Набор инструментов Microsoft Foundry

Набор инструментов Microsoft Foundry — это именованный версионируемый серверный пакет конфигураций размещённых инструментов, таких как интерпретатор кода, поиск по файлам, генерация изображений, MCP и веб-поиск. Панели элементов позволяют управлять конфигурацией инструментов один раз в Foundry и повторно использовать ее в разных агентах.

Agent Framework охватывает использование панели элементов. Создавайте и обновляйте версии Toolbox с помощью портала Foundry или azure-ai-projects SDK.

Это важно

FoundryToolbox предоставляется бета-пакетом agent-framework-foundry-hosting и может изменяться до стабильного выпуска.

Для FoundryAgent, управляемого службой, прикрепите Toolbox к определению агента в Foundry. В настоящее время отсутствует документация по использованию Toolbox .NET на стороне клиента.

Установка пакетов

pip install agent-framework-foundry-hosting agent-framework-foundry --pre

FoundryToolbox импортируется из agent_framework.foundry и поставляется agent-framework-foundry-hosting.

Настройте панель элементов

Задайте явный адрес конечной точки Toolbox MCP:

TOOLBOX_ENDPOINT="https://<account>.services.ai.azure.com/api/projects/<project>/toolboxes/<name>/mcp?api-version=v1"

Или позвольте FoundryToolbox создать конечную точку:

FOUNDRY_PROJECT_ENDPOINT="https://<account>.services.ai.azure.com/api/projects/<project>"
TOOLBOX_NAME="<toolbox-name>"

В примерах размещённого агента также используется AZURE_AI_MODEL_DEPLOYMENT_NAME для FoundryChatClient.

Используйте FoundryToolbox с размещённым агентом

FoundryToolbox определяет свой конечный узел, проверяет подлинность каждого запроса MCP с использованием предоставленных учетных данных Azure, пересылает идентификатор вызова Foundry для каждого запроса и участвует в жизненном цикле подключения агента.

import asyncio
import os

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient, FoundryToolbox, ResponsesHostServer
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()


async def main():
    credential = DefaultAzureCredential()

    # FoundryToolbox resolves the toolbox endpoint from the environment
    # (TOOLBOX_ENDPOINT, or FOUNDRY_PROJECT_ENDPOINT + TOOLBOX_NAME), authenticates
    # every request with the credential, and transparently forwards the platform
    # per-request call-id to the toolbox. The hosting server enters the agent, which
    # connects the toolbox on first use and closes it at shutdown.
    toolbox = FoundryToolbox(credential)

    # Create the chat client
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = Agent(
        client=client,
        instructions="You are a friendly assistant. Keep your answers brief.",
        tools=toolbox,
        # History will be managed by the hosting infrastructure, thus there
        # is no need to store history by the service. Learn more at:
        # https://developers.openai.com/api/reference/resources/responses/methods/create
        default_options={"store": False},
    )

    server = ResponsesHostServer(agent)
    await server.run_async()

Показать навыки панели инструментов

Набор инструментов может предоставлять навыки агента через MCP. Задайте load_tools=False , если только навыки должны быть видимыми для модели, а затем добавьте панель элементов в качестве инструмента, чтобы его сеанс MCP подключается и используется as_skills_provider() в качестве поставщика контекста.

import asyncio
import os

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient, FoundryToolbox, ResponsesHostServer
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()


async def main() -> None:
    credential = DefaultAzureCredential()

    # FoundryToolbox resolves the toolbox endpoint from the environment
    # (TOOLBOX_ENDPOINT, or FOUNDRY_PROJECT_ENDPOINT + TOOLBOX_NAME), authenticates
    # every request with the credential, and forwards the platform per-request
    # call-id. ``load_tools=False`` keeps the toolbox's tools hidden so only its
    # Agent Skills (SEP-2640) are surfaced; passing it via ``tools=`` connects the
    # MCP session that ``as_skills_provider()`` reads from.
    toolbox = FoundryToolbox(credential, load_tools=False)

    # as_skills_provider() discovers skills from skill://index.json on the toolbox
    # MCP session and exposes them as an agent context provider; SKILL.md bodies are
    # fetched on demand via resources/read. disable_load_skill_approval=True registers
    # the load_skill tool with approval_mode="never_require" so this unattended agent
    # can load skills without an approval round-trip -- the Responses host runs the
    # agent without an AgentSession, which the default approval flow requires.
    skills_provider = toolbox.as_skills_provider(disable_load_skill_approval=True)

    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = Agent(
        client=client,
        name=os.environ.get("AGENT_NAME", "hosted-toolbox-mcp-skills"),
        instructions="You are a helpful assistant.",
        tools=toolbox,
        context_providers=[skills_provider],
        # History will be managed by the hosting infrastructure, thus there
        # is no need to store history by the service. Learn more at:
        # https://developers.openai.com/api/reference/resources/responses/methods/create
        default_options={"store": False},
    )

    server = ResponsesHostServer(agent)
    await server.run_async()

Подтверждение по-прежнему включено по умолчанию для операций с навыками. Отключайте отдельные согласования только для доверенных сценариев без участия пользователя.

Используйте панель элементов с FoundryAgent

Подключите Toolbox к определению Prompt Agent или Hosted Agent в Foundry. FoundryAgent использует эту сохранённую конфигурацию инструмента; передача Toolbox на стороне клиента не добавляет его в управляемый агент.

Подключение через необработанный MCP

Используйте MCPStreamableHTTPTool напрямую, если приложение не использует обёртку размещения FoundryToolbox. Укажите конечную точку Toolbox и токен Bearer Entra ID через header_provider.

import asyncio
import os
from collections.abc import Callable
from typing import Any, cast

from agent_framework import Agent, MCPStreamableHTTPTool
from agent_framework.foundry import FoundryChatClient
from azure.core.credentials import TokenCredential
from azure.identity import AzureCliCredential, DefaultAzureCredential, get_bearer_token_provider
from dotenv import load_dotenv
def make_toolbox_header_provider(credential: TokenCredential) -> Callable[[dict[str, Any]], dict[str, str]]:
    """Build a header_provider that injects a fresh Azure AI bearer token on every MCP request."""
    get_token = get_bearer_token_provider(credential, "https://ai.azure.com/.default")

    def provide(_kwargs: dict[str, Any]) -> dict[str, str]:
        return {
            "Authorization": f"Bearer {get_token()}",
        }

    return provide


async def main() -> None:
    credential = DefaultAzureCredential()

    toolbox_tool = MCPStreamableHTTPTool(
        name="foundry_toolbox",
        description="Tools exposed by the configured Foundry toolbox",
        url=os.environ["FOUNDRY_TOOLBOX_ENDPOINT"],
        header_provider=make_toolbox_header_provider(credential),
        load_prompts=False,
    )

    async with Agent(
        client=FoundryChatClient(
            project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
            model=os.environ["FOUNDRY_MODEL"],
            credential=credential,
        ),
        instructions="You are a helpful assistant. Use the available toolbox tools to answer the user.",
        tools=toolbox_tool,
    ) as agent:
        query = "What tools do you have access to?"
        print(f"User: {query}")
        result = await agent.run(query)
        print(f"Assistant: {result}")

В примере нижнего уровня используется FOUNDRY_TOOLBOX_ENDPOINT. Пример навыков для панели элементов использует FOUNDRY_TOOLBOX_MCP_SERVER_URL; эти имена относятся к этим примерам и отдельны от параметров TOOLBOX_ENDPOINT и TOOLBOX_NAME класса FoundryToolbox.

Ограничения

• Инструменты MCP внутри Toolbox используют серверную аутентификацию через Foundry project_connection_id; клиент Agent Framework не хранит bearer-токен вышестоящего MCP-сервера.
• Для использования Toolbox в качестве сервера MCP требуется клиентская аутентификация Entra ID для конечной точки Toolbox.
• Ответы на поток согласия, такие как CONSENT_REQUIRED обрабатываются во время выполнения агента, а не при создании подключения к панели элементов.

Samples

Sample	Описание
foundry_toolbox/main.py	FoundryToolbox с размещённым агентом Responses
foundry_toolbox_mcp_skills/main.py	Навыки агента с поддержкой панели элементов
foundry_chat_client_with_toolbox.py	Использование набора инструментов MCP с MCPStreamableHTTPTool
foundry_chat_client_with_toolbox_skills.py	Настройка навыков на основе панели инструментов
invoke_foundry_toolbox_mcp	Использование MCP на стороне рабочего процесса

В настоящее время Go не предоставляет вспомогательный компонент Foundry Toolbox. Настройте наборы инструментов через Foundry и используйте поддерживаемые локальные или размещённые объявления инструментов для агентов на Go.

Связанные руководства

• Поставщик модели Microsoft Foundry
• Служба агента Microsoft Foundry
• Локальные средства MCP