麦普锻造厂

Name: 麦普锻造厂
Author: azure-ai-foundry

作者：azure-ai-foundry222 星标更新：2025-11-19

安装使用来源：spider==github.com

项目介绍

与Azure AI Foundry（实验版）交互的MCP服务器

这是一个用于Azure AI Foundry的模型上下文协议服务器，提供了一整套针对模型、知识、评估等工具。

重要通知

Azure AI Foundry（实验版）的MCP服务器已迁移到云端，现称为Foundry MCP服务器（预览版）。请参阅官方公开文档开始使用Foundry MCP服务器（预览版）。此GitHub仓库包含过时的旧实验服务器实现信息，将不再更新。相反，请参考新的远程托管和管理的Foundry MCP服务器，它具有以下优势：

云托管的AI工具编排接口：Foundry MCP服务器（预览版）为符合MCP标准的客户端提供了安全、可扩展的端点。您无需部署基础设施，即可实现无缝集成和多代理场景。
身份和访问控制：该服务器通过Microsoft Entra ID执行身份验证和授权操作。所有操作都在经过身份验证的用户权限范围内进行（代为操作流程）。
面向场景的可扩展工具：MCP服务器暴露了一组不断增长的工具，用于在Microsoft Foundry中对模型、部署、评估和代理进行读写操作。这些工具是可扩展的，允许开发者和代理在不了解后端API或数据模式的情况下与服务互动。
加速代理和开发者的生产力：自然语言工作流（通过MCP客户端和大型语言模型）能够快速发现和调用工具，简化开发和多代理编排。

本仓库的其余部分（包括代码库）解释了现在已弃用的与Azure AI Foundry（实验版）交互的MCP服务器。

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目录检索支持的模型列表。
	`list_azure_ai_foundry_labs_projects`	从Microsoft Research检索Azure AI Foundry Labs中的最新AI模型列表。
	`get_model_details_and_code_samples`	从Azure AI Foundry目录检索特定模型的详细信息。
构建	`get_prototyping_instructions_for_github_and_labs`	提供全面的指导和设置指南，以开始使用Azure AI Foundry和Azure AI Foundry Labs中的模型。
部署	`get_model_quotas`	获取特定Azure位置的模型配额。
	`create_azure_ai_services_account`	创建Azure AI Services账户。
	`list_deployments_from_azure_ai_services`	从Azure AI Services检索部署列表。
	`deploy_model_on_ai_services`	在Azure AI Services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`	检索AI搜索服务中的所有索引名称。
	`list_index_schemas`	检索AI搜索服务中的所有索引模式。
	`retrieve_index_schema`	检索AI搜索服务中特定索引的模式。
	`create_index`	创建新的索引。
	`modify_index`	修改现有索引的定义。
	`delete_index`	删除现有的索引。
文档	`add_document`	将文档添加到索引中。
	`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`	检索AI搜索服务中的所有索引器名称。
	`get_indexer`	检索AI搜索服务中特定索引器的完整定义。
	`create_indexer`	在搜索服务中创建新的索引器，带有技能、索引和数据源。
	`delete_indexer`	根据名称从AI搜索服务中删除索引器。
数据源	`list_data_sources`	检索AI搜索服务中的所有数据源名称。
	`get_data_source`	检索特定数据源的完整定义。
技能集	`list_skill_sets`	检索AI搜索服务中的所有技能集名称。
	`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（示例JSON、文档等）。
	`fk_fetch_url_contents`	检索URL的内容（示例JSON、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`	对JSONL文件或内容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对其响应进行评估。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`	列出配置项目中可用的所有Azure AI代理。
	`connect_agent`	向指定的代理发送查询。
	`query_default_agent`	查询环境变量中定义的默认代理。

功能：微调

类别	工具	描述
微调	`fetch_finetuning_status`	检索特定微调作业的详细状态和元数据，包括作业状态、模型、创建和完成时间、超参数以及任何错误。
	`list_finetuning_jobs`	列出资源中的所有微调作业，返回作业ID及其当前状态，便于跟踪和管理。
	`get_finetuning_job_events`	检索特定微调作业的时间顺序事件列表，包括每个训练步骤、评估和完成的详细消息和时间戳。
	`get_finetuning_metrics`	检索特定微调作业的训练和评估指标，包括损失曲线、准确率和其他相关性能指标，用于监控和分析。
	`list_finetuning_files`	列出Azure OpenAI中可用于微调的所有文件，包括文件ID、名称、用途和状态。
	`execute_dynamic_swagger_action`	执行从Swagger规范动态生成的任何工具，允许灵活的API调用以应对高级场景。
	`list_dynamic_swagger_tools`	列出从Swagger规范动态注册的所有工具，使可用API端点的发现和自动化成为可能。

示例提示

模型

探索模型

你能帮我找到合适的模型吗？
我可以从Azure AI Foundry使用哪些模型？
Azure AI Foundry中有哪些OpenAI模型？
Azure AI Foundry中最受欢迎的模型有哪些？给我列出10个模型。
哪些模型适合推理？给我展示两个桶的例子，一个用于大模型，另一个用于小模型。
你能比较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？
展示支持GitHub令牌的最新模型。
Azure AI Foundry中的模型发布者是谁？
展示来自Meta的模型。
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？
描述如何构建一个使用OpenAI模型和我的GitHub令牌的原型。不要尝试创建一个。
推荐一些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。
Omniparser是什么，有哪些潜在的应用场景？
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？
我需要采取哪些步骤才能在Azure AI Foundry上部署OpenAI模型？
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？我可以将其用于生产吗？
我已经有一个Azure AI服务资源。我可以在上面部署OpenAI模型吗？
在Azure AI Foundry上，OpenAI模型的配额意味着什么？
获取我AI服务资源的当前配额。

快速开始使用GitHub Copilot

此GitHub模板具有最小的设置，包括MCP服务器配置和所有必需的依赖项，使其易于开始自己的项目。

这有助于你在VS Code环境中自动设置MCP服务器，位于用户设置下。你需要在你的环境中安装uvx来运行服务器。

手动设置

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

在工作区根目录创建.vscode/mcp.json。

{
    "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“启动”按钮。
打开GitHub Copilot聊天框，并以代理模式开始提问。

有关更详细的设置，请参阅更多高级设置示例。

设置环境变量

为了安全地将信息传递给MCP服务器，如API密钥、端点和其他敏感数据，你可以使用环境变量。这在需要身份验证或访问外部服务的工具中尤为重要。

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

查看示例.env文件以获取样本配置。

类别	变量	是否必须	描述
模型	`GITHUB_TOKEN`	否	用于免费测试模型的GitHub令牌，有速率限制。
知识	`AZURE_AI_SEARCH_ENDPOINT`	总是	你的Azure AI搜索服务的端点URL。应如下所示：`https://<your-search-service-name>.search.windows.net/`。
	`AZURE_AI_SEARCH_API_VERSION`	否	要使用的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`时是必须的	你的Azure Active Directory租户ID。
	`AZURE_CLIENT_ID`	使用`service-principal`时是必须的	你的服务主体（应用程序注册）的ID。
	`AZURE_CLIENT_SECRET`	使用`service-principal`时是必须的	服务主体的秘密凭证。
	`AZURE_AI_SEARCH_API_KEY`	使用`api-search-key`时是必须的	你的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_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
	`AZURE_AI_PROJECT_ENDPOINT`	代理服务	用于Azure AI代理查询和评估

[!NOTE] 模型

GITHUB_TOKEN用于与GitHub API进行身份验证以测试模型。如果你只是探索Foundry目录中的模型，则不需要。

知识

请参阅创建搜索服务以了解有关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。你可以使用Microsoft Entra身份验证或基于密钥的身份验证来认证你的请求。选择的身份验证方法取决于你的安全需求和你正在工作的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

如果你使用的是代理工具或安全性评估器，请确保Azure项目凭据有效。

如果你仅进行文本质量评估，则只需OpenAI端点和密钥即可。

许可证

MIT许可证。详情见LICENSE。