MCP Server that interacts with Azure AI Foundry (experimental)

与 Azure AI Foundry 交互的 MCP 服务（实验版）

一个适用于 Azure AI Foundry 的模型上下文协议服务，提供一套统一的工具，用于模型、知识、评估等。

重要通知

Azure AI Foundry MCP 服务（实验版）已迁移至云端，现名为 Foundry MCP Server（预览版）。请查看官方公开文档：开始使用 Foundry MCP Server（预览版）。此 GitHub 仓库包含有关先前实验版服务实现的过时信息，今后不会再更新。请改为参阅新的、托管在远程环境中的 Foundry MCP Server，它具有以下优势：

• 用于 AI 工具编排的云托管接口：Foundry MCP Server（预览版）为符合 MCP 标准的客户端提供安全、可扩展的端点。你无需部署基础设施，即可实现无缝集成和多 Agent 场景。
• 身份和访问控制：该服务使用 Microsoft Entra ID 强制执行身份验证和授权。它会在经过身份验证的用户权限范围内执行所有操作（On-Behalf-Of 流程）。
• 面向场景且可扩展的工具：MCP Server 提供一组不断扩展的工具，用于对 Microsoft Foundry 中的模型、部署、评估和 Agent 执行读取和写入操作。这些工具可扩展，使开发者和 Agent 无需了解后端 API 或数据架构即可与服务交互。
• 提升 Agent 和开发者的效率：自然语言工作流（通过 MCP 客户端和大模型）支持快速发现和调用工具，从而简化开发和多 Agent 编排。

本仓库的其余内容（包括代码库）介绍的是现已弃用的、与 Azure AI Foundry 交互的 MCP 服务（实验版）。

---

可用工具

功能：模型

类别	工具	说明
探索	list_models_from_model_catalog	从 Azure AI Foundry 目录中获取受支持模型的列表。
	list_azure_ai_foundry_labs_projects	获取 Azure AI Foundry Labs 中提供的 Microsoft Research 最先进 AI 模型列表。
	get_model_details_and_code_samples	从 Azure AI Foundry 目录中获取特定模型的详细信息和代码示例。
构建	get_prototyping_instructions_for_github_and_labs	提供全面的说明和设置指南，帮助你开始使用 Azure AI Foundry 和 Azure AI Foundry Labs 中的模型。
部署	get_model_quotas	获取特定 Azure 区域的模型配额。
	create_azure_ai_services_account	创建 Azure AI Services 帐户。
	list_deployments_from_azure_ai_services	获取 Azure AI Services 中的部署列表。
	deploy_model_on_ai_services	在 Azure AI Services 上部署模型。
	create_foundry_project	创建新的 Azure AI Foundry 项目。

功能：知识

类别	工具	描述
索引	list_index_names	从 AI Search Service 获取所有索引名称
	list_index_schemas	从 AI Search Service 获取所有索引架构
	retrieve_index_schema	从 AI Search Service 获取特定索引的架构
	create_index	创建新索引
	modify_index	修改现有索引的定义
	delete_index	删除现有索引
文档	add_document	向索引添加文档
	delete_document	从索引中删除文档
查询	query_index	搜索特定索引以检索匹配的文档
	get_document_count	返回索引中的文档总数
索引器	list_indexers	从 AI Search Service 获取所有索引器名称
	get_indexer	从 AI Search Service 获取特定索引器的完整定义
	create_indexer	在 Search Service 中使用技能、索引和数据源创建新的索引器
	delete_indexer	按名称从 AI Search Service 删除索引器
数据源	list_data_sources	从 AI Search Service 获取所有数据源名称
	get_data_source	获取特定数据源的完整定义
技能集	list_skill_sets	从 AI Search Service 获取所有技能集名称
	get_skill_set	获取特定技能集的完整定义
内容	fk_fetch_local_file_contents	获取本地文件路径中的内容（示例 JSON、文档等）
	fk_fetch_url_contents	获取 URL 中的内容（示例 JSON、文档等）

功能：评估

类别	工具	描述
评估器实用工具	list_text_evaluators	列出所有可用的文本评估器。
	list_agent_evaluators	列出所有可用的 Agent 评估器。
	get_text_evaluator_requirements	显示每个文本评估器的输入要求。
	get_agent_evaluator_requirements	显示每个 Agent 评估器的输入要求。
文本评估	run_text_eval	对 JSONL 文件或内容运行一个或多个文本评估器。
	format_evaluation_report	将评估输出转换为易读的 Markdown 报告。
Agent 评估	agent_query_and_evaluate	查询 Agent，并使用选定的评估器评估其响应。端到端 Agent 评估。
	run_agent_eval	使用特定数据（查询、响应、工具调用、定义）评估单次 Agent 交互。
Agent 服务	list_agents	列出已配置项目中所有可用的 Azure AI Agents。
	connect_agent	向指定的 Agent 发送查询。
	query_default_agent	查询环境变量中定义的默认 Agent。

功能：微调

类别	工具	描述
微调	fetch_finetuning_status	获取特定微调作业的详细状态和元数据，包括作业状态、模型、创建和完成时间、超参数以及任何错误。
	list_finetuning_jobs	列出资源中的所有微调作业，返回作业 ID 及其当前状态，便于跟踪和管理。
	get_finetuning_job_events	按时间顺序获取特定微调作业的所有事件，包括每个训练步骤、评估和完成时的时间戳及详细消息。
	get_finetuning_metrics	获取特定微调作业的训练和评估指标，包括损失曲线、准确率及其他相关性能指标，用于监控和分析。
	list_finetuning_files	列出 Azure OpenAI 中可用于微调的所有文件，包括文件 ID、名称、用途和状态。
	execute_dynamic_swagger_action	执行通过 Swagger 规范动态生成的任意工具，以便在高级场景中灵活调用 API。
	list_dynamic_swagger_tools	列出通过 Swagger 规范动态注册的所有工具，帮助发现和自动化可用的 API 终结点。

提示词示例

模型

探索模型

• 如何帮助我找到合适的模型？
• 我可以使用 Azure AI Foundry 中的哪些模型？
• Azure AI Foundry 中有哪些 OpenAI 模型？
• Azure AI Foundry 中最受欢迎的模型有哪些？为我挑选 10 个模型。
• 哪些模型擅长推理？给我一些示例，分成大模型和小模型两组。
• 可以比较 Phi 模型并说明它们的区别吗？
• 给我看看 Phi-4-reasoning 的模型卡。
• 可以告诉我如何测试模型吗？
• Azure AI Foundry 中的免费 Playground 是什么意思？
• 我可以使用 GitHub 令牌测试模型吗？
• 给我看看最新的、支持 GitHub 令牌的模型。
• Azure AI Foundry 中这些模型的发布者是谁？
• 给我看看 Meta 的模型。
• 给我看看采用 MIT 许可证的模型。

构建原型

• 可以介绍一下如何帮助我使用该模型构建原型吗？
• 描述一下如何使用我的 GitHub 令牌构建一个使用 OpenAI 模型的原型。先不要尝试创建。
• 推荐一些使用模型构建原型的场景。
• 告诉我有关 Azure AI Foundry Labs 的信息。
• 多介绍一些 Magentic One。
• Omniparser 是什么？有哪些潜在用例？
• 可以帮我使用 Omniparser 构建原型吗？

部署 OpenAI 模型

• 可以帮我部署 OpenAI 模型吗？
• 在 Azure AI Foundry 上部署 OpenAI 模型需要执行哪些步骤？
• 可以帮我了解如何在 Azure AI Foundry 上使用 GitHub 令牌运行 OpenAI 模型吗？可以用于生产环境吗？
• 我已经有 Azure AI services 资源了。可以在其上部署 OpenAI 模型吗？
• Azure AI Foundry 中 OpenAI 模型的配额是什么意思？
• 获取我的 AI services 资源的当前配额。

使用 GitHub Copilot 快速入门

此 GitHub 模板只需进行最少的设置，其中包含 MCP 服务配置和所有必需的依赖项，让你可以轻松地开始自己的项目。

这会帮助你在 VS Code 环境的用户设置中自动配置 MCP 服务。 你需要在环境中安装 uvx 才能运行该服务。

手动设置

1. 按照安装 uv 中的说明安装 uv。

2. 在 VS Code 中启动新的工作区。

3. （可选）在工作区根目录下创建 .env 文件，以设置环境变量。

4. 在工作区根目录下创建 .vscode/mcp.json。

   {
       "servers": {
           "mcp_foundry_server": {
               "type": "stdio",
               "command": "uvx",
               "args": [
                   "--prerelease=allow",
                   "--from",
                   "git+https://github.com/azure-ai-foundry/mcp-foundry.git",
                   "run-azure-ai-foundry-mcp",
                   "--envFile",
                   "${workspaceFolder}/.env"
               ]
           }
       }
   }
   

5. 点击 .vscode/mcp.json 文件中该服务对应的 Start 按钮。

6. 在 Agent 模式下打开 GitHub Copilot 聊天并开始提问。

有关如何设置 MCP 服务的更多详情，请参阅高级设置的更多示例。

设置环境变量

若要安全地向 MCP 服务传递信息，例如 API 密钥、终结点和其他敏感数据，可以使用环境变量。对于需要身份验证或访问外部服务的工具，这一点尤为重要。

你可以在项目根目录的 .env 文件中设置这些环境变量。设置 MCP 服务时，可以传入 .env 文件的位置；服务启动时会自动加载这些变量。

请参阅示例 .env 文件，了解示例配置。

类别	变量	是否必需？	说明
模型	GITHUB_TOKEN	否	用于免费测试模型的 GitHub 令牌，但有速率限制。
知识	AZURE_AI_SEARCH_ENDPOINT	始终	Azure AI Search 服务的终结点 URL。格式应如下：https://<your-search-service-name>.search.windows.net/。
	AZURE_AI_SEARCH_API_VERSION	否	要使用的 API 版本。默认值为 2025-03-01-preview。
	SEARCH_AUTHENTICATION_METHOD	始终	service-principal 或 api-search-key。
	AZURE_TENANT_ID	使用 service-principal 时必需	Azure Active Directory 租户的 ID。
	AZURE_CLIENT_ID	使用 service-principal 时必需	服务主体（应用注册）的 ID。
	AZURE_CLIENT_SECRET	使用 service-principal 时必需	服务主体的机密凭据。
	AZURE_AI_SEARCH_API_KEY	使用 api-search-key 时必需	Azure AI Search 服务的 API 密钥。
评估	EVAL_DATA_DIR	始终	JSONL 评估数据集的路径。
	AZURE_OPENAI_ENDPOINT	文本质量评估器	Azure OpenAI 的终结点。
	AZURE_OPENAI_API_KEY	文本质量评估器	Azure OpenAI 的 API 密钥。
	AZURE_OPENAI_DEPLOYMENT	文本质量评估器	部署名称（例如，gpt-4o）。
	AZURE_OPENAI_API_VERSION	文本质量评估器	OpenAI API 的版本。
	AZURE_AI_PROJECT_ENDPOINT	Agent 服务	用于 Azure AI Agent 查询和评估。

说明

模型

• GITHUB_TOKEN 用于通过 GitHub API 进行模型测试。如果你在探索 Foundry 目录中的模型，则无需设置此项。

知识

• 请参阅创建搜索服务，详细了解如何预配搜索服务。
• Azure AI Search 支持多种身份验证方法。你可以使用Microsoft Entra 身份验证或基于密钥的身份验证来验证请求。具体选择取决于你的安全要求以及所使用的 Azure 环境。
• 请参阅身份验证，详细了解搜索服务的身份验证方法。

评估

• 如果你使用Agent 工具或安全评估器，请确保 Azure 项目凭据有效。
• 如果你只进行文本质量评估，则只需 OpenAI 终结点和密钥。

许可证

MIT 许可证。详情请参阅 LICENSE。