Verfügbare Tools und Beispielaufforderungen für Foundry MCP Server (Vorschau)

Diese Referenz dokumentiert 79 Foundry MCP Server Tools in 17 Kategorien, mit denen Sie Agents, Sitzungen, Toolboxen, Datasets, Auswertungen, Modellbereitstellungen, kontinuierliche Auswertungen und vieles mehr verwalten können – alles über Unterhaltungsaufforderungen anstelle von API-Aufrufen. Verwenden Sie es, um jedes Tool zu erkunden und die Beispielaufforderungen in Ihrem eigenen Projekt auszuprobieren.

Tip

Bevor Sie diese Tools verwenden, schließen Sie das Setup des Foundry MCP-Servers ab.

Note

Dieses Feature befindet sich derzeit in der öffentlichen Vorschau. Diese Vorschau wird ohne Vereinbarung auf Serviceebene bereitgestellt und wird für Produktionsworkloads nicht empfohlen. Bestimmte Features werden möglicherweise nicht unterstützt oder weisen eingeschränkte Funktionen auf. Weitere Informationen finden Sie unter Supplementale Nutzungsbedingungen für Microsoft Azure Previews.

Funktionsweise von Tools

Wenn Sie eine Eingabeaufforderung mit natürlicher Sprache in einem MCP-kompatiblen Client eingeben (z. B. GitHub Copilot Agentmodus), wählt das Sprachmodell das entsprechende Tool aus und formuliert die erforderlichen Parameter in Ihrem Auftrag. Sie rufen tools nicht direkt auf– Sie beschreiben, was Sie wünschen, und das Modell übersetzt Ihre Absicht in einen Toolaufruf.

Jedes Tool wird als gelesen klassifiziert (Informationen abgerufen) oder schreiben (erstellt, aktualisiert oder löscht Ressourcen). Schreibvorgänge wirken sich sofort auf Liveressourcen und Abrechnung aus. Überprüfen Sie die bewährten Methoden für die Sicherheit, bevor Sie Schreibvorgänge ausführen.

Erlaubnisse

Alle Vorgänge werden mit den Berechtigungen des authentifizierten Benutzers über den Microsoft Entra ID On-Behalf-Of-Fluss ausgeführt. Sie benötigen die folgenden Rollen:

Vorgangstyp Minimale Azure Rolle Hinweise
Lesetools Leser im Foundry-Projekt oder -Konto Ausreichend zum Auflisten, Abfragen und Überwachen.
Schreibtools Mitwirkender für das Foundry-Projekt oder -Konto Erforderlich für das Erstellen, Aktualisieren und Löschen von Ressourcen.
Administrator für bedingten Zugriff Administrator für bedingten Zugriff in Entra ID Nur erforderlich, wenn Zugriffsrichtlinien auf Mandantenebene konfiguriert werden.

Weitere Informationen finden Sie unter Role-based access control for Microsoft Foundry.

Schlüsselkennungen

Viele Tools erfordern Ressourcenbezeichner. Das Sprachmodell extrahiert diese aus Ihrem Eingabeaufforderungskontext, hilft aber dabei, die Formate zu kennen:

Kennung Format Wo finde ich sie?
Foundry-Ressourcen-ID /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account} Azure Portal Propertiesseite
Projektendpunkt https://{account}.services.ai.azure.com/api/projects/{project} Detailseite des Foundry-Projekts
Project Ressourcen-ID /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} Azure Portal Propertiesseite

Agentverwaltung

Verwalten Sie den vollständigen Lebenszyklus von Agents in einem Foundry-Projekt, einschließlich Erstellung, Aufruf, Container-Orchestrierung und Löschung.

Beispielaufforderungen:

  • "Alle Agents in meinem Foundry-Projekt auflisten."
  • "Erstellen Sie einen neuen Agent mit dem Namen faq-agent " gpt-4o-miniModell".
  • "Hallo, wie können Sie helfen?' zu meinem customer-support-agent."
  • "Starten Sie den Container für meinen gehosteten Agent triage-agent."
  • "Überprüfen Sie den Containerstatus für triage-agent."
  • "Anzeigen des Agentdefinitionsschemas für Eingabeaufforderungs-Agents."
  • "Löschen sie aus old-test-agent meinem Projekt."
Tool Access Description Tasteneingaben Rückkehr
agent_get read Listet alle Agents in einem Foundry-Projekt auf, oder rufen Sie einen bestimmten Agent anhand des Namens ab. Agentname (optional) Agentliste oder Einzel-Agent-Definition mit Modell, Anweisungen und Toolkonfiguration.
agent_update write Erstellen, Aktualisieren oder Klonen eines Agents Wird agent_definition_schema_get verwendet, um zuerst das vollständige Definitionsschema zu ermitteln. Agentname, Modell, Anweisungen, Tooldefinitionen Erstellte oder aktualisierte Agentdefinition.
agent_invoke write Senden Sie eine Nachricht an einen Agent, und erhalten Sie eine Antwort. Funktioniert sowohl für eingabeaufforderungsbasierte als auch für gehostete Container-Agents. Agentname, Nachrichtentext Agent-Antwortnachricht.
agent_delete write Löscht einen Agent endgültig. Bei gehosteten Agents löscht dies auch den Container. Agentname Löschbestätigung.
agent_container_control write Starten oder Beenden eines gehosteten Agent-Containers. Verwenden Sie diese Methode, bevor Sie einen gehosteten Agent aufrufen. Agentname, Aktion (Start oder Beenden) Containervorgangsstatus.
agent_container_status_get read Überprüfen Sie den aktuellen Status eines gehosteten Agent-Containers (Start, Ausführen, Beendet, Fehlgeschlagen usw.). Agentname Aktueller Containerstatus.
agent_definition_schema_get read Geben Sie das vollständige JSON-Schema für Agentdefinitionen einschließlich aller Tooltypen zurück. Nichts Vollständiges JSON-Schema für Agentdefinitionen.

Gehostete Agentsitzungen und Dateien

Erstellen und Verwalten von isolierten Computesitzungen für gehostete Agents. Überprüfen Sie Protokolle und verwalten Sie Dateien im Dateisystem jeder Sitzung.

Beispielaufforderungen:

  • "Erstellen einer Sitzung für meinen gehosteten Agent data-analyst."
  • "Listen Sie die Sitzungen auf data-analyst , und zeigen Sie die neuesten zuerst an."
  • "Streamen von bis zu 100 Protokollzeilen aus der Sitzung analysis-2026."
  • "Hochladen input.csv in /data/input.csv die Sitzung."
  • "Herunterladen /data/results.csv aus der Sitzung."
  • "Sitzung löschen analysis-2026 und ihre Computeressourcen freigeben."
Tool Access Description Tasteneingaben Rückkehr
session_create write Erstellen Sie eine neue Sitzung für einen gehosteten Agent. Sitzungen stellen isolierte Computeumgebungen für die Agentausführung bereit. Agentname, Sitzungs-ID (optional) Sitzung mit ID, Status und Ablauf erstellt.
session_get read Rufen Sie Details zu einer bestimmten gehosteten Agentsitzung ab. Agentname, Sitzungs-ID Sitzungsstatus, Version, Erstellungszeit und Ablauf.
session_list read Listen Sie Sitzungen für einen gehosteten Agent mit Paginierung und Sortierung auf. Agentname, Grenzwert, Reihenfolge und afterbefore Paginierungscursor Sitzungsliste.
session_delete write Löschen Sie eine gehostete Agentsitzung, und geben Sie ihre Computeressourcen frei. Agentname, Sitzungs-ID Vorgangsergebnis.
session_logstream read Stream-Konsolenausgabe aus einer gehosteten Agentsitzung. Die Antwort ist begrenzt, um ungebundene Lesevorgänge zu verhindern. Agentname, Sitzungs-ID, maximale Zeilen (optional) Strukturierte Standardausgabe- und Fehlerprotokollereignisse.
session_file_list read Auflisten von Dateien und Verzeichnissen in einem Pfad in einer gehosteten Agentsitzung. Agentname, Sitzungs-ID, Pfad (optional) Datei- und Verzeichnisliste.
session_file_stat read Abrufen von Metadaten für eine Datei oder ein Verzeichnis in einer gehosteten Agentsitzung. Agentname, Sitzungs-ID, Dateipfad Name, Größe, Verzeichnisindikator und Uhrzeit der letzten Änderung.
session_file_mkdir write Erstellen Sie ein Verzeichnis in einer gehosteten Agentsitzung. Agentname, Sitzungs-ID, Pfad, Flag "Create-parents" (optional), Berechtigungsmodus (optional) Vorgangsergebnis.
session_file_upload write Laden Sie base64-codierte Inhalte in eine Datei in einer gehosteten Agentsitzung hoch. Agentname, Sitzungs-ID, Zieldateipfad, Base64-Inhalt Vorgangsergebnis.
session_file_download read Laden Sie eine Datei aus einer gehosteten Agentsitzung herunter. Agentname, Sitzungs-ID, Dateipfad Base64-codierter Dateiinhalt.
session_file_delete write Löschen sie eine Datei oder ein Verzeichnis aus einer gehosteten Agentsitzung. Agentname, Sitzungs-ID, Dateipfad, rekursives Flag (optional) Vorgangsergebnis.

Toolboxverwaltung

Erstellen, Abrufen, Version, Aktualisieren und Löschen von Toolboxen in einem Foundry-Projekt.

Beispielaufforderungen:

  • "Ich zeige mir die customer-support-tools Toolbox."
  • "Version 2 von customer-support-tools."
  • "Erstellen Sie eine neue Version von customer-support-tools."
  • "Legen Sie Version 2 customer-support-tools als Standard fest."
  • "Legen Sie Version 1 customer-support-tools als Standard fest, und löschen Sie Dann Version 2."
  • "Löschen sie die old-support-tools Toolbox."

Toolboxversionen sind unveränderlich. toolbox_version_create erstellt auch die Toolbox, wenn sie nicht vorhanden ist. Für eine vorhandene Toolbox ändert das Erstellen einer Version nicht die Standardversion. defaultVersion Rufen Sie toolbox_update die neue Version an, um sie höher zu stufen. Bevor Sie die aktuelle Standardversion löschen, legen Sie eine andere Version als Standard fest.

Tool Access Description Tasteneingaben Rückkehr
toolbox_get read Abrufen einer Toolbox und der aktuellen Standardversion. Toolbox-ID Toolboxdetails.
toolbox_version_get read Listen-Toolboxversionen oder Abrufen einer bestimmten Version. Toolboxbezeichner, Versionsbezeichner für eine bestimmte Version Toolboxversionsliste oder Details.
toolbox_version_create write Erstellen Sie eine unveränderliche Toolboxversion. Wenn die Toolbox nicht vorhanden ist, erstellt dieses Tool sie ebenfalls. Toolbox-ID und Versionsdetails Erstellte Toolboxversion.
toolbox_update write Erstellen oder Aktualisieren einer Toolbox, einschließlich der Standardversion. Toolboxbezeichner, aktualisierte Toolboxdetails beim defaultVersion Ändern der Standardeinstellung Erstellte oder aktualisierte Toolboxdetails.
toolbox_delete write Löschen einer Toolbox. Toolbox-ID Löschbestätigung.
toolbox_version_delete write Löschen Sie eine bestimmte Toolboxversion. Um den aktuellen Standardwert zu löschen, legen Sie zuerst eine andere Version als Standard fest. Toolboxbezeichner, Versionsbezeichner Löschbestätigung.

Datasetverwaltung

Erstellen, Abrufen, Version und Herunterladen von Auswertungsdatensätzen in einem Foundry-Projekt.

Beispielaufforderungen:

  • "Meine Kundensupport-F& hochladen Ein Dataset aus dieser Azure Blob Storage-URL."
  • "Alle Datasets in meinem Foundry-Projekt anzeigen."
  • "Details für die customer-support-qa Datasetversion 2 abrufen."
  • "Alle Versionen meines product-reviews Datasets auflisten."
  • "Abrufen einer Download-URL für die neueste Version von customer-support-qa."
Tool Access Description Tasteneingaben Rückkehr
evaluation_dataset_create write Erstellen oder Aktualisieren einer Datasetversion aus einem Azure Blob Storage-URI. Datasetname, Version, Blob Storage URI Datasetmetadaten mit Name, Version und URI.
evaluation_dataset_get read Rufen Sie ein Dataset anhand des Namens und der Version ab, oder listen Sie alle Datasets im Projekt auf. Datasetname und -version (optional) Datasetdetails oder Eine Liste aller Datasets.
evaluation_dataset_versions_get read Listet alle Versionen eines bestimmten Datasets auf. Datensatzname Liste der Versionsnummern mit Metadaten.
evaluation_dataset_sas_url_get read Rufen Sie eine kurzlebige SAS-URL (Shared Access Signature) zum Herunterladen der Inhalte einer Datasetversion ab. Die Version ist standardmäßig auf die neueste Version festgelegt. Datasetname, Datasetversion (optional) Kurzlebige Datasetinhalts-URL.

Aufträge zur Datengenerierung

Erstellen und Verwalten von eigenständigen Datengenerierungsaufträgen zur Auswertung oder Feinabstimmung von Daten. Generieren Sie Daten aus Eingabeaufforderungen, Agents, Ablaufverfolgungen, Datasets oder hochgeladenen Dateien.

Beispielaufforderungen:

  • "Generieren Sie 100 Bewertungsfrage- und Antwortbeispiele aus dieser Eingabeaufforderung."
  • "Ich zeige mir den Status des Auftrags job-123zur Generierung von Daten."
  • "Auftrag zur Datengenerierung abbrechen job-123."
  • "Löschen des abgeschlossenen Datengenerierungsauftrags job-123."
Tool Access Description Tasteneingaben Rückkehr
data_generation_job_create write Starten Sie einen eigenständigen Datengenerierungsauftrag für die Auswertung oder Feinabstimmung von Daten. Auftragsname, Generierungstyp, Szenario, maximale Beispiele, Bereitstellung des Generierungsmodells und Quelleingaben Vorgangsergebnis.
data_generation_job_get read Rufen Sie einen Auftrag zur Datengenerierung nach ID oder Listendatengenerierungsaufträgen ab, wenn die ID nicht angegeben wird. Auftrags-ID (optional) Auftragsdetails oder Auftragsliste.
data_generation_job_cancel write Abbrechen eines Datengenerierungsauftrags. Auftrags-ID Vorgangsergebnis.
data_generation_job_delete write Löschen eines Datengenerierungsauftrags. Auftrags-ID Vorgangsergebnis.

Auswertungsvorgänge

Führen Sie Batchauswertungen für Agents oder Datasets aus, und vergleichen Sie die Ergebnisse für die ausführungsübergreifend.

Beispielaufforderungen:

  • "Bewerten Sie meine customer-support-agent v2 mithilfe von Relevanz-, Erdheits- und Kohärenz-Evaluatoren."
  • "Führen Sie eine Batchauswertung auf meinem JSONL-Dataset mit Gewalt- und HateUnfairness-Bewertungen aus."
  • "Generieren Sie 50 synthetische Testabfragen, und bewerten Sie meinen Agent mit ihnen."
  • "Alle Auswertungen in meinem Foundry-Projekt anzeigen."
  • "Vergleich von Run-Baseline-123 mit Behandlungsläufen von Run-124 und Run-125."
Tool Access Description Tasteneingaben Rückkehr
evaluation_agent_batch_eval_create write Erstellen Sie eine Batchauswertung, die einen bestimmten Agent aufruft. Unterstützt integrierte und benutzerdefinierte Bewerter sowie synthetische Datengenerierung. Agentname/Version, Evaluatornamen, Dataset (optional für synthetische Generation), Anzahl synthetischer Abfragen (optional) Auswertungsausführungs-ID und Status.
evaluation_dataset_batch_eval_create write Erstellen Sie eine Batchauswertung für ein JSONL-Dataset. Unterstützt integrierte und benutzerdefinierte Bewerter. Datasetname/Version, Evaluatornamen Auswertungsausführungs-ID und Status.
evaluation_get read Listen Sie Auswertungsgruppen auf, oder führen Sie sie im Foundry-Projekt aus. Wird isRequestForRuns auf "true" festgelegt, um die Liste innerhalb einer bestimmten Auswertungsgruppe anzuzeigen. Auswertungsgruppen-ID (optional), Auswertungslauf-ID (optional), isRequestForRuns Flag Liste der Auswertungsgruppen oder -ausführung mit Status und Bewertungen oder Details zu einem bestimmten Element.
evaluation_comparison_create write Erstellen Sie Vergleichsergebnisse zwischen einer Basis- und Behandlungsauswertung. Geplante Ausführungs-ID, Behandlungslauf-IDs Vergleichserblick-ID.
evaluation_comparison_get read Abrufen oder Listenauswertungsvergleichserkenntnisse. Vergleichserblick-ID (optional) Vergleichsergebnisse mit statistischer Analyse.

Ablaufverfolgungsauswertung

Führen Sie Multi-Turn-Unterhaltungsauswertungen über Agentablaufverfolgungen oder explizit ausgewählte Unterhaltungen und W3C-Ablaufverfolgungs-IDs aus.

Beispielaufforderungen:

  • "Auswerten von bis zu fünf Ablaufverfolgungen aus customer-support-agent den letzten 24 Stunden für Erdheit und Vorgangsabschluss."
  • "Bewerten Sie diese Unterhaltungs-IDs für die Kundenzufriedenheit auf Unterhaltungsebene."
  • "Diese W3C-Ablaufverfolgungs-IDs mit meinem benutzerdefinierten tone-check Evaluator auswerten."
Tool Access Description Tasteneingaben Rückkehr
evaluation_agent_traces_batch_eval_create write Erstellen Sie eine Multi-Turn-Batchauswertung über aktuelle Ablaufverfolgungen, die von einem Agent entnommen wurden. Erstellt eine Auswertungsgruppe, wenn eine nicht bereitgestellt wird. Evaluatornamen, Agentname und Version oder Agent-ID, Auswertungs-ID (optional), Zeitraum oder Lookback, maximale Ablaufverfolgungen Auswertungsausführung.
evaluation_traces_batch_eval_create write Erstellen Sie eine Multi-Turn-Batchauswertung über Ablaufverfolgungsdaten, die von Unterhaltungs-IDs oder W3C-Ablaufverfolgungs-IDs ausgewählt wurden. Erstellt eine Auswertungsgruppe, wenn eine nicht bereitgestellt wird. Evaluatornamen, Ablaufverfolgungsquellentyp, Unterhaltungs-IDs oder Ablaufverfolgungs-IDs, Auswertungs-ID (optional), Auswertungsstufe (optional) Auswertungsausführung.

Evaluierungssuiten

Erstellen, Version, Ausführen, Aktualisieren und Löschen von Auswertungssammlungen, die Datasets, Ziel-Agents und Auswertungs-Suites gruppieren. Sie können Auch Suites aus Eingabeaufforderungen, Agents, Ablaufverfolgungen, Datasets oder hochgeladenen Dateien generieren.

Beispielaufforderungen:

  • "Erstellen Sie eine Evaluierungssuite, die für mein Support-Dataset und meinen Agenten benannt support-quality ist."
  • "Run Version 2 of support-quality."
  • "Aktualisieren des Anzeigenamens und der Tags für Version 2 von support-quality."
  • "Generieren sie eine Auswertungssuite aus den letzten Ablaufverfolgungen für customer-support-agent."
  • "Alle Aufträge der Evaluierungssuitengenerierung anzeigen."
Tool Access Description Tasteneingaben Rückkehr
evaluation_suite_create write Erstellen Sie eine Evaluierungssuite-Version, die Werte gruppiert und auf ein Dataset und einen Ziel-Agent verweisen kann. Suitename, Evaluatornamen, Dataset und Ziel-Agent (optional), Auswertungseinstellungen (optional) Evaluierungssuite-Version.
evaluation_suite_get read Erhalten Sie eine Evaluierungssuiteversion, Listenversionen für eine Suite oder Listensammlungen. Suitename (optional), Version (optional), listVersions Flag und Agentfilter (optional) Suitedetails, Versionsliste oder Suiteliste.
evaluation_suite_update write Aktualisieren Sie den Anzeigenamen, die Beschreibung oder die Tags einer Evaluierungssuiteversion. Suitename, Version, zu aktualisierende Felder Vorgangsergebnis.
evaluation_suite_run write Starten Sie eine Auswertungssuite, die ausgeführt wird. Suitename, Version (optional), Evaluierungsname (optional), Evaluierungsstufe (optional) Auswertungsausführung.
evaluation_suite_delete write Löschen Sie eine Evaluierungssuite-Version. Die Version ist standardmäßig auf die neueste Version festgelegt. Suitename, Version (optional) Vorgangsergebnis.
evaluation_suite_generation_job_create write Starten Sie einen Auftrag zur Generierung einer Evaluierungssuite. Suitename, Bereitstellung des Generationsmodells, Quelleingaben, Generierungseinstellungen Generierungsauftrag.
evaluation_suite_generation_job_get read Rufen Sie einen Auftrag zur Generierung einer Auswertungssuite nach ID oder Listenaufträgen ab, wenn die ID nicht angegeben wird. Auftrags-ID (optional), Grenzwert- und Fortsetzungstoken (optional) Generierungsauftragsdetails oder Auftragsliste.
evaluation_suite_generation_job_cancel write Abbrechen eines Evaluierungssuite-Generierungsauftrags. Auftrags-ID Vorgangsergebnis.
evaluation_suite_generation_job_delete write Löschen Sie einen Auftrag zur Generierung einer Evaluierungssuite. Auftrags-ID Vorgangsergebnis.

Evaluator-Katalog

Durchsuchen Sie integrierte Auswertungen, und verwalten Sie benutzerdefinierte Auswertungen für die Verwendung in Auswertungsläufen.

Beispielaufforderungen:

  • "Alle integrierten Bewerter auflisten, die in meinem Projekt verfügbar sind."
  • "Zeigen Sie mir die vollständige Definition des coherence Evaluators an."
  • "Erstellen Sie einen benutzerdefinierten eingabeaufforderungsbasierten Evaluator, der als Ergebnisantworten auf einer Skala von 1 bis 5 bezeichnet tone-check wird."
  • "Aktualisieren Sie die Beschreibung meines tone-check Evaluators."
  • "Lösche Version 1 von meinem old-evaluator."
Tool Access Description Tasteneingaben Rückkehr
evaluator_catalog_get read Auflisten von Bewertern im Katalog oder Abrufen der vollständigen Definition eines bestimmten Evaluators. Filtern nach integriertem oder benutzerdefiniertem Typ. Evaluatorname (optional), Typfilter (integriert oder benutzerdefiniert, optional) Evaluator-Liste oder vollständige Auswertungsdefinition mit Bewertungslogik.
evaluator_catalog_create write Erstellen Sie einen benutzerdefinierten eingabeaufforderungsbasierten oder codebasierten Evaluator. Evaluatorname, Typ (Eingabeaufforderung oder Code), Definition Evaluator-Metadaten erstellt.
evaluator_catalog_update write Aktualisieren von Metadaten (Anzeigename, Beschreibung, Kategorie) für einen vorhandenen benutzerdefinierten Bewerter. Evaluatorname, zu aktualisierende Felder Aktualisierte Evaluator-Metadaten.
evaluator_catalog_delete write Löschen Sie eine bestimmte Version eines benutzerdefinierten Evaluators. Evaluatorname, Version Löschbestätigung.

Evaluator-Generierungsaufträge

Generieren Sie Evaluatoren adaptive aus Eingabeaufforderungen, Agents oder Datasets, und überwachen oder abbrechen Sie die Generierungsaufträge.

Beispielaufforderungen:

  • "Generieren Sie einen aus dieser Richtlinienaufforderung benannten policy-compliance Evaluator."
  • "Regenerate policy-compliance from version 2 of my support dataset using model deployment gpt-4o."
  • "Alle ausgeführten Evaluator-Generierungsaufträge anzeigen."
  • "Auftrag zur Generierung von Evaluator abbrechen job-456."
Tool Access Description Tasteneingaben Rückkehr
evaluator_generation_job_create write Starten Sie einen Generierungsauftrag für adaptive evaluator. Durch die Bereitstellung eines vorhandenen Evaluatornamens wird er aus aktualisierten Quelleingaben neu generiert. Modellbereitstellung, Evaluatorname, Eingabeaufforderung, Agent- oder Datasetquelleingaben Generierungsauftrag.
evaluator_generation_job_get read Rufen Sie einen Evaluator-Generierungsauftrag nach ID oder Listenaufträgen ab, wenn die ID ausgelassen wird. Auftrags-ID (optional), Status- und Agentfilter (optional), Paginierungseingaben (optional) Generierungsauftragsdetails oder Auftragsliste.
evaluator_generation_job_cancel write Abbrechen eines Evaluator-Generierungsauftrags. Auftrags-ID Vorgangsergebnis.

Modellkatalog und Details

Erkunden Sie Modelle im Foundry-Modellkatalog, rufen Sie Modelldetails ab, und bestimmen Sie, ob ein Modell für verwaltete Compute bereitgestellt werden kann.

Beispielaufforderungen:

  • "Alle GPT-5.4-Modelle anzeigen, die im Katalog verfügbar sind."
  • "Alle Microsoft veröffentlichten Modelle mit MIT-Lizenz auflisten."
  • "Erhalten Sie detaillierte Informationen und Codebeispiele für GPT-5-mini."
  • "Modelle anzeigen, die für Managed Compute angekündigt wurden."
  • "Abrufen von Details und Bereitstellungsvorlagen für verwaltete Computes für openai--gpt-oss-20b."

Bei verwalteter Compute isManagedCompute identifiziert dies model_catalog_list einen angekündigten Kandidaten. Bestätigen Sie die Bereitstellungsfähigkeit mit model_details_get: isFoundryManagedCompute ist das autoritative Signal, und die aufgelösten Bereitstellungsvorlagen identifizieren die verfügbaren Bereitstellungsoptionen und Zugriffstasten.

Tool Access Description Tasteneingaben Rückkehr
model_catalog_list read Auflisten von Modellen aus dem Foundry-Modellkatalog mit optionalen Filtern. Für Verwaltete Computekandidaten enthält isManagedComputedie Antwort . Suchstichwörter, Herausgeber, Lizenztyp, Aufgabentyp (alle optional) Liste der Modelle mit Namen, Herausgeber, Lizenz, Funktionen und Katalogbereitstellungsindikatoren.
model_details_get read Erhalten Sie vollständige Modelldetails und Codebeispiele. Verwenden Sie isFoundryManagedCompute für verwaltete Compute, um die Bereitstellung zu bestätigen. Modellname oder -ID Modellspezifikationen, Preise, unterstützte Regionen, Codebeispiele und aufgelöste Bereitstellungsvorlagen.

Modellbereitstellungsverwaltung

Bereitstellen, Prüfen und Entfernen von Modellbereitstellungen, einschließlich verwalteter Computebereitstellungen, in einem Foundry-Konto.

Beispielaufforderungen:

  • "Wird verwendet model_deploy_azure_direct_model , um GPT-5-mini wie production-chatbot bei 20 Kapazitätseinheiten bereitzustellen."
  • "Alle meine aktuellen Modellbereitstellungen anzeigen."
  • "Alle meine verwalteten Computebereitstellungen anzeigen."
  • "Wird model_deploy_managed_compute verwendet, um die A100_80GB-Bereitstellungsvorlage zu verwenden openai--gpt-oss-20bgpt-oss-managed ."
  • "Löschen Sie das old-test-deployment , was ich nicht mehr verwende."

Wählen Sie explizite Tools für jeden Bereitstellungstyp aus:

Bereitstellungstyp Erstellen oder aktualisieren
Von Azure verkaufte Gießereimodelle model_deploy_azure_direct_model
Verwalteter Compute model_deploy_managed_compute

Verwenden Sie nicht den veralteten model_deploy Alias für neue Anrufe. Verwenden Sie model_catalog_list für verwaltete Compute zuerst als Kandidatensignal und rufen Sie dann auf model_details_get. Verwenden Sie nur, wenn isFoundryManagedCompute dies der Zeitpunkt isttrue, und übergeben Sie model_deploy_managed_compute eine der aufgelösten Bereitstellungsvorlagen. Dient model_deployment_get zum Abrufen eines Bereitstellungstyps und model_deployment_delete zum Löschen eines der beiden Typen.

Tool Access Description Tasteneingaben Rückkehr
model_deploy_azure_direct_model write Erstellen oder aktualisieren Sie eine Bereitstellung für ein Von Azure verkauftes Foundry-Modell. Modellname, Bereitstellungsname, Kapazitätseinheiten Bereitstellungsdetails mit Endpunkt und bereitgestellter Kapazität.
model_deploy write Veralteter abwärtskompatibler Alias von model_deploy_azure_direct_model. Es verfügt über identische Eingaben und Verhalten. Modellname, Bereitstellungsname, Kapazitätseinheiten Bereitstellungsdetails mit Endpunkt und bereitgestellter Kapazität.
model_deploy_managed_compute write Erstellen Sie eine unterschiedliche Managed Compute-Bereitstellung aus einer Registrierungsmodellressource und einer aufgelösten Bereitstellungsvorlage. Bereitstellungsname, modelAssetId, , deploymentTemplateacceleratorType (optional), instanceCount (optional), versionUpgradeOption (optional) Details zur verwalteten Computebereitstellung.
model_deployment_get read Erhalten Sie Bereitstellungen von Foundry-Modellen, die von Azure und verwalteten Computebereitstellungen verkauft werden. Mit einem Namen durchsucht das Tool beide Ressourcentypen und kann beide zurückgeben, wenn sie diesen Namen freigeben. Ohne Einen Namen werden beide Listen kombiniert. Bereitstellungsname (optional) Bereitstellungsdetails mit Kind Festgelegt auf ADM oder Managed.
model_deployment_delete write Löschen Sie einen der beiden Bereitstellungstypen. Das Tool überprüft bereitstellungen von Foundry Models, die zuerst von Azure verkauft wurden, und dann verwaltete Computebereitstellungen. Bereitstellungsname Löschbestätigung.

Modellanalyse und Empfehlungen

Vergleichen Sie Modell-Benchmarks und erhalten Sie Empfehlungen für den Wechsel zu kostengünstigeren oder qualitativ hochwertigen Modellen.

Beispielaufforderungen:

  • "Zeigen Sie mir Benchmarkdaten für alle verfügbaren Modelle an."
  • "Vergleich der Benchmark-Leistung zwischen GPT-5.4 und GPT-4."
  • "Suchen Sie Modelle, die meiner aktuellen GPT-4-Bereitstellung ähneln."
  • "Welche Modelle würden mir ein besseres Qualitäts-/Kostenverhältnis geben als das, was ich jetzt verwende?"
Tool Access Description Tasteneingaben Rückkehr
model_benchmark_get read Abrufen von Benchmarkdaten für Foundry-Modelle. Modellfilter (optional) Benchmarkbewertungen, Genauigkeit, Kosten und Latenzmetriken.
model_benchmark_subset_get read Rufen Sie Benchmarkdaten für bestimmte Modellnamen und Versionspaare ab. Modellname und Versionspaare Benchmark-Vergleichsdaten für angegebene Modelle.
model_similar_models_get read Suchen Sie ähnliche Modelle basierend auf Bereitstellungs- oder Modelldetails. Bereitstellungsname oder Modellname Liste ähnlicher Modelle mit Funktionsvergleich.
model_switch_recommendations_get read Abrufen von Modellwechselempfehlungen basierend auf Benchmarkdaten. Aktueller Bereitstellungsname Empfohlene Modelle mit Qualitäts-/Kosten-Kompromissanalyse.

Modellüberwachung und -betrieb

Verfolgen Sie den Bereitstellungsstatus, überwachen Sie Metriken, überprüfen Sie den Status der Veraltetkeit, und zeigen Sie die Kontingentnutzung an, einschließlich des Kontingents für verwaltete Computeinfos.

Beispielaufforderungen:

  • "Zeigen Sie mir die Anforderungsmetriken für meine production-chatbot Bereitstellung an."
  • "Überprüfen Sie, ob eine meiner Bereitstellungen veraltete Modellversionen verwendet."
  • "Kontingentnutzung in allen Regionen für mein Abonnement anzeigen."
  • "Zeige mir A100_80GB, H100_80GB, MI300_192GB und H200_141GB Zugriffstastenkontingent in Ost-US 2."
Tool Access Description Tasteneingaben Rückkehr
model_monitoring_metrics_get read Rufen Sie Überwachungsmetriken (Anforderungen, Latenz, Fehler, Kontingent) für eine Modellbereitstellung ab. Bereitstellungsname, Zeitraum (optional) Anforderungsanzahl, Latenz quantile, Fehlerraten und Tokenverwendung.
model_deprecation_info_get read Erhalten Sie Bereitstellungsinformationen, die durch veraltete und eingestellte Zeitpläne erweitert werden. Bereitstellungsname (optional) Bereitstellungsdetails mit veralteten Datumsangaben und vorgeschlagenen Ersetzungen.
model_quota_list read Auflisten des verfügbaren Bereitstellungskontingents und der Nutzung für ein Abonnement in einer Region, einschließlich des Kontingents für verwaltete Computebeschleuniger. Abonnement, Region Kontingentbeschränkungen, aktuelle Nutzung und verfügbare Kapazität pro Modellfamilie oder Zugriffstaste.

Projektverbindungen

Verwalten Von Verbindungen zu externen Diensten (Azure OpenAI, Azure Blob Storage, Suchen und anderen) innerhalb eines Foundry-Projekts.

Beispielaufforderungen:

  • "Alle Verbindungen in meinem Foundry-Projekt auflisten."
  • "Zeigen Sie mir die Details für meine azure-search Verbindung an."
  • "Welche Verbindungstypen und Authentifizierungsmethoden werden unterstützt?"
  • "Erstellen Sie eine neue AzureOpenAI-Verbindung, die mit AAD-Authentifizierung aufgerufen wird my-openai ."
  • "Die Verbindung aus meinem Projekt löschen old-storage ."
Tool Access Description Tasteneingaben Rückkehr
project_connection_list read Auflisten aller Verbindungen in einem Foundry-Projekt mit optionaler Filterung nach Kategorie oder Ziel. Kategoriefilter, Zielfilter (beide optional) Liste der Verbindungen mit Name, Typ und Status.
project_connection_get read Rufen Sie eine bestimmte Verbindung anhand des Namens ab. Verbindungsname Verbindungsdetails, einschließlich Kategorie, Ziel und Authentifizierungstyp.
project_connection_list_metadata read Listet alle unterstützten Verbindungskategorien und Authentifizierungstypen auf. Rufen Sie diese zuerst auf, um gültige Werte zu ermitteln. Nichts Unterstützte Kategorien (z. B. AzureOpenAI, AzureBlobStorage) und Authentifizierungstypen (z. B. AAD, Schlüssel).
project_connection_create write Erstellen oder Ersetzen einer Projektverbindung Verbindungsname, Kategorie, Ziel, Authentifizierungstyp Verbindungsdetails erstellt.
project_connection_update write Aktualisieren einer vorhandenen Projektverbindung. Verbindungsname, zu aktualisierende Felder Aktualisierte Verbindungsdetails.
project_connection_delete write Löschen Sie eine Projektverbindung anhand des Namens. Verbindungsname Löschbestätigung.

Eingabeaufforderungsoptimierung

Optimieren Sie Systemaufforderungen und Entwicklermeldungen für eine bessere LLM-Leistung.

Beispielaufforderungen:

  • "Optimieren Sie meine Systemaufforderung: "Sie sind ein hilfreicher Kundendienstmitarbeiter."gpt-5.4
  • "Verbessern Sie meine Agent-Anweisungen, um präzisere Antworten zu erhalten."
  • "Verfeinern Sie meine optimierte Aufforderung, um auch Nachverfolgungsfragen zu behandeln."
Tool Access Description Tasteneingaben Rückkehr
prompt_optimize write Optimieren Sie eine Entwickleraufforderung (Systemmeldung) für eine bessere LLM-Leistung mithilfe des Azure OpenAI Prompt Optimizer. Eingabeaufforderungstext, Zielmodell, Einschränkungsanweisungen (optional) Optimierter Eingabeaufforderungstext mit Erläuterung von Änderungen.

Kontinuierliche Auswertung

Aktivieren, Überwachen und Verwalten der kontinuierlichen Auswertung für Agents. Die fortlaufende Auswertung wertet die Agentantworten automatisch kontinuierlich aus. Das Tool erkennt die Agentart (Eingabeaufforderung oder gehostet) automatisch und konfiguriert den geeigneten Auswertungsmechanismus – Auswertungsregeln für Eingabeaufforderungs-Agents oder geplante Auswertungsläufe für gehostete Agents.

Beispielaufforderungen:

  • "Kontinuierliche Auswertung für meine customer-support-agent Verwendung von Relevanz- und Erdungswerten ermöglichen."
  • "Richten Sie eine kontinuierliche Auswertung für meinen gehosteten Agent triage-agent ein, um alle 2 Stunden ausgeführt zu werden."
  • "Zeigen Sie mir die Kontinuierliche Auswertungskonfiguration für customer-support-agent."
  • "Kontinuierliche Auswertung für mich old-test-agentdeaktivieren."
  • "Aktualisieren Sie die fortlaufende Auswertung, customer-support-agent um 50% antworten zu können."
Tool Access Description Tasteneingaben Rückkehr
continuous_eval_create write Aktivieren oder Aktualisieren der kontinuierlichen Auswertung für einen Agent. Erkennt die Agentart automatisch und konfiguriert den geeigneten Auswertungsmechanismus. Erstellt bei Bedarf die Auswertungsgruppe. Agentname, Evaluatornamen, Modellbereitstellungsname (für Qualitätsbewertungen), aktiviertes Flag, Intervallstunden (gehostete Agents), Samplingrate (Eingabeaufforderungs-Agents), Szenario (Standard oder Geschäft) Konfiguration der kontinuierlichen Auswertung mit ID, Status und Zeitplandetails.
continuous_eval_get read Erhalten Sie eine kontinuierliche Auswertungskonfiguration für einen Agent. Gibt alle Konfigurationen zurück oder filtert nach Szenario für Eingabeaufforderungs-Agents. Agentname, Szenariofilter (optional) Liste der Kontinuierlichen Auswertungskonfigurationen mit Evaluatordetails, Zeitplan und Status.
continuous_eval_delete write Löschen einer kontinuierlichen Auswertungskonfiguration für einen Agent. Hier finden Sie continuous_eval_get Konfigurations-IDs. Konfigurations-ID, Agentname Löschbestätigung.

Beispielworkflows

Modellbereitstellung und Optimierung:

  • "Zeigen Sie mir das gpt-5.6-sol Modell im Katalog an.".
  • "Bereitstellen gpt-5.6-sol wie customer-service-bot bei 15 Kapazitätseinheiten."
  • "Überwachen der Anforderungslatenz für meine neue Bereitstellung."
  • "Empfehlen Sie kostengünstigere Alternativen basierend auf der aktuellen Nutzung."

Planung des verwalteten Computekontingents:

  • "Hier können model_quota_list Sie mein Managed Compute Accelerator-Kontingent und die Nutzung für das Abonnement <subscription-id> in Ost-US 2 anzeigen."
  • "Vergleichen Sie die verfügbaren Instanzen für A100_80GB, H100_80GB, , MI300_192GBund H200_141GB."
  • "Ich benötige vier Instanzen. Identifizieren Sie, welche Zugriffstasten derzeit über genügend verfügbares Kontingent verfügen, und erinnern Sie mich daran, dass die Kontingentverfügbarkeit keine Bereitstellungskapazität garantiert."
  • "Vor einer Bereitstellung zeigen Sie mir die ausgewählte Zugriffstaste und die Anzahl der Instanzen zur Überprüfung an, da Managed Compute eine dedizierte GPU-Kapazität zuweist."

Lebenszyklus der verwalteten Computebereitstellung:

  • "Wird verwendet model_catalog_list , um Modelle zu finden, die für Managed Compute angekündigt wurden, wo isManagedCompute ist true."
  • "Verwenden openai--gpt-oss-20bSie model_details_get dies, um zu bestätigen, dass isFoundryManagedCompute die trueRegistrierung modelAssetId, aufgelöste Bereitstellungsvorlagen und Zugriffstasten angezeigt wird."
  • "Verwenden Sie model_quota_list diese Option, um die ausgewählte Zugriffstaste vor der Bereitstellung in Ost-US 2 zu überprüfen."
  • "Überprüfen Sie die Bereitstellungsvorlage, Zugriffstaste und Instanzenanzahl bei mir. Nachdem ich die abrechnende dedizierte GPU-Zuweisung bestätigt habe, verwenden Sie model_deploy_managed_compute die Erstellung gpt-oss-managed-test mit der Registrierung modelAssetId, einer aufgelösten deploymentTemplateund der genehmigten instanceCount"
  • "Wird verwendet model_deployment_get , um zu überwachen gpt-oss-managed-test und zu überprüfen, ob es Kind ist Managed."
  • "Wenn tests abgeschlossen sind und ich bestätige, bereinigung zu model_deployment_delete löschen gpt-oss-managed-test."

Agentauswertungsworkflow:

  • "Alle Agents in meinem Projekt auflisten."
  • "Bewerten Sie meine customer-support-agent v2 mithilfe von Relevanz-, Erdheits- und Sicherheitsbewertungen."
  • "Vergleichen Sie meine Basisplanauswertung mit der neuen Ausführung."
  • "Zeigen Sie mir die Vergleichsergebnisse mit statistischer Signifikanz."

Kontinuierliches Evaluierungssetup:

  • "Alle Agents in meinem Projekt auflisten."
  • "Ermöglichen Sie eine kontinuierliche Auswertung für meine customer-support-agent Relevanz-, Erdheits- und Sicherheitsbewertungen mit der vorhandenen gpt-5.6-luna Bereitstellung."
  • "Zeigen Sie mir die Kontinuierliche Auswertungskonfiguration für customer-support-agent."
  • "Fortlaufende Auswertung aktualisieren, um 25% antworten mit maximal 10 Läufen pro Stunde zu proben."

Ressourcenverwaltung und Bereinigung:

  • "Alle meine aktuellen Bereitstellungen und deren Nutzung auflisten."
  • "Überprüfen Sie, welche Bereitstellungen veraltete Modellversionen verwenden."
  • "Meine Kontingentnutzung in allen Regionen anzeigen."
  • "Löschen Sie nicht verwendete Testbereitstellungen, um Kapazität freizugeben."

Einschränkungen bei der Vorschau

Foundry MCP Server befindet sich in der öffentlichen Vorschau. Die folgenden Einschränkungen gelten:

  • Keine Netzwerkisolation – Foundry MCP Server verwendet den öffentlichen Endpunkt https://mcp.ai.azure.com. Auf Ressourcen hinter Azure private Links kann nicht zugegriffen werden. Für private MCP-Konnektivität erstellen Sie Ihren eigenen MCP-Server , und verbinden Sie ihn mit dem Agent-Dienst mit privatem Netzwerk.
  • Data Residency – Anfragen und Antworten können in EU- oder US-Rechenzentren verarbeitet werden. Der Server selbst speichert keine Daten, aber die regionsübergreifende Verarbeitung kann auftreten.
  • Kein SLA – Vorschaufeatures enthalten keine Vereinbarung auf Serviceebene. Verwenden Sie den Server nicht für Produktionsworkloads, die eine garantierte Verfügbarkeit erfordern.
  • Der Toolsatz kann sich ändern – Tools, Parameter und Rückgabewerte können sich während des Vorschauzeitraums ohne Vorherige Ankündigung ändern.

Weitere Informationen finden Sie unter Supplementale Nutzungsbedingungen für Microsoft Azure Previews.

Häufige Fehler

Fehler Ursache Resolution
Zugriff verweigert Unzureichende Azure RBAC-Rolle für das Foundry-Projekt oder -Konto. Weisen Sie mindestens Lesetools oder Mitwirkenden für Schreibtools zu. Siehe RBAC für Microsoft Foundry.
Authentifizierungsfehler Abgelaufenes oder ungültiges Entra ID-Token. Melden Sie sich ab, und melden Sie sich bei Ihrem Azure Konto in Visual Studio Code oder dem tool an, das Sie verwenden.
Kontingent überschritten Nicht genügend Kapazität, um eine Bereitstellung zu erstellen oder eine Auswertung auszuführen. Wird verwendet model_quota_list , um das verfügbare Kontingent vor dem Vorgang zu überprüfen.
Ressource nicht gefunden Die angegebene Bereitstellung, das Dataset, der Agent oder die Angegebene Verbindung ist nicht vorhanden. Verwenden Sie das entsprechende get Tool, list um den Ressourcennamen zu überprüfen.
Privater Endpunkt ist nicht erreichbar Foundry-Ressourcen verwenden Azure privaten Links, die der gehostete Foundry MCP-Server nicht erreichen kann. Entfernen Sie Einschränkungen für private Endpunkte, verwenden Sie SDKs/REST-APIs, oder verwenden Sie einen benutzerdefinierten MCP-Server mit privatem AgentDienst-Netzwerk.

Weitere Anleitungen zur Problembehandlung finden Sie unter Foundry MCP Server-Sicherheit und bewährte Methoden.

Verwandte Inhalte

  • Last updated on