共用方式為

將代理程式公開為 MCP 工具

本教學課程說明如何透過模型內容通訊協定 （MCP） 將代理程式公開為工具，以便支援 MCP 工具的其他系統可以使用它。

先決條件

如需必要條件，請參閱本教學課程中的 建立並執行簡式代理程式 步驟。

安裝 NuGet 套件

若要搭配 Azure OpenAI 使用 Microsoft Agent Framework，您必須安裝下列 NuGet 套件：

dotnet add package Azure.AI.OpenAI --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.OpenAI --prerelease

若要也新增透過模型內容通訊協定 （MCP） 裝載工具的支援，請新增下列 NuGet 套件

dotnet add package Microsoft.Extensions.Hosting --prerelease
dotnet add package ModelContextProtocol --prerelease

將代理程式公開為 MCP 工具

您可以將 AIAgent 當作 MCP 工具進行公開，方法是將它包裝在函數中並使用 McpServerTool。 然後，您需要向 MCP 伺服器註冊它。 這可讓任何 MCP 相容用戶端呼叫代理程式作為工具。

首先，建立一個代理，將其作為 MCP 工具曝光。

using System;
using Azure.AI.OpenAI;
using Azure.Identity;
using Microsoft.Agents.AI;
using OpenAI;

AIAgent agent = new AzureOpenAIClient(
    new Uri("https://<myresource>.openai.azure.com"),
    new AzureCliCredential())
        .GetChatClient("gpt-4o-mini")
        .CreateAIAgent(instructions: "You are good at telling jokes.", name: "Joker");

將代理程式變成功能工具，然後變成 MCP 工具。 代理程式名稱和描述將用作 mcp 工具名稱和描述。

using ModelContextProtocol.Server;

McpServerTool tool = McpServerTool.Create(agent.AsAIFunction());

設定 MCP 伺服器，以透過標準輸入/輸出接聽傳入要求，並公開 MCP 工具：

using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using ModelContextProtocol.Server;

HostApplicationBuilder builder = Host.CreateEmptyApplicationBuilder(settings: null);
builder.Services
    .AddMcpServer()
    .WithStdioServerTransport()
    .WithTools([tool]);

await builder.Build().RunAsync();

這將啟動一個 MCP 伺服器，該伺服器透過 MCP 協定將代理程式公開為工具。

本教學課程說明如何透過模型內容通訊協定 （MCP） 將代理程式公開為工具，以便支援 MCP 工具的其他系統可以使用它。

先決條件

如需必要條件和安裝 Python 套件，請參閱本教學課程中的 建立並執行簡式代理程式 步驟。

將代理程式公開為 MCP 伺服器

您可以使用該 as_mcp_server() 方法將代理程式公開為 MCP 伺服器。 這可讓任何 MCP 相容用戶端呼叫代理程式作為工具。

首先，建立一個代理，將其用作 MCP 伺服器公開。 您也可以將工具新增至代理程式：

from typing import Annotated
from agent_framework.openai import OpenAIResponsesClient

def get_specials() -> Annotated[str, "Returns the specials from the menu."]:
    return """
        Special Soup: Clam Chowder
        Special Salad: Cobb Salad
        Special Drink: Chai Tea
        """

def get_item_price(
    menu_item: Annotated[str, "The name of the menu item."],
) -> Annotated[str, "Returns the price of the menu item."]:
    return "$9.99"

# Create an agent with tools
agent = OpenAIResponsesClient().create_agent(
    name="RestaurantAgent",
    description="Answer questions about the menu.",
    tools=[get_specials, get_item_price],
)

將代理程式變成 MCP 伺服器。 代理程式名稱和描述將用作 MCP 伺服器中繼資料：

# Expose the agent as an MCP server
server = agent.as_mcp_server()

設定 MCP 伺服器，以監聽標準輸入/輸出的傳入要求：

import anyio
from mcp.server.stdio import stdio_server

async def run():
    async def handle_stdin():
        async with stdio_server() as (read_stream, write_stream):
            await server.run(read_stream, write_stream, server.create_initialization_options())

    await handle_stdin()

if __name__ == "__main__":
    anyio.run(run)

這會啟動 MCP 伺服器，透過 MCP 通訊協定公開代理程式，讓 MCP 相容的用戶端 （例如 VS Code GitHub Copilot 代理程式） 使用它。

後續步驟

啟用代理程式的可觀察性

  • Last updated on