与 Azure AI Foundry 交互的 MCP 服务器（实验性）

这是一个为 Azure AI Foundry 设计的模型上下文协议（MCP）服务器，提供了一套统一的工具，涵盖模型、知识、评估等多个方面。

可用工具

功能：模型

类别	工具	描述
探索	`list_models_from_model_catalog`	从 Azure AI Foundry 目录中检索支持的模型列表。
	`list_azure_ai_foundry_labs_projects`	从 Azure AI Foundry Labs 中检索微软研究提供的最先进的 AI 模型列表。
	`get_model_details_and_code_samples`	从 Azure AI Foundry 目录中检索特定模型的详细信息和代码示例。
构建	`get_prototyping_instructions_for_github_and_labs`	提供开始使用 Azure AI Foundry 和 Azure AI Foundry Labs 模型的详细说明和设置指南。
部署	`get_model_quotas`	获取特定 Azure 区域的模型配额。
	`create_azure_ai_services_account`	创建一个 Azure AI 服务账户。
	`list_deployments_from_azure_ai_services`	从 Azure AI 服务中检索部署列表。
	`deploy_model_on_ai_services`	在 Azure AI 服务上部署模型。
	`create_foundry_project`	创建一个新的 Azure AI Foundry 项目。

功能：知识

类别	工具	描述
索引	`list_index_names`	从 AI 搜索服务中检索所有索引的名称。
	`list_index_schemas`	从 AI 搜索服务中检索所有索引的架构。
	`retrieve_index_schema`	从 AI 搜索服务中检索特定索引的架构。
	`create_index`	创建一个新索引。
	`modify_index`	修改现有索引的定义。
	`delete_index`	删除现有索引。
文档	`add_document`	向索引中添加文档。
	`delete_document`	从索引中删除文档。
查询	`query_index`	搜索特定索引以检索匹配的文档。
	`get_document_count`	返回索引中的文档总数。
索引器	`list_indexers`	从 AI 搜索服务中检索所有索引器的名称。
	`get_indexer`	从 AI 搜索服务中检索特定索引器的完整定义。
	`create_indexer`	在搜索服务中创建一个包含技能、索引和数据源的新索引器。
	`delete_indexer`	按名称从 AI 搜索服务中删除索引器。
数据源	`list_data_sources`	从 AI 搜索服务中检索所有数据源的名称。
	`get_data_source`	检索特定数据源的完整定义。
技能集	`list_skill_sets`	从 AI 搜索服务中检索所有技能集的名称。
	`get_skill_set`	检索特定技能集的完整定义。
内容	`fk_fetch_local_file_contents`	检索本地文件路径的内容（例如 JSON 示例、文档等）。
	`fk_fetch_url_contents`	检索 URL 的内容（例如 JSON 示例、文档等）。

功能：评估

类别	工具	描述
评估工具	`list_text_evaluators`	列出所有可用的文本评估器。
	`list_agent_evaluators`	列出所有可用的代理评估器。
	`get_text_evaluator_requirements`	显示每个文本评估器的输入要求。
	`get_agent_evaluator_requirements`	显示每个代理评估器的输入要求。
文本评估	`run_text_eval`	在 JSONL 文件或内容上运行一个或多个文本评估器。
	`format_evaluation_report`	将评估输出转换为可读的 Markdown 报告。
代理评估	`agent_query_and_evaluate`	查询代理并使用选定的评估器评估其响应。端到端代理评估。
	`run_agent_eval`	使用特定数据（查询、响应、工具调用、定义）评估单个代理交互。
代理服务	`list_agents`	列出配置项目中所有可用的 Azure AI 代理。
	`connect_agent`	向指定代理发送查询。
	`query_default_agent`	查询环境变量中定义的默认代理。

提示示例

模型

探索模型

你如何帮助我找到合适的模型？
我可以从 Azure AI Foundry 使用哪些模型？
Azure AI Foundry 中有哪些 OpenAI 模型可用？
Azure AI Foundry 中最受欢迎的模型有哪些？给我挑 10 个模型。
哪些模型适合推理？给我展示一些例子，分成两大类：大型模型和小型模型。
你能比较一下 Phi 模型并解释它们的区别吗？
给我展示 Phi-4-reasoning 的模型卡片。
你能展示如何测试模型吗？
Azure AI Foundry 中的免费游乐场是什么意思？
我可以使用 GitHub 令牌来测试模型吗？
给我展示支持 GitHub 令牌的最新模型。
Azure AI Foundry 中的模型发布者是谁？
给我展示来自 Meta 的模型。
给我展示带有 MIT 许可证的模型。

构建原型

你能描述一下你如何帮助我使用模型构建原型吗？
描述一下你如何使用我的 GitHub 令牌构建一个使用 OpenAI 模型的原型。先不要创建。
推荐几个使用模型构建原型的场景。
告诉我关于 Azure AI Foundry Labs 的信息。
告诉我更多关于 Magentic One 的信息。
什么是 Omniparser，它有哪些潜在用例？
你能帮助我使用 Omniparser 构建原型吗？

部署 OpenAI 模型

你能帮助我部署 OpenAI 模型吗？
我需要在 Azure AI Foundry 上部署 OpenAI 模型，需要哪些步骤？
你能帮助我理解如何使用 GitHub 令牌在 Azure AI Foundry 上使用 OpenAI 模型吗？我可以用它进行生产吗？
我已经有一个 Azure AI 服务资源。我可以在它上面部署 OpenAI 模型吗？
Azure AI Foundry 上 OpenAI 模型的配额是什么意思？
获取我 AI 服务资源的当前配额。

使用 GitHub Copilot 快速入门

此 GitHub 模板包含 MCP 服务器配置和所有必需的依赖项，使您可以轻松开始自己的项目。

这将帮助您在 VS Code 环境的用户设置中自动设置 MCP 服务器。
您需要在环境中安装 uvx 才能运行服务器。

手动设置

按照安装 uv 的说明安装 uv。
在 VS Code 中启动一个新工作区。
（可选）在您的工作区根目录下创建 .env 文件以设置环境变量。

在工作区根目录下创建 .vscode/mcp.json 文件。

{
    "servers": {
        "mcp_foundry_server": {
            "type": "stdio",
            "command": "uvx",
            "args": [
                "--prerelease=allow",
                "--from",
                "git+https://github.com/azure-ai-foundry/mcp-foundry.git",
                "run-azure-ai-foundry-mcp",
                "--envFile",
                "${workspaceFolder}/.env"
            ]
        }
    }
}

点击 .vscode/mcp.json 文件中的 Start 按钮启动服务器。
在 GitHub Copilot 聊天中打开代理模式并开始提问。

有关如何设置 MCP 服务器的更多详细信息，请参阅高级设置的更多示例。

设置环境变量

为了安全地向 MCP 服务器传递信息，如 API 密钥、端点和其他敏感数据，您可以使用环境变量。这对于需要身份验证或访问外部服务的工具尤其重要。

您可以在项目根目录下的 .env 文件中设置这些环境变量。在设置 MCP 服务器时，您可以传递 .env 文件的位置，服务器启动时会自动加载这些变量。

请参阅示例 .env 文件以获取示例配置。

类别	变量	是否必需？	描述
模型	`GITHUB_TOKEN`	否	用于在速率限制内免费测试模型的 GitHub 令牌。
知识	`AZURE_AI_SEARCH_ENDPOINT`	总是	您的 Azure AI 搜索服务的端点 URL。它应如下所示：`https://<your-search-service-name>.search.windows.net/`。
	`AZURE_AI_SEARCH_API_VERSION`	否	使用的 API 版本。默认为 `2025-03-01-preview`。
	`SEARCH_AUTHENTICATION_METHOD`	总是	`service-principal` 或 `api-search-key`。
	`AZURE_TENANT_ID`	使用 `service-principal` 时是	您的 Azure Active Directory 租户的 ID。
	`AZURE_CLIENT_ID`	使用 `service-principal` 时是	您的服务主体（应用注册）的 ID。
	`AZURE_CLIENT_SECRET`	使用 `service-principal` 时是	服务主体的密钥凭证。
	`AZURE_AI_SEARCH_API_KEY`	使用 `api-search-key` 时是	您的 Azure AI 搜索服务的 API 密钥。
评估	`EVAL_DATA_DIR`	总是	JSONL 评估数据集的路径
	`AZURE_SUBSCRIPTION_ID`	代理评估或风险/安全评估	Azure 订阅 ID
	`AZURE_RESOURCE_GROUP`	代理评估或风险/安全评估	您的 Azure AI 项目的资源组
	`AZURE_PROJECT_NAME`	代理评估或风险/安全评估	Azure AI 项目名称
	`AZURE_OPENAI_ENDPOINT`	文本质量评估器	Azure OpenAI 的端点
	`AZURE_OPENAI_API_KEY`	文本质量评估器	Azure OpenAI 的 API 密钥
	`AZURE_OPENAI_DEPLOYMENT`	文本质量评估器	部署名称（例如 `gpt-4o`）
	`AZURE_OPENAI_API_VERSION`	文本质量评估器	OpenAI API 的版本
	`PROJECT_CONNECTION_STRING`	代理服务	用于 Azure AI 代理查询和评估

[!NOTE]
模型

GITHUB_TOKEN 用于通过 GitHub API 进行身份验证以测试模型。如果您只是从 Foundry 目录中探索模型，则不需要此令牌。

知识

请参阅创建搜索服务以了解有关如何配置搜索服务的更多信息。

Azure AI 搜索支持多种身份验证方法。您可以使用 Microsoft Entra 身份验证 或 基于密钥的身份验证 来验证您的请求。选择哪种身份验证方法取决于您的安全要求和您所处的 Azure 环境。

请参阅身份验证以了解有关搜索服务身份验证方法的更多信息。

评估

如果您使用 代理工具或安全评估器，请确保 Azure 项目凭据有效。

如果您只进行 文本质量评估，OpenAI 端点和密钥就足够了。

许可证

MIT 许可证。详情请参阅 LICENSE 文件。