Herramientas disponibles y mensajes de ejemplo para foundry MCP Server (versión preliminar)

Foundry MCP Server expone 38 herramientas en 10 categorías que permiten administrar agentes, conjuntos de datos, evaluaciones, implementaciones de modelos, etc., todo ello mediante avisos conversacionales en lugar de llamadas API. Use esta referencia para explorar cada herramienta y probar las indicaciones de ejemplo en su propia project.

Sugerencia

Antes de usar estas herramientas, complete la configuración del servidor MCP de Foundry.

Nota:

Esta característica actualmente está en su versión preliminar pública. Esta versión preliminar se ofrece sin acuerdo de nivel de servicio y no se recomienda para las cargas de trabajo de producción. Es posible que algunas características no sean compatibles o que tengan sus funcionalidades limitadas. Para obtener más información, vea Supplemental Terms of Use for Microsoft Azure Previews.

Funcionamiento de las herramientas

Cuando escribe un mensaje de lenguaje natural en un cliente compatible con MCP (por ejemplo, modo de agente copilot de GitHub), el modelo de lenguaje selecciona la herramienta adecuada y formula los parámetros necesarios en su nombre. No llama directamente a las herramientas, describe lo que desea y el modelo convierte la intención en una llamada a herramienta.

Cada herramienta se clasifica como de lectura (recupera información) o escritura (crea, actualiza o elimina recursos). Las operaciones de escritura afectan inmediatamente a los recursos activos y a la facturación. Revise los procedimientos recomendados de seguridad antes de ejecutar operaciones de escritura.

Permisos

Todas las operaciones se ejecutan con los permisos del usuario autenticado a través del flujo on-Behalf-Of id. de Microsoft Entra. Necesita los siguientes roles:

Tipo de operación	Rol mínimo de Azure	Notas
Leer herramientas	Lector en el proyecto o cuenta de Foundry	Suficiente para enumerar, consultar y supervisar.
Herramientas de escritura	Colaborador en el proyecto o cuenta de Foundry	Necesario para crear, actualizar y eliminar recursos.
Administrador de acceso condicional	Administrador de acceso condicional en Entra ID	Solo es necesario si se configuran directivas de acceso de nivel de inquilino.

Para obtener más información, consulte Control de acceso basado en rol para Microsoft Foundry.

Identificadores de clave

Muchas herramientas requieren identificadores de recursos. El modelo de lenguaje extrae estos datos del contexto del mensaje, pero ayuda a conocer los formatos:

Identificador	Formato	Dónde encontrarla
Identificador de recurso de fundición	/subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}	Página Propiedades de Azure Portal
punto final del proyecto	https://{account}.services.ai.azure.com/api/projects/{project}	Página de detalles del proyecto Foundry
Identificador de recurso del proyecto	/subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project}	Página Propiedades de Azure Portal

Administración de agentes

Administre el ciclo de vida completo de los agentes de un proyecto foundry, incluida la creación, la invocación, la orquestación de contenedores y la eliminación.

Ejemplos de instrucciones

• "Enumere todos los agentes de mi project Foundry."
• "Cree un nuevo agente denominado faq-agent mediante el modelo gpt-4o-mini".
• "Enviar 'Hola, ¿cómo puedes ayudar?' a mi customer-support-agent."
• "Inicie el contenedor para el agente triage-agenthospedado".
• "Compruebe el estado del contenedor para triage-agent".
• "Mostrarme el esquema de definición del agente para los agentes de solicitud".
• "Elimine el old-test-agent de mi project."

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
agent_get	leer	Enumere todos los agentes de un proyecto foundry o obtenga un agente específico por nombre.	Nombre del agente (opcional)	Lista de agentes o definición de agente único con el modelo, las instrucciones y la configuración de herramientas.
agent_update	write	Cree, actualice o clone un agente. Use agent_definition_schema_get para detectar primero el esquema de definición completa.	Nombre del agente, modelo, instrucciones, definiciones de herramientas	Definición de agente creada o actualizada.
agent_invoke	write	Envíe un mensaje a un agente y obtenga una respuesta. Funciona tanto para agentes de contenedor hospedados como basados en mensajes.	Nombre del agente, texto del mensaje	Mensaje de respuesta del agente.
agent_delete	write	Elimine permanentemente un agente. En el caso de los agentes hospedados, esto también elimina el contenedor.	Nombre del agente	Confirmación de eliminación.
agent_container_control	write	Inicie o detenga un contenedor de agentes hospedado. Use antes de invocar un agente hospedado.	Nombre del agente, acción (inicio o detención)	Estado de la operación del contenedor.
agent_container_status_get	leer	Compruebe el estado actual de un contenedor de agentes hospedado (Inicio, Ejecución, Detenido, Error, etc.).	Nombre del agente	Estado actual del contenedor.
agent_definition_schema_get	leer	Devuelve el esquema JSON completo para las definiciones de agente, incluidos todos los tipos de herramientas.	Ninguno	Esquema JSON completo para definiciones de agente.

Administración de conjuntos de datos

Cree, recupere y controle los conjuntos de datos de evaluación de versiones en un proyecto foundry.

Ejemplos de instrucciones

• "Cargar mis preguntas y respuestas al cliente Un conjunto de datos de esta dirección URL de Azure Blob Storage".
• "Muéstrame todos los conjuntos de datos en mi proyecto Foundry".
• "Obtenga los detalles de la versión 2 del customer-support-qa conjunto de datos".
• "Enumerar todas las versiones de mi product-reviews conjunto de datos".

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
evaluation_dataset_create	write	Cree o actualice una versión del conjunto de datos a partir de un URI de Azure Blob Storage.	Nombre del conjunto de datos, versión, URI de Blob Storage	Metadatos del conjunto de datos con el nombre, la versión y el URI.
evaluation_dataset_get	leer	Obtenga un conjunto de datos por nombre y versión, o enumere todos los conjuntos de datos del project.	Nombre y versión del conjunto de datos (opcional)	Detalles del conjunto de datos o lista de todos los conjuntos de datos.
evaluation_dataset_versions_get	leer	Enumere todas las versiones de un conjunto de datos específico.	Nombre del conjunto de datos	Lista de números de versión con metadatos.

Operaciones de evaluación

Ejecute evaluaciones por lotes en agentes o conjuntos de datos y compare los resultados entre ejecuciones.

Ejemplos de instrucciones

• "Evalúe mi customer-support-agent v2 mediante evaluadores de relevancia, base y coherencia".
• "Ejecute una evaluación por lotes en mi conjunto de datos JSONL con evaluadores de Violencia y OdioUnfairness".
• "Genere 50 consultas de prueba sintéticas y evalúe mi agente con ellas".
• "Muéstrame todas las ejecuciones de evaluación en mi proyecto Foundry".
• "Compare run-baseline-123 contra las ejecuciones de tratamiento run-124 y run-125."

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
evaluation_agent_batch_eval_create	write	Cree una ejecución de evaluación por lotes que llame a un agente específico. Admite evaluadores integrados y personalizados, además de la generación de datos sintéticos.	Nombre o versión del agente, nombres del evaluador, conjunto de datos (opcional para la generación sintética), número de consultas sintéticas (opcional)	Identificador y estado de ejecución de evaluación.
evaluation_dataset_batch_eval_create	write	Cree una ejecución de evaluación por lotes en un conjunto de datos JSONL. Admite evaluadores integrados y personalizados.	Nombre o versión del conjunto de datos, nombres del evaluador	Identificador y estado de ejecución de evaluación.
evaluation_get	leer	Enumera las ejecuciones de evaluación en el proyecto Foundry.	Identificador de ejecución de evaluación (opcional)	Lista de ejecuciones de evaluación con estado y puntuaciones, o detalles de una ejecución específica.
evaluation_comparison_create	write	Crear resultados de comparación entre una línea base y una evaluación de tratamiento.	Id. de ejecución de línea base, identificadores de ejecución de tratamiento	Id. de información de comparación.
evaluation_comparison_get	leer	Obtener o enumerar información de comparación de evaluación.	Id. de información de comparación (opcional)	Resultados de comparación con el análisis estadístico.

Catálogo del evaluador

Examine los evaluadores integrados y administre evaluadores personalizados para usarlos en ejecuciones de evaluación.

Ejemplos de instrucciones

• "Enumere todos los evaluadores integrados disponibles en mi proyecto".
• "Mostrarme la definición completa del coherence evaluador".
• "Cree un evaluador personalizado basado en avisos denominado tone-check que puntee las respuestas en una escala de 1 a 5".
• "Actualice la descripción de mi tone-check evaluador".
• "Elimine la versión 1 de mi old-evaluator."

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
evaluator_catalog_get	leer	Enumerar evaluadores en el catálogo o obtener la definición completa de un evaluador específico. Filtre por tipo integrado o personalizado.	Nombre del evaluador (opcional), filtro de tipo (integrado o personalizado, opcional)	Lista del evaluador o definición completa del evaluador con lógica de puntuación.
evaluator_catalog_create	write	Cree un evaluador personalizado basado en mensajes o basado en código.	Nombre del evaluador, tipo (símbolo del sistema o código), definición	Metadatos del evaluador creados.
evaluator_catalog_update	write	Actualice los metadatos (nombre para mostrar, descripción, categoría) para un evaluador personalizado existente.	Nombre del evaluador, campos que se van a actualizar	Metadatos del evaluador actualizados.
evaluator_catalog_delete	write	Elimine una versión específica de un evaluador personalizado.	Nombre del evaluador, versión	Confirmación de eliminación.

Catálogo de modelos y detalles

Explore y obtenga detalles sobre los modelos en el catálogo de modelos foundry.

Ejemplos de instrucciones

• "Muéstrame todos los modelos GPT-5.4 disponibles en el catálogo".
• "Enumerar todos los modelos publicados por Microsoft con licencia MIT".
• "Obtener información detallada y ejemplos de código para GPT-5-mini."

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
model_catalog_list	leer	Enumere los modelos del catálogo de modelos de Foundry con filtros opcionales (publicador, licencia, tarea).	Palabras clave de búsqueda, publicador, tipo de licencia, tipo de tarea (todo opcional)	Lista de modelos con nombre, publicador, licencia y funcionalidades.
model_details_get	leer	Obtenga detalles completos del modelo y ejemplos de código.	Nombre o identificador del modelo	Especificaciones del modelo, precios, regiones admitidas y ejemplos de código.

Administración de implementación de modelos

Implemente, inspeccione y quite implementaciones de modelos en una cuenta de Foundry.

Ejemplos de instrucciones

• "Implemente GPT-5-mini como production-chatbot con 20 unidades de capacidad."
• "Muéstrame todas mis implementaciones de modelos actuales".
• "Elimine el old-test-deployment que ya no estoy usando".

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
model_deploy	write	Cree o actualice una implementación de modelo con capacidad especificada.	Nombre del modelo, nombre de implementación, unidades de capacidad	Detalles de implementación con el punto de conexión y la capacidad aprovisionada.
model_deployment_get	leer	Obtenga una o varias implementaciones de modelos de una cuenta de Foundry.	Nombre de implementación (opcional)	Lista de implementaciones o detalles de implementación única con estado y cuota.
model_deployment_delete	write	Elimine una implementación de modelo específica por nombre.	Nombre de implementación	Confirmación de eliminación.

Análisis de modelos y recomendaciones

Compare pruebas comparativas de modelos y obtenga recomendaciones para cambiar a modelos más rentables o de mayor calidad.

Ejemplos de instrucciones

• "Mostrar datos de pruebas comparativas para todos los modelos disponibles".
• "Compare el rendimiento del banco de pruebas entre GPT-5.4 y GPT-4."
• "Busque modelos similares a mi implementación actual de GPT-4".
• "¿Qué modelos me darían una mejor relación de calidad y costo que lo que estoy usando ahora?"

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
model_benchmark_get	leer	Obtener datos de pruebas comparativas para los modelos Foundry.	Filtros de modelo (opcional)	Puntuaciones comparativas, precisión, costo y métricas de latencia.
model_benchmark_subset_get	leer	Obtenga datos de pruebas comparativas para pares de versión y nombre de modelo específicos.	Pares de nombre de modelo y versión	Datos de comparación de pruebas comparativas para los modelos especificados.
model_similar_models_get	leer	Busque modelos similares en función de la implementación o los detalles del modelo.	Nombre de implementación o nombre del modelo	Lista de modelos similares con comparación de funcionalidades.
model_switch_recommendations_get	leer	Obtenga recomendaciones de cambio de modelo según datos de pruebas comparativas.	Nombre de implementación actual	Modelos recomendados con análisis de equilibrio de calidad/costo.

Monitoreo y operaciones de modelos

Realice un seguimiento del estado de la implementación, supervise las métricas, compruebe el estado de desuso y vea el uso de la cuota.

Ejemplos de instrucciones

• "Mostrarme las métricas de solicitud para mi production-chatbot implementación".
• "Compruebe si alguna de mis implementaciones usa versiones de modelo en desuso".
• "Mostrar el uso de cuota en todas las regiones de mi suscripción".

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
model_monitoring_metrics_get	leer	Obtenga métricas de supervisión (solicitudes, latencia, errores, cuota) para una implementación de modelo.	Nombre de implementación, intervalo de tiempo (opcional)	Recuento de solicitudes, percentiles de latencia, tasas de error y uso de tokens.
model_deprecation_info_get	leer	Obtenga información de implementación enriquecida con las programaciones de desuso y retirada.	Nombre de implementación (opcional)	Detalles de implementación con fechas de desuso y reemplazos sugeridos.
model_quota_list	leer	Enumere la cuota de implementación disponible y el uso de una suscripción en una región.	Región (opcional)	Límites de cuota, uso actual y capacidad disponible por familia de modelos.

Conexiones de proyecto

Administre conexiones a servicios externos (Azure OpenAI, Azure Blob Storage, búsqueda y otros) dentro de un proyecto foundry.

Ejemplos de instrucciones

• "Enumerar todas las conexiones en mi proyecto foundry".
• "Muéstrame los detalles de mi azure-search conexión".
• "¿Qué tipos de conexión y métodos de autenticación se admiten?"
• "Cree una nueva conexión de AzureOpenAI denominada my-openai mediante la autenticación de AAD".
• "Elimine la old-storage conexión de mi proyecto".

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
project_connection_list	leer	Enumere todas las conexiones de un proyecto foundry, con filtrado opcional por categoría o destino.	Filtro de categoría, filtro de destino (ambos opcionales)	Lista de conexiones con el nombre, el tipo y el estado.
project_connection_get	leer	Obtenga una conexión específica por nombre.	Nombre de la conexión	Detalles de conexión, como categoría, destino y tipo de autenticación.
project_connection_list_metadata	leer	Enumere todas las categorías de conexión y tipos de autenticación admitidos. Llame a este primero para detectar valores válidos.	Ninguno	Categorías admitidas (por ejemplo, AzureOpenAI, AzureBlobStorage) y tipos de autenticación (por ejemplo, AAD, clave).
project_connection_create	write	Cree o reemplace una conexión de proyecto.	Nombre de conexión, categoría, destino, tipo de autenticación	Detalles de conexión creados.
project_connection_update	write	Actualice una conexión de proyecto existente.	Nombre de conexión, campos que se van a actualizar	Detalles de conexión actualizados.
project_connection_delete	write	Elimine una conexión de proyecto por nombre.	Nombre de la conexión	Confirmación de eliminación.

Optimización del prompt

Optimice los mensajes del sistema y los mensajes de desarrollador para mejorar el rendimiento de LLM.

Ejemplos de instrucciones

• "Optimizar mi solicitud del sistema: "Usted es un agente de servicio al cliente útil" mediante gpt-5.4."
• "Mejore las instrucciones de mi agente para obtener respuestas más concisas".
• "Refinar mi solicitud optimizada para controlar también las preguntas de seguimiento".

Herramienta	Access	Descripción	Entradas de clave	Devoluciones
prompt_optimize	write	Optimice un mensaje del desarrollador (mensaje del sistema) para mejorar el rendimiento de LLM mediante el optimizador de mensajes de Azure OpenAI.	Mensaje de texto, modelo de destino, instrucciones de refinamiento (opcional)	Texto del aviso optimizado con explicación de los cambios.

Flujos de trabajo de ejemplo

Flujo de trabajo de evaluación del agente:

1. "Enumere todos los agentes de mi proyecto".
2. "Evalúe mi customer-support-agent v2 mediante los evaluadores de relevancia, base y seguridad".
3. "Compare mi evaluación de línea base con la nueva ejecución".
4. Muéstrame los resultados de comparación con significancia estadística.

Implementación y optimización del modelo:

1. "Muéstrame todos los modelos GPT-5.4 disponibles en el catálogo".
2. "Implemente GPT-5.4 como customer-service-bot con 15 unidades de capacidad".
3. "Supervise la latencia de solicitud para mi nueva implementación".
4. "Recomiende alternativas más rentables en función del uso actual".

Administración y limpieza de recursos:

1. "Enumere todas mis implementaciones actuales y su uso".
2. "Compruebe qué implementaciones usan versiones de modelo en desuso".
3. "Muéstrame mi uso de cuota en todas las regiones."
4. "Elimine las implementaciones de prueba sin usar para liberar capacidad".

Limitaciones de vista previa

Foundry MCP Server está en versión preliminar pública. Se aplican las siguientes limitaciones:

• Sin aislamiento de red : el servidor usa el punto de conexión https://mcp.ai.azure.compúblico . No se puede acceder a los recursos detrás de Azure Private Links.
• Residencia de datos : las solicitudes y respuestas se pueden procesar en centros de datos de LA UE o EE. UU. El propio servidor no almacena datos, pero se puede producir el procesamiento entre regiones.
• Sin Acuerdo de Nivel de Servicio : las características en versión preliminar no incluyen un contrato de nivel de servicio. No use el servidor para cargas de trabajo de producción que requieran disponibilidad garantizada.
• El conjunto de herramientas puede cambiar : las herramientas, los parámetros y los valores devueltos pueden cambiar durante el período de vista previa sin previo aviso.

Para obtener más información, vea Supplemental Terms of Use for Microsoft Azure Previews.

Errores frecuentes

Error	Causa	Resolution
Acceso denegado	Rol RBAC de Azure insuficiente en el proyecto o cuenta de Foundry.	Asigne al menos lector para herramientas de lectura o colaborador para herramientas de escritura. Consulte RBAC para Microsoft Foundry.
Error de autenticación	Token de Id. entra expirado o no válido.	Cierre la sesión y vuelva a iniciar sesión en su cuenta de Azure en Visual Studio Code o en la herramienta que usa.
Cuota superada	No es suficiente capacidad para crear una implementación o ejecutar una evaluación.	Use model_quota_list para comprobar la cuota disponible antes de la operación.
Recurso no encontrado	La implementación, el conjunto de datos, el agente o la conexión especificados no existen.	Use la herramienta o get correspondiente list para comprobar el nombre del recurso.
Punto de conexión privado no accesible	Los recursos de Foundry usan Vínculos privados de Azure a los que el servidor no puede acceder.	Quite restricciones de punto de conexión privado o use SDK o API REST en su lugar.

Para obtener más instrucciones de solución de problemas, consulte Seguridad y procedimientos recomendados de Foundry MCP Server.

Contenido relacionado

• Get started con Foundry MCP Server
• Obtenga información sobre cómo crear su propio servidor MCP
• Revisión de los procedimientos recomendados de seguridad para servidores MCP