Azure AI Foundry 工具概覽針對 Azure MCP 伺服器

Azure MCP 伺服器可讓您使用自然語言提示來管理 Azure 資源，包括 Azure AI Foundry 模型和部署。 這項功能可協助您快速管理 AI 模型，而不需要記住複雜的語法。

Azure AI Foundry 是一個平臺，可在 Azure 中部署和管理自定義 AI 模型。 它提供工具和服務，用於在生產環境中定型、微調、部署和監視 AI 模型。 透過 Azure AI Foundry，您可以更輕鬆地將 AI 功能併入您的應用程式。

連線到 Azure AI Foundry 資源時，Azure MCP 伺服器需要 Azure AI Foundry 資源的 端點 或 資源群組 。 對於不需要特定資源的作業，例如列出可用的模型，則不需要端點或資源群組。

代理程式：連線並執行

連線到特定的 Azure AI 代理程式並執行查詢。 此命令會傳回代理程式的回應，以及執行緒和執行標識碼，以進行潛在評估。

範例提示包括：

• 連線客服：「連接客服 'support-bot'，並詢問『工單 #12345 的狀態？』 在終點 'https://my-example-resource.services.ai.azure.com/api/projects/support-project'」
• 查詢專屬客服人員：「請用查詢『Show me this month's revenue』 at endpoint 詢問https://my-example-resource.services.ai.azure.com/api/projects/sales客服 'sales-bot' 提供最新銷售報告」
• 使用上下文：「連接客服人員『hr-bot』，並查詢『有哪些福利選項？』 在終點 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept'」

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ✅ |只讀： ❌ |秘密： ❌ |本地要求： ❌

代理程式：建立新的代理程式

建立 AI Foundry 代理程式，使用現有的 AI Foundry 模型部署，根據給定的系統指令處理訊息。

範例提示包括：

• 建立客戶支援代理：「在端點使用部署 'gpt-4' 建立名為 'customer-support-bot' 的代理程式」https://my-example-resource.services.ai.azure.com/api/projects/support-project，並附有系統指示「您是一位有用的客戶支援代理，可協助產品查詢和故障排除」
• 建立銷售助理：「設定名為 'sales-assistant' 的代理程式，並在 'https://my-example-resource.services.ai.azure.com/api/projects/sales' 處部署模型 'gpt-35-turbo'，遵循指示 '您是幫助客戶查找產品並提供定價信息的銷售助理'”
• 建立人力資源聊天機器人：「在端點使用部署「gpt-4-turbo」建立名為「hr-onboarding-bot」的代理程式，https://my-example-resource.services.ai.azure.com/api/projects/hr-dept並指示「您是人力資源專家，可指導新員工完成入職流程並回答政策問題」

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ❌ |只讀： ❌ |秘密： ❌ |本地要求： ❌

客服專員：評估客服專員

對代理程式資料執行代理程式評估。 需要 JSON 字串來進行查詢、回應和工具定義。

範例提示包括：

• 評估任務遵守情況：「評估『退款政策是什麼？』這個問題。 for task_adherence at endpoint 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' 使用 Azure OpenAI 部署 'gpt-4'」
• 檢查意圖解決：「評估『你提供哪些定價方案？』這個問題。 for intent_resolution at endpoint 'https://my-example-resource.services.ai.azure.com/api/projects/sales' 使用 Azure OpenAI 部署 'gpt-4'」」
• 驗證工具準確性：「分析查詢tool_call_accuracy『Check stock for item 5678』at endpointhttps://my-example-resource.services.ai.azure.com/api/projects/sales-bot」，使用 Azure OpenAI 部署 'gpt-35-turbo'」
• 評估代理程式效能：「評估查詢 'My app won't start' for task_adherence at endpoint 'https://my-example-resource.services.ai.azure.com/api/projects/support 使用 Azure OpenAI 部署 'gpt-4''」」
• 全面評估：「對查詢『我需要哪些文件進行入職？』進行評估 for task_adherence at endpoint 'https://my-example-resource.services.ai.azure.com/api/projects/hr-dept' 使用 Azure OpenAI 部署 'gpt-4'」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

代理程式：取得語言 SDK 的代理程式範例

取得程式碼範例，以使用 AI Foundry SDK 和您選擇的程式語言與 Foundry 代理程式互動。

範例提示包括：

• 取得 Python 範例：「顯示與 Foundry 代理程式互動的 Python 程式碼範例」
• 取得 C# 範例：「產生 csharp 程式碼範例以使用我的 AI Foundry 代理程式」
• 取得 TypeScript 範例：「提供用於連線和使用 Foundry 代理程式的 TypeScript 範例程式碼」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

代理程式：列出代理程式

列出 Azure AI Foundry 專案中的所有 Azure AI 代理程式。 顯示可用於 AI 工作流程、評估和互動式任務的代理程式。

範例提示包括：

• 查看所有代理：「顯示終端點https://my-example-resource.services.ai.azure.com/api/projects/my-project的所有代理」
• 依專案列出：「列出端點上https://my-example-resource.services.ai.azure.com/api/projects/customer-service的所有 AI 代理」
• 檢查可用代理：「我終端有哪些https://my-example-resource.services.ai.azure.com/api/projects/my-project代理？」
• 代理庫存：「我需要端點代理的完整清單」https://my-example-resource.services.ai.azure.com/api/projects/my-project
• 尋找特定代理：「顯示我所有在終端https://my-example-resource.services.ai.azure.com/api/projects/my-project的聊天機器人代理」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

代理程式：查詢並執行代理程式

查詢代理程式，並在單一作業中評估其回應。 此指令會傳回代理程式回應和評估結果。

範例提示包括：

• 查詢並評估：「查詢客服人員『support-bot』，並詢問『工單 123 狀態是什麼？』 並評估端點的任務遵從性，『https://my-example-resource.services.ai.azure.com/api/projects/support-project使用 Azure OpenAI 端點』https://my-openai.openai.azure.com及部署 『gpt-4』。」
• 單一操作：「詢問客服『銷售機器人』查詢『顯示每月收入』，並檢查端點https://my-example-resource.services.ai.azure.com/api/projects/sales意圖解決情況，使用 Azure OpenAI 端點」https://my-openai.openai.azure.com及部署 'gpt-4'」
• 綜合操作：「連接客服人員 'hr-bot'，並詢問『入職流程是什麼？』 並評估端點https://my-example-resource.services.ai.azure.com/api/projects/hr-dept工具呼叫的準確度，使用 Azure OpenAI 端點https://my-openai.openai.azure.com，並部署 GPT-35-turbo」
• 完整流程：「查詢代理 'marketing-bot'，並以 'Suggest campaign ideas' 查詢，並使用 Azure OpenAI 端點https://my-example-resource.services.ai.azure.com/api/projects/marketing評估端點任務依從https://my-openai.openai.azure.com性，部署為 'gpt-4'」
• 端對端檢查：「詢問代理 devops-bot 詢問『部署狀態為何？』 並評估端點意圖解析，使用https://my-example-resource.services.ai.azure.com/api/projects/devops Azure OpenAI 端點https://my-openai.openai.azure.com及部署 GPT-4」

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ✅ |只讀： ❌ |秘密： ❌ |本地要求： ❌

知識：列出知識索引

從 Azure AI Foundry 取得知識索引清單：

• 尋找在 Azure AI Foundry 專案內建立的知識索引。
• 將這些索引與 AI 代理程式搭配使用，以進行知識擷取和 RAG 應用程式。
• 清單會在您建立新索引或更新現有索引時更新。

範例提示包括：

• 查看所有索引：「顯示我所有在端點https://my-example-resource.services.ai.azure.com/api/projects/my-project的知識索引」
• 依專案篩選：「在端https://my-example-resource.services.ai.azure.com/api/projects/support-bot點列出知識索引」
• 依名稱搜尋：「在端點 'https://my-example-resource.services.ai.azure.com/api/projects/my-project 找到名為 'product-faqs' 的知識索引」
• 依標籤篩選：「列出端點https://my-example-resource.services.ai.azure.com/api/projects/my-project標記為『security』的知識索引」
• 顯示索引細節：「在端點https://my-example-resource.services.ai.azure.com/api/projects/my-project顯示『客戶服務』知識索引的詳細資訊」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

知識：取得索引結構描述

從 Azure AI Foundry 取得特定知識索引的詳細架構設定。

此作業會顯示有關知識索引結構和設定的完整資訊，包括欄位定義、資料類型、可搜尋屬性和其他結構描述屬性。 使用此結構描述資訊來瞭解索引如何建構和索引您的資料以進行搜尋。

範例提示包括：

• 檢視索引結構：「端點 'https://my-example-resource.services.ai.azure.com/api/projects/my-project' 顯示知識索引 'product-facts' 的結構」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

型號：列出可用型號

列出 AI Foundry 資源中所有可用的 Azure OpenAI 模型和部署。 此工具會擷取部署在 AI Foundry 資源中之 Azure OpenAI 模型的相關資訊，包括模型名稱、版本、功能和部署狀態。

範例提示包括：

• 檢視所有模型：「在 Azure AI Foundry 中顯示所有可用的 AI 模型」
• 依免費使用方式進行篩選：「列出可在遊樂場中使用的 Azure AI Foundry 中原型設計的所有免費模型」
• 依免費使用方式進行篩選：「列出 Azure AI Foundry 中可供原型設計的所有免費模型」
• 依發行者篩選：「在 Azure AI Foundry 中顯示Microsoft所發行的模型」
• 依授權篩選：「Azure AI Foundry 中有哪些具有 Apache 授權的模型？
• 依名稱搜尋：「在 Azure AI Foundry 中尋找 llama 模型」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

模型：部署模型

將 AI 模型部署至 Azure 環境。 使用此命令從 Azure AI Foundry 部署選取的模型，並讓它們可用於您的應用程式。

範例提示包括：

• 以必要參數部署：「將 GPT-4 模型以 OpenAI 格式部署到 我的 ai-services 帳號，資源群組 'my-resource-group'」
• 指定部署名稱：「在我的 AI 服務帳號資源群組 'my-resource-group' 中，使用標準 SKU 為 Ada 嵌入模型設置一個名為 text-embedding 的部署。」
• 包含模型版本：「從 Meta 部署 Llama 模型第 2 版到 Azure AI 服務帳號，資源群組 'my-resource-group'，擴充容量為 3」
• 部署到特定資源群組：「在我的 AI 中央服務資源群組 'my-resource-group' 中，使用 GPT-4 模型建立一個名為 content-generation 的部署。」
• 設定縮放：「將 Claude 模型部署到 Azure AI 服務的資源群組 'my-resource-group'，啟用自動擴展，最大容量為 5 人」

工具註解提示：

破壞性： ✅ |冪等： ❌ |開放世界： ❌ |只讀： ❌ |秘密： ❌ |本地要求： ❌

模型：列出模型部署

列出 Azure AI Foundry （認知服務） 專案中的模型部署。 顯示目前在專案層級部署的 AI 模型。

範例提示包括：

• 在生產環境中列出部署：「顯示我所有端點https://my-example-resource.services.ai.azure.com/api/projects/production的模型部署」
• 檢查特定端點：「目前哪些模型部署到端點https://my-example-resource.services.ai.azure.com/api/projects/my-project？」
• 查看區域部署：「列出端點的所有https://my-example-resource.services.ai.azure.com/api/projects/west-region部署」
• 檢查部署狀態：「顯示所有部署到端點https://my-example-resource.services.ai.azure.com/api/projects/my-project的模型狀態」
• 查看活躍模型：「目前端點https://my-example-resource.services.ai.azure.com/api/projects/my-project上有哪些 AI 模型在運行？」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

OpenAI：建立聊天完成

在 AI Foundry 中使用 Azure OpenAI 建立聊天完成。 將訊息傳送至部署在 AI Foundry 資源中的 Azure OpenAI 聊天模型，並接收 AI 產生的交談回應。 支持具有消息歷史記錄、系統指令和響應自定義的多輪對話。

範例提示包括：

• 簡單問候語：「使用資源 'openai-prod' 上的部署 'gpt-35-turbo' 建立一個訊息陣列 '[{“role”：“content”：「Hello， you are how you today？}]'」
• 使用系統訊息：「使用資源 'openai-west' 上的部署 'gpt-35-turbo' 創建聊天完成，其中包含系統消息 'You are a helpful assistant' 和用戶消息 'Explain quantum computing'”
• 控制創造力： “使用部署 'gpt-4' 生成 'Write a creative story' 的聊天完成，溫度為 0.8，資源 'ai-central' 上最多 150 個令牌”
• 確定性回應：「使用溫度為 0.1 的部署 'gpt-35-turbo' 和資源 'ai-services-prod' 上的種子 12345，使用消息 '列出 5 個關於火星的事實'創建聊天完成”
• 與歷史記錄對話：「繼續使用訊息完成聊天：系統'您是編碼助理'，使用者「如何在 Python 中建立函數？」，助理「方法如下...」，使用者「您能展示範例嗎？」 在資源 'dev-openai' 上使用部署 'GPT-4'”
• 重複處罰：「使用部署'gpt-35-turbo'為'描述雲計算的好處'創建完成，對資源'ai-services-main'進行頻率懲罰 0.5 和存在懲罰 0.3”
• 串流回應：「使用部署 'gpt-4' 在資源 'openai-research' 上產生 '逐步解釋機器學習' 的流式聊天完成”
• 使用停止序列：「使用部署 'gpt-35-turbo' 在資源 'ai-test' 上使用停止序列 ['5'， 'STOP'] 建立 'Count from 1 to 10' 的完成」
• 使用者追蹤：「產生『什麼是 Azure AI？』的完成專案。 在資源 'prod-openai' 上使用部署 'gpt-4' 和使用者識別碼 'user-123'”
• 微調控制項：「使用部署 'gpt-35-turbo' 建立 '摘要本文' 的聊天完成，溫度為 0.2、top_p 0.9、最大權杖數為 200，以及資源 'secure-ai' 上的 AAD 驗證”

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

OpenAI：建立內嵌

在 AI Foundry 中使用 Azure OpenAI 建立內嵌。 使用 AI Foundry 資源中的 Azure OpenAI 部署，從文字產生向量內嵌，以進行語意搜尋、相似性比較、叢集或機器學習。

範例提示包括：

• 基本文字嵌入：「使用 my 'text-embedding-ada-002' 部署在資源群組 'my-resource-group' 中，為文字 'Azure OpenAI Service' 產生嵌入」
• 建立向量嵌入：「使用 Azure OpenAI 並部署 'text-embedding-3-large'，在資源群組 'ai-services-prod' 中建立向量嵌入。」
• 文件嵌入：「利用資源群組 'my-resource-group' 中部署 'ada-002' 來生成『機器學習革新資料分析』的嵌入。」
• 多句話：「為文字建立內嵌：『雲端運算提供可擴展的基礎設施。 它實現了全球可訪問性。 在資源群組 'my-resource-group' 中使用我的嵌入部署。」
• 具備使用者追蹤功能：「使用部署 'text-embedding-3-small' 生成『自然語言處理應用程式』的嵌入，使用者識別碼為 'analytics-team'，資源群組 'my-resource-group'」
• 具體維度：「利用部署的 'text-embedding-3-large' 建立『人工智慧轉型企業營運』的嵌入，資源群組 'my-resource-group' 中包含 1536 個維度的 ai-central」
• Base64 格式：「利用部署 'ada-002' 以 base64 編碼格式在資源群組 'my-resource-group' 中的資源 'ml-services' 上產生'深度學習神經網路'的嵌入」
• 研究文本：「利用我在資源群組『my-resource-group』中部署的文本嵌入，為『量子運算在特定演算法中展現計算優勢』建立向量嵌入。」
• 產品說明：「在資源群組 'my-resource-group' 中，使用 deployment 'text-embedding-3-small' 在資源 'product-ai' 上，生成'具備先進圖形處理單元的高性能筆電'嵌入」。」
• 技術文件：「使用 deployment 'ada-002' 並在資源群組 'my-resource-group' 中對資源 'docs-embedding' 進行浮點編碼，建立『API 認證需要有效憑證與適當授權標頭』的嵌入。」

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

OpenAI：建立完成

在 AI Foundry 中使用 Azure OpenAI 建立文字完成。 將提示或問題傳送至部署在 AI Foundry 資源中的 Azure OpenAI 模型，並接收產生的文字答案。 當您需要建立完成、取得 AI 產生的內容、產生問題的答案，或根據任何輸入提示從 Azure OpenAI 產生文字完成時，請使用此選項。 支持使用溫度和最大令牌進行自定義。

範例提示包括：

• 基本完成：「建立具有提示『什麼是 Azure？』的完成。 在資源群組 'my-resource-group' 中使用我的 'GPT-35-turbo' 部署。」
• 溫度控制：「使用部署 'text-davinci-003' 生成『Explain machine learning』的文字補全，溫度為 0.3，資源群組 'my-resource-group'」」
• 有限的代幣：「用我的 'gpt-4' 部署，資源群組 'my-resource-group' 最多 100 個代幣，建立一個包含提示「寫摘要」的完成文件。」
• 創意寫作：「使用部署 'gpt-35-turbo'，溫度 0.8 和資源群組 'my-resource-group' 中 200 個最大代幣，生成『Tell me a story about AI』的完成任務。」
• 技術說明：「使用提示『雲端運算如何運作？』 使用我的 OpenAI 資源 'ai-services-east'，並在資源群組 'my-resource-group' 部署 'gpt-4'

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

OpenAI：列出模型和部署

列出 Azure 資源中所有可用的 OpenAI 模型和部署。 此工具會擷取已部署模型的相關資訊，包括模型名稱、版本、功能和部署狀態。

範例提示包括：

• 查看所有模型：「在資源群組 'my-resource-group' 中，將我的 'ai-services-prod' 資源中所有 OpenAI 模型列出。」
• 檢查部署：「顯示所有已部署的模型及其在資源群組 'my-resource-group' 中 'openai-east' 的狀態」
• 生產庫存：「我在資源群組 'my-resource-group' 的 'production-openai' 資源中有哪些模型可用？」
• 開發檢查：「在資源群組 'my-resource-group' 裡，列出我的 'dev-ai-services' 資源中的所有模型和部署。」
• 模型能力：「請在資源群組 'my-resource-group' 中，展示所有可用的 OpenAI 模型及其功能，屬於資源 'ai-central'」。」
• 部署狀態：「我在資源群組 'my-resource-group' 裡，'openai-west' 資源中所有部署的目前狀態如何？」
• 區域模型：「請在資源群組 'my-resource-group' 中列出我'europe-openai' 資源中所有可用的模型。」
• 服務概述：「請完整介紹資源群組 'my-resource-group' 中 'customer-ai' 的模型與部署。」
• 模型版本：「顯示我在資源群組 'my-resource-group' 中 'ai-services-main' 資源中所有可用的模型版本」
• 資源稽核：「我需要在資源群組 'my-resource-group' 裡，審核資源 'enterprise-ai' 中的所有 OpenAI 模型與部署。」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

資源：取得 Foundry 資源

取得 Azure AI Foundry 資源的詳細資訊，包括端點 URL、位置、SKU，以及所有已部署的模型及其設定。 如果提供特定資源名稱，則只會傳回該資源的詳細資料。 如果未提供資源名稱，則會列出訂用帳戶或資源群組中的所有 AI Foundry 資源。

範例提示包括：

• 取得特定資源：「顯示 'ai-foundry-prod' Azure AI Foundry 資源的詳細數據，包括所有已部署的模型」
• 列出所有資源：「我的訂用帳戶中有哪些 Azure AI Foundry 資源？」
• 具有設定的資源：「取得我的 'customer-ai-foundry' foundry 資源的端點 URL、位置和 SKU 資訊」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

執行緒：建立新執行緒

建立 AI Foundry 代理程式執行緒，以保存代理程式與使用者之間的訊息。

範例提示包括：

• 建立支援執行緒：「在端點建立新執行緒，https://my-example-resource.services.ai.azure.com/api/projects/support-project並顯示使用者訊息『我需要帳戶登入的協助』」
• 開始對話串：「在 'https://my-example-resource.services.ai.azure.com/api/projects/customer-service' 建立串連，並顯示訊息 '您的營業時間是幾點？'
• 初始化聊天線程：“在端點啟動新線程”https://my-example-resource.services.ai.azure.com/api/projects/sales-bot，用戶消息“我有興趣購買您的高級計劃””

工具註解提示：

破壞性： ❌ |冪等： ❌ |開放世界： ❌ |只讀： ❌ |秘密： ❌ |本地要求： ❌

Threads：取得執行緒訊息

在 AI Foundry 代理線程中獲取消息。

範例提示包括：

• 擷取交談歷程記錄：「從端點 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' 的執行緒 'thread_abc123xyz' 取得所有訊息」
• 檢視線程訊息：「顯示來自端點 'https://my-example-resource.services.ai.azure.com/api/projects/customer-service 的線程 'thread_456def789' 中的訊息」
• 檢查執行程內容：「擷取執行緒 ID 'thread_xyz789abc' 的https://my-example-resource.services.ai.azure.com/api/projects/sales-bot訊息

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

Threads：列出所有執行緒

列出 AI Foundry 代理程式執行緒。

範例提示包括：

• 列出所有執行緒：「顯示端點 'https://my-example-resource.services.ai.azure.com/api/projects/support-project' 的所有代理程式執行緒」
• 檢視專案執行緒：「列出 'https://my-example-resource.services.ai.azure.com/api/projects/customer-service' 中的所有執行緒」
• 取得執行緒清查：「擷取位於 'https://my-example-resource.services.ai.azure.com/api/projects/sales-bot' 的所有代理程式執行緒」

工具註解提示：

破壞性： ❌ |冪等： ✅ |開放世界： ❌ |只讀： ✅ |秘密： ❌ |本地要求： ❌

相關內容

• 什麼是 Azure MCP 伺服器工具？
• 開始使用 Azure MCP 伺服器
• Azure AI Foundry 文件
• Azure AI 服務概觀
• 部署和取用模型