Udostępnij przez

Dostępne narzędzia i przykładowe polecenia dotyczące serwera MCP Foundry (wersja próbna)

Program Foundry MCP Server udostępnia zestaw narzędzi, które umożliwiają zarządzanie zestawami danych, uruchamianie ocen, wdrażanie i monitorowanie modeli oraz nie tylko — za pośrednictwem monitów konwersacyjnych zamiast wywołań interfejsu API. Użyj tego odwołania, aby zapoznać się z poszczególnymi narzędziami i wypróbować przykładowe monity we własnym projekcie.

Wskazówka

Przed użyciem tych narzędzi ukończ konfigurację serwera MCP Firmy Foundry.

Uwaga / Notatka

Ta funkcja jest obecnie w publicznej wersji zapoznawczej. Ta wersja zapoznawcza jest udostępniana bez umowy dotyczącej poziomu usług i nie zalecamy korzystania z niej w przypadku obciążeń produkcyjnych. Niektóre funkcje mogą nie być obsługiwane lub mogą mieć ograniczone możliwości. Aby uzyskać więcej informacji, zobacz Warunki dodatkowe korzystania z testowych wersji Microsoft Azure.

Zarządzanie agentami

agent_get (odczyt)

Pobierz określonego agenta według nazwy lub wyświetl listę wszystkich agentów w projekcie Foundry.

Przykładowe monity obejmują:

  • "Wyświetl listę wszystkich agentów w moim projekcie Foundry"."
  • "Pokaż szczegóły dla elementu customer-support-agent."
  • "Pobierz konfigurację agenta triage-agent".

agent_update (zapis)

Tworzenie, aktualizowanie lub klonowanie agenta w projekcie Foundry.

Przykładowe monity obejmują:

  • "Utwórz nowego agenta o nazwie faq-agent przy użyciu modelu gpt-4o-mini."
  • "Aktualizowanie triage-agent instrukcji w celu nadania priorytetów problemom z rozliczeniami".
  • "Sklonuj prod-agent i staging-agent przełącz go do nowszego modelu".

agent_delete (zapis)

Usuwanie agenta w projekcie foundry.

Przykładowe monity obejmują:

  • "Usuń element old-test-agent z mojego projektu".
  • "Usuń deprecated-agent teraz, gdy migracja została ukończona"."
  • "Wyczyść nieużywanych agentów w tym projekcie".

Zarządzanie zestawami danych

evaluation_dataset_create (tworzenie)

Tworzenie lub aktualizowanie wersji zestawu danych w projekcie Foundry.

Przykładowe monity obejmują:

  • Przekaż mój zestaw danych pytań i odpowiedzi obsługi klienta z tego adresu URL usługi Azure Blob Storage.
  • "Utwórz nowy zestaw danych w wersji 2.0 dla moich danych szkoleniowych znajdujących się w lokalizacji <blob-storage-account-url>."
  • Zarejestruj nowy zestaw danych oceny o nazwie product-reviews-v1 z mojego magazynu obiektów blob.

evaluation_dataset_get (odczyt)

Pobierz zestaw danych według nazwy i wersji lub wyświetl listę wszystkich zestawów danych w projekcie.

Przykładowe monity obejmują:

  • "Pokaż mi wszystkie zestawy danych w projekcie Foundry"
  • "Uzyskaj szczegółowe informacje dotyczące zestawu danych "customer-support-qa" w wersji 2"
  • "Wyświetl listę wszystkich dostępnych zestawów danych, których mogę użyć do oceny"

Operacje oceny

evaluation_create (zapisz)

Utwórz przebieg oceny dla zestawu danych przy użyciu co najmniej jednego ewaluatora.

Przykładowe monity obejmują:

  • "Utwórz przebieg oceny dla mojego zestawu danych obsługi klienta przy użyciu ocen istotności, uziemienia i spójności".
  • Uruchom ocenę zestawu danych-456, wykorzystując ewaluatorów Violence, HateUnfairness oraz ContentSafety dla mojego modelu czatbota.
  • "Oceń mój model jakości przy użyciu metryk F1Score, BleuScore i RougeScore w zestawie danych testowych".

evaluation_get (odczyt)

Ocena listy jest uruchamiana w projekcie Foundry.

Przykładowe monity obejmują:

  • Pokaż wszystkie przebiegi ewaluacyjne w moim projekcie Foundry
  • Wypisz najnowsze oceny, które przeprowadziłem w tym tygodniu
  • Uzyskaj stan wszystkich ocen mojego modelu

evaluation_comparison_create (zapisz)

Utwórz wyniki porównania ocen w grupie.

Przykładowe monity obejmują:

  • "Porównaj wydajność mojego modelu bazowego z dwoma nowymi dostosowanymi wersjami".
  • Utwórz porównanie między przebiegiem bazowym 123 a przebiegami porównawczymi 124 i 125 dla oceny 456.
  • "Chcę porównać wydajność modelu A a modelu B z tymi samymi metrykami oceny"."

evaluation_comparison_get (odczyt)

Pobierz lub wyświetl wyniki porównania ocen w grupie.

Przykładowe monity obejmują:

  • Pobierz wyniki porównania insight-789.
  • "Pokaż mi wyniki porównania utworzone wczoraj."
  • Pobierz wszystkie wnioski z porównań oceny z mojego projektu.

Wykaz modeli i szczegóły

model_catalog_list (odczyt)

Wyświetl listę modeli z katalogu modeli Foundry.

Przykładowe monity obejmują:

  • "Pokaż wszystkie modele GPT-4 dostępne w katalogu".
  • "Wyświetl listę wszystkich modeli opublikowanych przez firmę Microsoft z licencją MIT".
  • "Znajdź modele, których mogę używać bezpłatnie na placu zabaw".
  • "Jakie modele są dostępne do generowania tekstu z poziomu interfejsu OpenAI?"

model_details_get (odczyt)

Uzyskaj pełne szczegóły modelu i przykład kodu z witryny Foundry.

Przykładowe monity obejmują:

  • "Pobierz szczegółowe informacje i przykłady kodu dla GPT-4o-mini."
  • "Pokaż mi specyfikacje i przykłady użycia dla modelu Llama-2-70b."
  • "Potrzebuję dokumentacji i przykładowego kodu dla modelu osadzania tekstu-ada-002".

Zarządzanie wdrażaniem modelu

model_deploy (wdrożenie)

Utwórz lub zaktualizuj wdrożenie modelu na określonym koncie Foundry.

Przykładowe monity obejmują:

  • "Wdróż GPT-4o-mini jako "production-chatbot" z 20 jednostkami pojemności"
  • "Utwórz nowe wdrożenie o nazwie "content-generator" przy użyciu modelu GPT-4o.
  • "Wdróż najnowszą wersję biblioteki GPT-4o dla mojej aplikacji".

model_deployment_get (odczyt)

Pozyskaj jedno lub więcej wdrożeń modelu z konta Foundry.

Przykładowe monity obejmują:

  • "Pokaż wszystkie moje bieżące wdrożenia modelu".
  • Uzyskaj szczegóły dotyczące mojego wdrożenia „production-chatbot”.
  • Wyświetl listę wszystkich wdrożeń na moim koncie Foundry.

model_deployment_delete (zapisz)

Usuń określone wdrożenie modelu według nazwy.

Przykładowe monity obejmują:

  • "Usuń "old-test-deployment", którego już nie używam".
  • "Usuń moje wdrożenie przejściowe, aby zwolnić limit przydziału"."
  • "Wyczyść przestarzałe wdrożenie modelu z mojego konta Foundry <account-name>."

Analiza modelu i zalecenia

model_benchmark_get (odczyt)

Pobierz dane porównawcze dla modeli Foundry.

Przykładowe monity obejmują:

  • "Pokaż mi dane porównawcze dla wszystkich dostępnych modeli"."
  • "Uzyskiwanie porównań wydajności w różnych rodzinach modeli".
  • "Chcę zobaczyć dokładność i metryki kosztów dla różnych modeli."

model_benchmark_subset_get (odczyt)

Pobieranie danych porównawczych dla określonych par nazw i wersji modelu.

Przykładowe monity obejmują:

  • "Porównaj wydajność testu porównawczego między GPT-4 i GPT-3.5-turbo."
  • "Pobieranie danych porównawczych dla modeli Claude-3 vs Llama-2-70b"."
  • "Pokaż metryki wydajności dla określonych wersji modelu, które rozważam".

model_similar_models_get (odczyt)

Zwraca listę podobnych modeli na podstawie szczegółów wdrożenia lub modelu.

Przykładowe monity obejmują:

  • Znajdź modele podobne do mojej bieżącej implementacji GPT-4.
  • "Jakie alternatywy są dostępne dla aktualnie używanego modelu?"
  • Pokaż modele o możliwościach podobnych do mojego wdrożenia produkcyjnego.

model_switch_recommendations_get (odczyt)

Uzyskiwanie zaleceń dotyczących zmiany modelu na podstawie wyników testów.

Przykładowe monity obejmują:

  • "Zalecamy lepsze modele na podstawie wydajności mojego bieżącego wdrożenia".
  • "Czy należy przełączyć się z bieżącego modelu na coś bardziej ekonomicznego?"
  • Dla wdrożenia modelu produkcyjnego uzyskaj zalecenia dotyczące optymalizacji.
  • "Jakie modele dałyby mi lepszą jakość/stosunek kosztów niż to, czego teraz używam?"

Monitorowanie modelu i operacje

model_monitoring_metrics_get (odczyt)

Pobieranie metryk monitorowania dla wdrożenia modelu.

Przykładowe monity obejmują:

  • Pokaż mi metryki dotyczące żądań dla mojego produkcyjnego wdrożenia czatbota.
  • "Uzyskaj statystyki opóźnień dla mojego wdrożenia GPT-4o w ciągu ostatniego tygodnia."
  • "Sprawdź użycie limitu przydziału dla wdrożenia osadzania tekstu".
  • "Jakie są stawki błędów dla mojego modelu generatora zawartości?"

model_deprecation_info_get (odczyt)

Pobierz informacje o wdrożeniu wzbogacone o dane wycofywania.

Przykładowe monity obejmują:

  • "Sprawdź, czy moje wdrożenie produkcyjne korzysta z przestarzałej wersji modelu".
  • "Uzyskaj informacje o wycofaniu dla wdrożenia starszego czatbota".
  • "Czy którekolwiek z moich bieżących wdrożeń zaplanowano na wycofanie?"

model_quota_list (odczyt)

Wyświetl dostępne limity wdrożenia i użycia subskrypcji w regionie.

Przykładowe monity obejmują:

  • Sprawdź mój dostępny limit w regionie East US.
  • Ile mam jeszcze dostępnej pojemności na nowe wdrożenia w Europie Zachodniej?
  • Pokaż użycie kwoty przydziału we wszystkich regionach dla mojej subskrypcji.

Przykładowe przepływy pracy

Ukończ przepływ pracy oceny modelu:

  • "Przekaż mój zestaw danych oceny z tego adresu URL magazynu obiektów blob".
  • Uruchom ocenę przy użyciu ewaluatorów relewantności, uzasadnienia i bezpieczeństwa.
  • "Porównaj mój model odniesienia z nową dostrojoną wersją".
  • "Pokaż mi wyniki porównania z istotnością statystyczną"."

Wdrażanie i optymalizacja modelu:

  • "Pokaż wszystkie modele GPT-4 dostępne w katalogu".
  • Wdróż GPT-4o jako „customer-service-bot” z 15 jednostkami pojemności.
  • Monitoruj opóźnienie żądania w moim nowym wdrożeniu.
  • "Zalecamy bardziej ekonomiczne alternatywy na podstawie bieżącego użycia".

Zarządzanie zasobami i oczyszczanie:

  • Wymień wszystkie moje bieżące wdrożenia i ich użycie.
  • "Sprawdź, które wdrożenia korzystają z przestarzałych wersji modelu".
  • "Pokaż moje użycie limitu przydziału we wszystkich regionach".
  • Usuń nieużywane wdrożenia testowe, aby zwolnić zasoby.

Treści powiązane

  • Last updated on