Sada nástrojů Microsoft Foundry

Microsoft Foundry Toolbox je pojmenovaný, verzovaný serverový balíček konfigurací hostovaných nástrojů, jako jsou interpret kódu, vyhledávání souborů, generování obrázků, MCP a vyhledávání na webu. Sady nástrojů umožňují spravovat konfiguraci nástrojů jednou v Foundry a opakovaně ji používat napříč agenty.

Agent Framework pokrývá spotřebu sady nástrojů. Vytvářejte a aktualizujte verze sady nástrojů prostřednictvím portálu azure-ai-projects Foundry nebo sady SDK.

Důležité

FoundryToolbox je poskytována beta agent-framework-foundry-hosting balíčkem a může se změnit před stabilním vydáním.

U služby spravované FoundryAgent připojte Toolbox k definici agenta ve Foundry. Pokyny .NET ke spotřebě sady nástrojů na straně klienta nejsou aktuálně zdokumentované.

Instalace balíčků

pip install agent-framework-foundry-hosting agent-framework-foundry --pre

FoundryToolbox je importován z agent_framework.foundry a dodáván pomocí agent-framework-foundry-hosting.

Konfigurace sady nástrojů

Nastavení explicitního koncového bodu MCP sady nástrojů:

TOOLBOX_ENDPOINT="https://<account>.services.ai.azure.com/api/projects/<project>/toolboxes/<name>/mcp?api-version=v1"

Nebo nechte FoundryToolbox vytvořit koncový bod:

FOUNDRY_PROJECT_ENDPOINT="https://<account>.services.ai.azure.com/api/projects/<project>"
TOOLBOX_NAME="<toolbox-name>"

Ukázky pro hostovaného agenta také používají AZURE_AI_MODEL_DEPLOYMENT_NAME pro FoundryChatClient.

Použijte FoundryToolbox s hostovaným agentem

FoundryToolbox určuje svůj koncový bod, ověřuje každý požadavek MCP pomocí poskytnutých přihlašovacích údajů Azure, předává ID volání Foundry pro každý požadavek a podílí se na životním cyklu připojení agenta.

import asyncio
import os

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient, FoundryToolbox, ResponsesHostServer
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()


async def main():
    credential = DefaultAzureCredential()

    # FoundryToolbox resolves the toolbox endpoint from the environment
    # (TOOLBOX_ENDPOINT, or FOUNDRY_PROJECT_ENDPOINT + TOOLBOX_NAME), authenticates
    # every request with the credential, and transparently forwards the platform
    # per-request call-id to the toolbox. The hosting server enters the agent, which
    # connects the toolbox on first use and closes it at shutdown.
    toolbox = FoundryToolbox(credential)

    # Create the chat client
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = Agent(
        client=client,
        instructions="You are a friendly assistant. Keep your answers brief.",
        tools=toolbox,
        # History will be managed by the hosting infrastructure, thus there
        # is no need to store history by the service. Learn more at:
        # https://developers.openai.com/api/reference/resources/responses/methods/create
        default_options={"store": False},
    )

    server = ResponsesHostServer(agent)
    await server.run_async()

Zpřístupněte dovednosti Toolboxu

Sada nástrojů může zpřístupnit dovednosti agenta přes MCP. Nastavte load_tools=False, když mají být pro model viditelné pouze dovednosti, potom přidejte Toolbox jako nástroj, aby se jeho relace MCP připojila a aby používal as_skills_provider() jako poskytovatele kontextu.

import asyncio
import os

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient, FoundryToolbox, ResponsesHostServer
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()


async def main() -> None:
    credential = DefaultAzureCredential()

    # FoundryToolbox resolves the toolbox endpoint from the environment
    # (TOOLBOX_ENDPOINT, or FOUNDRY_PROJECT_ENDPOINT + TOOLBOX_NAME), authenticates
    # every request with the credential, and forwards the platform per-request
    # call-id. ``load_tools=False`` keeps the toolbox's tools hidden so only its
    # Agent Skills (SEP-2640) are surfaced; passing it via ``tools=`` connects the
    # MCP session that ``as_skills_provider()`` reads from.
    toolbox = FoundryToolbox(credential, load_tools=False)

    # as_skills_provider() discovers skills from skill://index.json on the toolbox
    # MCP session and exposes them as an agent context provider; SKILL.md bodies are
    # fetched on demand via resources/read. disable_load_skill_approval=True registers
    # the load_skill tool with approval_mode="never_require" so this unattended agent
    # can load skills without an approval round-trip -- the Responses host runs the
    # agent without an AgentSession, which the default approval flow requires.
    skills_provider = toolbox.as_skills_provider(disable_load_skill_approval=True)

    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = Agent(
        client=client,
        name=os.environ.get("AGENT_NAME", "hosted-toolbox-mcp-skills"),
        instructions="You are a helpful assistant.",
        tools=toolbox,
        context_providers=[skills_provider],
        # History will be managed by the hosting infrastructure, thus there
        # is no need to store history by the service. Learn more at:
        # https://developers.openai.com/api/reference/resources/responses/methods/create
        default_options={"store": False},
    )

    server = ResponsesHostServer(agent)
    await server.run_async()

Schválení zůstává pro operace se schopnostmi ve výchozím nastavení povoleno. Zakažte jednotlivá schválení pouze pro důvěryhodné a bezobslužné scénáře.

Použití panelu nástrojů s FoundryAgent

Připojte panel nástrojů k definici promptu nebo hostovaného agenta ve Foundry. FoundryAgent používá uloženou konfiguraci nástroje; Předání sady nástrojů na straně klienta ho nepřidá do spravovaného agenta.

Připojte se přes raw MCP

Použijte MCPStreamableHTTPTool přímo v případech, kdy aplikace nepoužívá obálku FoundryToolbox hostování. Zadejte koncový bod Toolboxu a token nositele Entra ID prostřednictvím header_provider.

import asyncio
import os
from collections.abc import Callable
from typing import Any, cast

from agent_framework import Agent, MCPStreamableHTTPTool
from agent_framework.foundry import FoundryChatClient
from azure.core.credentials import TokenCredential
from azure.identity import AzureCliCredential, DefaultAzureCredential, get_bearer_token_provider
from dotenv import load_dotenv
def make_toolbox_header_provider(credential: TokenCredential) -> Callable[[dict[str, Any]], dict[str, str]]:
    """Build a header_provider that injects a fresh Azure AI bearer token on every MCP request."""
    get_token = get_bearer_token_provider(credential, "https://ai.azure.com/.default")

    def provide(_kwargs: dict[str, Any]) -> dict[str, str]:
        return {
            "Authorization": f"Bearer {get_token()}",
        }

    return provide


async def main() -> None:
    credential = DefaultAzureCredential()

    toolbox_tool = MCPStreamableHTTPTool(
        name="foundry_toolbox",
        description="Tools exposed by the configured Foundry toolbox",
        url=os.environ["FOUNDRY_TOOLBOX_ENDPOINT"],
        header_provider=make_toolbox_header_provider(credential),
        load_prompts=False,
    )

    async with Agent(
        client=FoundryChatClient(
            project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
            model=os.environ["FOUNDRY_MODEL"],
            credential=credential,
        ),
        instructions="You are a helpful assistant. Use the available toolbox tools to answer the user.",
        tools=toolbox_tool,
    ) as agent:
        query = "What tools do you have access to?"
        print(f"User: {query}")
        result = await agent.run(query)
        print(f"Assistant: {result}")

Vzorek nižší úrovně používá FOUNDRY_TOOLBOX_ENDPOINT. Ukázka dovedností sady Toolbox používá FOUNDRY_TOOLBOX_MCP_SERVER_URL; tyto názvy patří k těmto ukázkám a jsou nezávislé na nastaveních TOOLBOX_ENDPOINT a TOOLBOX_NAME třídy FoundryToolbox.

Limitations

  • Nástroje MCP v sadě nástrojů používají ověřování na straně serveru prostřednictvím Foundry project_connection_id. Klient rozhraní agenta neudržuje nadřazený nosný token MCP.
  • Použití Toolboxu jako serveru MCP vyžaduje ověřování klienta pomocí Entra ID pro koncový bod Toolboxu.
  • Odpovědi v rámci procesu udělení souhlasu, jako CONSENT_REQUIRED, se zpracovávají za běhu agenta, nikoli během vytváření připojení k Toolboxu.

Samples

Sample Description
foundry_toolbox/main.py FoundryToolbox s hostovaným agentem pro odpovědi
foundry_toolbox_mcp_skills/main.py Dovednosti agenta podporované sadou nástrojů
foundry_chat_client_with_toolbox.py Spotřeba MCP v sadě nástrojů s využitím MCPStreamableHTTPTool
foundry_chat_client_with_toolbox_skills.py Konfigurace dovedností podporovaných sadou nástrojů
invoke_foundry_toolbox_mcp Spotřeba MCP na straně pracovního postupu

Go momentálně nezpřístupňuje pomocníka sady nástrojů Foundry. Nakonfigurujte sady nástrojů prostřednictvím Foundry a použijte podporované místní nebo hostované deklarace nástrojů pro agenty Go.

  • Last updated on