Začínáme používat Azure MCP Server - Azure MCP Server

V tomto článku se dozvíte, jak provést následující úlohy:

Instalace a ověření na serveru Azure MCP
Připojení k serveru Azure MCP pomocí režimu agenta GitHub Copilot v editoru Visual Studio Code
Spuštění výzvy k otestování operací serveru Azure MCP a interakce s prostředky Azure

Požadavky

Účet Azure s aktivním předplatným
Visual Studio Code
GitHub Copilot Rozšíření editoru Visual Studio Code

Poznámka:

Prostředky Azure, ke kterým chcete získat přístup pomocí Azure MCP Serveru, už musí existovat v rámci vašeho předplatného Azure. Kromě toho musí mít váš uživatelský účet přiřazené potřebné role a oprávnění RBAC pro tyto prostředky.

Instalace Serveru Azure MCP

Vyberte jednu z následujících možností instalace Serveru Azure MCP v editoru Visual Studio Code:

Globální instalace
Instalace adresáře

Pokud chcete nainstalovat Azure MCP Server pro Visual Studio Code v uživatelském nastavení, vyberte následující odkaz:

Otevře se seznam možností instalace v editoru Visual Studio Code. Vyberte Nainstalovat server a přidejte konfiguraci serveru do uživatelského nastavení.
Otevřete GitHub Copilot a vyberte Režim agenta. Další informace o režimu agenta najdete v dokumentaci k editoru Visual Studio Code.
Aktualizujte seznam nástrojů a podívejte se na Azure MCP Server jako dostupnou možnost:

Azure MCP Server můžete také nainstalovat ručně pro konkrétní adresář:

Otevřete prázdný adresář nebo existující adresář projektu v editoru Visual Studio Code.
V kořenovém adresáři složky vytvořte .vscode složku, pokud ještě neexistuje.

.vscode Ve složce vytvořte nový soubor s názvem mcp.json přidejte následující JSON:

{
  "servers": {
    "Azure MCP Server": {
      "command": "npx",
      "args": [
        "-y",
        "@azure/mcp@latest",
        "server",
        "start"
      ]
    }
  }
}

Uložte změny do mcp.jsonsouboru .
Otevřete GitHub Copilot a vyberte Režim agenta.
Výběrem ikony nástroje zobrazíte dostupné nástroje. Vyhledejte Azure MCP Server a vyfiltrujte výsledky.

Další informace o režimu agenta najdete v dokumentaci k editoru Visual Studio Code.

Použití výzev k otestování serveru Azure MCP

Otevřete GitHub Copilot a vyberte Režim agenta.
Zadejte výzvu, která způsobí, že agent bude používat nástroje Azure MCP Serveru, jako je Seznam skupin prostředků Azure.
Aby bylo možné ověřit Azure MCP Server, copilot vás vyzve k přihlášení k Azure pomocí prohlížeče.

Poznámka:

Nebude vás Copilot vyzývat k přihlášení k Azure, pokud jste již ověřeni prostřednictvím jiných místních nástrojů, jako je Azure CLI.
Copilot žádá o oprávnění ke spuštění potřebné operace na serveru Azure MCP pro váš požadavek. Vyberte Pokračovat nebo pomocí šipky vyberte konkrétnější chování:
- Aktuální relace vždy provádí operaci v aktuální relaci režimu GitHub Copilot Agent.
- Aktuální pracovní prostor vždy spustí příkaz pro aktuální pracovní prostor v editoru Visual Studio Code.
- Vždy povolte nastaví operaci, aby vždy běžela pro libovolnou relaci s režimem agenta GitHub Copilot nebo pro jakýkoli pracovní prostor v editoru Visual Studio Code.
Výstup předchozí výzvy by měl vypadat podobně jako v následujícím textu:
```
The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!
```

Prozkoumejte a otestujte operace Azure MCP pomocí dalších relevantních výzev, například:

List all of the storage accounts in my subscription
Get the available tables in my storage accounts

V tomto článku se dozvíte, jak provést následující úlohy:

Instalace a ověření na serveru Azure MCP
Připojení k Azure MCP Serveru pomocí vlastního klienta .NET
Spuštění výzvy k otestování operací serveru Azure MCP a správy prostředků Azure

Požadavky

Účet Azure s aktivním předplatným
.NET 9.0
Node.js

Poznámka:

Prostředky Azure, ke kterým chcete získat přístup pomocí Azure MCP Serveru, už musí existovat v rámci vašeho předplatného Azure. Kromě toho musí mít váš uživatelský účet přiřazené potřebné role a oprávnění RBAC pro tyto prostředky.

Azure MCP Server poskytuje bezproblémové ověřování pomocí ověřování založeného na tokenech přes Microsoft Entra ID. Azure MCP Server interně používá DefaultAzureCredential k ověřování uživatelů z knihovny identit Azure .

Abyste mohli pracovat s Azure MCP Serverem DefaultAzureCredential , musíte se přihlásit k některému z nástrojů podporovaných místně pomocí účtu Azure. Přihlaste se pomocí okna terminálu, jako je terminál editoru Visual Studio Code:

az login

Connect-AzAccount

azd auth login

Po úspěšném přihlášení k některému z předchozích nástrojů může Azure MCP Server automaticky zjišťovat vaše přihlašovací údaje a používat je k ověřování a provádění operací se službami Azure.

Poznámka:

K Azure se můžete také přihlásit prostřednictvím sady Visual Studio. Azure MCP Server dokáže spouštět jenom operace, které má přihlášený uživatel oprávnění provádět.

Vytvoření hostitelské aplikace .NET

Provedením následujících kroků vytvořte konzolovou aplikaci .NET. Aplikace se připojí k modelu AI a funguje jako hostitel klienta MCP, který se připojuje k serveru Azure MCP.

Vytvoření projektu

Otevřete terminál do prázdné složky, do které chcete projekt vytvořit.
Spuštěním následujícího příkazu vytvořte novou konzolovou aplikaci .NET:
```
dotnet new console -n MCPHostApp
```
Přejděte do nově vytvořené složky projektu:
```
cd MCPHostApp
```
Otevřete složku projektu ve zvoleném editoru, například Visual Studio Code:
```
code .
```

Přidání závislostí

V terminálu spusťte následující příkazy a přidejte potřebné balíčky NuGet:

dotnet add package Azure.AI.OpenAI --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Extensions.AI --prerelease
dotnet add package Microsoft.Extensions.AI.OpenAI --prerelease
dotnet add package ModelContextProtocol --prerelease

Ověřte, že balíčky byly přidány, zkontrolováním souboru MCPHostApp.csproj.
Spuštěním následujícího příkazu sestavte projekt a ujistěte se, že je vše správně nastavené:
```
dotnet build
```

Přidání kódu aplikace

Obsah Program.cs nahraďte následujícím kódem:

using Azure.AI.OpenAI;
using Azure.Identity;
using Microsoft.Extensions.AI;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;

// Create an IChatClient
IChatClient client =
    new ChatClientBuilder(
        new AzureOpenAIClient(new Uri("<your-Azure-OpenAI-endpoint>"), 
        new DefaultAzureCredential())
        .GetChatClient("gpt-4o").AsIChatClient())
    .UseFunctionInvocation()
    .Build();

// Create the MCP client
var mcpClient = await McpClientFactory.CreateAsync(
    new StdioClientTransport(new()
    {
        Command = "npx",
        Arguments = ["-y", "@azure/mcp@latest", "server", "start"],
        Name = "Azure MCP",
    }));

// Get all available tools from the MCP server
Console.WriteLine("Available tools:");
var tools = await mcpClient.ListToolsAsync();
foreach (var tool in tools)
{
    Console.WriteLine($"{tool}");
}
Console.WriteLine();

// Conversational loop that can utilize the tools
List<ChatMessage> messages = [];
while (true)
{
    Console.Write("Prompt: ");
    messages.Add(new(ChatRole.User, Console.ReadLine()));

    List<ChatResponseUpdate> updates = [];
    await foreach (var update in client
        .GetStreamingResponseAsync(messages, new() { Tools = [.. tools] }))
    {
        Console.Write(update);
        updates.Add(update);
    }
    Console.WriteLine();

    messages.AddMessages(updates);
}

Předchozí kód provádí následující úlohy:

Inicializuje IChatClient abstrakci pomocí Microsoft.Extensions.AI knihoven.
Vytvoří klienta MCP pro interakci se serverem Azure MCP pomocí standardního přenosu vstupně-výstupních operací. Zadaný npx příkaz a odpovídající argumenty stáhne a spustí Azure MCP Server.
Načte a zobrazí seznam dostupných nástrojů ze serveru MCP, což je standardní funkce MCP.
Implementuje konverzační smyčku, která zpracovává výzvy uživatelů a využívá nástroje pro odpovědi.

Spuštění a otestování aplikace

Provedením následujících kroků otestujte hostitelskou aplikaci .NET:

V okně terminálu otevřete kořen projektu a spusťte aplikaci spuštěním následujícího příkazu:
```
dotnet run
```

Po spuštění aplikace zadejte následující testovací výzvu:

List all of the resource groups in my subscription

Výstup předchozí výzvy by měl vypadat podobně jako v následujícím textu:

The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!

Prozkoumejte a otestujte operace Azure MCP pomocí dalších relevantních výzev, například:

List all of the storage accounts in my subscription
Get the available tables in my storage accounts

V tomto článku se dozvíte, jak provést následující úlohy:

Instalace a ověření na serveru Azure MCP
Připojení k Azure MCP Serveru pomocí vlastního klienta Pythonu
Spuštění výzvy k otestování operací serveru Azure MCP a správy prostředků Azure

Požadavky

Účet Azure s aktivním předplatným
Python 3.9 nebo vyšší nainstalovaný místně
Node.js nainstalované místně

Poznámka:

Prostředky Azure, ke kterým chcete získat přístup pomocí Azure MCP Serveru, už musí existovat v rámci vašeho předplatného Azure. Kromě toho musí mít váš uživatelský účet přiřazené potřebné role a oprávnění RBAC pro tyto prostředky.

Azure MCP Server poskytuje bezproblémové ověřování pomocí ověřování založeného na tokenech přes Microsoft Entra ID. Azure MCP Server interně používá DefaultAzureCredential k ověřování uživatelů z knihovny identit Azure .

Abyste mohli pracovat s Azure MCP Serverem DefaultAzureCredential , musíte se přihlásit k některému z nástrojů podporovaných místně pomocí účtu Azure. Přihlaste se pomocí okna terminálu, jako je terminál editoru Visual Studio Code:

az login

Connect-AzAccount

azd auth login

Po úspěšném přihlášení k některému z předchozích nástrojů může Azure MCP Server automaticky zjišťovat vaše přihlašovací údaje a používat je k ověřování a provádění operací se službami Azure.

Poznámka:

K Azure se můžete také přihlásit prostřednictvím sady Visual Studio. Azure MCP Server dokáže spouštět jenom operace, které má přihlášený uživatel oprávnění provádět.

Vytvoření aplikace v Pythonu

Provedením následujících kroků vytvořte aplikaci v Pythonu. Aplikace se připojí k modelu AI a funguje jako hostitel klienta MCP, který se připojuje k serveru Azure MCP.

Vytvoření projektu

Ve zvoleném editoru otevřete prázdnou složku.
Vytvořte nový soubor s názvem requirements.txt a přidejte následující závislosti knihovny:
```
mcp
azure-identity
openai
logging
```
Ve stejné složce vytvořte nový soubor s názvem .env a přidejte následující proměnné prostředí:
```
AZURE_OPENAI_ENDPOINT=<your-azure-openai-endpoint>
AZURE_OPENAI_MODEL=<your-model-deployment-name>
```
Vytvořte prázdný soubor s názvem main.py pro uložení kódu pro vaši aplikaci.

Vytvoření prostředí a instalace závislostí

Otevřete terminál v nové složce a vytvořte pro aplikaci virtuální prostředí Pythonu:
```
python -m venv venv
```
Aktivujte virtuální prostředí:
```
venv\Scripts\activate
```
Nainstalujte závislosti z requirements.txt:
```
pip install -r requirements.txt
```

Přidání kódu aplikace

Aktualizujte obsah Main.py následujícím kódem:

from azure.identity import DefaultAzureCredential, get_bearer_token_provider
from openai import AzureOpenAI
from mcp import ClientSession, StdioServerParameters, types
from mcp.client.stdio import stdio_client
import json, os, logging, asyncio
from dotenv import load_dotenv

# Setup logging and load environment variables
logger = logging.getLogger(__name__)
load_dotenv()

# Azure OpenAI configuration
AZURE_OPENAI_ENDPOINT = os.getenv("AZURE_OPENAI_ENDPOINT")
AZURE_OPENAI_MODEL = os.getenv("AZURE_OPENAI_MODEL", "gpt-4o")

# Initialize Azure credentials
token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)

async def run():
    # Initialize Azure OpenAI client
    client = AzureOpenAI(
            azure_endpoint=AZURE_OPENAI_ENDPOINT, 
            api_version="2024-04-01-preview", 
            azure_ad_token_provider=token_provider
        )

    # MCP client configurations
    server_params = StdioServerParameters(
        command="npx",
        args=["-y", "@azure/mcp@latest", "server", "start"],
        env=None
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # List available tools
            tools = await session.list_tools()
            for tool in tools.tools: print(tool.name)

            # Format tools for Azure OpenAI
            available_tools = [{
                "type": "function",
                "function": {
                    "name": tool.name,
                    "description": tool.description,
                    "parameters": tool.inputSchema
                }
            } for tool in tools.tools]

            # Start conversational loop
            messages = []
            while True:
                try:
                    user_input = input("\nPrompt: ")
                    messages.append({"role": "user", "content": user_input})

                    # First API call with tool configuration
                    response = client.chat.completions.create(
                        model = AZURE_OPENAI_MODEL,
                        messages = messages,
                        tools = available_tools)

                    # Process the model's response
                    response_message = response.choices[0].message
                    messages.append(response_message)

                    # Handle function calls
                    if response_message.tool_calls:
                        for tool_call in response_message.tool_calls:
                                function_args = json.loads(tool_call.function.arguments)
                                result = await session.call_tool(tool_call.function.name, function_args)

                                # Add the tool response to the messages
                                messages.append({
                                    "tool_call_id": tool_call.id,
                                    "role": "tool",
                                    "name": tool_call.function.name,
                                    "content": result.content,
                                })
                    else:
                        logger.info("No tool calls were made by the model")

                    # Get the final response from the model
                    final_response = client.chat.completions.create(
                        model = AZURE_OPENAI_MODEL,
                        messages = messages,
                        tools = available_tools)

                    for item in final_response.choices:
                        print(item.message.content)
                except Exception as e:
                    logger.error(f"Error in conversation loop: {e}")
                    print(f"An error occurred: {e}")

if __name__ == "__main__":
    import asyncio
    asyncio.run(run())

Předchozí kód provádí následující úlohy:

Nastaví protokolování a načte proměnné prostředí ze souboru .env.
Konfiguruje klienta Azure OpenAI pomocí azure-identity a openai knihoven.
Inicializuje klienta MCP pro interakci se serverem Azure MCP pomocí standardního přenosu vstupně-výstupních operací.
Načte a zobrazí seznam dostupných nástrojů ze serveru MCP.
Implementuje konverzační smyčku pro zpracování výzev uživatelů, využití nástrojů a zpracování volání nástrojů.

Spuštění a otestování aplikace

Provedením následujících kroků otestujte hostitelskou aplikaci .NET:

V okně terminálu otevřete kořen projektu a spusťte aplikaci spuštěním následujícího příkazu:
```
python main.py
```

Po spuštění aplikace zadejte následující testovací výzvu:

List all of the resource groups in my subscription

Výstup předchozí výzvy by měl vypadat podobně jako v následujícím textu:

The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!

Prozkoumejte a otestujte operace Azure MCP pomocí dalších relevantních výzev, například:

List all of the storage accounts in my subscription
Get the available tables in my storage accounts

Sdílet prostřednictvím

Začínáme s Azure MCP Serverem

Požadavky

Instalace Serveru Azure MCP

Použití výzev k otestování serveru Azure MCP

Požadavky

Přihlášení pro místní vývoj

Vytvoření hostitelské aplikace .NET

Vytvoření projektu

Přidání závislostí

Přidání kódu aplikace

Spuštění a otestování aplikace

Požadavky

Přihlášení pro místní vývoj

Vytvoření aplikace v Pythonu

Vytvoření projektu

Vytvoření prostředí a instalace závislostí

Přidání kódu aplikace

Spuštění a otestování aplikace

Další kroky

Váš názor

Další materiály