Forstå Azure Language MCP-serveren
Tips
Se fanen Tekst og bilder for mer informasjon!
Azure Language MCP-serveren kobler AI-agenter til Azure Language-tjenester via Model Context Protocol (MCP). Før man utforsker selve Language MCP-serveren, hjelper det å forstå hva MCP er og hvordan det gjør det mulig for agenter å bruke eksterne verktøy.
Hva er Model Context Protocol?
Model Context Protocol (MCP) er en åpen protokoll som definerer hvordan AI-agenter samhandler med eksterne verktøy, datakilder og tjenester. MCP bruker en klient-server-arkitektur med følgende komponenter:
- Host: Applikasjonen som kjører agenten (for eksempel Microsoft Foundry eller en egendefinert app).
- Klient: En komponent i verten som håndterer tilkoblinger til MCP-servere og håndterer kommunikasjon.
- Server: Et program som eksponerer verktøy, ressurser og prompts som en agent kan oppdage og kalle inn.
Når en agent kobler seg til en MCP-server, mottar den en katalog over tilgjengelige verktøy sammen med beskrivelser av hva hvert verktøy gjør. Agenten kan deretter velge riktig verktøy basert på brukerens forespørsel. Denne tilnærmingen kalles dynamisk verktøyoppdagelse — agenten trenger ikke hardkodet kunnskap om hvert verktøy. I stedet spør den MCP-serveren under kjøring for å finne ut hva som er tilgjengelig.
Den viktigste fordelen med MCP for AI-agenter er fleksibilitet. Verktøy kan legges til, oppdateres eller fjernes på serveren uten å endre selve agenten. Agenten har alltid tilgang til de nyeste verktøydefinisjonene, noe som gjør MCP-baserte løsninger enklere å vedlikeholde og skalere.
Tips
For å lære mer om MCP-arkitektur og hvordan du bygger tilpassede MCP-verktøyintegrasjoner, se modulen Integrate MCP Tools with Azure AI Agents .
Azure Language MCP server capabilities
Azure Language MCP-serveren eksponerer Azure Language NLP-funksjonalitet som verktøy som enhver MCP-kompatibel agent kan kalle. Serveren støtter følgende tekstanalysefunksjoner:
| Kapabilitet | Beskrivelse |
|---|---|
| Språkdeteksjon | Identifiserer språket teksten er skrevet på. |
| Navngitt enhetsgjenkjenning | Identifiserer og kategoriserer enheter i tekst, som personer, steder, organisasjoner, datoer og mengder. |
| PII-redaksjon | Oppdager og sensurerer personlig identifiserbar informasjon (PII) som navn, adresser og telefonnumre. |
| Tekstanalyse for helse | Uttrekker og merker medisinske enheter (som diagnoser, medisiner og symptomer) fra klinisk tekst. |
Bemerkning
Azure Language tilbyr også funksjonalitet for sentimentanalyse, oppsummering, nøkkelfrasuttrekking og andre vanlige språkrelaterte oppgaver. Disse utdaterte funksjonene tilbys for å støtte eksisterende applikasjoner.
Når du kobler Language MCP-serveren til en agent, mottar agenten hele listen over tilgjengelige verktøy. Basert på brukerens prompt bestemmer agentens underliggende modell hvilket verktøy (eller kombinasjon av verktøy) som skal kalles opp. For eksempel, hvis en bruker spør «Finn ut hvilket språk denne artikkelen er skrevet på, og fortell meg hvilke personer som er nevnt», kan agenten kalle både språkdeteksjonsverktøyet og verktøyet for gjenkjenning av navngitte enheter i samme runde.
Hvordan agenten velger verktøy
Verktøyvalgprosessen fungerer som følger:
- Brukeren sender en prompt til agenten.
- Agenten analyserer prompten og avgjør hvilken oppgave (eller hvilke oppgaver) som må utføres.
- Agenten sjekker tilgjengelige MCP-verktøy og deres beskrivelser for å finne den beste matchen.
- Agenten kaller det valgte verktøyet gjennom MCP-serveren, og sender den relevante inputteksten.
- MCP-serveren behandler forespørselen ved hjelp av passende Azure-språkfunksjon og returnerer resultatene.
- Agenten kombinerer resultatene til et naturlig språklig svar for brukeren.
Dette betyr at du ikke trenger å skrive rutinglogikk for å sende forespørsler til spesifikke verktøy. Agenten håndterer verktøyvalg autonomt, basert på verktøybeskrivelsene den mottok fra MCP-serveren.
MCP-serverendepunkt
Azure Language MCP-serveren er tilgjengelig som et eksternt endepunkt med følgende URL-format:
https://{foundry-resource-name}.cognitiveservices.azure.com/language/mcp?api-version=2025-11-15-preview
Erstatt {foundry-resource-name} med navnet på Foundry-ressursen din (eller Azure Language-ressursen). Dette endepunktet er det du konfigurerer når du kobler MCP-serveren til agenten din.
Bemerkning
Azure Language tilbyr også en lokal MCP-server som du kan hoste i ditt eget miljø. For oppsettsveiledning, se Azure Language MCP Server quickstart i Azure Language Samples repository.