Azure MCP 服务器使用模型上下文协议（MCP）来标准化 AI 应用与外部工具和数据源之间的集成，使 AI 系统能够执行对上下文敏感的操作，并且能够识别和处理您的 Azure 资源。
本文介绍如何完成以下任务：
- 安装和向 Azure MCP 服务器进行身份验证
- 使用自定义 Python 客户端连接到 Azure MCP 服务器
- 运行提示以测试 Azure MCP 服务器操作并管理 Azure 资源
先决条件
- 具有活动订阅的 Azure 帐户
- 已安装 Python 3.9 或更高版本
- Node.js 已安装 LTS
注释
要通过 Azure MCP 服务器访问的 Azure 资源必须已存在于 Azure 订阅中。 此外，用户帐户必须具有为这些资源分配的必要 RBAC 角色和权限 。
登录到 Azure MCP 服务器进行本地开发
Azure MCP 服务器使用适用于 .NET 的 Azure 标识库对 Microsoft Entra ID 进行身份验证。 服务器支持 两种身份验证模式：
-
代理模式：使用操作系统的原生身份验证（如 Windows Web 帐户管理器）与
InteractiveBrowserCredential一起使用。 - 凭据链模式：按顺序尝试多种身份验证方法：环境变量、Visual Studio Code、Visual Studio、Azure CLI、Azure PowerShell、Azure 开发人员 CLI 和交互式浏览器身份验证。
使用以下任一方法登录：
- 打开命令面板（
Ctrl+Shift+P或在 Mac 上使用Cmd+Shift+P）。 - 运行 Azure：登录 并按照提示进行作。
登录后，Azure MCP 服务器可以根据权限对 Azure 服务进行身份验证和运行作。
创建 Python 应用
完成以下步骤以创建 Python 应用（主机应用）。 该应用连接到 AI 模型，充当连接到 Azure MCP 服务器（运行 MCP 协议的本地进程）的 MCP 客户端的主机。
创建项目
在所选编辑器中打开一个空文件夹。
创建一个名为
requirements.txt的新文件，并添加以下库依赖项：mcp azure-identity openai logging在同一文件夹中，创建一
.env个名为并添加以下环境变量的新文件：AZURE_OPENAI_ENDPOINT=<your-azure-openai-endpoint> AZURE_OPENAI_MODEL=<your-model-deployment-name>创建一个名为
main.py用于保存应用代码的空文件。
创建环境和安装依赖项
在新文件夹中打开终端，并为应用创建 Python 虚拟环境：
python -m venv venv激活虚拟环境：
venv\Scripts\activate从
requirements.txt安装依赖项。pip install -r requirements.txt
添加应用代码
将 main.py 的内容替换为以下代码：
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())
前面的代码完成以下任务：
- 设置日志记录并从文件加载环境变量
.env。 - 使用
azure-identity和openai库配置 Azure OpenAI 客户端。 - 使用标准 I/O 传输初始化 MCP 客户端以与 Azure MCP 服务器（本地进程）交互。
- 从 Azure MCP 服务器检索并显示可用工具列表（MCP 注册的 Azure 操作）。
- 实现聊天循环以处理用户提示、利用工具和处理工具调用。
配置参数：
| 参数 | Description | Example |
|---|---|---|
AZURE_OPENAI_ENDPOINT |
Azure OpenAI 服务终结点 | https://your-resource.openai.azure.com/ |
AZURE_OPENAI_MODEL |
模型部署名称 | gpt-4o |
| 令牌范围 | Azure 认知服务 OAuth 范围 | https://cognitiveservices.azure.com/.default |
| 身份验证 | 使用 DefaultAzureCredential （Azure CLI、托管身份或其他凭据链） |
请参阅 Azure 标识文档 |
| 所需的 RBAC | Azure OpenAI 资源上的认知服务用户角色或等效角色 | 通过 Azure 门户或 CLI 分配 |
运行并测试应用
完成以下步骤以测试 Python 应用：
在打开到项目的根目录中的终端窗口中，运行以下命令以启动应用：
python main.py成功验证：应用应显示可用 Azure MCP 服务器工具的列表，然后显示输入
Prompt:。应用运行后，请输入以下测试提示：
List all of the resource groups in my subscription上一提示的输出应类似于以下文本：
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!使用其他相关提示来浏览和测试 Azure MCP 操作，例如：
List all of the storage accounts in my subscription Get the available tables in my storage accounts