Az Azure MCP Server használatának első lépései

2025-05-20

Az Azure MCP Server a Model Context Protocol (MCP) használatával szabványosítja az AI-alkalmazások és a külső eszközök és adatforrások közötti integrációt, lehetővé téve az AI-rendszerek számára az Azure-erőforrások környezettudatos műveleteit.

Ebből a cikkből megtudhatja, hogyan végezheti el a következő feladatokat:

Az Azure MCP Server telepítése és hitelesítése
Csatlakozás az Azure MCP Serverhez GitHub Copilot-ügynök mód használatával a Visual Studio Code-ban
Az Azure MCP Server műveleteinek tesztelésére és az Azure-erőforrások használatára vonatkozó kérések futtatása

Előfeltételek

Aktív előfizetéssel rendelkező Azure-fiók
Visual Studio Code
GitHub Copilot Visual Studio Code-bővítmény

Megjegyzés:

Az Azure MCP Serverrel elérni kívánt Azure-erőforrásoknak már létezniük kell az Azure-előfizetésben. Emellett a felhasználói fióknak rendelkeznie kell az erőforrásokhoz szükséges RBAC-szerepkörök és engedélyek hozzárendelésével .

Az Azure MCP-kiszolgáló telepítése

Az Azure MCP Server Visual Studio Code-ban való telepítéséhez válassza az alábbi lehetőségek egyikét:

Globális telepítés
Címtár telepítése

Ha telepíteni szeretné az Azure MCP Server for Visual Studio Code-ot a felhasználói beállításokban, válassza az alábbi hivatkozást:

Megnyílik a telepítési lehetőségek listája a Visual Studio Code-ben. Válassza a Kiszolgáló telepítése lehetőséget a kiszolgálókonfiguráció felhasználói beállításokhoz való hozzáadásához.
Nyissa meg a GitHub Copilotot, és válassza az Ügynök mód lehetőséget. Az Ügynök módról a Visual Studio Code dokumentációjában talál további információt.
Az eszközök listájának frissítésével az Azure MCP Server elérhető lehetőségként jelenik meg:

Manuálisan is telepítheti az Azure MCP Servert egy adott könyvtárhoz:

Nyisson meg egy üres könyvtárat vagy egy meglévő projektkönyvtárat a Visual Studio Code-ban.
Ha még nincs ilyen, hozzon létre egy .vscode mappát a mappa gyökerénél.

A .vscode mappában hozzon létre egy új fájlt, majd adja hozzá a következő JSON-t: mcp.json

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

Mentse a módosításokat a fájlba mcp.json.
Nyissa meg a GitHub Copilotot, és válassza az Ügynök mód lehetőséget.
Az elérhető eszközök megtekintéséhez válassza az eszközök ikont. Az eredmények szűréséhez keressen rá az Azure MCP Serverre .

Az Ügynök módról a Visual Studio Code dokumentációjában talál további információt.

Az Azure MCP-kiszolgáló tesztelése parancssorokkal

Nyissa meg a GitHub Copilotot, és válassza az Ügynök mód lehetőséget.
Adjon meg egy kérést, amely miatt az ügynök Azure MCP Server-eszközöket használ, például listázhatja az Azure-erőforráscsoportokat.
Az Azure MCP Server hitelesítéséhez a Copilot kéri, hogy jelentkezzen be az Azure-ba a böngészővel.

Megjegyzés:

A Copilot nem fogja kérni, hogy jelentkezzen be az Azure-ba, ha már más helyi eszközök, például az Azure CLI használatával van hitelesítve.
A Copilot engedélyt kér a kéréshez szükséges Azure MCP Server-művelet futtatásához. Válassza a Folytatás lehetőséget, vagy használja a nyílbillentyűt egy konkrétabb viselkedés kiválasztásához:
- Az aktuális munkamenet mindig az aktuális GitHub Copilot-ügynök módú munkamenetben futtatja a műveletet.
- Az aktuális munkaterület mindig az aktuális Visual Studio Code-munkaterület parancsát futtatja.
- Mindig engedélyezze , hogy a művelet mindig fusson a GitHub Copilot Agent Mode-munkamenetekhez vagy bármely Visual Studio Code-munkaterülethez.
Az előző parancssor kimenetének a következő szöveghez kell hasonlítania:
```
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!
```

Az Azure MCP-műveletek megismerése és tesztelése más vonatkozó kérésekkel, például:

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

Ebből a cikkből megtudhatja, hogyan végezheti el a következő feladatokat:

Az Azure MCP Server telepítése és hitelesítése
Csatlakozás az Azure MCP Serverhez egyéni .NET-ügyfél használatával
Az Azure MCP Server műveleteinek tesztelésére és az Azure-erőforrások kezelésére vonatkozó kérések futtatása

Előfeltételek

Aktív előfizetéssel rendelkező Azure-fiók
.NET 9.0
Node.js

Megjegyzés:

Az Azure MCP Server zökkenőmentes hitelesítési élményt nyújt token-alapú hitelesítéssel a Microsoft Entra ID-vel. Az Azure MCP Server belsőleg az DefaultAzureCredential használja a felhasználók hitelesítését.

Az Azure MCP Server használatához be kell jelentkeznie az Azure-fiókjával helyileg támogatott DefaultAzureCredential eszközök egyikére. Bejelentkezés terminálablakkal, például a Visual Studio Code terminállal:

az login

Connect-AzAccount

azd auth login

Miután sikeresen bejelentkezett az előző eszközök egyikére, az Azure MCP Server automatikusan felderítheti a hitelesítő adatait, és felhasználhatja őket az Azure-szolgáltatások hitelesítésére és műveleteinek végrehajtására.

Megjegyzés:

A Visual Studióval is bejelentkezhet az Azure-ba. Az Azure MCP Server csak olyan műveleteket képes futtatni, amelyekre a bejelentkezett felhasználónak engedélye van.

A .NET-gazdagépalkalmazás létrehozása

A .NET-konzolalkalmazás létrehozásához hajtsa végre az alábbi lépéseket. Az alkalmazás csatlakozik egy AI modellhez, és MCP-ügyfél gazdaként működik, amely egy Azure MCP kiszolgálóhoz kapcsolódik.

A projekt létrehozása

Nyisson meg egy terminált egy üres mappába, ahol létre szeretné hozni a projektet.
Futtassa a következő parancsot egy új .NET-konzolalkalmazás létrehozásához:
```
dotnet new console -n MCPHostApp
```
Lépjen az újonnan létrehozott projektmappába:
```
cd MCPHostApp
```
Nyissa meg a projektmappát a választott szerkesztőben, például a Visual Studio Code-ban:
```
code .
```

Függőségek hozzáadása

A terminálban futtassa a következő parancsokat a szükséges NuGet-csomagok hozzáadásához:

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

Ellenőrizze, hogy a csomagok hozzáadva lettek-e a MCPHostApp.csproj fájl ellenőrzésével.
Futtassa a következő parancsot a projekt létrehozásához, és győződjön meg arról, hogy minden megfelelően van beállítva:
```
dotnet build
```

Az alkalmazáskód hozzáadása

Cserélje le a Program.cs tartalmát a következő kódra:

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);
}

Az előző kód a következő feladatokat hajtja végre:

Az IChatClient absztrakció inicializálása a Microsoft.Extensions.AI könyvtárak felhasználásával.
Létrehoz egy MCP-ügyfelet, amely szabványos I/O-átvitel használatával kommunikál az Azure MCP-kiszolgálóval. A megadott npx parancs és a hozzájuk tartozó argumentumok letöltik és elindítják az Azure MCP-kiszolgálót.
Lekéri és megjeleníti az MCP-kiszolgálóról elérhető eszközök listáját, amely egy szabványos MCP-függvény.
Olyan beszélgetési hurkot implementál, amely feldolgozza a felhasználók kéréseit, és a válaszok eszközeit használja.

Az alkalmazás futtatása és tesztelése

A .NET-gazdagépalkalmazás teszteléséhez hajtsa végre az alábbi lépéseket:

A projekt gyökeréhez megnyitott terminálablakban futtassa a következő parancsot az alkalmazás elindításához:
```
dotnet run
```

Az alkalmazás futtatása után adja meg a következő tesztüzenetet:

List all of the resource groups in my subscription

Az előző parancssor kimenetének a következő szöveghez kell hasonlítania:

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!

Az Azure MCP-műveletek megismerése és tesztelése más vonatkozó kérésekkel, például:

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

Ebből a cikkből megtudhatja, hogyan végezheti el a következő feladatokat:

Az Azure MCP Server telepítése és hitelesítése
Csatlakozás az Azure MCP Serverhez egyéni Python-ügyfél használatával
Az Azure MCP Server műveleteinek tesztelésére és az Azure-erőforrások kezelésére vonatkozó kérések futtatása

Előfeltételek

Aktív előfizetéssel rendelkező Azure-fiók
Helyileg telepített Python 3.9 vagy újabb
helyileg telepített Node.js

Megjegyzés:

az login

Connect-AzAccount

azd auth login

Megjegyzés:

A Visual Studióval is bejelentkezhet az Azure-ba. Az Azure MCP Server csak olyan műveleteket képes futtatni, amelyekre a bejelentkezett felhasználónak engedélye van.

A Python-alkalmazás létrehozása

Python-alkalmazás létrehozásához hajtsa végre az alábbi lépéseket. Az alkalmazás csatlakozik egy AI modellhez, és MCP-ügyfél gazdaként működik, amely egy Azure MCP kiszolgálóhoz kapcsolódik.

A projekt létrehozása

Nyisson meg egy üres mappát a választott szerkesztőben.
Hozzon létre egy új, elnevezett requirements.txt fájlt, és adja hozzá a következő kódtár-függőségeket:
```
mcp
azure-identity
openai
logging
```
Ugyanabban a mappában hozzon létre egy új, elnevezett .env fájlt, és adja hozzá a következő környezeti változókat:
```
AZURE_OPENAI_ENDPOINT=<your-azure-openai-endpoint>
AZURE_OPENAI_MODEL=<your-model-deployment-name>
```
Hozzon létre egy üres fájlt, amely main.py az alkalmazás kódjának tárolására szolgál.

A környezet létrehozása és függőségek telepítése

Nyisson meg egy terminált az új mappában, és hozzon létre egy Python virtuális környezetet az alkalmazáshoz:
```
python -m venv venv
```
A virtuális környezet aktiválása:
```
venv\Scripts\activate
```
Telepítse a függőségeket a következő forrásból requirements.txt:
```
pip install -r requirements.txt
```

Az alkalmazáskód hozzáadása

Frissítse a következő kód tartalmát Main.py :

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())

Az előző kód a következő feladatokat hajtja végre:

Beállítja a naplózási és betölti a környezeti változókat egy .env fájlból.
Az Azure OpenAI-ügyfelet a azure-identity és openai könyvtárak használatával konfigurálja.
Inicializál egy MCP-ügyfelet az Azure MCP-kiszolgálóval való kommunikációhoz egy szabványos I/O-átvitel használatával.
Lekéri és megjeleníti az MCP-kiszolgálóról elérhető eszközök listáját.
Beszélgetési ciklust implementál a felhasználói kérések feldolgozásához, az eszközök használatához és az eszközhívások kezeléséhez.

Az alkalmazás futtatása és tesztelése

A .NET-gazdagépalkalmazás teszteléséhez hajtsa végre az alábbi lépéseket:

A projekt gyökeréhez megnyitott terminálablakban futtassa a következő parancsot az alkalmazás elindításához:
```
python main.py
```

Az alkalmazás futtatása után adja meg a következő tesztüzenetet:

List all of the resource groups in my subscription

Az előző parancssor kimenetének a következő szöveghez kell hasonlítania:

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!

Az Azure MCP-műveletek megismerése és tesztelése más vonatkozó kérésekkel, például:

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

Következő lépések

További információ az Azure MCP Server-eszközökről

Megosztás a következőn keresztül:

Az Azure MCP Server használatának első lépései

Előfeltételek

Az Azure MCP-kiszolgáló telepítése

Az Azure MCP-kiszolgáló tesztelése parancssorokkal

Előfeltételek

Bejelentkezés helyi fejlesztéshez

A .NET-gazdagépalkalmazás létrehozása

A projekt létrehozása

Függőségek hozzáadása

Az alkalmazáskód hozzáadása

Az alkalmazás futtatása és tesztelése

Előfeltételek

Bejelentkezés helyi fejlesztéshez

A Python-alkalmazás létrehozása

A projekt létrehozása

A környezet létrehozása és függőségek telepítése

Az alkalmazáskód hozzáadása

Az alkalmazás futtatása és tesztelése

Következő lépések

Visszajelzés

További források