Начало работы с сервером Azure MCP

Из этой статьи вы узнаете, как выполнить следующие задачи:

Установка и проверка подлинности на сервере Azure MCP
Подключение к серверу Azure MCP с помощью режима агента GitHub Copilot в Visual Studio Code
Выполнение запросов на тестирование операций azure MCP Server и взаимодействие с ресурсами Azure

Предпосылки

Учетная запись Azure с активной подпиской
Visual Studio Code
GitHub Copilot расширение для Visual Studio Code

Замечание

Ресурсы Azure, к которым вы планируете получить доступ с помощью Azure MCP Server, должны уже существовать в подписке Azure. Кроме того, учетная запись пользователя должна иметь необходимые роли и разрешения RBAC, назначенные для этих ресурсов.

Установка сервера Azure MCP

Выберите один из следующих параметров, чтобы установить сервер Azure MCP в Visual Studio Code:

Глобальная установка
Установка каталога

Чтобы установить сервер Azure MCP для Visual Studio Code в параметрах пользователя, выберите следующую ссылку:

Список параметров установки открывается в Visual Studio Code. Выберите "Установить сервер" , чтобы добавить конфигурацию сервера в параметры пользователя.
Откройте GitHub Copilot и выберите режим агента. Дополнительные сведения о режиме агента см. в документации по Visual Studio Code.
Обновите список инструментов, чтобы просмотреть Azure MCP Server в качестве доступных вариантов:

Вы также можете вручную установить Сервер Azure MCP для определенного каталога:

Откройте пустой каталог или существующий каталог проекта в Visual Studio Code.
В корне папки создайте папку .vscode , если ее еще нет.

В папке .vscode создайте новый файл с именем mcp.json , добавив следующий код JSON:

{
  "servers": {
    "Azure MCP Server": {
      "command": "npx",
      "args": [
        "-y",
        "@azure/mcp@latest",
        "server",
        "start"
      ]
    }
  }
}

Сохраните изменения в файле mcp.json.
Откройте GitHub Copilot и выберите режим агента.
Щелкните значок инструментов, чтобы просмотреть доступные инструменты. Найдите сервер Azure MCP, чтобы отфильтровать результаты.

Дополнительные сведения о режиме агента см. в документации по Visual Studio Code.

Использование запросов для тестирования сервера Azure MCP

Откройте GitHub Copilot и выберите режим агента.
Введите запрос, который приводит к использованию агентом средств Azure MCP Server, таких как перечисление групп ресурсов Azure.
Чтобы пройти проверку подлинности Azure MCP Server, Copilot предложит войти в Azure с помощью браузера.

Замечание

Copilot не предложит вам войти в Azure, если вы уже прошли проверку подлинности с помощью других локальных инструментов, таких как Azure CLI.
Copilot запрашивает разрешение на выполнение необходимой операции Azure MCP Server для вашего запроса. Нажмите кнопку "Продолжить " или используйте стрелку, чтобы выбрать более конкретное поведение:
- Текущий сеанс всегда выполняет операцию в текущем сеансе режима агента GitHub Copilot.
- Текущая рабочая область всегда выполняет команду для текущей рабочей области Visual Studio Code.
- Всегда разрешать настраивает операцию на постоянное выполнение для любого сеанса режима агента GitHub Copilot или любой рабочей области Visual Studio Code.
Выходные данные предыдущего запроса должны выглядеть следующим образом:
```
The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!
```
Изучите и проверьте операции Azure MCP с помощью других соответствующих запросов, таких как:
```
List all of the storage accounts in my subscription
Get the available tables in my storage accounts
```

Из этой статьи вы узнаете, как выполнить следующие задачи:

Установка и проверка подлинности на сервере Azure MCP
Подключение к серверу Azure MCP с помощью пользовательского клиента .NET
Выполнение запросов на тестирование операций Azure MCP Server и управление ресурсами Azure

Предпосылки

Учетная запись Azure с активной подпиской
.NET 9.0
Node.js

Замечание

Ресурсы Azure, к которым вы планируете получить доступ с помощью Azure MCP Server, должны уже существовать в подписке Azure. Кроме того, учетная запись пользователя должна иметь необходимые роли и разрешения RBAC, назначенные для этих ресурсов.

Сервер Azure MCP обеспечивает бесшовный опыт проверки подлинности на основе токенов через Microsoft Entra ID. На внутреннем сервере Azure MCP используется DefaultAzureCredential из библиотеки удостоверений Azure для проверки подлинности пользователей.

Для работы с Azure MCP Server необходимо войти в одно из поддерживаемых локально средств с вашей учетной записью Azure. Войдите с помощью окна терминала, например терминала Visual Studio Code:

az login

Connect-AzAccount

azd auth login

После успешного входа в один из предыдущих средств Azure MCP Server может автоматически обнаруживать учетные данные и использовать их для проверки подлинности и выполнения операций в службах Azure.

Замечание

Вы также можете войти в Azure через Visual Studio. Сервер Azure MCP может выполнять только операции, которые пользователь, вошедшего в систему, имеет разрешения на выполнение.

Создание ведущего приложения .NET

Выполните следующие действия, чтобы создать консольное приложение .NET. Приложение подключается к модели искусственного интеллекта и выступает в качестве узла для клиента MCP, который подключается к серверу Azure MCP.

Создание проекта

Откройте терминал в пустую папку, в которой вы хотите создать проект.
Выполните следующую команду, чтобы создать консольное приложение .NET:
```
dotnet new console -n MCPHostApp
```
Перейдите в только что созданную папку проекта:
```
cd MCPHostApp
```
Откройте папку проекта в выбранном редакторе, например Visual Studio Code:
```
code .
```

Добавление зависимостей

В терминале выполните следующие команды, чтобы добавить необходимые пакеты NuGet:

dotnet add package Azure.AI.OpenAI --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Extensions.AI --prerelease
dotnet add package Microsoft.Extensions.AI.OpenAI --prerelease
dotnet add package ModelContextProtocol --prerelease

Убедитесь, что пакеты были добавлены, проверив MCPHostApp.csproj файл.
Выполните следующую команду, чтобы создать проект и убедиться, что все настроено правильно:
```
dotnet build
```

Добавление кода приложения

Замените все содержимое Program.cs следующим кодом:

using Azure.AI.OpenAI;
using Azure.Identity;
using Microsoft.Extensions.AI;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;

// Create an IChatClient
IChatClient client =
    new ChatClientBuilder(
        new AzureOpenAIClient(new Uri("<your-Azure-OpenAI-endpoint>"), 
        new DefaultAzureCredential())
        .GetChatClient("gpt-4o").AsIChatClient())
    .UseFunctionInvocation()
    .Build();

// Create the MCP client
var mcpClient = await McpClientFactory.CreateAsync(
    new StdioClientTransport(new()
    {
        Command = "npx",
        Arguments = ["-y", "@azure/mcp@latest", "server", "start"],
        Name = "Azure MCP",
    }));

// Get all available tools from the MCP server
Console.WriteLine("Available tools:");
var tools = await mcpClient.ListToolsAsync();
foreach (var tool in tools)
{
    Console.WriteLine($"{tool}");
}
Console.WriteLine();

// Conversational loop that can utilize the tools
List<ChatMessage> messages = [];
while (true)
{
    Console.Write("Prompt: ");
    messages.Add(new(ChatRole.User, Console.ReadLine()));

    List<ChatResponseUpdate> updates = [];
    await foreach (var update in client
        .GetStreamingResponseAsync(messages, new() { Tools = [.. tools] }))
    {
        Console.Write(update);
        updates.Add(update);
    }
    Console.WriteLine();

    messages.AddMessages(updates);
}

Приведенный выше код выполняет следующие задачи:

Инициализирует абстракцию IChatClient с использованием библиотек Microsoft.Extensions.AI.
Создает клиент MCP для взаимодействия с сервером Azure MCP с помощью стандартного транспорта ввода-вывода. Указанная npx команда и соответствующие аргументы скачивают и запускают сервер Azure MCP.
Извлекает и отображает список доступных средств с сервера MCP, который является стандартной функцией MCP.
Реализует цикл беседы, который обрабатывает запросы пользователей и использует средства для ответов.

Запуск и тестирование приложения

Выполните следующие действия, чтобы протестировать хост-приложение .NET:

В окне терминала откройте корень проекта, выполните следующую команду, чтобы запустить приложение:
```
dotnet run
```

После запуска приложения введите следующую тестовую строку:

List all of the resource groups in my subscription

Выходные данные предыдущего запроса должны выглядеть следующим образом:

The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!

Изучите и проверьте операции Azure MCP с помощью других соответствующих запросов, таких как:
```
List all of the storage accounts in my subscription
Get the available tables in my storage accounts
```

Из этой статьи вы узнаете, как выполнить следующие задачи:

Установка и проверка подлинности на сервере Azure MCP
Подключение к серверу Azure MCP с помощью пользовательского клиента Python
Выполнение запросов на тестирование операций Azure MCP Server и управление ресурсами Azure

Предпосылки

Учетная запись Azure с активной подпиской
Python 3.9 или более поздней версии, установленный локально
Node.js установлен локально

Замечание

Ресурсы Azure, к которым вы планируете получить доступ с помощью Azure MCP Server, должны уже существовать в подписке Azure. Кроме того, учетная запись пользователя должна иметь необходимые роли и разрешения RBAC, назначенные для этих ресурсов.

Сервер Azure MCP обеспечивает бесшовный опыт проверки подлинности на основе токенов через Microsoft Entra ID. На внутреннем сервере Azure MCP используется DefaultAzureCredential из библиотеки удостоверений Azure для проверки подлинности пользователей.

Для работы с Azure MCP Server необходимо войти в одно из поддерживаемых локально средств с вашей учетной записью Azure. Войдите с помощью окна терминала, например терминала Visual Studio Code:

az login

Connect-AzAccount

azd auth login

После успешного входа в один из предыдущих средств Azure MCP Server может автоматически обнаруживать учетные данные и использовать их для проверки подлинности и выполнения операций в службах Azure.

Замечание

Вы также можете войти в Azure через Visual Studio. Сервер Azure MCP может выполнять только операции, которые пользователь, вошедшего в систему, имеет разрешения на выполнение.

Создание приложения Python

Выполните следующие действия, чтобы создать приложение Python. Приложение подключается к модели искусственного интеллекта и выступает в качестве узла для клиента MCP, который подключается к серверу Azure MCP.

Создание проекта

Откройте пустую папку в выбранном редакторе.
Создайте файл с именем requirements.txt и добавьте следующие зависимости библиотеки:
```
mcp
azure-identity
openai
logging
```
В той же папке создайте новый файл с именем .env и добавьте следующие переменные среды:
```
AZURE_OPENAI_ENDPOINT=<your-azure-openai-endpoint>
AZURE_OPENAI_MODEL=<your-model-deployment-name>
```
Создайте пустой файл с именем main.py , чтобы сохранить код для приложения.

Создание среды и установка зависимостей

Откройте терминал в новой папке и создайте виртуальную среду Python для приложения:
```
python -m venv venv
```
Активируйте виртуальную среду:
```
venv\Scripts\activate
```
Установка зависимостей из requirements.txt:
```
pip install -r requirements.txt
```

Добавление кода приложения

Обновите содержимое Main.py следующим кодом:

from azure.identity import DefaultAzureCredential, get_bearer_token_provider
from openai import AzureOpenAI
from mcp import ClientSession, StdioServerParameters, types
from mcp.client.stdio import stdio_client
import json, os, logging, asyncio
from dotenv import load_dotenv

# Setup logging and load environment variables
logger = logging.getLogger(__name__)
load_dotenv()

# Azure OpenAI configuration
AZURE_OPENAI_ENDPOINT = os.getenv("AZURE_OPENAI_ENDPOINT")
AZURE_OPENAI_MODEL = os.getenv("AZURE_OPENAI_MODEL", "gpt-4o")

# Initialize Azure credentials
token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)

async def run():
    # Initialize Azure OpenAI client
    client = AzureOpenAI(
            azure_endpoint=AZURE_OPENAI_ENDPOINT, 
            api_version="2024-04-01-preview", 
            azure_ad_token_provider=token_provider
        )

    # MCP client configurations
    server_params = StdioServerParameters(
        command="npx",
        args=["-y", "@azure/mcp@latest", "server", "start"],
        env=None
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # List available tools
            tools = await session.list_tools()
            for tool in tools.tools: print(tool.name)

            # Format tools for Azure OpenAI
            available_tools = [{
                "type": "function",
                "function": {
                    "name": tool.name,
                    "description": tool.description,
                    "parameters": tool.inputSchema
                }
            } for tool in tools.tools]

            # Start conversational loop
            messages = []
            while True:
                try:
                    user_input = input("\nPrompt: ")
                    messages.append({"role": "user", "content": user_input})

                    # First API call with tool configuration
                    response = client.chat.completions.create(
                        model = AZURE_OPENAI_MODEL,
                        messages = messages,
                        tools = available_tools)

                    # Process the model's response
                    response_message = response.choices[0].message
                    messages.append(response_message)

                    # Handle function calls
                    if response_message.tool_calls:
                        for tool_call in response_message.tool_calls:
                                function_args = json.loads(tool_call.function.arguments)
                                result = await session.call_tool(tool_call.function.name, function_args)

                                # Add the tool response to the messages
                                messages.append({
                                    "tool_call_id": tool_call.id,
                                    "role": "tool",
                                    "name": tool_call.function.name,
                                    "content": result.content,
                                })
                    else:
                        logger.info("No tool calls were made by the model")

                    # Get the final response from the model
                    final_response = client.chat.completions.create(
                        model = AZURE_OPENAI_MODEL,
                        messages = messages,
                        tools = available_tools)

                    for item in final_response.choices:
                        print(item.message.content)
                except Exception as e:
                    logger.error(f"Error in conversation loop: {e}")
                    print(f"An error occurred: {e}")

if __name__ == "__main__":
    import asyncio
    asyncio.run(run())

Приведенный выше код выполняет следующие задачи:

Настраивает ведение журнала и загружает переменные среды из .env файла.
Настраивает клиент Azure OpenAI с помощью azure-identity и openai библиотек.
Инициализирует клиент MCP для взаимодействия с сервером Azure MCP с помощью стандартного транспорта ввода-вывода.
Извлекает и отображает список доступных средств с сервера MCP.
Реализует цикл общения для обработки запросов пользователей, использования инструментов и вызовов утилит.

Запуск и тестирование приложения

Выполните следующие действия, чтобы протестировать хост-приложение .NET:

В окне терминала откройте корень проекта, выполните следующую команду, чтобы запустить приложение:
```
python main.py
```

После запуска приложения введите следующую тестовую строку:

List all of the resource groups in my subscription

Выходные данные предыдущего запроса должны выглядеть следующим образом:

The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!

Изучите и проверьте операции Azure MCP с помощью других соответствующих запросов, таких как:
```
List all of the storage accounts in my subscription
Get the available tables in my storage accounts
```

Поделиться через

Предпосылки

Установка сервера Azure MCP

Использование запросов для тестирования сервера Azure MCP

Предпосылки

Авторизация для локальной разработки

Создание ведущего приложения .NET

Создание проекта

Добавление зависимостей

Добавление кода приложения

Запуск и тестирование приложения

Предпосылки

Авторизация для локальной разработки

Создание приложения Python

Создание проекта

Создание среды и установка зависимостей

Добавление кода приложения

Запуск и тестирование приложения

Дальнейшие шаги

Обратная связь

Дополнительные ресурсы