Herramientas disponibles y mensajes de ejemplo para foundry MCP Server (versión preliminar)

Foundry MCP Server expone 38 herramientas en 10 categorías que permiten administrar agentes, conjuntos de datos, evaluaciones, implementaciones de modelos, etc., todo ello mediante avisos conversacionales en lugar de llamadas API. Use esta referencia para explorar cada herramienta y probar las indicaciones de ejemplo en su propio proyecto.

Tip

Antes de usar estas herramientas, complete la configuración del servidor MCP de Foundry.

Note

Esta característica está actualmente en versión preliminar pública. Esta versión preliminar se proporciona sin un contrato de nivel de servicio y no se recomienda para cargas de trabajo de producción. Es posible que algunas características no se admitan o que tengan funcionalidades restringidas. Para obtener más información, vea Supplemental Terms of Use for Microsoft Azure Previews.

Funcionamiento de las herramientas

Cuando escribe un mensaje de lenguaje natural en un cliente compatible con MCP (por ejemplo, GitHub Copilot modo de agente), el modelo de lenguaje selecciona la herramienta adecuada y formula los parámetros necesarios en su nombre. No llama directamente a las herramientas, describe lo que desea y el modelo convierte la intención en una llamada a herramienta.

Cada herramienta se clasifica como de lectura (recupera información) o escritura (crea, actualiza o elimina recursos). Las operaciones de escritura afectan inmediatamente a los recursos activos y a la facturación. Revise los procedimientos recomendados de seguridad antes de ejecutar operaciones de escritura.

Permissions

Todas las operaciones se ejecutan con los permisos del usuario autenticado a través del flujo de Microsoft Entra ID on-Behalf-Of. Necesita los siguientes roles:

Operation type Rol mínimo de Azure Notes
Read tools Lector en el proyecto o cuenta de Foundry Suficiente para enumerar, consultar y supervisar.
Write tools Colaborador en el proyecto o cuenta de Foundry Necesario para crear, actualizar y eliminar recursos.
Administrador de acceso condicional Administrador de acceso condicional en Entra ID Solo es necesario si se configuran directivas de acceso de nivel de inquilino.

Para obtener más información, consulte control de acceso basado en Role para Microsoft Foundry.

Key identifiers

Muchas herramientas requieren identificadores de recursos. El modelo de lenguaje extrae estos datos del contexto del mensaje, pero ayuda a conocer los formatos:

Identifier Format Dónde encontrarlo
Identificador de recurso de foundry /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account} Azure página Properties
Project endpoint https://{account}.services.ai.azure.com/api/projects/{project} Página de detalles del proyecto foundry
id. de recurso de Project /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} Azure página Properties

Agent management

Administre el ciclo de vida completo de los agentes de un proyecto foundry, incluida la creación, la invocación, la orquestación de contenedores y la eliminación.

Example prompts:

  • "Enumere todos los agentes del proyecto Foundry".
  • "Cree un nuevo agente denominado faq-agent mediante el modelo gpt-4o-mini".
  • "Enviar 'Hola, ¿cómo puedes ayudar?' a mi customer-support-agent."
  • "Inicie el contenedor para el agente triage-agenthospedado".
  • "Compruebe el estado del contenedor para triage-agent".
  • "Mostrarme el esquema de definición del agente para los agentes de solicitud".
  • "Elimine el elemento old-test-agent de mi proyecto".
Tool Access Description Key inputs Returns
agent_get read Enumere todos los agentes de un proyecto foundry o obtenga un agente específico por nombre. Nombre del agente (opcional) Lista de agentes o definición de agente único con el modelo, las instrucciones y la configuración de herramientas.
agent_update write Cree, actualice o clone un agente. Use agent_definition_schema_get para detectar primero el esquema de definición completa. Nombre del agente, modelo, instrucciones, definiciones de herramientas Definición de agente creada o actualizada.
agent_invoke write Envíe un mensaje a un agente y obtenga una respuesta. Funciona tanto para agentes de contenedor hospedados como basados en mensajes. Nombre del agente, texto del mensaje Mensaje de respuesta del agente.
agent_delete write Elimine permanentemente un agente. En el caso de los agentes hospedados, esto también elimina el contenedor. Agent name Deletion confirmation.
agent_container_control write Inicie o detenga un contenedor de agentes hospedado. Use antes de invocar un agente hospedado. Nombre del agente, acción (inicio o detención) Estado de la operación del contenedor.
agent_container_status_get read Compruebe el estado actual de un contenedor de agentes hospedado (Inicio, Ejecución, Detenido, Error, etc.). Agent name Estado actual del contenedor.
agent_definition_schema_get read Devuelve el esquema JSON completo para las definiciones de agente, incluidos todos los tipos de herramientas. None Esquema JSON completo para definiciones de agente.

Dataset management

Cree, recupere y controle los conjuntos de datos de evaluación de versiones en un proyecto foundry.

Example prompts:

  • "Cargar mis preguntas y respuestas al cliente Un conjunto de datos de esta dirección URL de Azure Blob Storage".
  • "Muéstrame todos los conjuntos de datos en mi proyecto Foundry".
  • "Obtenga los detalles de la versión 2 del customer-support-qa conjunto de datos".
  • "Enumerar todas las versiones de mi product-reviews conjunto de datos".
Tool Access Description Key inputs Returns
evaluation_dataset_create write Cree o actualice una versión del conjunto de datos a partir de un URI de Azure Blob Storage. Nombre del conjunto de datos, versión, Blob Storage URI Metadatos del conjunto de datos con el nombre, la versión y el URI.
evaluation_dataset_get read Obtiene un conjunto de datos por nombre y versión, o enumera todos los conjuntos de datos del proyecto. Nombre y versión del conjunto de datos (opcional) Detalles del conjunto de datos o lista de todos los conjuntos de datos.
evaluation_dataset_versions_get read Enumere todas las versiones de un conjunto de datos específico. Dataset name Lista de números de versión con metadatos.

Evaluation operations

Ejecute evaluaciones por lotes en agentes o conjuntos de datos y compare los resultados entre ejecuciones.

Example prompts:

  • "Evalúe mi customer-support-agent v2 mediante evaluadores de relevancia, base y coherencia".
  • "Ejecute una evaluación por lotes en mi conjunto de datos JSONL con evaluadores de Violencia y OdioUnfairness".
  • "Genere 50 consultas de prueba sintéticas y evalúe mi agente con ellas".
  • "Muéstrame todas las ejecuciones de evaluación en mi proyecto Foundry".
  • "Compare run-baseline-123 contra las ejecuciones de tratamiento run-124 y run-125."
Tool Access Description Key inputs Returns
evaluation_agent_batch_eval_create write Cree una ejecución de evaluación por lotes que llame a un agente específico. Admite evaluadores integrados y personalizados, además de la generación de datos sintéticos. Nombre o versión del agente, nombres del evaluador, conjunto de datos (opcional para la generación sintética), número de consultas sintéticas (opcional) Identificador y estado de ejecución de evaluación.
evaluation_dataset_batch_eval_create write Cree una ejecución de evaluación por lotes en un conjunto de datos JSONL. Admite evaluadores integrados y personalizados. Nombre o versión del conjunto de datos, nombres del evaluador Identificador y estado de ejecución de evaluación.
evaluation_get read Enumera las ejecuciones de evaluación en el proyecto Foundry. Identificador de ejecución de evaluación (opcional) Lista de ejecuciones de evaluación con estado y puntuaciones, o detalles de una ejecución específica.
evaluation_comparison_create write Crear resultados de comparación entre una línea base y una evaluación de tratamiento. Id. de ejecución de línea base, identificadores de ejecución de tratamiento Id. de información de comparación.
evaluation_comparison_get read Obtener o enumerar información de comparación de evaluación. Id. de información de comparación (opcional) Resultados de comparación con el análisis estadístico.

Evaluator catalog

Examine los evaluadores integrados y administre evaluadores personalizados para usarlos en ejecuciones de evaluación.

Example prompts:

  • "Enumere todos los evaluadores integrados disponibles en mi proyecto".
  • "Mostrarme la definición completa del coherence evaluador".
  • "Cree un evaluador personalizado basado en avisos denominado tone-check que puntee las respuestas en una escala de 1 a 5".
  • "Actualice la descripción de mi tone-check evaluador".
  • "Elimine la versión 1 de mi old-evaluator."
Tool Access Description Key inputs Returns
evaluator_catalog_get read Enumerar evaluadores en el catálogo o obtener la definición completa de un evaluador específico. Filtre por tipo integrado o personalizado. Nombre del evaluador (opcional), filtro de tipo (integrado o personalizado, opcional) Lista del evaluador o definición completa del evaluador con lógica de puntuación.
evaluator_catalog_create write Cree un evaluador personalizado basado en mensajes o basado en código. Nombre del evaluador, tipo (símbolo del sistema o código), definición Metadatos del evaluador creados.
evaluator_catalog_update write Actualice los metadatos (nombre para mostrar, descripción, categoría) para un evaluador personalizado existente. Nombre del evaluador, campos que se van a actualizar Metadatos del evaluador actualizados.
evaluator_catalog_delete write Elimine una versión específica de un evaluador personalizado. Nombre del evaluador, versión Deletion confirmation.

Catálogo de modelos y detalles

Explore y obtenga detalles sobre los modelos en el catálogo de modelos foundry.

Example prompts:

  • "Muéstrame todos los modelos GPT-5.4 disponibles en el catálogo".
  • "Enumere todos los modelos publicados Microsoft con licencia MIT".
  • "Obtener información detallada y ejemplos de código para GPT-5-mini."
Tool Access Description Key inputs Returns
model_catalog_list read Enumere los modelos del catálogo de modelos de Foundry con filtros opcionales (publicador, licencia, tarea). Palabras clave de búsqueda, publicador, tipo de licencia, tipo de tarea (todo opcional) Lista de modelos con nombre, publicador, licencia y funcionalidades.
model_details_get read Obtenga detalles completos del modelo y ejemplos de código. Nombre o identificador del modelo Especificaciones del modelo, precios, regiones admitidas y ejemplos de código.

Administración de implementación de modelos

Implemente, inspeccione y quite implementaciones de modelos en una cuenta de Foundry.

Example prompts:

  • "Implemente GPT-5-mini como production-chatbot con 20 unidades de capacidad."
  • "Muéstrame todas mis implementaciones de modelos actuales".
  • "Elimine el old-test-deployment que ya no estoy usando".
Tool Access Description Key inputs Returns
model_deploy write Cree o actualice una implementación de modelo con capacidad especificada. Nombre del modelo, nombre de implementación, unidades de capacidad Detalles de implementación con el punto de conexión y la capacidad aprovisionada.
model_deployment_get read Obtenga una o varias implementaciones de modelos de una cuenta de Foundry. Nombre de implementación (opcional) Lista de implementaciones o detalles de implementación única con estado y cuota.
model_deployment_delete write Elimine una implementación de modelo específica por nombre. Deployment name Deletion confirmation.

Análisis de modelos y recomendaciones

Compare pruebas comparativas de modelos y obtenga recomendaciones para cambiar a modelos más rentables o de mayor calidad.

Example prompts:

  • "Mostrar datos de pruebas comparativas para todos los modelos disponibles".
  • "Compare el rendimiento del banco de pruebas entre GPT-5.4 y GPT-4."
  • "Busque modelos similares a mi implementación actual de GPT-4".
  • "¿Qué modelos me darían una mejor relación de calidad y costo que lo que estoy usando ahora?"
Tool Access Description Key inputs Returns
model_benchmark_get read Captura de datos de pruebas comparativas para los modelos foundry. Filtros de modelo (opcional) Puntuaciones comparativas, precisión, costo y métricas de latencia.
model_benchmark_subset_get read Obtenga datos de pruebas comparativas para pares de versión y nombre de modelo específicos. Pares de nombre de modelo y versión Datos de comparación de pruebas comparativas para los modelos especificados.
model_similar_models_get read Busque modelos similares en función de la implementación o los detalles del modelo. Nombre de implementación o nombre del modelo Lista de modelos similares con comparación de funcionalidades.
model_switch_recommendations_get read Obtenga recomendaciones de conmutador de modelo basadas en los datos de pruebas comparativas. Nombre de implementación actual Modelos recomendados con análisis de equilibrio de calidad/costo.

Supervisión y operaciones de modelos

Realice un seguimiento del estado de la implementación, supervise las métricas, compruebe el estado de desuso y vea el uso de la cuota.

Example prompts:

  • "Mostrarme las métricas de solicitud para mi production-chatbot implementación".
  • "Compruebe si alguna de mis implementaciones usa versiones de modelo en desuso".
  • "Mostrar el uso de cuota en todas las regiones de mi suscripción".
Tool Access Description Key inputs Returns
model_monitoring_metrics_get read Obtenga métricas de supervisión (solicitudes, latencia, errores, cuota) para una implementación de modelo. Nombre de implementación, intervalo de tiempo (opcional) Recuento de solicitudes, percentiles de latencia, tasas de error y uso de tokens.
model_deprecation_info_get read Obtenga información de implementación enriquecida con las programaciones de desuso y retirada. Nombre de implementación (opcional) Detalles de implementación con fechas de desuso y reemplazos sugeridos.
model_quota_list read Enumere la cuota de implementación disponible y el uso de una suscripción en una región. Region (optional) Límites de cuota, uso actual y capacidad disponible por familia de modelos.

Project connections

Administrar conexiones a servicios externos (Azure OpenAI, Azure Blob Storage, búsqueda y otros) dentro de un proyecto Foundry.

Example prompts:

  • "Enumerar todas las conexiones en mi proyecto foundry".
  • "Muéstrame los detalles de mi azure-search conexión".
  • "¿Qué tipos de conexión y métodos de autenticación se admiten?"
  • "Cree una nueva conexión de AzureOpenAI denominada my-openai mediante la autenticación de AAD".
  • "Elimine la old-storage conexión de mi proyecto".
Tool Access Description Key inputs Returns
project_connection_list read Enumere todas las conexiones de un proyecto foundry, con filtrado opcional por categoría o destino. Filtro de categoría, filtro de destino (ambos opcionales) Lista de conexiones con el nombre, el tipo y el estado.
project_connection_get read Obtenga una conexión específica por nombre. Connection name Detalles de conexión, como categoría, destino y tipo de autenticación.
project_connection_list_metadata read Enumere todas las categorías de conexión y tipos de autenticación admitidos. Llame a este primero para detectar valores válidos. None Categorías admitidas (por ejemplo, AzureOpenAI, AzureBlobStorage) y tipos de autenticación (por ejemplo, AAD, clave).
project_connection_create write Cree o reemplace una conexión de proyecto. Nombre de conexión, categoría, destino, tipo de autenticación Detalles de conexión creados.
project_connection_update write Actualice una conexión de proyecto existente. Nombre de conexión, campos que se van a actualizar Detalles de conexión actualizados.
project_connection_delete write Elimine una conexión de proyecto por nombre. Connection name Deletion confirmation.

Prompt optimization

Optimice los mensajes del sistema y los mensajes de desarrollador para mejorar el rendimiento de LLM.

Example prompts:

  • "Optimizar mi solicitud del sistema: "Usted es un agente de servicio al cliente útil" mediante gpt-5.4."
  • "Mejore las instrucciones de mi agente para obtener respuestas más concisas".
  • "Refinar mi solicitud optimizada para controlar también las preguntas de seguimiento".
Tool Access Description Key inputs Returns
prompt_optimize write Optimice un mensaje del desarrollador (mensaje del sistema) para mejorar el rendimiento de LLM mediante el optimizador de mensajes de OpenAI Azure. Mensaje de texto, modelo de destino, instrucciones de refinamiento (opcional) Texto del aviso optimizado con explicación de los cambios.

Example workflows

Flujo de trabajo de evaluación del agente:

  1. "Enumere todos los agentes de mi proyecto".
  2. "Evalúe mi customer-support-agent v2 mediante los evaluadores de relevancia, base y seguridad".
  3. "Compare mi evaluación de línea base con la nueva ejecución".
  4. "Mostrarme los resultados de comparación con la importancia estadística."

Implementación y optimización del modelo:

  1. "Muéstrame todos los modelos GPT-5.4 disponibles en el catálogo".
  2. "Implemente GPT-5.4 como customer-service-bot con 15 unidades de capacidad".
  3. "Supervise la latencia de solicitud para mi nueva implementación".
  4. "Recomiende alternativas más rentables en función del uso actual".

Administración y limpieza de recursos:

  1. "Enumere todas mis implementaciones actuales y su uso".
  2. "Compruebe qué implementaciones usan versiones de modelo en desuso".
  3. "Mostrar mi uso de cuota en todas las regiones".
  4. "Elimine las implementaciones de prueba sin usar para liberar capacidad".

Preview limitations

Foundry MCP Server está en versión preliminar pública. Se aplican las siguientes limitaciones:

  • Sin aislamiento de red : foundry MCP Server usa el punto de conexión https://mcp.ai.azure.compúblico. No se puede acceder a los recursos detrás de Azure Vínculos privados. Para la conectividad de MCP privada, cree su propio servidor MCP y conéctelo al servicio del agente con redes privadas.
  • Residencia de datos : las solicitudes y respuestas se pueden procesar en centros de datos de LA UE o EE. UU. El propio servidor no almacena datos, pero se puede producir el procesamiento entre regiones.
  • Sin Acuerdo de Nivel de Servicio : las características en versión preliminar no incluyen un contrato de nivel de servicio. No use el servidor para cargas de trabajo de producción que requieran disponibilidad garantizada.
  • El conjunto de herramientas puede cambiar : las herramientas, los parámetros y los valores devueltos pueden cambiar durante el período de vista previa sin previo aviso.

Para obtener más información, vea Supplemental Terms of Use for Microsoft Azure Previews.

Common errors

Error Cause Resolution
Access denied No Azure rol RBAC en el proyecto o cuenta de Foundry. Asigne al menos lector para herramientas de lectura o colaborador para herramientas de escritura. Consulte RBAC para Microsoft Foundry.
Authentication failure Token de Entra ID expirado o no válido. Cierre la sesión y vuelva a iniciar sesión en la cuenta de Azure en Visual Studio Code o en la herramienta que usa.
Quota exceeded No es suficiente capacidad para crear una implementación o ejecutar una evaluación. Use model_quota_list para comprobar la cuota disponible antes de la operación.
Recurso no encontrado La implementación, el conjunto de datos, el agente o la conexión especificados no existen. Use la herramienta o get correspondiente list para comprobar el nombre del recurso.
Punto de conexión privado no accesible Los recursos de Foundry usan Azure vínculos privados a los que no puede acceder el servidor DE MCP hospedado. Quite restricciones de puntos de conexión privados, use SDK o API REST o use un servidor MCP personalizado con redes privadas del servicio del agente.

Para obtener más instrucciones de solución de problemas, consulte Seguridad y procedimientos recomendados de Foundry MCP Server.

Related content

  • Last updated on