Foundry MCP Sunucusu için kullanılabilir araçlar ve örnek istemler (önizleme)

Foundry MCP Server, API çağrıları yerine konuşma istemleriyle aracıları, veri kümelerini, değerlendirmeleri, model dağıtımlarını ve daha fazlasını yönetmenize olanak sağlayan 10 kategoride 38 araç sunar. Her aracı keşfetmek ve kendi projenizde örnek istemleri denemek için bu başvuruyu kullanın.

Tip

Bu araçları kullanmadan önce , Foundry MCP Sunucusu kurulumunu tamamlayın.

Note

Bu özellik şu anda genel önizleme aşamasındadır. Bu önizleme, hizmet düzeyi sözleşmesi olmadan sağlanır ve üretim iş yükleri için önerilmez. Bazı özellikler desteklenmeyebilir veya kısıtlı özelliklere sahip olabilir. Daha fazla bilgi için bkz. Microsoft Azure Önizlemeleri için Uygun Kullanım Koşulları.

Araçlar nasıl çalışır?

MCP uyumlu bir istemciye doğal dil istemi yazdığınızda (örneğin, aracı modu GitHub Copilot), dil modeli uygun aracı seçer ve sizin adınıza gerekli parametreleri formüle eder. Araçları doğrudan çağırmazsınız; ne istediğinizi açıklarsınız ve model amacınızı bir araç çağrısına çevirir.

Her araç okuma (bilgileri alır) veya yazma (kaynakları oluşturur, güncelleştirir veya siler) olarak sınıflandırılır. Yazma işlemleri canlı kaynakları ve faturalamayı hemen etkiler. Yazma işlemlerini çalıştırmadan önce en iyi güvenlik yöntemlerini gözden geçirin.

Permissions

Tüm işlemler, Microsoft Entra ID AçıkBehalf-Of akışı aracılığıyla kimliği doğrulanmış kullanıcının izinleriyle çalışır. Aşağıdaki rollere ihtiyacınız vardır:

Operation type	En düşük Azure rolü	Notes
Read tools	Foundry projesi veya hesabındaki okuyucu	Listeleme, sorgulama ve izleme için yeterlidir.
Write tools	Dökümhane projesinde veya hesabında katkıda bulunan	Kaynakları oluşturmak, güncelleştirmek ve silmek için gereklidir.
Koşullu Erişim yöneticisi	Conditional Access Administrator in Entra ID	Yalnızca kiracı düzeyinde erişim ilkeleri yapılandırırken gereklidir.

Daha fazla bilgi için bkz. Microsoft Foundry için Role tabanlı erişim denetimi.

Key identifiers

Birçok araç kaynak tanımlayıcıları gerektirir. Dil modeli bunları istem bağlamından ayıklar, ancak biçimlerin bilinmesine yardımcı olur:

Identifier	Format	Nerede bulunur?
Dökümhane kaynak kimliği	/subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}	Azure portal Properties sayfası
Project endpoint	https://{account}.services.ai.azure.com/api/projects/{project}	Dökümhane proje ayrıntıları sayfası
Project kaynak kimliği	/subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project}	Azure portal Properties sayfası

Agent management

Oluşturma, çağırma, kapsayıcı düzenleme ve silme dahil olmak üzere bir Foundry projesindeki aracıların tam yaşam döngüsünü yönetin.

Example prompts:

• "Dökümhane projemdeki tüm aracıları listele."
• "Model faq-agentkullanarak adlı gpt-4o-mini yeni bir aracı oluşturun."
• "'Merhaba, nasıl yardımcı olabilirsiniz?' " customer-support-agent."
• "Barındırılan aracım triage-agentiçin kapsayıcıyı başlatın."
• "kapsayıcı durumunu triage-agentdenetleyin."
• "İstem aracıları için aracı tanımı şemasını göster."
• "Projemden sil old-test-agent ."

Tool	Access	Description	Key inputs	Returns
agent_get	read	Bir Foundry projesindeki tüm aracıları listeleyin veya belirli bir aracıyı ada göre alın.	Aracı adı (isteğe bağlı)	Model, yönergeler ve araç yapılandırmasıyla aracı listesi veya tek aracı tanımı.
agent_update	write	Aracı oluşturma, güncelleştirme veya kopyalama. Önce tam tanım şemasını bulmak için kullanın agent_definition_schema_get .	Aracı adı, model, yönergeler, araç tanımları	Aracı tanımı oluşturuldu veya güncelleştirildi.
agent_invoke	write	Bir aracıya ileti gönderin ve yanıt alın. Hem istem tabanlı hem de barındırılan kapsayıcı aracıları için çalışır.	Aracı adı, ileti metni	Aracı yanıt iletisi.
agent_delete	write	Aracıyı kalıcı olarak silin. Barındırılan aracılar için bu işlem kapsayıcıyı da siler.	Agent name	Deletion confirmation.
agent_container_control	write	Barındırılan aracı kapsayıcısını başlatın veya durdurun. Barındırılan aracıyı çağırmadan önce kullanın.	Aracı adı, eylem (başlat veya durdur)	Kapsayıcı işlemi durumu.
agent_container_status_get	read	Barındırılan aracı kapsayıcısının geçerli durumunu denetleyin (Başlatılıyor, Çalışıyor, Durduruldu, Başarısız vb.).	Agent name	Geçerli kapsayıcı durumu.
agent_definition_schema_get	read	Tüm araç türleri de dahil olmak üzere aracı tanımları için tam JSON şemasını döndürür.	None	Aracı tanımları için tam JSON şeması.

Dataset management

Bir Foundry projesinde değerlendirme veri kümeleri oluşturma, alma ve sürüm oluşturma.

Example prompts:

• "Müşteri desteğimi karşıya yükleme soru-cevap Bu Azure Blob Depolama URL'sinden bir veri kümesi."
• "Foundry projemdeki tüm veri kümelerini göster."
• "Veri kümesi sürüm 2'nin customer-support-qa ayrıntılarını alın."
• "Veri kümemin product-reviews tüm sürümlerini listele."

Tool	Access	Description	Key inputs	Returns
evaluation_dataset_create	write	Azure Blob Depolama URI'sinden veri kümesi sürümü oluşturun veya güncelleştirin.	Veri kümesi adı, sürümü, Blob Depolama URI'sı	Ad, sürüm ve URI içeren veri kümesi meta verileri.
evaluation_dataset_get	read	Ada ve sürüme göre bir veri kümesi alın veya projedeki tüm veri kümelerini listeleyin.	Veri kümesi adı ve sürümü (isteğe bağlı)	Veri kümesi ayrıntıları veya tüm veri kümelerinin listesi.
evaluation_dataset_versions_get	read	Belirli bir veri kümesinin tüm sürümlerini listeleyin.	Dataset name	Meta veri içeren sürüm numaralarının listesi.

Evaluation operations

Aracılar veya veri kümelerinde toplu değerlendirmeler çalıştırın ve sonuçları çalıştırmalar arasında karşılaştırın.

Example prompts:

• "İlgi, Temellilik ve Tutarlılık değerlendiricilerini kullanarak v2'mi customer-support-agent değerlendirin."
• "JSONL veri kümemde Violence ve HateUnfairness değerlendiricileriyle toplu değerlendirme çalıştır."
• "50 yapay test sorgusu oluşturun ve aracımı onlarla değerlendirin."
• "Foundry projemdeki tüm değerlendirme çalıştırmalarını göster."
• "run-baseline-123 ile run-124 ve run-125 işlem çalıştırmalarını karşılaştırın."

Tool	Access	Description	Key inputs	Returns
evaluation_agent_batch_eval_create	write	Belirli bir aracıyı çağıran bir toplu değerlendirme çalıştırması oluşturun. Yerleşik ve özel değerlendiricilerin yanı sıra yapay veri oluşturmayı destekler.	Aracı adı/sürümü, değerlendirici adları, veri kümesi (yapay oluşturma için isteğe bağlı), yapay sorgu sayısı (isteğe bağlı)	Değerlendirme çalıştırma kimliği ve durumu.
evaluation_dataset_batch_eval_create	write	JSONL veri kümesinde toplu değerlendirme çalıştırması oluşturun. Yerleşik ve özel değerlendiricileri destekler.	Veri kümesi adı/sürümü, değerlendirici adları	Değerlendirme çalıştırma kimliği ve durumu.
evaluation_get	read	Liste değerlendirme, Dökümhane projesinde çalışır.	Değerlendirme çalıştırma kimliği (isteğe bağlı)	Durum ve puanlarla değerlendirme çalıştırmalarının listesi veya belirli bir çalıştırmanın ayrıntıları.
evaluation_comparison_create	write	Temel ve işlem değerlendirme çalıştırmaları arasında karşılaştırma sonuçları oluşturun.	Temel çalıştırma kimliği, işlem çalıştırması kimlikleri	Karşılaştırma içgörü kimliği.
evaluation_comparison_get	read	Değerlendirme karşılaştırma içgörülerini alın veya listeleyin.	Karşılaştırma içgörü kimliği (isteğe bağlı)	Sonuçları istatistiksel analizle karşılaştırma.

Evaluator catalog

Yerleşik değerlendiricilere göz atın ve değerlendirme çalıştırmalarında kullanmak üzere özel değerlendiricileri yönetin.

Example prompts:

• "Projemde kullanılabilen tüm yerleşik değerlendiricileri listele."
• "Değerlendiricinin tam tanımını coherence göster."
• "Yanıtları 1-5 ölçeğinde puanlayan adlı tone-check özel bir istem tabanlı değerlendirici oluşturun."
• "Değerlendiricimin tone-check açıklamasını güncelleştir."
• "." sürüm 1'i sil old-evaluator

Tool	Access	Description	Key inputs	Returns
evaluator_catalog_get	read	Katalogdaki değerlendiricileri listeleyin veya belirli bir değerlendiricinin tam tanımını alın. Yerleşik veya özel türe göre filtreleyin.	Değerlendirici adı (isteğe bağlı), tür filtresi (yerleşik veya özel, isteğe bağlı)	Puanlama mantığıyla değerlendirici listesi veya tam değerlendirici tanımı.
evaluator_catalog_create	write	Özel bir istem tabanlı veya kod tabanlı değerlendirici oluşturun.	Değerlendirici adı, türü (istem veya kod), tanım	Değerlendirici meta verileri oluşturuldu.
evaluator_catalog_update	write	Mevcut bir özel değerlendirici için meta verileri (görünen ad, açıklama, kategori) güncelleştirin.	Değerlendirici adı, güncelleştirilecek alanlar	Değerlendirici meta verileri güncelleştirildi.
evaluator_catalog_delete	write	Özel değerlendiricinin belirli bir sürümünü silin.	Değerlendirici adı, sürümü	Deletion confirmation.

Model kataloğu ve ayrıntıları

Foundry model kataloğunda modelleri keşfedin ve modellerle ilgili ayrıntıları alın.

Example prompts:

• "Katalogdaki tüm GPT-5.4 modellerini göster."
• "MIT lisansına sahip Microsoft yayımlanan tüm modelleri listeleyin."
• "GPT-5-mini için ayrıntılı bilgi ve kod örnekleri alın."

Tool	Access	Description	Key inputs	Returns
model_catalog_list	read	İsteğe bağlı filtreler (yayımcı, lisans, görev) ile Döküm modeli kataloğundaki modelleri listeleyin.	Arama anahtar sözcükleri, yayımcı, lisans türü, görev türü (tümü isteğe bağlı)	Ad, yayımcı, lisans ve özelliklere sahip modellerin listesi.
model_details_get	read	Tam model ayrıntılarını ve kod örneklerini alın.	Model adı veya kimliği	Model belirtimleri, fiyatlandırma, desteklenen bölgeler ve kod örnekleri.

Model dağıtım yönetimi

Foundry hesabında model dağıtımlarını dağıtma, inceleme ve kaldırma.

Example prompts:

• "GPT-5-mini'yi 20 kapasite birimiyle olduğu gibi production-chatbot dağıtın."
• "Tüm geçerli model dağıtımlarımı göster."
• "Artık kullanmadığım öğesini silin old-test-deployment ."

Tool	Access	Description	Key inputs	Returns
model_deploy	write	Belirtilen kapasiteye sahip bir model dağıtımı oluşturun veya güncelleştirin.	Model adı, dağıtım adı, kapasite birimleri	Uç nokta ve sağlanan kapasite ile dağıtım ayrıntıları.
model_deployment_get	read	Bir Foundry hesabından bir veya daha fazla model dağıtımı alın.	Dağıtım adı (isteğe bağlı)	Durum ve kota ile dağıtımların veya tek dağıtım ayrıntılarının listesi.
model_deployment_delete	write	Belirli bir model dağıtımlarını ada göre silin.	Deployment name	Deletion confirmation.

Model analizi ve öneriler

Model karşılaştırmalarını karşılaştırın ve daha uygun maliyetli veya daha yüksek kaliteli modellere geçiş için öneriler alın.

Example prompts:

• "Kullanılabilir tüm modeller için karşılaştırma verilerini göster."
• "GPT-5.4 ile GPT-4 arasındaki karşılaştırma performansını karşılaştırın."
• "Geçerli GPT-4 dağıtımıma benzer modelleri bulun."
• "Hangi modeller şu anda kullandığımdan daha iyi kalite/maliyet oranı verir?"

Tool	Access	Description	Key inputs	Returns
model_benchmark_get	read	Foundry modelleri için karşılaştırma verilerini getirme.	Model filtreleri (isteğe bağlı)	Karşılaştırma puanları, doğruluk, maliyet ve gecikme süresi ölçümleri.
model_benchmark_subset_get	read	Belirli model adı ve sürüm çiftleri için karşılaştırma verileri alın.	Model adı ve sürüm çiftleri	Belirtilen modeller için karşılaştırma karşılaştırma verileri.
model_similar_models_get	read	Dağıtım veya model ayrıntılarına göre benzer modelleri bulun.	Dağıtım adı veya model adı	Yetenek karşılaştırması olan benzer modellerin listesi.
model_switch_recommendations_get	read	Karşılaştırma verilerine göre model anahtarı önerileri alın.	Geçerli dağıtım adı	Kalite/maliyet denge analizi ile önerilen modeller.

Model izleme ve işlemler

Dağıtım durumunu izleyin, ölçümleri izleyin, kullanımdan kaldırma durumunu denetleyin ve kota kullanımını görüntüleyin.

Example prompts:

• "Dağıtımım production-chatbot için istek ölçümlerini göster."
• "Dağıtımlarımdan herhangi birinin kullanım dışı model sürümleri kullanıp kullanmadiğini denetleyin."
• "Aboneliğim için tüm bölgelerde kota kullanımını göster."

Tool	Access	Description	Key inputs	Returns
model_monitoring_metrics_get	read	Model dağıtımı için izleme ölçümlerini (istekler, gecikme süresi, hatalar, kota) alın.	Dağıtım adı, zaman aralığı (isteğe bağlı)	İstek sayısı, gecikme yüzdebirlik dilimleri, hata oranları ve belirteç kullanımı.
model_deprecation_info_get	read	Kullanımdan kaldırma ve kullanımdan kaldırma zamanlamalarıyla zenginleştirilmiş dağıtım bilgilerini alın.	Dağıtım adı (isteğe bağlı)	Kullanımdan kaldırma tarihleri ve önerilen değiştirmelerle dağıtım ayrıntıları.
model_quota_list	read	Bir bölgedeki abonelik için kullanılabilir dağıtım kotasını ve kullanımını listeleme.	Region (optional)	Kota sınırları, geçerli kullanım ve model ailesi başına kullanılabilir kapasite.

Project connections

Bir Foundry projesindeki dış hizmetlere (Azure OpenAI, Azure Blob Depolama, arama ve diğer) bağlantıları yönetin.

Example prompts:

• "Foundry projemdeki tüm bağlantıları listele."
• "Bağlantımın azure-search ayrıntılarını göster."
• "Hangi bağlantı türleri ve kimlik doğrulama yöntemleri desteklenir?"
• "AAD kimlik doğrulaması kullanarak adlı my-openai yeni bir AzureOpenAI bağlantısı oluşturun."
• "Projemden bağlantıyı sil old-storage ."

Tool	Access	Description	Key inputs	Returns
project_connection_list	read	Bir Dökümhane projesindeki tüm bağlantıları, kategoriye veya hedefe göre isteğe bağlı filtrelemeyle listeleyin.	Kategori filtresi, hedef filtre (her ikisi de isteğe bağlı)	Ad, tür ve durum bilgilerini içeren bağlantıların listesi.
project_connection_get	read	Ada göre belirli bir bağlantı alın.	Connection name	Kategori, hedef ve kimlik doğrulama türü gibi bağlantı ayrıntıları.
project_connection_list_metadata	read	Desteklenen tüm bağlantı kategorilerini ve kimlik doğrulama türlerini listeleyin. Geçerli değerleri bulmak için önce bunu çağır.	None	Desteklenen kategoriler (örneğin, AzureOpenAI, AzureBlobStorage) ve kimlik doğrulama türleri (örneğin, AAD, anahtar).
project_connection_create	write	Proje bağlantısı oluşturun veya değiştirin.	Bağlantı adı, kategori, hedef, kimlik doğrulama türü	Bağlantı ayrıntıları oluşturuldu.
project_connection_update	write	Mevcut proje bağlantısını güncelleştirin.	Bağlantı adı, güncelleştirilecek alanlar	Bağlantı ayrıntıları güncelleştirildi.
project_connection_delete	write	Proje bağlantısını ada göre silin.	Connection name	Deletion confirmation.

Prompt optimization

Daha iyi LLM performansı için sistem istemlerini ve geliştirici iletilerini iyileştirin.

Example prompts:

• "Kullanarak sistem istemimi iyileştir: 'Yararlı bir müşteri hizmetleri aracısısınız' gpt-5.4."
• "Daha kısa yanıtlar almak için aracı yönergelerimi geliştirin."
• "İzleme sorularını da ele almak için en iyi duruma getirilmiş istemimi iyileştirin."

Tool	Access	Description	Key inputs	Returns
prompt_optimize	write	Azure OpenAI prompt Optimizer kullanarak daha iyi LLM performansı için geliştirici istemini (sistem iletisi) iyileştirin.	İstem metni, hedef model, iyileştirme yönergeleri (isteğe bağlı)	Değişikliklerin açıklamasıyla en iyi duruma getirilmiş istem metni.

Example workflows

Aracı değerlendirme iş akışı:

1. "Projemdeki tüm aracıları listele."
2. "İlgi, Temellilik ve Güvenlik değerlendiricilerini kullanarak v2'mi customer-support-agent değerlendirin."
3. "Temel değerlendirmemi yeni çalıştırmayla karşılaştır."
4. "Bana istatistiksel anlamlı karşılaştırma sonuçlarını göster."

Model dağıtımı ve iyileştirmesi:

1. "Katalogdaki tüm GPT-5.4 modellerini göster."
2. "GPT-5.4'i 15 kapasite birimiyle olduğu gibi customer-service-bot dağıtın."
3. "Yeni dağıtımım için istek gecikme süresini izleyin."
4. "Geçerli kullanıma göre daha uygun maliyetli alternatifler önerin."

Kaynak yönetimi ve temizleme:

1. "Tüm geçerli dağıtımlarımı ve kullanımlarını listeleyin."
2. "Hangi dağıtımların kullanım dışı model sürümlerini kullandığını denetleyin."
3. "Tüm bölgelerde kota kullanımımı göster."
4. "Kapasiteyi boşaltmak için kullanılmayan test dağıtımlarını silin."

Preview limitations

Dökümhane MCP Sunucusu genel önizleme aşamasındadır. Aşağıdaki sınırlamalar geçerlidir:

• Ağ yalıtımı yok — Dökümhane MCP Sunucusu genel uç noktasını https://mcp.ai.azure.comkullanır. Azure Özel Bağlantıların arkasındaki kaynaklara erişilemez. Özel MCP bağlantısı için kendi MCP sunucunuzu oluşturun ve özel ağ ile Aracı Hizmeti'ne bağlayın.
• Veri yerleşimi — İstekler ve yanıtlar AB veya ABD veri merkezlerinde işlenebilir. Sunucunun kendisi verileri depolamaz, ancak bölgeler arası işleme gerçekleşebilir.
• SLA yok — Önizleme özellikleri hizmet düzeyi sözleşmesi içermez. Garantili kullanılabilirlik gerektiren üretim iş yükleri için sunucuyu kullanmayın.
• Araç kümesi değişebilir — Araçlar, parametreler ve dönüş değerleri önizleme döneminde bildirimde bulunmadan değişebilir.

Daha fazla bilgi için bkz. Microsoft Azure Önizlemeleri için Uygun Kullanım Koşulları.

Common errors

Error	Cause	Resolution
Access denied	Dökümhane projesinde veya hesabında yetersiz Azure RBAC rolü.	Okuma araçları için en az Okuyucu veya yazma araçları için Katkıda Bulunan'a atayın. bkz. Microsoft Foundry için RBAC.
Authentication failure	Süresi doldu veya geçersiz Entra ID belirteci.	oturumu kapatın ve Visual Studio Code veya kullanmakta olduğunuz araçta Azure hesabınızda yeniden oturum açın.
Quota exceeded	Dağıtım oluşturmak veya değerlendirme çalıştırmak için yeterli kapasite yok.	İşlemden önce kullanılabilir kotayı denetlemek için kullanın model_quota_list .
Kaynak bulunamadı	Belirtilen dağıtım, veri kümesi, aracı veya bağlantı yok.	Kaynak adını doğrulamak için ilgili get veya list aracı kullanın.
Özel uç noktaya ulaşılamıyor	Dökümhane kaynakları, barındırılan Foundry MCP Sunucusu'nun ulaşamazsınız Azure Özel Bağlantıları kullanır.	Özel uç nokta kısıtlamalarını kaldırın, SDK'ları/REST API'leri kullanın veya Aracı Hizmeti özel ağıyla özel bir MCP sunucusu kullanın.

Daha fazla sorun giderme kılavuzu için bkz . Foundry MCP Server güvenliği ve en iyi yöntemleri.

Related content

• Foundry MCP Sunucusu'nu kullanmaya başlama
• Kendi MCP sunucunuzu oluşturmayı öğrenin
• MCP sunucuları için en iyi güvenlik uygulamalarını gözden geçirin