Azure Container Apps で MCP サーバーを使用して .NET OpenAI エージェントを構築する

この記事では、.NET を使用してモデルコンテキストプロトコル (MCP) エージェントを構築する方法について説明します。このサンプルでは、MCP クライアント (C#/.NET で記述) が MCP サーバー (TypeScript で記述) に接続して Todo リストを管理します。クライアントは、サーバーから使用可能なツールを検索し、Azure OpenAI モデルに送信します。その後、ユーザーは日常の言語を使用して todo システムと話すことができます。

コードにアクセスする

OpenAI MCP Agent Building Block AI テンプレートを確認してください。この例では、MCP クライアントを使用して既存の MCP サーバーを使用する OpenAI エージェントを構築する方法を示します。

このサンプルのしくみについては、コードチュートリアルのセクションを参照してください。

アーキテクチャの概要

次の図は、サンプルアプリの単純なアーキテクチャを

MCP クライアント: MCP サーバーに接続し、使用可能なツールを見つけます
チャットクライアント: Azure OpenAI と連携して自然言語を理解する
Blazor UI: ユーザーがチャットできる Web インターフェイスを提供します
トランスポート層: Server-Sent イベント (SSE) を使用してリアルタイムでメッセージを送信する
認証: JWT トークンを使用して接続をセキュリティで保護する

MCP サーバーは、Azure Container Apps (ACA) でコンテナー化されたアプリとして実行されます。 TypeScript バックエンドを使用して、モデルコンテキストプロトコルを介して MCP クライアントにツールを提供します。すべてのツールはバックエンド SQLite データベースで動作します。

注

この記事で使用する TypeScript MCP サーバーのコードチュートリアルについては、Azure Container Apps を使用した TypeScript MCP サーバーの構築に関するページを参照してください。

費用

コストを低く抑えるために、このサンプルでは、ほとんどのリソースに基本価格レベルまたは従量課金レベルを使用します。必要に応じてレベルを調整し、料金が発生しないように完了したらリソースを削除します。

[前提条件]

Visual Studio Code - MCP サーバー開発をサポートする最新バージョン。
.NET 9 SDK
Visual Studio Code 用 C# 開発キット Visual Studio Code 拡張機能
GitHub Copilot Visual Studio Code 拡張機能
GitHub Copilot チャット Visual Studio Code 拡張機能
Azure Developer CLI (azd)
AI Foundry 拡張機能 Visual Studio Code 拡張機能
デプロイされた AI Foundry gpt-5-mini モデル

開発コンテナーには、この記事に必要なすべての依存関係が含まれています。 GitHub Codespaces (ブラウザー) で実行することも、Visual Studio Code を使用してローカルで実行することもできます。

この記事に従うには、次の前提条件を満たしていることを確認します。

AI Foundry VS Code 拡張機能を使用して AI Foundry gpt-5-mini モデルをデプロイする

次の手順に従って、Visual Studio Code の AI Foundry 拡張機能を使用して gpt-5-mini モデルをデプロイします。

AI Foundry プロジェクトを作成してモデルをデプロイする

AI Foundry プロジェクトを作成し、gpt-5-mini モデルをデプロイするには、「Azure AI Foundry for Visual Studio Code 拡張機能を使用する (プレビュー)」の「作業の開始」の手順に従います。

OpenAI モデルの接続文字列を作成する

gpt-5-mini モデルがデプロイされたら、AI Foundry 拡張機能でモデルを右クリックし、[API キーのコピー] を選択して、モデルの API キーをクリップボードにコピーします。
次に、AI Foundry 拡張機能でデプロイされた gpt-5-mini モデルを右クリックし、[ エンドポイントのコピー ] を選択して、次のスクリーンショットに示すように、モデルのエンドポイントをクリップボードにコピーします。
最後に、コピーしたエンドポイントと API キーを使用して、デプロイされた gpt-5-mini モデルの接続文字列を次の形式で作成します: Endpoint=<AZURE_OPENAI_ENDPOINT>;Key=<AZURE_OPENAI_API_KEY>。この接続文字列は、この記事の後半で必要になります。

GitHub Codespaces (推奨)
Visual Studio Code

Azure サブスクリプション – 無料で作成する
Azure アカウントのアクセス許可 – Azure アカウントには、Microsoft.Authorization/roleAssignments/write、所有者などのアクセス許可が必要です。サブスクリプションレベルのアクセス許可がない場合は、既存のリソースグループの RBAC を付与し、そのグループにデプロイする必要があります。
- Azure アカウントには、サブスクリプションレベルで Microsoft.Resources/deployments/write アクセス許可も必要です。
GitHub アカウント

Azure サブスクリプション – 無料で作成する
Azure アカウントのアクセス許可 – Azure アカウントには、Microsoft.Authorization/roleAssignments/writeや所有者などのアクセス許可が必要です
Azure Developer CLI
Docker Desktop – Docker Desktop が実行されていることを確認する
Visual Studio Code
開発コンテナー拡張機能

オープン開発環境

必要なすべての依存関係を含む事前構成済みの開発環境を設定するには、次の手順に従います。

GitHub Codespaces (推奨)
Visual Studio Code

GitHub Codespaces は、インターフェイスとして Visual Studio Code for the Web を使用して GitHub によって管理される開発コンテナーを実行します。この記事にプレインストールされている必要なツールと依存関係が付属しているため、最も簡単なセットアップには GitHub Codespaces を使用します。

Important

すべての GitHub アカウントでは、2 つのコアインスタンスで毎月最大 60 時間無料で Codespaces を使用できます。詳細については、 GitHub Codespaces の月単位の含まれるストレージとコア時間を参照してください。

main GitHub リポジトリの Azure-Samples/openai-mcp-agent-dotnet ブランチに新しい GitHub Codespace を作成するには、次の手順に従います。

次のボタンを右クリックし、[ 新しいウィンドウでリンクを開く] を選択します。このアクションにより、開発環境とドキュメントをサイドバイサイドで開くことができます。

で開く
[ コードスペースの作成 ] ページで、確認し、[ 新しいコードスペースの作成] を選択します。
コードスペースが起動するまで待ちます。数分かかる場合があります。
デプロイされたモデル名が gpt-5-miniされていることを確認します。デプロイされたモデルが異なる場合は、正しいデプロイ名で src/McpTodo.ClientApp/appsettings.json を更新します。
```
{
  "OpenAI": {
    // Make sure this is the right deployment name.
    "DeploymentName": "gpt-5-mini"
  }
}
```
画面の下部にあるターミナルで、Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
ターミナルからコードをコピーし、ブラウザーに貼り付けます。手順に従って、Azure アカウントで認証します。

この開発コンテナーでは、残りのタスクを実行します。

Visual Studio Code の Dev Containers 拡張機能には、コンピューターに Docker がインストールされている必要があります。この拡張機能では、Docker を使用して、この記事に必要なツールと依存関係がプレインストールされた開発コンテナーをローカルでホストします。

プロジェクトのコンピューターに新しいローカルディレクトリを作成します。
```
mkdir my-mcp-agent
```
作成したディレクトリに移動します。
```
cd my-mcp-agent
```
そのディレクトリで Visual Studio Code を開きます。
```
code .
```
Visual Studio Code で新しいターミナルを開きます。
次の AZD コマンドを実行して、GitHub リポジトリをローカルコンピューターに移動します。
```
azd init -t openai-mcp-agent-dotnet
```
コマンドパレットを開き、[ 開発コンテナー: コンテナー内のフォルダーを開く ] を検索して選択し、開発コンテナーでプロジェクトを開きます。開発コンテナーが開くまで待ってから続行します。
デプロイされたモデル名が gpt-5-miniされていることを確認します。デプロイされたモデルが異なる場合は、正しいデプロイ名で src/McpTodo.ClientApp/appsettings.json を更新します。
```
{
  "OpenAI": {
    // Make sure this is the right deployment name.
    "DeploymentName": "gpt-5-mini"
  }
}
```
Azure Developer CLI を使用して Azure にサインインします。
```
azd auth login
```
この開発コンテナーでは、残りの演習を行います。

注

MCP エージェントをローカルで実行するには:

サンプルリポジトリの「作業の開始」セクションの説明に従って、環境を設定します。
サンプルリポジトリの「 MCP サーバーアプリの取得」セクションの手順に従って、MCP サーバーをインストールします。
サンプルリポジトリの「ローカルで実行」セクションの手順に従って、MCP エージェントをローカルで実行します。
「 TODO MCP エージェントの使用」セクションに進み、続行します。

デプロイと実行

サンプルリポジトリには、MCP エージェント Azure デプロイのすべてのコードと構成ファイルが含まれています。次の手順では、MCP エージェントの Azure デプロイプロセスのサンプルについて説明します。

Azure にデプロイ

Important

このセクションの Azure リソースでは、完了する前にコマンドを停止した場合でも、すぐにコストがかかります。

JWT トークンを設定する

画面の下部にあるターミナルで次のコマンドを実行して、MCP サーバーの JWT トークンを設定します。
```
# zsh/bash
./scripts/set-jwttoken.sh
```
```
# PowerShell
./scripts/Set-JwtToken.ps1
```

azd environment configuration に JWT トークンを追加する

画面の下部にあるターミナルで次のコマンドを実行して、AZD 環境構成に JWT トークンを追加します。
```
# zsh/bash
env_dir=".azure/$(azd env get-value AZURE_ENV_NAME)"
mkdir -p "$env_dir"
cat ./src/McpTodo.ServerApp/.env >> "$env_dir/.env"
```
```
# PowerShell
$dotenv = Get-Content ./src/McpTodo.ServerApp/.env
$dotenv | Add-Content -Path ./.azure/$(azd env get-value AZURE_ENV_NAME)/.env -Encoding utf8 -Force
```
注

既定では、MCP クライアントアプリは ACA 組み込みの認証機能によって保護されます。 azd upを実行する前に、次の設定を行って、この機能をオフにすることができます。
```
azd env set USE_LOGIN false
```
Azure リソースのプロビジョニングとソースコードのデプロイに対して、次の Azure Developer CLI コマンドを実行します。
```
azd up
```

次の表を使用して、プロンプトに応答します。

Prompt	答え
環境名	短い小文字の名前を使用します。名前またはエイリアスを追加します。たとえば、「 `my-mcp-agent` 」のように入力します。環境名は、リソースグループ名の一部になります。
Subscription	リソースを作成するサブスクリプションを選択します。
場所 (ホスティング用)	一覧からモデルのデプロイ場所を選択します。
OpenAI 接続文字列	「OpenAI モデルの接続文字列の作成」セクションで、先ほど作成した OpenAI モデルの接続文字列を貼り付けます。

アプリのデプロイには 5 ~ 10 分かかります。
デプロイが完了したら、出力の URL を使用して MCP エージェントにアクセスできます。 URL は次のようになります。
```
https://<env-name>.<container-id>.<region>.azurecontainerapps.io
```
Web ブラウザーで URL を開き、MCP エージェントを使用します。

TODO MCP エージェントを使用する

MCP エージェントの実行後は、エージェントモードで提供されるツールを使用できます。エージェントモードで MCP ツールを使用するには:

クライアントアプリの URL に移動し、アプリにサインインします。

注

USE_LOGIN値を false に設定すると、サインインを求められない可能性があります。
チャット入力ボックスに「水曜日に上司にメールを送信する必要がある」などのプロンプトを入力し、必要に応じてツールがどのように自動的に呼び出されるかを確認します。
MCP エージェントは、MCP サーバーによって提供されるツールを使用して要求を満たし、チャットインターフェイスで応答を返します。

次のような他のプロンプトを試してください。

Give me a list of to dos.
Set "meeting at 1pm".
Give me a list of to dos.
Mark #1 as completed.
Delete #1 from the to-do list.

コードを調べる

サンプルリポジトリには、MCP エージェント Azure デプロイのすべてのコードと構成ファイルが含まれています。次のセクションでは、MCP エージェントコードの主要なコンポーネントについて説明します。

MCP クライアントの構成とセットアップ

アプリケーションは、 Program.csで MCP クライアントを設定します。この構成では、接続方法と使用するオプションを定義します。このコードでは、.NET Aspire の統合とサービスの既定値など、いくつかの高度なパターンを使用します。

builder.Services.AddSingleton<IMcpClient>(sp =>
{
    var config = sp.GetRequiredService<IConfiguration>();
    var loggerFactory = sp.GetRequiredService<ILoggerFactory>();

    var uri = new Uri(config["McpServers:TodoList"]!);

    var clientTransportOptions = new SseClientTransportOptions()
    {
        Endpoint = new Uri($"{uri.AbsoluteUri.TrimEnd('/')}/mcp"),
        AdditionalHeaders = new Dictionary<string, string>
        {
            { "Authorization", $"Bearer {config["McpServers:JWT:Token"]!}" }
        }
    };
    var clientTransport = new SseClientTransport(clientTransportOptions, loggerFactory);

    var clientOptions = new McpClientOptions()
    {
        ClientInfo = new Implementation()
        {
            Name = "MCP Todo Client",
            Version = "1.0.0",
        }
    };

    return McpClientFactory.CreateAsync(clientTransport, clientOptions, loggerFactory).GetAwaiter().GetResult();
});

主要な実装の詳細:

トランスポート構成: SseClientTransportOptions では、Server-Sent イベント (SSE) とストリーミング可能な HTTP トランスポートの両方がサポートされます。トランスポート方法はエンドポイント URL に依存します。エンドポイントは Server-Sent イベント /sse 使用しますが、エンドポイントの末尾 /mcp ストリーミング可能な HTTP を使用します。このアプローチにより、クライアントとサーバー間のリアルタイム通信が可能になります
認証ヘッダー: JWT トークンは、サーバー通信をセキュリティで保護するために AdditionalHeaders に入ります
クライアント情報: McpClientOptions は、クライアントの名前とバージョンをサーバーに通知します
ファクトリパターン: McpClientFactory.CreateAsync() が接続し、プロトコルハンドシェイクを完了します

.NET アスパイアサービスの既定の統合

アプリケーションでは、クロスカットの懸念に対して .NET Aspire のサービスの既定のパターンを使用します。

// McpTodo.ServiceDefaults/Extensions.cs
public static TBuilder AddServiceDefaults<TBuilder>(this TBuilder builder) where TBuilder : IHostApplicationBuilder
{
    builder.ConfigureOpenTelemetry();
    builder.AddDefaultHealthChecks();
    builder.Services.AddServiceDiscovery();
    
    builder.Services.ConfigureHttpClientDefaults(http =>
    {
        // Turn on resilience by default
        http.AddStandardResilienceHandler();
        // Turn on service discovery by default
        http.AddServiceDiscovery();
    });
    
    return builder;
}

サービスの既定の利点:

コンポーザブル拡張メソッド: システムはクリーンビルダーパターンを使用して共有機能を追加します
標準の回復性ハンドラー: システムによって、組み込みの再試行、サーキットブレーカー、タイムアウト規則が自動的に追加されます
Service Discovery Integration: システムはコンテナー環境でサービスを自動的に検索します
OpenTelemetry by Default: システムはセットアップ作業なしで完全な監視を取得します

次の図は、横断的な懸念事項とアプリケーションサービスの関係を示しています。

構成 URL の解決

このサンプルには、さまざまな環境に対応した高度な URL 解決が含まれています。

// AspireUrlParserExtensions.cs
public static Uri Resolve(this Uri uri, IConfiguration config)
{
    var absoluteUrl = uri.ToString();
    if (absoluteUrl.StartsWith("https+http://"))
    {
        var appname = absoluteUrl.Substring("https+http://".Length).Split('/')[0];
        var https = config[$"services:{appname}:https:0"]!;
        var http = config[$"services:{appname}:http:0"]!;
        
        return string.IsNullOrWhiteSpace(https) ? new Uri(http) : new Uri(https);
    }
    // Handle other URL formats...
}

構成管理機能:

サービス検出の抽象化: システムは開発 URL と運用 URL をクリーンに処理します
プロトコルネゴシエーション: システムは最初に HTTPS を選択し、次に HTTP にフォールバックします
構成規則: システムは標準の .NET アスパイアサービスのセットアップパターンを使用します

認証の実装

このサンプルでは、JWT (JSON Web トークン) 認証を使用して、MCP クライアントとサーバー間の接続をセキュリティで保護します。

dotnet user-secrets --project ./src/McpTodo.ClientApp set McpServers:JWT:Token "$TOKEN"

注

スクリプトは、前の「$TOKEN」セクションで Bash (set-jwttoken.sh) または PowerShell (Set-JwtToken.ps1) スクリプトを実行したときに、変数を自動的に作成しました。これらのスクリプトは、次の手順を実行します。

MCP サーバーアプリで npm run generate-token を実行して JWT トークンを作成する
生成された .env ファイルを解析してJWT_TOKEN値を抽出する
MCPClient の .NET ユーザーシークレットに自動的に格納する

MCP クライアントは、構成から JWT トークンを取得し、MCP サーバーに接続するときに認証用の HTTP ヘッダーに含めます。

AdditionalHeaders = new Dictionary<string, string>
{
    { "Authorization", $"Bearer {config["McpServers:JWT:Token"]!}" }
}

この方法により、次の内容が保証されます。

セキュリティで保護された通信: システムでは、有効なトークンを持つクライアントのみが MCP サーバーに接続できます
Token-Based 承認: JWT トークンを使用すると、システムはセッションデータを格納せずにユーザーを検証できます
構成管理: システムは、開発中に機密トークンをユーザーシークレットに安全に格納します

Azure Container Apps 認証の統合

このインフラストラクチャでは、 Azure Container Apps の組み込みの認証と承認機能 ("Easy Auth") を使用した高度な認証パターンが表示されます。

// containerapps-authconfigs.bicep
resource containerappAuthConfig 'Microsoft.App/containerApps/authConfigs@2024-10-02-preview' = {
  properties: {
    identityProviders: {
      azureActiveDirectory: {
        enabled: true
        registration: {
          clientId: clientId
          openIdIssuer: openIdIssuer
        }
      }
    }
    login: {
      tokenStore: {
        enabled: true
        azureBlobStorage: {
          blobContainerUri: '${storageAccount.properties.primaryEndpoints.blob}/token-store'
          managedIdentityResourceId: userAssignedIdentity.id
        }
      }
    }
  }
}

高度な認証機能:

Zero-Code 認証: Azure Container Apps は組み込みの認証を提供します
ストレージのマネージド ID: システムは接続文字列なしでトークンを安全に格納します
フェデレーション ID 資格情報: Kubernetes スタイル認証のワークロード ID がシステムによって有効になります

次の図は、コンポーネント間のセキュリティハンドシェイクを示しています。

ツールの検出と登録

MCP クライアントは、 Chat.razorのコンポーネントの初期化中に、サーバーから使用可能なツールを検出します。

protected override async Task OnInitializedAsync()
{
    messages.Add(new(ChatRole.System, SystemPrompt));
    tools = await McpClient.ListToolsAsync();
    chatOptions.Tools = [.. tools];
}

ツール検出のしくみ:

サーバークエリ: McpClient.ListToolsAsync() が MCP サーバーに要求を送信して、使用可能なツールを一覧表示します
スキーマの取得: サーバーは、名前、説明、および入力スキーマを含むツール定義を返送します
ツール登録: システムはツールを ChatOptions オブジェクトに登録し、OpenAI クライアントで使用できるようにします。
タイプセーフ: McpClientTool クラスは AIFunctionから継承され、Microsoft.Extensions.AI とのスムーズな統合が可能です。

次の図は、ツールスキーマの解析と登録方法を示しています。

OpenAI 統合と関数呼び出し

チャットクライアントの構成では、MCP ツールと Azure OpenAI の統合方法を示します。

var chatClient = openAIClient.GetChatClient(config["OpenAI:DeploymentName"]).AsIChatClient();

builder.Services.AddChatClient(chatClient)
                .UseFunctionInvocation()
                .UseLogging();

統合の利点:

自動関数呼び出し: .UseFunctionInvocation() 拡張機能は、LLM の決定に基づいて自動ツールの実行をオンにします
簡単なツールアクセス:MCPツールは、OpenAIモデルの組み込み関数として機能します
応答処理: システムによって、会話フローにツールの結果が自動的に追加されます

Real-Time チャットの実装

Chat.razorのチャットインターフェイスは、高度な Blazor パターンを使用したストリーミング応答とツールの実行を示しています。

private async Task AddUserMessageAsync(ChatMessage userMessage)
{
    CancelAnyCurrentResponse();

    // Add the user message to the conversation
    messages.Add(userMessage);
    chatSuggestions?.Clear();
    await chatInput!.FocusAsync();

    // Stream and display a new response from the IChatClient
    var responseText = new TextContent("");
    currentResponseMessage = new ChatMessage(ChatRole.Assistant, [responseText]);
    currentResponseCancellation = new();
    await foreach (var update in ChatClient.GetStreamingResponseAsync([.. messages], chatOptions, currentResponseCancellation.Token))
    {
        messages.AddMessages(update, filter: c => c is not TextContent);
        responseText.Text += update.Text;
        ChatMessageItem.NotifyChanged(currentResponseMessage);
    }

    // Store the final response in the conversation, and begin getting suggestions
    messages.Add(currentResponseMessage!);
    currentResponseMessage = null;
    chatSuggestions?.Update(messages);
}

ストリーミング実装機能:

Real-Time 更新: GetStreamingResponseAsync() は応答の更新をビット単位で送信します
ツールの実行: システムはストリーミング中に関数呼び出しを自動的に処理します
UI の応答性: ChatMessageItem.NotifyChanged() はリアルタイムで UI を更新します
取り消しのサポート: ユーザーは実行時間の長い操作を取り消すことができます

高度な Blazor UI パターン

この実装では、リアルタイム更新に高度な UI パターンが使用されます。

Memory-Safe イベント処理:

// ChatMessageItem.razor
private static readonly ConditionalWeakTable<ChatMessage, ChatMessageItem> SubscribersLookup = new();

public static void NotifyChanged(ChatMessage source)
{
    if (SubscribersLookup.TryGetValue(source, out var subscriber))
    {
        subscriber.StateHasChanged();
    }
}

カスタム Web コンポーネントの統合:

// ChatMessageList.razor.js
window.customElements.define('chat-messages', class ChatMessages extends HTMLElement {
    connectedCallback() {
        this._observer = new MutationObserver(mutations => this._scheduleAutoScroll(mutations));
        this._observer.observe(this, { childList: true, attributes: true });
    }
    
    _scheduleAutoScroll(mutations) {
        // Debounce the calls and handle smart auto-scrolling
        cancelAnimationFrame(this._nextAutoScroll);
        this._nextAutoScroll = requestAnimationFrame(() => {
            const addedUserMessage = mutations.some(m => 
                Array.from(m.addedNodes).some(n => 
                    n.parentElement === this && n.classList?.contains('user-message')));
            // Smart scrolling logic...
        });
    }
});

高度な状態管理:

// Chat.razor
private void CancelAnyCurrentResponse()
{
    // If a response was cancelled while streaming, include it in the conversation so it's not lost
    if (currentResponseMessage is not null)
    {
        messages.Add(currentResponseMessage);
    }
    
    currentResponseCancellation?.Cancel();
    currentResponseMessage = null;
}

Blazor UI の利点:

ハイブリッド Web コンポーネント: システムは Blazor Server とカスタム要素を組み合わせてパフォーマンスを向上させます
Memory-Safe イベント処理: システムは ConditionalWeakTable を使用してメモリリークを防ぎます
スマート自動スクロール:システムは、デバウンスでユーザーフレンドリーなチャット動作を提供します
グレースフルキャンセル: ユーザーが操作を取り消すと、システムによって部分的な作業が保存されます

要求/応答フロー

一般的なユーザー操作がシステムを通過する方法を次に示します。

ユーザー入力: ユーザーは、"Add 'Buy groceries' todo list"のようなメッセージを入力します。
メッセージ処理: メッセージが会話履歴に追加されます。
LLM 分析: Azure OpenAI は要求を分析し、使用するツールを決定します
ツール検出: モデルは適切な MCP ツール (たとえば、 addTodo) を検索します
ツールの実行: MCP クライアントは、必要なパラメーターを使用してサーバーを呼び出します
応答処理: システムはサーバーの応答を会話に追加します。
UI の更新: システムは、リアルタイムでユーザーに結果を表示します。

次の図は、OpenAI を介したユーザー入力からツールの実行、およびユーザーインターフェイスへのメッセージのフローを示しています。

非同期パターン管理

このアプリケーションは、バックグラウンド操作の高度な非同期パターンを示しています。

// ChatSuggestions.razor
public void Update(IReadOnlyList<ChatMessage> messages)
{
    // Runs in the background and handles its own cancellation/errors
    _ = UpdateSuggestionsAsync(messages);
}

private async Task UpdateSuggestionsAsync(IReadOnlyList<ChatMessage> messages)
{
    cancellation?.Cancel();
    cancellation = new CancellationTokenSource();
    
    try
    {
        var response = await ChatClient.GetResponseAsync<string[]>(
            [.. ReduceMessages(messages), new(ChatRole.User, Prompt)],
            cancellationToken: cancellation.Token);
        // Handle response...
    }
    catch (Exception ex) when (ex is not OperationCanceledException)
    {
        await DispatchExceptionAsync(ex);
    }
}

バックグラウンドタスクの利点:

Fire-and-Forget with Safety: システムは、適切な例外処理で _ = パターンを使用します
スマートコンテキストの削減: システムは、トークンオーバーフローを防ぐために会話履歴を制限します
スマートキャンセル:システムは競合する操作を適切にクリーンアップします

エラー処理と回復性

実装には、いくつかの回復性パターンが含まれています。

private void CancelAnyCurrentResponse()
{
    // If a response was cancelled while streaming, include it in the conversation so it's not lost
    if (currentResponseMessage is not null)
    {
        messages.Add(currentResponseMessage);
    }

    currentResponseCancellation?.Cancel();
    currentResponseMessage = null;
}

回復性の機能:

グレースフルキャンセル: システムは、ユーザーが取り消したときに進行中の応答を保存します
接続の回復: SSE トランスポートが接続の切断を自動的に処理する
状態管理: エラー時に UI の状態が一貫性を保つ
ログ統合: システムは、デバッグと監視のための完全なログ記録を提供します

可観測性と正常性チェック

アプリケーションには、高度な可観測性パターンが含まれています。

スマート正常性チェックの構成:

// Extensions.cs
public static WebApplication MapDefaultEndpoints(this WebApplication app)
{
    if (app.Environment.IsDevelopment())
    {
        // All health checks must pass for app to be considered ready
        app.MapHealthChecks(HealthEndpointPath);
        
        // Only health checks tagged with "live" must pass for app to be considered alive
        app.MapHealthChecks(AlivenessEndpointPath, new HealthCheckOptions
        {
            Predicate = r => r.Tags.Contains("live")
        });
    }
    return app;
}

インテリジェントなフィルター処理を使用した OpenTelemetry:

// Extensions.cs
.AddAspNetCoreInstrumentation(tracing =>
    // Exclude health check requests from tracing
    tracing.Filter = context =>
        !context.Request.Path.StartsWithSegments(HealthEndpointPath)
        && !context.Request.Path.StartsWithSegments(AlivenessEndpointPath)
)

可観測性の利点:

Environment-Aware エンドポイント: セキュリティに配慮した正常性チェックの公開
Liveness と Readiness: Kubernetes スタイルの正常性チェックパターン
テレメトリノイズリダクション: トレースから定期的な正常性チェックを除外する

構成と環境のセットアップ

このアプリケーションは、構成によって複数の環境をサポートします。

var openAIClient = Constants.GitHubModelEndpoints.Contains(endpoint.TrimEnd('/'))
                   ? new OpenAIClient(credential, openAIOptions)
                   : new AzureOpenAIClient(new Uri(endpoint), credential);

構成オプション:

Azure OpenAI: 運用環境のデプロイでは通常、Azure OpenAI サービスを使用します
GitHub モデル: 開発シナリオでは GitHub モデルを使用できます
ローカル開発: ローカル MCP サーバーインスタンスのサポート
コンテナーのデプロイ: 運用ホスティング用の Azure Container Apps

リソースをクリーンアップする

MCP エージェントの使用が完了したら、不要なコストが発生しないように、作成したリソースをクリーンアップします。

リソースをクリーンアップするには、次の手順に従います。

画面の下部にあるターミナルで次のコマンドを実行して、Azure Developer CLI によって作成された Azure リソースを削除します。
```
azd down --purge --force
```

GitHub Codespaces 環境を削除して、コアごとの無料時間を最大化します。

Important

GitHub アカウントの無料ストレージとコア時間の詳細については、 GitHub Codespaces の月単位の含まれるストレージとコア時間を参照してください。

GitHub Codespaces ダッシュボードにサインインします。
Azure-Samples/openai-mcp-agent-dotnet GitHub リポジトリから作成されたアクティブな Codespace を見つけます。
コードスペースのコンテキストメニューを開き、[削除] を選択 します。

ヘルプを取得する

リポジトリの問題に問題を記録します。

Azure Container Apps を使用して TypeScript MCP サーバーを構築する

フィードバック

このページはお役に立ちましたか?

Last updated on 2025-09-12

次の方法で共有

Azure Container Apps で MCP サーバーを使用して .NET OpenAI エージェントを構築する

コードにアクセスする

アーキテクチャの概要

費用

[前提条件]

AI Foundry VS Code 拡張機能を使用して AI Foundry gpt-5-mini モデルをデプロイする

AI Foundry プロジェクトを作成してモデルをデプロイする

OpenAI モデルの接続文字列を作成する

オープン開発環境

デプロイと実行

Azure にデプロイ

JWT トークンを設定する

azd environment configuration に JWT トークンを追加する

TODO MCP エージェントを使用する

コードを調べる

MCP クライアントの構成とセットアップ

.NET アスパイア サービスの既定の統合

構成 URL の解決

認証の実装

Azure Container Apps 認証の統合

ツールの検出と登録

OpenAI 統合と関数呼び出し

Real-Time チャットの実装

高度な Blazor UI パターン

要求/応答フロー

非同期パターン管理

エラー処理と回復性

可観測性と正常性チェック

構成と環境のセットアップ

リソースをクリーンアップする

GitHub Codespaces をクリーンアップする

ヘルプを取得する

関連リソース

フィードバック

その他のリソース

.NET アスパイアサービスの既定の統合