Foundry MCP Server の使用可能なツールとプロンプトの例 (プレビュー)

Foundry MCP Server では、API 呼び出しの代わりに会話プロンプトを使用して、エージェント、データセット、評価、モデルのデプロイなどを管理できる 10 のカテゴリにまたがって 38 個のツールを公開しています。 このリファレンスを使用して、各ツールを調べ、独自のプロジェクトでサンプル プロンプトを試してください。

Tip

これらのツールを使用する前に、 Foundry MCP サーバーのセットアップを完了します。

Note

この機能は現在、パブリック プレビュー段階です。 このプレビューはサービス レベル アグリーメントなしで提供されており、運用環境のワークロードにはお勧めしません。 特定の機能がサポートされていないか、機能が制限されている可能性があります。 詳細については、「Microsoft Azure プレビューの使用条件を参照してください。

ツールのしくみ

MCP 準拠クライアント (GitHub Copilot エージェント モードなど) で自然言語プロンプトを入力すると、言語モデルによって適切なツールが選択され、必要なパラメーターがユーザーに代わって作成されます。 ツールを直接呼び出す必要はありません。必要な内容を記述すると、モデルによって意図がツール呼び出しに変換されます。

各ツールは、 読み取り (情報の取得) または 書き込み (リソースの作成、更新、または削除) として分類されます。 書き込み操作は、ライブ リソースと課金に直ちに影響します。 書き込み操作を実行する前に 、セキュリティのベスト プラクティス を確認してください。

Permissions

すべての操作は、Microsoft Entra ID On-Behalf-Of フローを介して、認証されたユーザーのアクセス許可を使用して実行されます。 次のロールが必要です。

Operation type 最小Azure ロール Notes
Read tools Foundry プロジェクトまたはアカウントの閲覧者 一覧表示、クエリ、監視に十分です。
Write tools Foundry プロジェクトまたはアカウントの共同作成者 リソースの作成、更新、および削除に必要です。
条件付きアクセス管理者 Entra ID の Conditional Access Administrator テナント レベルのアクセス ポリシーを構成する場合にのみ必要です。

詳細については、Microsoft Foundry の Role ベースのアクセス制御に関するページを参照してください。

Key identifiers

多くのツールにはリソース識別子が必要です。 言語モデルでは、プロンプト コンテキストからこれらを抽出しますが、形式を把握するのに役立ちます。

Identifier Format 検索する場所
Foundry リソース ID /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account} ポータル Azure Properties ページ
Project endpoint https://{account}.services.ai.azure.com/api/projects/{project} Foundry プロジェクトの詳細ページ
Project リソース ID /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} ポータル Azure Properties ページ

Agent management

Foundry プロジェクト内のエージェントの完全なライフサイクル (作成、呼び出し、コンテナー オーケストレーション、削除など) を管理します。

Example prompts:

  • "Foundry プロジェクト内のすべてのエージェントを一覧表示します。"
  • "モデル faq-agentを使用して gpt-4o-mini という名前の新しいエージェントを作成します。"
  • "'Hello, how can you help?' を送信します。 私の customer-support-agentに。
  • "ホストされているエージェント triage-agentのコンテナーを開始します。"
  • " triage-agentのコンテナーの状態を確認します。"
  • "プロンプト エージェントのエージェント定義スキーマを表示してください。"
  • "プロジェクトから old-test-agent を削除します。"
Tool Access Description Key inputs Returns
agent_get 読み取り Foundry プロジェクト内のすべてのエージェントを一覧表示するか、名前で特定のエージェントを取得します。 エージェント名 (省略可能) モデル、命令、およびツール構成を含むエージェントリストまたは単一エージェント定義。
agent_update 書き込み エージェントを作成、更新、または複製します。 agent_definition_schema_getを使用して、最初に完全な定義スキーマを検出します。 エージェント名、モデル、命令、ツール定義 エージェント定義を作成または更新しました。
agent_invoke 書き込み エージェントにメッセージを送信し、応答を取得します。 プロンプト ベースのコンテナー エージェントとホストされたコンテナー エージェントの両方で機能します。 エージェント名、メッセージ テキスト エージェントの応答メッセージ。
agent_delete 書き込み エージェントを完全に削除します。 ホストされているエージェントの場合は、コンテナーも削除されます。 Agent name Deletion confirmation.
agent_container_control 書き込み ホストされているエージェント コンテナーを開始または停止します。 ホストされるエージェントを呼び出す前に使用します。 エージェント名、アクション (開始または停止) コンテナー操作の状態。
agent_container_status_get 読み取り ホストされているエージェント コンテナーの現在の状態 (開始、実行中、停止、失敗など) を確認します。 Agent name 現在のコンテナーの状態。
agent_definition_schema_get 読み取り すべてのツールの種類を含む、エージェント定義の完全な JSON スキーマを返します。 None エージェント定義の完全な JSON スキーマ。

Dataset management

Foundry プロジェクトで評価データセットを作成、取得、およびバージョン管理します。

Example prompts:

  • "カスタマー サポートの Q& をアップロードするこのAzure Blob Storage URL からのデータセット。
  • "Foundry プロジェクトのすべてのデータセットを表示する"
  • " customer-support-qa データセット バージョン 2 の詳細を取得します。"
  • " product-reviews データセットのすべてのバージョンを一覧表示します。"
Tool Access Description Key inputs Returns
evaluation_dataset_create 書き込み Azure Blob Storage URI からデータセット バージョンを作成または更新します。 データセット名、バージョン、Blob Storage URI 名前、バージョン、URI を持つデータセット メタデータ。
evaluation_dataset_get 読み取り 名前とバージョンでデータセットを取得するか、プロジェクト内のすべてのデータセットを一覧表示します。 データセットの名前とバージョン (省略可能) データセットの詳細またはすべてのデータセットの一覧。
evaluation_dataset_versions_get 読み取り 特定のデータセットのすべてのバージョンを一覧表示します。 Dataset name メタデータを含むバージョン番号の一覧。

Evaluation operations

エージェントまたはデータセットに対してバッチ評価を実行し、実行間で結果を比較します。

Example prompts:

  • "関連性、接地性、コヒーレンス エバリュエーターを使用して、 customer-support-agent v2 を評価します。"
  • "暴力と HateUnfairness エバリュエーターを使用して JSONL データセットに対してバッチ評価を実行します。"
  • "50 個の合成テスト クエリを生成し、それらを使用してエージェントを評価します。"
  • "Foundry プロジェクト内のすべての評価実行を表示します。"
  • "run-baseline-123 と処理実行 run-124 と run-125 を比較します。"
Tool Access Description Key inputs Returns
evaluation_agent_batch_eval_create 書き込み 特定のエージェントを呼び出すバッチ評価実行を作成します。 組み込みエバリュエーターとカスタム エバリュエーターに加えて、合成データの生成をサポートします。 エージェント名/バージョン、エバリュエーター名、データセット (合成生成の場合は省略可能)、合成クエリの数 (省略可能) 評価実行 ID と状態。
evaluation_dataset_batch_eval_create 書き込み JSONL データセットに対してバッチ評価実行を作成します。 組み込みエバリュエーターとカスタム エバリュエーターをサポートします。 データセット名/バージョン、エバリュエーター名 評価実行 ID と状態。
evaluation_get 読み取り Foundry プロジェクトで評価の実行を一覧表示します。 評価実行 ID (省略可能) 状態とスコア、または特定の実行の詳細を含む評価実行の一覧。
evaluation_comparison_create 書き込み ベースライン評価と治療評価の実行の比較結果を作成します。 ベースライン実行 ID、処理実行 ID 比較分析情報 ID。
evaluation_comparison_get 読み取り 評価の比較分析情報を取得または一覧表示します。 比較分析情報 ID (省略可能) 統計分析との比較結果。

Evaluator catalog

組み込みのエバリュエーターを参照し、評価実行で使用するカスタム エバリュエーターを管理します。

Example prompts:

  • "プロジェクトで使用可能なすべての組み込みエバリュエーターを一覧表示します。"
  • " coherence エバリュエーターの完全な定義を表示してください。"
  • "1 から 5 のスケールで応答をスコア付けする、 tone-check という名前のカスタム プロンプト ベースのエバリュエーターを作成します。"
  • " tone-check エバリュエーターの説明を更新します。"
  • " old-evaluatorのバージョン 1 を削除します。"
Tool Access Description Key inputs Returns
evaluator_catalog_get 読み取り カタログ内のエバリュエーターを一覧表示するか、特定のエバリュエーターの完全な定義を取得します。 組み込み型またはカスタム型でフィルター処理します。 エバリュエーター名 (省略可能)、型フィルター (組み込みまたはカスタム、省略可能) スコア付けロジックを使用したエバリュエーター リストまたは完全なエバリュエーター定義。
evaluator_catalog_create 書き込み カスタムプロンプトベースまたはコードベースのエバリュエーターを作成します。 エバリュエーター名、型 (プロンプトまたはコード)、定義 エバリュエーター メタデータを作成しました。
evaluator_catalog_update 書き込み 既存のカスタム エバリュエーターのメタデータ (表示名、説明、カテゴリ) を更新します。 エバリュエーター名、更新するフィールド エバリュエーターメタデータを更新しました。
evaluator_catalog_delete 書き込み カスタム エバリュエーターの特定のバージョンを削除します。 エバリュエーター名、バージョン Deletion confirmation.

モデル カタログと詳細

Foundry モデル カタログ内のモデルの詳細を調べて取得します。

Example prompts:

  • "カタログで使用可能なすべての GPT-5.4 モデルを表示してください。"
  • "MIT ライセンスを使用して、Microsoft公開されたすべてのモデルを一覧表示します。"
  • "GPT-5-mini の詳細情報とコード サンプルを取得します。"
Tool Access Description Key inputs Returns
model_catalog_list 読み取り オプションのフィルター (発行元、ライセンス、タスク) を使用して Foundry モデル カタログのモデルを一覧表示します。 検索キーワード、発行元、ライセンスの種類、タスクの種類 (すべて省略可能) 名前、発行元、ライセンス、および機能を持つモデルの一覧。
model_details_get 読み取り 完全なモデルの詳細とコード サンプルを取得します。 モデル名または ID モデルの仕様、価格、サポートされているリージョン、コード サンプル。

モデルデプロイ管理

Foundry アカウントでモデルのデプロイをデプロイ、検査、および削除します。

Example prompts:

  • "20 個の容量ユニットで GPT-5-mini を production-chatbot としてデプロイします。"
  • "現在のモデルのデプロイをすべて表示してください。"
  • "使用しなくなった old-test-deployment を削除します。"
Tool Access Description Key inputs Returns
model_deploy 書き込み 指定された容量でモデル デプロイを作成または更新します。 モデル名、デプロイ名、容量ユニット エンドポイントとプロビジョニングされた容量を含むデプロイの詳細。
model_deployment_get 読み取り Foundry アカウントから 1 つ以上のモデル デプロイを取得します。 デプロイ名 (省略可能) 状態とクォータを含むデプロイまたは単一のデプロイの詳細の一覧。
model_deployment_delete 書き込み 特定のモデル デプロイを名前で削除します。 Deployment name Deletion confirmation.

モデル分析と推奨事項

モデル ベンチマークを比較し、よりコスト効率の高いモデルまたは高品質のモデルに切り替えるための推奨事項を取得します。

Example prompts:

  • "使用可能なすべてのモデルのベンチマーク データを表示します。"
  • "GPT-5.4 と GPT-4 のベンチマーク パフォーマンスを比較します。"
  • "現在の GPT-4 デプロイに似たモデルを検索します。"
  • 「現在使用しているモデルよりも品質/コスト比が高くなるモデルは何ですか?
Tool Access Description Key inputs Returns
model_benchmark_get 読み取り Foundry モデルのベンチマーク データをフェッチします。 モデル フィルター (省略可能) ベンチマーク スコア、精度、コスト、待機時間のメトリック。
model_benchmark_subset_get 読み取り 特定のモデル名とバージョンのペアのベンチマーク データを取得します。 モデル名とバージョンのペア 指定したモデルのベンチマーク比較データ。
model_similar_models_get 読み取り デプロイまたはモデルの詳細に基づいて同様のモデルを検索します。 デプロイ名またはモデル名 機能の比較を使用した類似モデルの一覧。
model_switch_recommendations_get 読み取り ベンチマーク データに基づいてモデル 切り替えの推奨事項を取得します。 現在のデプロイ名 品質/コストのトレードオフ分析を使用した推奨モデル。

モデルの監視と操作

デプロイの正常性の追跡、メトリックの監視、非推奨の状態の確認、クォータの使用状況の表示。

Example prompts:

  • " production-chatbot デプロイの要求メトリックを表示します。"
  • "非推奨のモデル バージョンを使用しているデプロイがあるかどうかを確認してください。"
  • "サブスクリプションのすべてのリージョンのクォータ使用量を表示する"
Tool Access Description Key inputs Returns
model_monitoring_metrics_get 読み取り モデル デプロイの監視メトリック (要求、待機時間、エラー、クォータ) を取得します。 デプロイ名、時間範囲 (省略可能) 要求数、待機時間のパーセンタイル、エラー率、トークンの使用状況。
model_deprecation_info_get 読み取り 非推奨と提供終了のスケジュールで強化された展開情報を取得します。 デプロイ名 (省略可能) 非推奨の日付と置換候補を含むデプロイの詳細。
model_quota_list 読み取り リージョン内のサブスクリプションで使用可能なデプロイ クォータと使用状況を一覧表示します。 Region (optional) モデル ファミリごとのクォータ制限、現在の使用量、使用可能な容量。

Project connections

Foundry プロジェクト内の外部サービス (Azure OpenAI、Azure Blob Storage、検索など) への接続を管理します。

Example prompts:

  • "Foundry プロジェクト内のすべての接続を一覧表示します。"
  • " azure-search 接続の詳細を表示してください。"
  • "どのような接続の種類と認証方法がサポートされていますか?
  • "AAD 認証を使用して my-openai という新しい AzureOpenAI 接続を作成します。"
  • "プロジェクトから old-storage 接続を削除します。"
Tool Access Description Key inputs Returns
project_connection_list 読み取り Foundry プロジェクト内のすべての接続を一覧表示します。カテゴリまたはターゲットによるフィルター処理は省略可能です。 カテゴリ フィルター、ターゲット フィルター (両方とも省略可能) 名前、種類、状態を持つ接続の一覧。
project_connection_get 読み取り 名前で特定の接続を取得します。 Connection name カテゴリ、ターゲット、認証の種類などの接続の詳細。
project_connection_list_metadata 読み取り サポートされているすべての接続カテゴリと認証の種類を一覧表示します。 有効な値を検出するには、最初にこれを呼び出します。 None サポートされているカテゴリ (AzureOpenAI、AzureBlobStorage など) と認証の種類 (AAD、キーなど)。
project_connection_create 書き込み プロジェクト接続を作成または置換します。 接続名、カテゴリ、ターゲット、認証の種類 接続の詳細を作成しました。
project_connection_update 書き込み 既存のプロジェクト接続を更新します。 接続名、更新するフィールド 接続の詳細を更新しました。
project_connection_delete 書き込み 名前でプロジェクト接続を削除します。 Connection name Deletion confirmation.

Prompt optimization

LLM パフォーマンスを向上させるために、システム プロンプトと開発者メッセージを最適化します。

Example prompts:

  • "システム プロンプトを最適化する: gpt-5.4を使用して'You are a helpful customer service agent' (ユーザーは役に立つカスタマー サービス エージェントです)"。
  • "エージェントの指示を改善して、より簡潔な応答を得る"
  • 「フォローアップの質問にも対応できるように、最適化されたプロンプトを調整します。
Tool Access Description Key inputs Returns
prompt_optimize 書き込み Azure OpenAI プロンプト オプティマイザーを使用して、開発者プロンプト (システム メッセージ) を最適化して LLM のパフォーマンスを向上させます。 プロンプト テキスト、ターゲット モデル、絞り込み命令 (省略可能) 変更の説明を含むプロンプト テキストを最適化しました。

Example workflows

エージェント評価ワークフロー:

  1. "プロジェクト内のすべてのエージェントを一覧表示します。"
  2. "関連性、接地性、および安全性の評価者を使用して、 customer-support-agent v2 を評価します。"
  3. "ベースライン評価を新しい実行と比較します。"
  4. "統計的有意性を持つ比較結果を表示してください。"

モデルのデプロイと最適化:

  1. "カタログで使用可能なすべての GPT-5.4 モデルを表示してください。"
  2. "GPT-5.4 を 15 容量ユニットで customer-service-bot としてデプロイします。"
  3. "新しいデプロイの要求待ち時間を監視します。"
  4. "現在の使用状況に基づいて、よりコスト効率の高い代替手段をお勧めします。"

リソース管理とクリーンアップ:

  1. "現在のデプロイとその使用状況をすべて一覧表示します。"
  2. "非推奨のモデル バージョンを使用しているデプロイを確認してください。"
  3. "すべてのリージョンでクォータの使用状況を表示します。"
  4. "未使用のテスト デプロイを削除して容量を解放します。"

Preview limitations

Foundry MCP Server はパブリック プレビュー段階です。 次の制限事項が適用されます。

  • ネットワーク分離なし — Foundry MCP Server はパブリック エンドポイント https://mcp.ai.azure.comを使用します。 プライベート リンクの背後にあるリソースAzureアクセスできません。 プライベート MCP 接続の場合は、 独自の MCP サーバーを構築 し、 プライベート ネットワークを使用してエージェント サービスに接続します。
  • データ所在地 - 要求と応答は、EU または米国のデータ センターで処理される場合があります。 サーバー自体はデータを格納しませんが、リージョン間の処理が発生する可能性があります。
  • SLA なし - プレビュー機能には、サービス レベル アグリーメントは含まれません。 可用性の保証が必要な運用ワークロードには、サーバーを使用しないでください。
  • ツール セットは変更される可能性があります 。ツール、パラメーター、および戻り値は、プレビュー期間中に予告なしに変更される可能性があります。

詳細については、「Microsoft Azure プレビューの使用条件を参照してください。

Common errors

Error Cause Resolution
Access denied Foundry プロジェクトまたはアカウントAzure RBAC ロールが不十分です。 読み取りツールの 場合は少なくとも閲覧者 を割り当て、書き込みツールには 共同作成者 を割り当てます。 Microsoft Foundry については、RBAC を参照してください。
Authentication failure 期限切れまたは無効なEntra ID トークン。 サインアウトして、Visual Studio Codeまたは使用しているツールでAzure アカウントにサインインし直します。
Quota exceeded デプロイを作成したり、評価を実行したりするのに十分な容量がありません。 model_quota_listを使用して、操作の前に使用可能なクォータを確認します。
リソースが見つかりません 指定されたデプロイ、データセット、エージェント、または接続が存在しません。 対応する get または list ツールを使用して、リソース名を確認します。
プライベート エンドポイントに到達できない Foundry リソースは、ホストされている Foundry MCP サーバーが到達できないプライベート リンクAzure使用します。 プライベート エンドポイントの制限を削除するか、SDK/REST API を使用するか、 Agent Service プライベート ネットワークでカスタム MCP サーバーを使用します。

トラブルシューティングのガイダンスの詳細については、 Foundry MCP Server のセキュリティとベスト プラクティスに関するトピックを参照してください。

Related content

  • Last updated on