Python 代码示例”
• 获取 C# 示例：“生成 csharp 代码示例以使用我的 AI Foundry 代理”
• 获取 TypeScript 示例：“提供用于连接和使用 Foundry 代理的 typescript 示例代码”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

代理：列出代理

列出 Azure AI Foundry 项目中的所有 Azure AI 代理。 显示可用于 AI 工作流、评估和交互式任务的代理。

示例提示包括：

• 查看所有代理：“显示 Azure AI Foundry 中的所有代理”
• 按项目列出：“列出”客户服务“项目中的所有 AI 代理”
• 检查可用的代理：“我在 Azure AI Foundry 帐户中配置了哪些代理？
• 代理清单：“我需要 Azure AI 环境中所有代理的完整列表”
• 查找特定代理：“显示 Azure AI Foundry 资源中提供的所有聊天机器人代理”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

代理：查询和执行代理

查询代理并在单个作中评估其响应。 此命令返回代理响应和评估结果。

示例提示包括：

• 查询和评估：“查询代理”支持机器人“关于票证状态和评估任务符合性”
• 单一作：“询问代理”sales-bot“以获取最新的销售报告并检查意向解析”
• 组合作：“连接到代理'hr-bot'，询问载入情况，并评估工具调用准确性”
• 完整周期：“查询”营销机器人“，了解市场活动想法，并评估任务符合性响应”
• 端到端检查：“询问'devops-bot'部署状态并评估意向解决”

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ✅ |只读： ❌ |机密： ❌ |本地必需： ❌

知识：列出知识索引

从 Azure AI Foundry 获取知识索引列表：

• 查找在 Azure AI Foundry 项目中创建的知识索引。
• 将这些索引与 AI 代理配合使用，以便进行知识检索和 RAG 应用程序。
• 创建新索引或更新现有索引时，列表会更新。

示例提示包括：

• 查看所有索引：“显示 Azure AI Foundry 中的所有知识索引”
• 按项目筛选：“列出”support-bot“项目中的知识索引”
• 按名称搜索：“查找名为'product-faqs'的知识索引”
• 按标记筛选：“列出标记为”security“或”onboarding“的知识索引”
• 显示索引详细信息：“显示”客户服务“知识索引的详细信息，包括文档计数和上次更新时间”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

知识：获取索引架构

从 Azure AI Foundry 获取特定知识索引的详细架构配置。

此作显示有关知识索引的结构和配置的综合信息，包括字段定义、数据类型、可搜索属性和其他架构属性。 使用此架构信息来了解索引结构和索引数据进行搜索的方式。

示例提示包括：

• 查看索引架构：“显示知识索引'product-facts'的架构”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

模型：列出可用模型

列出 AI Foundry 资源中所有可用的 Azure OpenAI 模型和部署。 此工具检索有关 AI Foundry 资源中部署的 Azure OpenAI 模型的信息，包括模型名称、版本、功能和部署状态。

示例提示包括：

• 查看所有模型：“在 Azure AI Foundry 中显示所有可用的 AI 模型”
• 按免费使用情况进行筛选：“列出可在场中使用的 Azure AI Foundry 中原型制作的所有免费模型”
• 按免费使用情况进行筛选：“列出 Azure AI Foundry 中可用于原型制作的所有免费模型”
• 按发布者筛选：“显示 Azure AI Foundry 中由Microsoft发布的模型”
• 按许可证进行筛选：“Azure AI Foundry 中提供了哪些具有 Apache 许可证的模型？
• 按名称搜索：“在 Azure AI Foundry 中查找 llama 模型”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

模型：部署模型

将 AI 模型部署到 Azure 环境。 使用此命令从 Azure AI Foundry 部署所选模型，并使其可用于应用程序中。

示例提示包括：

• 使用所需参数进行部署：“将 OpenAI 格式的 GPT-4 模型部署到资源组”my-resource-group“中的 ai-services 帐户”
• 指定部署名称：“使用标准 SKU 在资源组”my-resource-group“中为 Ada 嵌入模型设置名为文本嵌入的部署
• 包括模型版本：“将 Llama 模型版本 2 从 Meta 部署到资源组”my-resource-group“中的 Azure AI 服务帐户，缩放容量为 3”
• 部署到特定资源组：“在资源组”my-resource-group“中，在 ai-central 服务中创建名为 CONTENT-generation 的部署（使用 GPT-4 模型）
• 配置缩放：“在启用了自动缩放的资源组”my-resource-group“中将 Claude 模型部署到 Azure AI 服务，最大容量为 5”

工具批注提示：

破坏性： ✅ |幂等： ❌ |开放世界： ❌ |只读： ❌ |机密： ❌ |本地必需： ❌

模型：列出模型部署

列出 Azure AI Foundry （认知服务） 项目中的模型部署。 显示当前在项目级别部署的 AI 模型。

示例提示包括：

• 列出生产部署：“显示终结点 https://my-example-resource.openai.azure.com 上的所有模型部署”
• 检查特定终结点：“当前将哪些模型部署到 https://my-example-resource.openai.azure.com 终结点？”
• 查看区域部署：“列出终结点 https://my-example-resource.openai.azure.com 中的所有部署”
• 检查部署状态：“显示部署到终结点 https://my-example-resource.openai.azure.com 的所有模型的状态”
• 查看活动模型：“现在在 https://my-example-resource.openai.azure.com 终结点上运行哪些 AI 模型？

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

OpenAI：创建聊天完成

在 AI Foundry 中使用 Azure OpenAI 创建聊天完成。 将消息发送到 AI Foundry 资源中部署的 Azure OpenAI 聊天模型，并接收 AI 生成的聊天响应。 支持使用消息历史记录、系统说明和响应自定义的多轮次对话。

示例提示包括：

• 简单问候语：“使用消息”你好，你今天怎么样？“创建聊天完成
• 使用系统消息：“使用系统消息”你是一个有用的助手“创建聊天完成，并使用资源”openai-west“上的部署”gpt-35-turbo“来解释量子计算”
• 控制创造力：“使用部署”gpt-4“在资源”ai-central“上使用部署”gpt-4“和最大 150 个令牌生成聊天完成
• 确定性响应：“使用温度为 0.1 的部署”gpt-35-turbo“和资源”ai-services-prod“上的 12345 种子 12345 创建有关火星的消息”列出 5 个有关火星的事实“的聊天完成”
• 与历史记录的对话：“继续与消息聊天完成：系统'你是编码助手'，用户'如何在 Python 中创建函数？'，助理'Here's how's how...'，用户'你能显示一个示例吗？ 在资源“dev-openai”上使用部署“gpt-4”
• 重复的惩罚：“使用部署”gpt-35-turbo“为”描述云计算的好处“创建完成，频率惩罚为 0.5，并在资源”ai-services-main“上对存在处罚 0.3”
• 流式处理响应：“使用部署”gpt-4“和资源”openai-research“上的流 true 为”逐步解释机器学习“生成流式处理聊天完成”
• 使用停止序列：“使用部署”gpt-35-turbo“为”计数从 1 到 10“创建完成，其中包含资源”ai-test“上的停止序列 ['5'， 'STOP'”
• 用户跟踪：“为”什么是 Azure AI？“生成完成情况？ 在资源“prod-openai”上使用用户标识符为“user-123”的部署“gpt-4”
• 微调的控制：“使用温度为 0.2 的部署”gpt-35-turbo“创建聊天完成，top_p 0.9、最大令牌 200，以及资源”secure-ai“上的 AAD 身份验证”

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

OpenAI：创建嵌入

在 AI Foundry 中使用 Azure OpenAI 创建嵌入内容。 使用 AI Foundry 资源中的 Azure OpenAI 部署从文本生成矢量嵌入，以便进行语义搜索、相似性比较、聚类分析或机器学习。

示例提示包括：

• 基本文本嵌入：“在资源组”my-resource-group“中使用”text-embedding-ada-002“部署为文本”Azure OpenAI 服务“生成嵌入内容”
• 创建矢量嵌入：“使用 Azure OpenAI 为文本创建矢量嵌入，并在资源组”my-resource-group“中的资源”ai-services-prod“上部署”text-embedding-3-large”
• 文档嵌入：“使用资源组”my-resource-group“中的资源”embedding-service“上的部署”ada-002“为”机器学习彻底改变数据分析“的嵌入内容”
• 多个句子：“为文本创建嵌入内容'云计算提供可缩放的基础结构。 它可实现全局辅助功能。 在资源组“my-resource-group”中使用嵌入部署
• 通过用户跟踪：“使用部署”text-embedding-3-small“为”自然语言处理应用程序“生成嵌入内容，并在资源组”my-resource-group“中使用用户标识符”analytics-team”
• 特定维度：“使用部署”text-embedding-3-large“为”人工智能转换业务运营“创建嵌入内容，在资源组”my-resource-group“中为资源”ai-central“提供 1536 个维度”
• Base64 格式：“使用部署”ada-002“为”深度学习神经网络“生成嵌入内容，并在资源组”my-resource-group“中的资源”ml-services“上采用 base64 编码格式
• 研究文本：“使用”my-resource-group“中的文本嵌入部署为”量子计算演示特定算法中的计算优势“的研究文本：”为“量子计算创建矢量嵌入”演示计算优势”
• 产品说明：“使用资源组”my-resource-group“中的资源”product-ai“上的部署”text-embedding-3-small“为”具有高级图形处理单元的高性能笔记本电脑“生成嵌入内容”
• 技术文档：“使用部署”ada-002“，在资源组”my-resource-group“中对资源”docs-embedding“进行浮点编码，为”API 身份验证创建嵌入需要有效凭据和适当的授权标头”

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

OpenAI：创建完成项

在 AI Foundry 中使用 Azure OpenAI 创建文本完成。 向 AI Foundry 资源中部署的 Azure OpenAI 模型发送提示或问题，并接收生成的文本答案。 如果需要创建完成、获取 AI 生成的内容、生成问题的答案，或基于任何输入提示从 Azure OpenAI 生成文本完成，请使用此功能。 支持使用温度和最大令牌进行自定义。

示例提示包括：

• 基本完成：“使用提示”什么是 Azure“创建完成？ 在资源组“my-resource-group”中使用“gpt-35-turbo”部署
• 使用温度控制：“使用部署”text-davinci-003“为”解释机器学习“生成文本完成，资源组”my-resource-group“中温度为 0.3”
• 受限令牌：“使用资源组”my-resource-group“中最多 100 个令牌的”gpt-4“部署”编写摘要“提示创建完成
• 创意写作：“使用部署”gpt-35-turbo“在资源组”my-resource-group“中使用温度为 0.8 和 200 个最大令牌的部署”gpt-35-turbo“生成有关 AI 的完成
• 技术说明：“使用提示创建完成”云计算的工作原理？” 在资源组“my-resource-group”中使用 OpenAI 资源“ai-services-east”和部署“gpt-4”

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

OpenAI：列出模型和部署

列出 Azure 资源中所有可用的 OpenAI 模型和部署。 此工具检索有关已部署模型的信息，包括模型名称、版本、功能和部署状态。

示例提示包括：

• 查看所有模型：“列出资源组”my-resource-group“中”ai-services-prod“资源中的所有 OpenAI 模型”
• 检查部署：“在资源组”my-resource-group“中显示所有已部署的模型及其状态”openai-east”
• 生产清单：“资源组”my-resource-group“中的”production-openai“资源中提供了哪些模型？
• 开发检查：“列出资源组”my-resource-group“中”dev-ai-services“资源中的所有模型和部署
• 模型功能：“显示所有可用的 OpenAI 模型，其功能在资源组”my-resource-group“中的资源”ai-central“中
• 部署状态：“资源组”my-resource-group“中”openai-west“资源中所有部署的当前状态是什么？
• 区域模型：“列出资源组”my-resource-group“中”europe-openai“资源中可用的所有模型”
• 服务概述：“提供资源组”my-resource-group“中资源”customer-ai“中的模型和部署的完整概述
• 模型版本：“显示资源组”my-resource-group“中”ai-services-main“资源中提供的所有模型版本”
• 资源审核：“我需要审核资源组”my-resource-group“中资源”enterprise-ai“中的所有 OpenAI 模型和部署

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

资源：获取 Foundry 资源

获取有关 Azure AI Foundry 资源的详细信息，包括终结点 URL、位置、SKU 以及所有已部署的模型及其配置。 如果提供了特定的资源名称，则仅返回该资源的详细信息。 如果未提供任何资源名称，则列出订阅或资源组中的所有 AI Foundry 资源。

示例提示包括：

• 获取特定资源：“显示”ai-foundry-prod“Azure AI Foundry 资源的详细信息，包括所有已部署的模型”
• 列出所有资源：“我的订阅中有哪些 Azure AI Foundry 资源？
• 配置资源：“获取'customer-ai-foundry'foundry 资源的终结点 URL、位置和 SKU 信息”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

线程：创建新线程

创建一个 AI Foundry 代理线程，该线程保存代理与用户之间的消息。

示例提示包括：

• 创建支持线程：“在终结点”https://my-example-resource.services.ai.azure.com/api/projects/support-project新建一个线程，并显示用户消息“我需要帐户登录帮助””
• 启动对话线程：“在”https://my-example-resource.services.ai.azure.com/api/projects/customer-service创建一个线程“，消息”你的工作时间是什么？”
• 初始化聊天线程：“在终结点'处启动新线程'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot，并显示用户消息”我有兴趣购买高级计划“”

工具批注提示：

破坏性： ❌ |幂等： ❌ |开放世界： ❌ |只读： ❌ |机密： ❌ |本地必需： ❌

线程：获取线程消息

获取 AI Foundry 代理线程中的消息。

示例提示包括：

• 检索会话历史记录：“从终结点https://my-example-resource.services.ai.azure.com/api/projects/support-project”'处的线程“thread_abc123xyz”获取所有消息”
• 查看线程消息：“显示终结点”https://my-example-resource.services.ai.azure.com/api/projects/customer-service中的线程“thread_456def789”中的消息”
• 检查线程内容：“在''https://my-example-resource.services.ai.azure.com/api/projects/sales-bot处检索线程 ID 'thread_xyz789abc' 的消息”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

线程：列出所有线程

列出 AI Foundry 代理线程。

示例提示包括：

• 列出所有线程：“显示终结点''https://my-example-resource.services.ai.azure.com/api/projects/support-project处的所有代理线程”
• 查看项目线程：“列出''https://my-example-resource.services.ai.azure.com/api/projects/customer-service中的所有线程”
• 获取线程清单：“在''https://my-example-resource.services.ai.azure.com/api/projects/sales-bot处检索所有代理线程”

工具批注提示：

破坏性： ❌ |幂等： ✅ |开放世界： ❌ |只读： ✅ |机密： ❌ |本地必需： ❌

相关内容

• 什么是 Azure MCP 服务器工具？
• 开始使用 Azure MCP 服务器
• Azure AI Foundry 文档
• Azure AI 服务概述
• 部署和使用模型