Strumenti disponibili e richieste di esempio per il server MCP Foundry (anteprima)

Foundry MCP Server espone 38 strumenti in 10 categorie che consentono di gestire agenti, set di dati, valutazioni, distribuzioni di modelli e altro ancora, tramite richieste di conversazione anziché chiamate API. Usare questo riferimento per esplorare ogni strumento e provare le richieste di esempio nel progetto.

Tip

Prima di usare questi strumenti, completare la configurazione del server MCP Foundry.

Note

Questa funzionalità è attualmente disponibile in anteprima pubblica. Questa anteprima viene fornita senza un contratto di servizio e non è consigliabile per i carichi di lavoro di produzione. Alcune funzionalità potrebbero non essere supportate o potrebbero avere funzionalità limitate. Per altre informazioni, vedere Condizioni per l'utilizzo Microsoft Azure anteprime.

Funzionamento degli strumenti

Quando si digita un prompt in linguaggio naturale in un client conforme a MCP (ad esempio, GitHub Copilot modalità agente), il modello linguistico seleziona lo strumento appropriato e formula i parametri necessari per conto dell'utente. Non si chiamano direttamente gli strumenti, si descrive ciò che si vuole e il modello converte la finalità in una chiamata allo strumento.

Ogni strumento viene classificato come letto (recupera informazioni) o scrittura (crea, aggiorna o elimina le risorse). Le operazioni di scrittura influiscono immediatamente sulle risorse attive e sulla fatturazione. Esaminare le procedure consigliate per la sicurezza prima di eseguire operazioni di scrittura.

Permissions

Tutte le operazioni vengono eseguite con le autorizzazioni dell'utente autenticato tramite il flusso Microsoft Entra ID on-Behalf-Of. Sono necessari i ruoli seguenti:

Operation type Ruolo minimo Azure Notes
Read tools Lettore nel progetto o nell'account Foundry Sufficiente per elencare, eseguire query e monitorare.
Write tools Collaboratore per il progetto o l'account Foundry Obbligatorio per la creazione, l'aggiornamento e l'eliminazione di risorse.
Amministratore dell'accesso condizionale Amministratore di accesso condizionale in Entra ID È necessario solo se si configurano criteri di accesso a livello di tenant.

Per altre informazioni, vedere Controllo degli accessi in base al ruolo per Microsoft Foundry.

Key identifiers

Molti strumenti richiedono identificatori di risorsa. Il modello linguistico estrae questi dati dal contesto del prompt, ma consente di conoscere i formati:

Identifier Format Dove trovarla
ID risorsa Foundry /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account} Azure portale Proprietà pagina
Project endpoint https://{account}.services.ai.azure.com/api/projects/{project} Pagina dei dettagli del progetto Foundry
ID risorsa Project /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} Azure portale Proprietà pagina

Agent management

Gestire il ciclo di vita completo degli agenti in un progetto Foundry, tra cui creazione, chiamata, orchestrazione dei contenitori ed eliminazione.

Example prompts:

  • "Elencare tutti gli agenti nel mio progetto Foundry."
  • "Creare un nuovo agente denominato faq-agent usando il modello gpt-4o-mini".
  • "Send 'Hello, how can you help?' alla mia customer-support-agent".
  • "Avviare il contenitore per l'agente triage-agentospitato".
  • "Controllare lo stato del contenitore per triage-agent".
  • "Mostra lo schema di definizione dell'agente per gli agenti prompt".
  • "Elimina il dal old-test-agent mio progetto."
Tool Access Description Key inputs Returns
agent_get read Elencare tutti gli agenti in un progetto Foundry o ottenere un agente specifico in base al nome. Nome agente (facoltativo) Elenco di agenti o definizione di un singolo agente con modello, istruzioni e configurazione degli strumenti.
agent_update write Creare, aggiornare o clonare un agente. Usare agent_definition_schema_get per individuare prima lo schema di definizione completo. Nome agente, modello, istruzioni, definizioni degli strumenti Definizione dell'agente creata o aggiornata.
agent_invoke write Inviare un messaggio a un agente e ottenere una risposta. Funziona sia per gli agenti contenitore basati su prompt che per gli agenti contenitore ospitati. Nome agente, testo del messaggio Messaggio di risposta dell'agente.
agent_delete write Eliminare definitivamente un agente. Per gli agenti ospitati, questo elimina anche il contenitore. Agent name Deletion confirmation.
agent_container_control write Avviare o arrestare un contenitore dell'agente ospitato. Usare prima di richiamare un agente ospitato. Nome agente, azione (avvio o arresto) Stato dell'operazione contenitore.
agent_container_status_get read Controllare lo stato corrente di un contenitore dell'agente ospitato (Avvio, Esecuzione, Arrestato, Non riuscito e così via). Agent name Stato corrente del contenitore.
agent_definition_schema_get read Restituisce lo schema JSON completo per le definizioni degli agenti, inclusi tutti i tipi di strumento. None Schema JSON completo per le definizioni degli agenti.

Dataset management

Creare, recuperare e creare set di dati di valutazione della versione in un progetto Foundry.

Example prompts:

  • "Carica domande e risposte del supporto clienti Set di dati da questo URL di Archiviazione BLOB di Azure."
  • "Mostra tutti i set di dati nel progetto Foundry".
  • "Ottenere i dettagli per il customer-support-qa set di dati versione 2".
  • "Elencare tutte le versioni del set product-reviews di dati".
Tool Access Description Key inputs Returns
evaluation_dataset_create write Creare o aggiornare una versione del set di dati da un URI Archiviazione BLOB di Azure. Nome del set di dati, versione, URI gestione rete virtuale di Azure Metadati del set di dati con nome, versione e URI.
evaluation_dataset_get read Ottenere un set di dati in base al nome e alla versione oppure elencare tutti i set di dati nel progetto. Nome e versione del set di dati (facoltativo) Dettagli del set di dati o elenco di tutti i set di dati.
evaluation_dataset_versions_get read Elencare tutte le versioni di un set di dati specifico. Dataset name Elenco di numeri di versione con metadati.

Evaluation operations

Eseguire valutazioni batch su agenti o set di dati e confrontare i risultati tra le esecuzioni.

Example prompts:

  • "Valutare la mia customer-support-agent v2 usando gli analizzatori di pertinenza, suolo e coerenza."
  • "Eseguire una valutazione batch nel set di dati JSONL con gli analizzatori Di violenza e HateUnfairness".
  • "Generare 50 query di test sintetici e valutare l'agente con loro."
  • "Mostra tutte le esecuzioni di valutazione nel progetto Foundry".
  • "Confrontare run-baseline-123 con le esecuzioni di trattamento run-124 e run-125."
Tool Access Description Key inputs Returns
evaluation_agent_batch_eval_create write Creare un'esecuzione di valutazione batch che chiama un agente specifico. Supporta analizzatori predefiniti e personalizzati, oltre alla generazione di dati sintetici. Nome/versione dell'agente, nomi dell'analizzatore, set di dati (facoltativo per la generazione sintetica), numero di query sintetiche (facoltativo) ID e stato dell'esecuzione della valutazione.
evaluation_dataset_batch_eval_create write Creare un'esecuzione di valutazione batch su un set di dati JSONL. Supporta analizzatori predefiniti e personalizzati. Nome/versione del set di dati, nomi dell'analizzatore ID e stato dell'esecuzione della valutazione.
evaluation_get read Elencare le esecuzioni di valutazione nel progetto Foundry. ID esecuzione valutazione (facoltativo) Elenco delle esecuzioni di valutazione con stato e punteggi o dettagli per un'esecuzione specifica.
evaluation_comparison_create write Creare risultati di confronto tra le esecuzioni di valutazione di base e di trattamento. ID esecuzione di base, ID esecuzione trattamento ID di informazioni dettagliate sul confronto.
evaluation_comparison_get read Ottenere o elencare informazioni dettagliate sul confronto di valutazione. ID informazioni dettagliate confronto (facoltativo) Risultati del confronto con l'analisi statistica.

Evaluator catalog

Esplorare gli analizzatori predefiniti e gestire gli analizzatori personalizzati da usare nelle esecuzioni di valutazione.

Example prompts:

  • "Elencare tutti gli analizzatori predefiniti disponibili nel progetto."
  • "Mostrami la definizione completa dell'analizzatore coherence ".
  • "Creare un analizzatore personalizzato basato su prompt denominato tone-check che assegna punteggi alle risposte su una scala da 1 a 5".
  • "Aggiornare la descrizione dell'analizzatore tone-check ."
  • "Eliminare la versione 1 del mio old-evaluator".
Tool Access Description Key inputs Returns
evaluator_catalog_get read Elencare gli analizzatori nel catalogo o ottenere la definizione completa di un analizzatore specifico. Filtrare in base al tipo predefinito o personalizzato. Nome analizzatore (facoltativo), filtro del tipo (predefinito o personalizzato, facoltativo) Elenco di analizzatori o definizione dell'analizzatore completo con logica di assegnazione dei punteggi.
evaluator_catalog_create write Creare un analizzatore personalizzato basato su prompt o basato su codice. Nome dell'analizzatore, tipo (prompt o codice), definizione Metadati dell'analizzatore creati.
evaluator_catalog_update write Aggiornare i metadati (nome visualizzato, descrizione, categoria) per un analizzatore personalizzato esistente. Nome dell'analizzatore, campi da aggiornare Metadati dell'analizzatore aggiornati.
evaluator_catalog_delete write Eliminare una versione specifica di un analizzatore personalizzato. Nome dell'analizzatore, versione Deletion confirmation.

Catalogo e dettagli del modello

Esplorare e ottenere informazioni dettagliate sui modelli nel catalogo dei modelli Foundry.

Example prompts:

  • "Mostra tutti i modelli GPT-5.4 disponibili nel catalogo."
  • "Elencare tutti i modelli pubblicati Microsoft con licenza MIT".
  • "Ottenere informazioni dettagliate ed esempi di codice per GPT-5-mini".
Tool Access Description Key inputs Returns
model_catalog_list read Elencare i modelli dal catalogo dei modelli Foundry con filtri facoltativi (editore, licenza, attività). Parole chiave di ricerca, editore, tipo di licenza, tipo di attività (tutti facoltativi) Elenco di modelli con nome, editore, licenza e funzionalità.
model_details_get read Ottenere i dettagli completi del modello e gli esempi di codice. Nome o ID del modello Specifiche del modello, prezzi, aree supportate ed esempi di codice.

Gestione della distribuzione dei modelli

Distribuire, esaminare e rimuovere distribuzioni di modelli in un account Foundry.

Example prompts:

  • "Distribuire GPT-5-mini come production-chatbot con 20 unità di capacità".
  • "Mostra tutte le distribuzioni del modello corrente".
  • "Elimina l'oggetto old-test-deployment che non uso più."
Tool Access Description Key inputs Returns
model_deploy write Creare o aggiornare una distribuzione del modello con la capacità specificata. Nome del modello, nome della distribuzione, unità di capacità Dettagli della distribuzione con endpoint e capacità di cui è stato effettuato il provisioning.
model_deployment_get read Ottenere una o più distribuzioni di modelli da un account Foundry. Nome distribuzione (facoltativo) Elenco di distribuzioni o dettagli di distribuzione singola con stato e quota.
model_deployment_delete write Eliminare una distribuzione specifica del modello in base al nome. Deployment name Deletion confirmation.

Analisi dei modelli e raccomandazioni

Confrontare i benchmark dei modelli e ottenere raccomandazioni per passare a modelli più convenienti o di qualità superiore.

Example prompts:

  • "Mostra i dati di benchmark per tutti i modelli disponibili".
  • "Confrontare le prestazioni del benchmark tra GPT-5.4 e GPT-4".
  • "Trovare modelli simili alla distribuzione GPT-4 corrente".
  • "Quali modelli mi darebbero un rapporto di qualità/costo migliore rispetto a quello che uso ora?"
Tool Access Description Key inputs Returns
model_benchmark_get read Recuperare i dati di benchmark per i modelli Foundry. Filtri del modello (facoltativo) Punteggi di benchmark, accuratezza, costi e metriche di latenza.
model_benchmark_subset_get read Ottenere dati di benchmark per coppie specifiche di nome e versione del modello. Coppie nome modello e versione Dati di confronto dei benchmark per i modelli specificati.
model_similar_models_get read Trovare modelli simili in base ai dettagli della distribuzione o del modello. Nome della distribuzione o nome del modello Elenco di modelli simili con confronto delle funzionalità.
model_switch_recommendations_get read Ottenere raccomandazioni per il cambio di modello in base ai dati di benchmark. Nome della distribuzione corrente Modelli consigliati con analisi di compromesso qualità/costo.

Monitoraggio e operazioni del modello

Tenere traccia dell'integrità della distribuzione, monitorare le metriche, controllare lo stato di deprecazione e visualizzare l'utilizzo delle quote.

Example prompts:

  • "Mostra le metriche di richiesta per la distribuzione production-chatbot ".
  • "Controllare se una delle distribuzioni usa versioni del modello deprecate".
  • "Mostra l'utilizzo della quota in tutte le aree per la sottoscrizione."
Tool Access Description Key inputs Returns
model_monitoring_metrics_get read Ottenere le metriche di monitoraggio (richieste, latenza, errori, quota) per una distribuzione del modello. Nome distribuzione, intervallo di tempo (facoltativo) Numero di richieste, percentili di latenza, percentuali di errore e utilizzo dei token.
model_deprecation_info_get read Ottenere informazioni sulla distribuzione arricchite con pianificazioni di deprecazione e ritiro. Nome distribuzione (facoltativo) Dettagli della distribuzione con date di deprecazione e sostituzioni suggerite.
model_quota_list read Elencare la quota di distribuzione e l'utilizzo disponibili per una sottoscrizione in un'area. Region (optional) Limiti di quota, utilizzo corrente e capacità disponibile per ogni famiglia di modelli.

Project connections

Gestire le connessioni a servizi esterni (Azure OpenAI, Archiviazione BLOB di Azure, ricerca e altri) all'interno di un progetto Foundry.

Example prompts:

  • "Elencare tutte le connessioni nel progetto Foundry."
  • "Mostra i dettagli per la connessione azure-search ."
  • "Quali tipi di connessione e metodi di autenticazione sono supportati?"
  • "Creare una nuova connessione AzureOpenAI chiamata my-openai usando l'autenticazione AAD".
  • "Eliminare la old-storage connessione dal progetto".
Tool Access Description Key inputs Returns
project_connection_list read Elencare tutte le connessioni in un progetto Foundry, con filtri facoltativi per categoria o destinazione. Filtro categoria, filtro di destinazione (entrambi facoltativi) Elenco di connessioni con nome, tipo e stato.
project_connection_get read Ottenere una connessione specifica in base al nome. Connection name Dettagli della connessione, tra cui categoria, destinazione e tipo di autenticazione.
project_connection_list_metadata read Elencare tutte le categorie di connessione e i tipi di autenticazione supportati. Chiamare questa prima operazione per individuare i valori validi. None Categorie supportate (ad esempio, AzureOpenAI, AzureBlobStorage) e tipi di autenticazione (ad esempio, AAD, chiave).
project_connection_create write Creare o sostituire una connessione di progetto. Nome connessione, categoria, destinazione, tipo di autenticazione Dettagli della connessione creati.
project_connection_update write Aggiornare una connessione di progetto esistente. Nome connessione, campi da aggiornare Dettagli della connessione aggiornati.
project_connection_delete write Eliminare una connessione di progetto in base al nome. Connection name Deletion confirmation.

Prompt optimization

Ottimizzare le richieste di sistema e i messaggi per sviluppatori per migliorare le prestazioni LLM.

Example prompts:

  • "Ottimizzare la richiesta di sistema: "Si è un agente del servizio clienti utile" usando gpt-5.4".
  • "Migliorare le istruzioni dell'agente per ottenere risposte più concise."
  • "Perfezionare la richiesta ottimizzata per gestire anche le domande di completamento."
Tool Access Description Key inputs Returns
prompt_optimize write Ottimizzare un prompt degli sviluppatori (messaggio di sistema) per migliorare le prestazioni LLM usando l'utilità di ottimizzazione richiesta OpenAI Azure. Testo della richiesta, modello di destinazione, istruzioni di perfezionamento (facoltativo) Testo del prompt ottimizzato con spiegazione delle modifiche.

Example workflows

Flusso di lavoro di valutazione dell'agente:

  1. "Elencare tutti gli agenti nel mio progetto."
  2. "Valutare la versione customer-support-agent 2 usando gli analizzatori di pertinenza, terra e sicurezza."
  3. "Confrontare la valutazione di base con la nuova esecuzione".
  4. "Mostra i risultati del confronto con significato statistico".

Distribuzione e ottimizzazione del modello:

  1. "Mostra tutti i modelli GPT-5.4 disponibili nel catalogo."
  2. "Distribuire GPT-5.4 come customer-service-bot con 15 unità di capacità".
  3. "Monitorare la latenza della richiesta per la nuova distribuzione".
  4. "Consigliare alternative più convenienti in base all'utilizzo corrente."

Gestione delle risorse e pulizia:

  1. "Elencare tutte le distribuzioni correnti e il relativo utilizzo".
  2. "Controllare quali distribuzioni usano versioni del modello deprecate".
  3. "Mostra l'utilizzo della quota in tutte le aree".
  4. "Eliminare le distribuzioni di test inutilizzate per liberare capacità".

Preview limitations

Foundry MCP Server è disponibile in anteprima pubblica. Si applicano le limitazioni seguenti:

  • Nessun isolamento di rete : foundry MCP Server usa l'endpoint https://mcp.ai.azure.compubblico . Le risorse dietro Azure collegamenti privati non sono accessibili. Per la connettività MCP privata, creare il proprio server MCP e connetterlo al servizio Agent con la rete privata.
  • Residenza dei dati : le richieste e le risposte potrebbero essere elaborate nei data center ue o negli Stati Uniti. Il server stesso non archivia i dati, ma può verificarsi l'elaborazione tra aree.
  • Nessun contratto di servizio : le funzionalità di anteprima non includono un contratto di servizio. Non usare il server per i carichi di lavoro di produzione che richiedono disponibilità garantita.
  • Il set di strumenti può cambiare : gli strumenti, i parametri e i valori restituiti possono cambiare durante il periodo di anteprima senza preavviso.

Per altre informazioni, vedere Condizioni per l'utilizzo Microsoft Azure anteprime.

Common errors

Error Cause Resolution
Access denied Insufficienti Azure ruolo controllo degli accessi in base al ruolo nel progetto o nell'account Foundry. Assegnare almeno Lettore per gli strumenti di lettura o Collaboratore per gli strumenti di scrittura. Vedere RBAC per Microsoft Foundry.
Authentication failure Token di Entra ID scaduto o non valido. Disconnettersi e accedere di nuovo all'account Azure in Visual Studio Code o allo strumento in uso.
Quota exceeded Capacità insufficiente per creare una distribuzione o eseguire una valutazione. Usare model_quota_list per controllare la quota disponibile prima dell'operazione.
Risorsa non trovata La distribuzione, il set di dati, l'agente o la connessione specificati non esiste. Usare lo strumento o get corrispondente list per verificare il nome della risorsa.
Endpoint privato non raggiungibile Le risorse foundry usano Azure collegamenti privati non raggiungibili dal server MCP Foundry ospitato. Rimuovere le restrizioni dell'endpoint privato, usare SDK/API REST o usare un server MCP personalizzato con la rete privata del servizio Agent.

Per altre indicazioni sulla risoluzione dei problemi, vedere Foundry MCP Server security and best practices (Sicurezza e procedure consigliate per il server McP Foundry).

Related content

  • Last updated on