Microsoft Öntödei eszközkészlet

A Microsoft Foundry Toolbox egy üzemeltetett eszközkonfigurációk nevesített, verziószámozott kiszolgálóoldali csomagja, például kódértelmező, fájlkeresés, képgenerálás, MCP és webes keresés. Az eszközkészletekkel egyszer kezelheti az eszközkonfigurációt a Foundryben, és újra felhasználhatja az ügynökök között.

Az Agent Framework az eszközkészletek használatát ismerteti. Eszközkészlet-verziók létrehozása és frissítése az Foundry portálon vagy az azure-ai-projects SDK-on keresztül.

Important

FoundryToolbox a bétacsomag agent-framework-foundry-hosting biztosítja, és a stabil kiadás előtt változhat.

Szolgáltatás által felügyelt FoundryAgenteszközkészlet esetén csatolja az eszközkészletet az Foundry ügynökdefinícióhoz. Az ügyféloldali .NET eszközkészlet használati útmutatója jelenleg nincs dokumentálva.

A csomagok telepítése

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

FoundryToolbox importálja a rendszer, agent_framework.foundry és a rendszer a következőt adja meg: agent-framework-foundry-hosting.

Az eszközkészlet konfigurálása

Explicit Toolbox MCP-végpont beállítása:

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

Vagy hozza FoundryToolbox létre a végpontot:

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

Az üzemeltetett ügynök mintái a következőhöz FoundryChatClientis használhatókAZURE_AI_MODEL_DEPLOYMENT_NAME: .

Használat FoundryToolbox üzemeltetett ügynökkel

FoundryToolboxfeloldja a végpontot, hitelesíti az összes MCP-kérést a megadott Azure hitelesítő adatokkal, továbbítja az Foundry kérésenkénti hívásazonosítóját, és részt vesz az ügynök kapcsolati életciklusában.

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()

Eszközkészlet-készségek felfedés

Az eszközkészletek elérhetővé tehetik az ügynöki készségeket az MCP-en keresztül. Adja meg load_tools=False , hogy csak a készségek legyenek modellel láthatóak, majd adja hozzá eszközként az eszközkészletet, hogy az MCP-munkamenet kapcsolódjon és környezetszolgáltatóként használhassa as_skills_provider() .

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()

A jóváhagyás alapértelmezés szerint engedélyezve marad a készségműveletek esetében. Csak megbízható, felügyelet nélküli forgatókönyvek esetén tiltsa le az egyéni jóváhagyásokat.

Eszközkészlet használata FoundryAgent

Csatolja az eszközkészletet a Prompt vagy a Hosted Agent definícióhoz a Foundryben. FoundryAgent ezt a tárolt eszközkonfigurációt használja; A Toolbox ügyféloldali átadása nem adja hozzá a felügyelt ügynökhöz.

Csatlakozás nyers MCP-kapcsolaton keresztül

Közvetlenül akkor használja MCPStreamableHTTPTool , ha az alkalmazás nem használja az FoundryToolbox üzemeltetési burkolót. Adja meg az Eszközkészlet végpontot és egy Entra ID tulajdonosi jogkivonatot.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}")

Az alsó szintű minta a következőt használja FOUNDRY_TOOLBOX_ENDPOINT: . Az eszközkészlet-készségek mintája használFOUNDRY_TOOLBOX_MCP_SERVER_URL; ezek a nevek ezekhez a mintákhoz tartoznak, és eltérnek az osztály TOOLBOX_ENDPOINT és TOOLBOX_NAME a FoundryToolbox beállításoktól.

Limitations

  • Az eszközkészleten belüli MCP-eszközök kiszolgálóoldali hitelesítést használnak egy Foundryn project_connection_idkeresztül; az Agent Framework-ügyfél nem tárolja a felsőbb rétegbeli MCP-tulajdonosi jogkivonatot.
  • Az eszközkészlet MCP-kiszolgálóként való használatához ügyféloldali Entra ID hitelesítés szükséges az Eszközkészlet-végponthoz.
  • A hozzájárulási folyamatra adott válaszokat, például CONSENT_REQUIRED az ügynök futtatásakor kezelik, nem pedig az eszközkészlet-kapcsolat létrehozásakor.

Samples

Sample Description
foundry_toolbox/main.py FoundryToolbox üzemeltetett válaszügynökkel
foundry_toolbox_mcp_skills/main.py Eszközkészlet-alapú ügynökkel kapcsolatos készségek
foundry_chat_client_with_toolbox.py Eszközkészlet MCP-felhasználása a MCPStreamableHTTPTool
foundry_chat_client_with_toolbox_skills.py Eszközkészlet által támogatott készségek konfigurálása
invoke_foundry_toolbox_mcp Munkafolyamat-oldali MCP-használat

A Go jelenleg nem tesz közzé egy Foundry Toolbox-segítőt. Konfigurálja az eszközkészleteket a Foundryn keresztül, és használjon támogatott helyi vagy üzemeltetett eszközdeklarációkat a Go-ügynökökhöz.

  • Last updated on