Condividi tramite

Strumenti disponibili e richieste di esempio per il server MCP Foundry (anteprima)

Foundry MCP Server espone 38 strumenti in 10 categorie che consentono di gestire agenti, set di dati, valutazioni, distribuzioni di modelli e altro ancora, tramite richieste di conversazione anziché chiamate API. Usare questo riferimento per esplorare ogni strumento e provare le richieste di esempio nel proprio project.

Suggerimento

Prima di usare questi strumenti, completare la configurazione del server MCP Foundry.

Annotazioni

Questa funzionalità è attualmente disponibile in anteprima pubblica. Questa anteprima viene fornita senza un contratto di servizio e non è consigliabile per i carichi di lavoro di produzione. Alcune funzionalità potrebbero non essere supportate o potrebbero presentare funzionalità limitate. Per altre informazioni, vedere Supplemental Terms of Use for Microsoft Azure Previews.

Funzionamento degli strumenti

Quando si digita un prompt in linguaggio naturale in un client conforme a MCP (ad esempio, modalità agente Di GitHub Copilot), il modello linguistico seleziona lo strumento appropriato e formula i parametri necessari per conto dell'utente. Non si chiamano direttamente gli strumenti, si descrive ciò che si vuole e il modello converte la finalità in una chiamata allo strumento.

Ogni strumento viene classificato come letto (recupera informazioni) o scrittura (crea, aggiorna o elimina le risorse). Le operazioni di scrittura influiscono immediatamente sulle risorse attive e sulla fatturazione. Esaminare le procedure consigliate per la sicurezza prima di eseguire operazioni di scrittura.

Autorizzazioni

Tutte le operazioni vengono eseguite con le autorizzazioni dell'utente autenticato tramite il flusso diBehalf-Of Microsoft Entra ID. Sono necessari i ruoli seguenti:

Tipo di operazione Ruolo minimo di Azure Note
Leggere gli strumenti Lettore nel progetto o nell'account Foundry Sufficiente per elencare, eseguire query e monitorare.
Strumenti di scrittura Collaboratore per il progetto o l'account Foundry Obbligatorio per la creazione, l'aggiornamento e l'eliminazione di risorse.
Amministratore dell'accesso condizionale Amministratore dell'accesso condizionale in Entra ID È necessario solo se si configurano criteri di accesso a livello di tenant.

Per altre informazioni, vedere Controllo degli accessi in base al ruolo per Microsoft Foundry.

Identificatori di chiave

Molti strumenti richiedono identificatori di risorsa. Il modello linguistico estrae questi dati dal contesto del prompt, ma consente di conoscere i formati:

Identificatore Formato Dove trovarlo
ID risorsa Foundry /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account} Pagina Delle proprietà del portale di Azure
Endpoint del progetto https://{account}.services.ai.azure.com/api/projects/{project} Pagina dei dettagli del progetto Foundry
ID risorsa progetto /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} Pagina Delle proprietà del portale di Azure

Gestione dell'agente

Gestire il ciclo di vita completo degli agenti in un progetto Foundry, tra cui creazione, chiamata, orchestrazione dei contenitori ed eliminazione.

Prompt di esempio:

  • "Elencare tutti gli agenti nella mia project Foundry."
  • "Creare un nuovo agente denominato faq-agent usando il modello gpt-4o-mini".
  • "Send 'Hello, how can you help?' alla mia customer-support-agent".
  • "Avviare il contenitore per l'agente triage-agentospitato".
  • "Controllare lo stato del contenitore per triage-agent".
  • "Mostra lo schema di definizione dell'agente per gli agenti prompt".
  • "Eliminare il old-test-agent dal project."
Strumento Access Descrizione Input delle chiavi Restituzioni
agent_get leggere Elencare tutti gli agenti in un progetto Foundry o ottenere un agente specifico in base al nome. Nome agente (facoltativo) Elenco di agenti o definizione di un singolo agente con modello, istruzioni e configurazione degli strumenti.
agent_update scrivi Creare, aggiornare o clonare un agente. Usare agent_definition_schema_get per individuare prima lo schema di definizione completo. Nome agente, modello, istruzioni, definizioni degli strumenti Definizione dell'agente creata o aggiornata.
agent_invoke scrivi Inviare un messaggio a un agente e ottenere una risposta. Funziona sia per gli agenti contenitore basati su prompt che per gli agenti contenitore ospitati. Nome agente, testo del messaggio Messaggio di risposta dell'agente.
agent_delete scrivi Eliminare definitivamente un agente. Per gli agenti ospitati, questo elimina anche il contenitore. Nome agente Conferma dell'eliminazione.
agent_container_control scrivi Avviare o arrestare un contenitore dell'agente ospitato. Usare prima di richiamare un agente ospitato. Nome agente, azione (avvio o arresto) Stato dell'operazione contenitore.
agent_container_status_get leggere Controllare lo stato corrente di un contenitore dell'agente ospitato (Avvio, Esecuzione, Arrestato, Non riuscito e così via). Nome agente Stato corrente del contenitore.
agent_definition_schema_get leggere Restituisce lo schema JSON completo per le definizioni degli agenti, inclusi tutti i tipi di strumento. Nessuno Schema JSON completo per le definizioni degli agenti.

Gestione dei set di dati

Creare, recuperare e creare set di dati di valutazione della versione in un progetto Foundry.

Prompt di esempio:

  • "Carica domande e risposte del supporto clienti Set di dati da questo URL di Azure Blob Storage."
  • "Mostra tutti i set di dati nel progetto Foundry".
  • "Ottenere i dettagli per il customer-support-qa set di dati versione 2".
  • "Elencare tutte le versioni del set product-reviews di dati".
Strumento Access Descrizione Input delle chiavi Restituzioni
evaluation_dataset_create scrivi Creare o aggiornare una versione del set di dati da un URI di Archiviazione BLOB di Azure. Nome del set di dati, versione, URI di archiviazione BLOB Metadati del set di dati con nome, versione e URI.
evaluation_dataset_get leggere Ottenere un set di dati in base al nome e alla versione oppure elencare tutti i set di dati nella project. Nome e versione del set di dati (facoltativo) Dettagli del set di dati o elenco di tutti i set di dati.
evaluation_dataset_versions_get leggere Elencare tutte le versioni di un set di dati specifico. Nome del set di dati Elenco di numeri di versione con metadati.

Operazioni di valutazione

Eseguire valutazioni batch su agenti o set di dati e confrontare i risultati tra le esecuzioni.

Prompt di esempio:

  • "Valutare la mia customer-support-agent v2 usando gli analizzatori di pertinenza, suolo e coerenza."
  • "Eseguire una valutazione batch nel set di dati JSONL con gli analizzatori Di violenza e HateUnfairness".
  • "Generare 50 query di test sintetici e valutare l'agente con loro."
  • "Mostra tutte le esecuzioni di valutazione nel progetto Foundry".
  • "Confrontare run-baseline-123 con le esecuzioni di trattamento run-124 e run-125."
Strumento Access Descrizione Input delle chiavi Restituzioni
evaluation_agent_batch_eval_create scrivi Creare un'esecuzione di valutazione batch che chiama un agente specifico. Supporta analizzatori predefiniti e personalizzati, oltre alla generazione di dati sintetici. Nome/versione dell'agente, nomi dell'analizzatore, set di dati (facoltativo per la generazione sintetica), numero di query sintetiche (facoltativo) ID e stato dell'esecuzione della valutazione.
evaluation_dataset_batch_eval_create scrivi Creare un'esecuzione di valutazione batch su un set di dati JSONL. Supporta analizzatori predefiniti e personalizzati. Nome/versione del set di dati, nomi dell'analizzatore ID e stato dell'esecuzione della valutazione.
evaluation_get leggere Elencare le esecuzioni di valutazione nel progetto Foundry. ID esecuzione valutazione (facoltativo) Elenco delle esecuzioni di valutazione con stato e punteggi o dettagli per un'esecuzione specifica.
evaluation_comparison_create scrivi Creare risultati di confronto tra le esecuzioni di valutazione di base e di trattamento. ID esecuzione di base, ID esecuzione trattamento ID di informazioni dettagliate sul confronto.
evaluation_comparison_get leggere Ottenere o elencare informazioni dettagliate sul confronto di valutazione. ID informazioni dettagliate confronto (facoltativo) Risultati del confronto con l'analisi statistica.

Catalogo dell'analizzatore

Esplorare gli analizzatori predefiniti e gestire gli analizzatori personalizzati da usare nelle esecuzioni di valutazione.

Prompt di esempio:

  • "Elencare tutti gli analizzatori predefiniti disponibili nel progetto."
  • "Mostrami la definizione completa dell'analizzatore coherence ".
  • "Creare un analizzatore personalizzato basato su prompt denominato tone-check che assegna punteggi alle risposte su una scala da 1 a 5".
  • "Aggiornare la descrizione dell'analizzatore tone-check ."
  • "Eliminare la versione 1 del mio old-evaluator".
Strumento Access Descrizione Input delle chiavi Restituzioni
evaluator_catalog_get leggere Elencare gli analizzatori nel catalogo o ottenere la definizione completa di un analizzatore specifico. Filtrare in base al tipo predefinito o personalizzato. Nome analizzatore (facoltativo), filtro del tipo (predefinito o personalizzato, facoltativo) Elenco di analizzatori o definizione dell'analizzatore completo con logica di assegnazione dei punteggi.
evaluator_catalog_create scrivi Creare un analizzatore personalizzato basato su prompt o basato su codice. Nome dell'analizzatore, tipo (prompt o codice), definizione Metadati dell'analizzatore creati.
evaluator_catalog_update scrivi Aggiornare i metadati (nome visualizzato, descrizione, categoria) per un analizzatore personalizzato esistente. Nome dell'analizzatore, campi da aggiornare Metadati dell'analizzatore aggiornati.
evaluator_catalog_delete scrivi Eliminare una versione specifica di un analizzatore personalizzato. Nome dell'analizzatore, versione Conferma dell'eliminazione.

Catalogo e dettagli del modello

Esplorare e ottenere informazioni dettagliate sui modelli nel catalogo dei modelli Foundry.

Prompt di esempio:

  • "Mostra tutti i modelli GPT-5.4 disponibili nel catalogo."
  • "Elencare tutti i modelli pubblicati da Microsoft con licenza MIT".
  • "Ottenere informazioni dettagliate ed esempi di codice per GPT-5-mini".
Strumento Access Descrizione Input delle chiavi Restituzioni
model_catalog_list leggere Elencare i modelli dal catalogo dei modelli Foundry con filtri facoltativi (editore, licenza, attività). Parole chiave di ricerca, editore, tipo di licenza, tipo di attività (tutti facoltativi) Elenco di modelli con nome, editore, licenza e funzionalità.
model_details_get leggere Ottenere i dettagli completi del modello e gli esempi di codice. Nome o ID del modello Specifiche del modello, prezzi, aree supportate ed esempi di codice.

Gestione della distribuzione dei modelli

Distribuire, esaminare e rimuovere distribuzioni di modelli in un account Foundry.

Prompt di esempio:

  • "Distribuire GPT-5-mini come production-chatbot con 20 unità di capacità".
  • "Mostra tutte le distribuzioni del modello corrente".
  • "Elimina l'oggetto old-test-deployment che non uso più."
Strumento Access Descrizione Input delle chiavi Restituzioni
model_deploy scrivi Creare o aggiornare una distribuzione del modello con la capacità specificata. Nome del modello, nome della distribuzione, unità di capacità Dettagli della distribuzione con endpoint e capacità di cui è stato effettuato il provisioning.
model_deployment_get leggere Ottieni una o più implementazioni di modelli da un account Foundry. Nome distribuzione (facoltativo) Elenco di distribuzioni o dettagli di distribuzione singola con stato e quota.
model_deployment_delete scrivi Eliminare una distribuzione specifica del modello in base al nome. Nome distribuzione Conferma dell'eliminazione.

Analisi dei modelli e raccomandazioni

Confrontare i benchmark dei modelli e ottenere raccomandazioni per passare a modelli più convenienti o di qualità superiore.

Prompt di esempio:

  • "Mostra i dati di benchmark per tutti i modelli disponibili".
  • "Confrontare le prestazioni del benchmark tra GPT-5.4 e GPT-4".
  • Trova modelli simili alla mia attuale implementazione di GPT-4.
  • "Quali modelli mi darebbero un rapporto di qualità/costo migliore rispetto a quello che uso ora?"
Strumento Access Descrizione Input delle chiavi Restituzioni
model_benchmark_get leggere Recuperare i dati di benchmark per i modelli Foundry. Filtri del modello (facoltativo) Punteggi di benchmark, accuratezza, costi e metriche di latenza.
model_benchmark_subset_get leggere Ottenere dati di benchmark per coppie specifiche di nome e versione del modello. Coppie nome modello e versione Dati di confronto dei benchmark per i modelli specificati.
model_similar_models_get leggere Trovare modelli simili in base ai dettagli della distribuzione o del modello. Nome della distribuzione o nome del modello Elenco di modelli simili con confronto delle funzionalità.
model_switch_recommendations_get leggere Ottenere raccomandazioni per il cambio di modello in base ai dati di benchmark. Nome della distribuzione corrente Modelli consigliati con analisi di compromesso qualità/costo.

Monitoraggio e operazioni del modello

Tenere traccia dell'integrità della distribuzione, monitorare le metriche, controllare lo stato di deprecazione e visualizzare l'utilizzo delle quote.

Prompt di esempio:

  • "Mostra le metriche di richiesta per la distribuzione production-chatbot ".
  • "Controllare se una delle distribuzioni usa versioni del modello deprecate".
  • Mostra l'utilizzo della quota in tutte le regioni per la mia sottoscrizione.
Strumento Access Descrizione Input delle chiavi Restituzioni
model_monitoring_metrics_get leggere Ottenere le metriche di monitoraggio (richieste, latenza, errori, quota) per una distribuzione del modello. Nome distribuzione, intervallo di tempo (facoltativo) Numero di richieste, percentili di latenza, percentuali di errore e utilizzo dei token.
model_deprecation_info_get leggere Ottenere informazioni sulla distribuzione arricchite con pianificazioni di deprecazione e ritiro. Nome distribuzione (facoltativo) Dettagli della distribuzione con date di deprecazione e sostituzioni suggerite.
model_quota_list leggere Elencare la quota di distribuzione e l'utilizzo disponibili per una sottoscrizione in un'area. Area (facoltativo) Limiti di quota, utilizzo corrente e capacità disponibile per ogni famiglia di modelli.

Connessioni del Progetto

Gestire le connessioni ai servizi esterni (Azure OpenAI, Archiviazione BLOB di Azure, ricerca e altri) all'interno di un progetto Foundry.

Prompt di esempio:

  • "Elencare tutte le connessioni nel progetto Foundry."
  • "Mostra i dettagli per la connessione azure-search ."
  • "Quali tipi di connessione e metodi di autenticazione sono supportati?"
  • "Creare una nuova connessione AzureOpenAI chiamata my-openai usando l'autenticazione AAD".
  • "Eliminare la old-storage connessione dal progetto".
Strumento Access Descrizione Input delle chiavi Restituzioni
project_connection_list leggere Elencare tutte le connessioni in un progetto Foundry, con filtri facoltativi per categoria o destinazione. Filtro categoria, filtro di destinazione (entrambi facoltativi) Elenco di connessioni con nome, tipo e stato.
project_connection_get leggere Ottenere una connessione specifica in base al nome. Nome della connessione Dettagli della connessione, tra cui categoria, destinazione e tipo di autenticazione.
project_connection_list_metadata leggere Elencare tutte le categorie di connessione e i tipi di autenticazione supportati. Chiamare questa prima operazione per individuare i valori validi. Nessuno Categorie supportate (ad esempio, AzureOpenAI, AzureBlobStorage) e tipi di autenticazione (ad esempio, AAD, chiave).
project_connection_create scrivi Creare o sostituire una connessione di progetto. Nome connessione, categoria, destinazione, tipo di autenticazione Dettagli della connessione creati.
project_connection_update scrivi Aggiornare una connessione di progetto esistente. Nome connessione, campi da aggiornare Dettagli della connessione aggiornati.
project_connection_delete scrivi Eliminare una connessione di progetto in base al nome. Nome della connessione Conferma dell'eliminazione.

Ottimizzazione prompt

Ottimizzare le richieste di sistema e i messaggi per sviluppatori per migliorare le prestazioni LLM.

Prompt di esempio:

  • "Ottimizzare la richiesta di sistema: "Si è un agente del servizio clienti utile" usando gpt-5.4".
  • "Migliorare le istruzioni dell'agente per ottenere risposte più concise."
  • "Perfezionare la richiesta ottimizzata per gestire anche le domande di completamento."
Strumento Access Descrizione Input delle chiavi Restituzioni
prompt_optimize scrivi Ottimizzare un prompt degli sviluppatori (messaggio di sistema) per migliorare le prestazioni LLM usando Azure OpenAI Prompt Optimizer. Testo della richiesta, modello di destinazione, istruzioni di perfezionamento (facoltativo) Testo del prompt ottimizzato con spiegazione delle modifiche.

Flussi di lavoro di esempio

Flusso di lavoro di valutazione dell'agente:

  1. "Elencare tutti gli agenti nel mio progetto."
  2. "Valutare la versione customer-support-agent 2 usando gli analizzatori di pertinenza, terra e sicurezza."
  3. "Confrontare la valutazione di base con la nuova esecuzione".
  4. "Mostra i risultati del confronto con significato statistico".

Distribuzione e ottimizzazione del modello:

  1. "Mostra tutti i modelli GPT-5.4 disponibili nel catalogo."
  2. "Distribuire GPT-5.4 come customer-service-bot con 15 unità di capacità".
  3. Monitorare la latenza delle richieste per la mia nuova distribuzione.
  4. "Consigliare alternative più convenienti in base all'utilizzo corrente."

Gestione delle risorse e pulizia:

  1. "Elencare tutte le distribuzioni correnti e il relativo utilizzo".
  2. Verificare quali distribuzioni utilizzano versioni del modello obsoleti.
  3. "Mostra l'utilizzo della quota in tutte le aree".
  4. "Eliminare le distribuzioni di test inutilizzate per liberare capacità".

Limiti dell'anteprima

Foundry MCP Server è disponibile in anteprima pubblica. Si applicano le seguenti limitazioni:

  • Nessun isolamento di rete : il server usa l'endpoint https://mcp.ai.azure.compubblico . Le risorse dietro i collegamenti privati di Azure non sono accessibili.
  • Residenza dei dati : le richieste e le risposte potrebbero essere elaborate nei data center ue o negli Stati Uniti. Il server stesso non archivia i dati, ma può verificarsi l'elaborazione tra aree.
  • Nessun contratto di servizio : le funzionalità di anteprima non includono un contratto di servizio. Non usare il server per i carichi di lavoro di produzione che richiedono disponibilità garantita.
  • Il set di strumenti può cambiare : gli strumenti, i parametri e i valori restituiti possono cambiare durante il periodo di anteprima senza preavviso.

Per altre informazioni, vedere Supplemental Terms of Use for Microsoft Azure Previews.

Errori comuni

Error Motivo Resolution
Accesso negato Ruolo controllo degli accessi in base al ruolo di Azure insufficiente nel progetto o nell'account Foundry. Assegnare almeno Lettore per gli strumenti di lettura o Collaboratore per gli strumenti di scrittura. Vedere Controllo degli accessi in base al ruolo per Microsoft Foundry.
Errore di autenticazione Token ENTRA ID scaduto o non valido. Disconnettersi e accedere di nuovo all'account Azure in Visual Studio Code o allo strumento in uso.
Quota superata Capacità insufficiente per creare una distribuzione o eseguire una valutazione. Usare model_quota_list per controllare la quota disponibile prima dell'operazione.
Risorsa non trovata La distribuzione, il set di dati, l'agente o la connessione specificati non esiste. Usare lo strumento o get corrispondente list per verificare il nome della risorsa.
Endpoint privato non raggiungibile Le risorse di Foundry usano collegamenti privati di Azure che il server non riesce a raggiungere. Rimuovere le restrizioni dell'endpoint privato o usare invece SDK/API REST.

Per altre indicazioni sulla risoluzione dei problemi, vedere Foundry MCP Server security and best practices (Sicurezza e procedure consigliate per il server McP Foundry).

Contenuti correlati

  • Last updated on