Ferramentas disponíveis e exemplos de prompts para o Foundry MCP Server (pré-visualização)

O Foundry MCP Server expõe 38 ferramentas em 10 categorias que lhe permitem gerir agentes, conjuntos de dados, avaliações, implementações de modelos e muito mais — tudo através de prompts conversacionais em vez de chamadas de API. Use esta referência para explorar cada ferramenta e experimente os exemplos de prompts no seu próprio projeto.

Tip

Antes de usar estas ferramentas, complete a configuração do Foundry MCP Server.

Note

Esta funcionalidade está atualmente em pré-visualização pública. Esta pré-visualização é fornecida sem um acordo de nível de serviço, e não a recomendamos para cargas de trabalho em produção. Certas funcionalidades podem não ser suportadas ou podem ter capacidades limitadas. Para mais informações, consulte Termos de Utilização Suplementares para Microsoft Azure Pré-visualizações.

Como funcionam as ferramentas

Quando escreve um prompt em linguagem natural num cliente compatível com MCP (por exemplo, GitHub Copilot Agent Mode), o modelo de linguagem seleciona a ferramenta apropriada e formula os parâmetros necessários em seu nome. Não ligas diretamente às ferramentas — descreves o que queres, e o modelo traduz a tua intenção numa chamada de ferramenta.

Cada ferramenta é classificada como ler (recuperar informação) ou escrever (criar, atualizar ou eliminar recursos). As operações de escrita afetam imediatamente os recursos ativos e a faturação. Revise as melhores práticas de segurança antes de executar operações de escrita.

Permissions

Todas as operações são executadas com as permissões do utilizador autenticado através do fluxo Microsoft Entra ID On-Behalf-Of. Precisa dos seguintes papéis:

Operation type Minimum Azure role Notes
Read tools Leitor no projeto ou conta da Foundry Suficiente para listar, enviar consultas e monitorizar.
Write tools Colaborador no projeto ou conta da Foundry Necessário para criar, atualizar e eliminar recursos.
Administrador de Acesso Condicional Administrador de Acesso Condicional em Entra ID Só é necessário se estiver a configurar políticas de acesso ao nível do tenant.

Para mais informações, consulte Controlo de acesso baseado em funções para Microsoft Foundry.

Key identifiers

Muitas ferramentas requerem identificadores de recursos. O modelo de linguagem extrai estes elementos do contexto do teu prompt, mas ajuda conhecer os formatos:

Identifier Format Onde encontrá-lo
ID de recurso da fundição /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account} Azure portal Properties
Project endpoint https://{account}.services.ai.azure.com/api/projects/{project} Página de detalhes do projeto da fundição
ID de recurso do Project /subscriptions/{sub_id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} Azure portal Properties

Agent management

Gerir todo o ciclo de vida dos agentes num projeto Foundry, incluindo criação, invocação, orquestração de contentores e eliminação.

Example prompts:

  • "Lista todos os agentes do meu projeto Foundry."
  • "Crie um novo agente nomeado faq-agent usando modelo gpt-4o-mini."
  • "Envia 'Olá, como podes ajudar?' para o meu customer-support-agent."
  • "Inicia o contentor para o meu agente triage-agentalojado."
  • "Verifica o estado do contentor para triage-agent."
  • "Mostra-me o esquema de definição de agentes para agentes prontos."
  • "Apaga o old-test-agent do meu projeto."
Tool Access Description Key inputs Returns
agent_get ler Liste todos os agentes num projeto da Foundry, ou arranja um agente específico pelo nome. Nome do agente (opcional) Lista de agentes ou definição de agente único com modelo, instruções e configuração de ferramentas.
agent_update escrever Criar, atualizar ou clonar um agente. Use agent_definition_schema_get para descobrir primeiro o esquema de definição completa. Nome do agente, modelo, instruções, definições de ferramentas Definição de agente criado ou atualizado.
agent_invoke escrever Envia uma mensagem a um agente e recebe uma resposta. Funciona tanto para agentes de contentores baseados em prompts como alojados. Nome do agente, texto da mensagem Mensagem de resposta do agente.
agent_delete escrever Apagar permanentemente um agente. Para agentes alojados, isto também elimina o contentor. Agent name Deletion confirmation.
agent_container_control escrever Inicie ou pare um contentor de agente hospedado. Use antes de invocar um agente hospedado. Nome do agente, ação (início ou fim) Estado da operação dos contentores.
agent_container_status_get ler Verifique o estado atual de um contentor de agente hospedado (Iniciar, A Correr, Parado, Falhado, e assim sucessivamente). Agent name Estado atual do contentor.
agent_definition_schema_get ler Devolva o esquema JSON completo para definições de agentes, incluindo todos os tipos de ferramentas. None Esquema JSON completo para definições de agentes.

Dataset management

Criar, recuperar e avaliar conjuntos de dados de versões num projeto Foundry.

Example prompts:

  • "Carregar a minha pergunta e perguntas de apoio ao cliente, Um conjunto de dados deste Armazenamento de Blobs do Azure URL."
  • "Mostra-me todos os conjuntos de dados do meu projeto Foundry."
  • "Obtenha detalhes para a versão 2 do customer-support-qa conjunto de dados."
  • "Lista todas as versões do meu product-reviews conjunto de dados."
Tool Access Description Key inputs Returns
evaluation_dataset_create escrever Crie ou atualize uma versão de conjunto de dados a partir de um Armazenamento de Blobs do Azure URI. Nome do conjunto de dados, versão, Armazenamento de Blobs URI Metadados do conjunto de dados com nome, versão e URI.
evaluation_dataset_get ler Obtenha um conjunto de dados por nome e versão, ou liste todos os conjuntos de dados do projeto. Nome e versão do conjunto de dados (opcional) Detalhes do conjunto de dados ou lista de todos os conjuntos de dados.
evaluation_dataset_versions_get ler Liste todas as versões de um conjunto de dados específico. Dataset name Lista de números de versão com metadados.

Evaluation operations

Execute avaliações em lote contra agentes ou conjuntos de dados e compare os resultados entre execuções.

Example prompts:

  • "Avaliar a minha customer-support-agent v2 usando avaliadores de Relevância, Fundamento e Coerência."
  • "Faz uma avaliação em lote no meu conjunto de dados JSONL com avaliadores de Violência e ÓdioInjustiça."
  • "Gerar 50 consultas de teste sintéticas e avaliar o meu agente com elas."
  • "Mostra-me todas as corridas de avaliação no meu projeto Foundry."
  • "Compare corrida-base-123 com corridas de tratamento run-124 e run-125."
Tool Access Description Key inputs Returns
evaluation_agent_batch_eval_create escrever Crie uma execução de avaliação em lote que chame um agente específico. Suporta avaliadores integrados e personalizados, além de geração de dados sintéticos. Nome/versão do agente, nomes dos avaliadores, conjunto de dados (opcional para geração sintética), número de consultas sintéticas (opcional) ID e estado da corrida de avaliação.
evaluation_dataset_batch_eval_create escrever Crie uma avaliação em lote com um conjunto de dados JSONL. Suporta avaliadores integrados e personalizados. Nome/versão do conjunto de dados, nomes dos avaliadores ID e estado da corrida de avaliação.
evaluation_get ler A avaliação da lista decorre no projeto Foundry. ID da corrida de avaliação (opcional) Lista de corridas de avaliação com estado e pontuações, ou detalhes para uma corrida específica.
evaluation_comparison_create escrever Crie resultados comparativos entre uma linha de base e as execuções de avaliação do tratamento. ID de corrida de base, IDs de corrida de tratamento ID de insight comparativo.
evaluation_comparison_get ler Obtenha ou liste informações comparativas de avaliações. ID de insight de comparação (opcional) Resultados comparativos com análise estatística.

Evaluator catalog

Navegue pelos avaliadores integrados e gere avaliadores personalizados para utilização em execuções de avaliação.

Example prompts:

  • "Lista todos os avaliadores incorporados disponíveis no meu projeto."
  • "Mostra-me a definição completa do coherence avaliador."
  • "Crie um avaliador personalizado baseado em prompts chamado tone-check que avalie as respostas numa escala de 1 a 5."
  • "Atualiza a descrição do meu tone-check avaliador."
  • "Apagar a versão 1 do meu old-evaluator."
Tool Access Description Key inputs Returns
evaluator_catalog_get ler Liste os avaliadores no catálogo, ou obtenha a definição completa de um avaliador específico. Filtra por tipo incorporado ou personalizado. Nome do avaliador (opcional), filtro de tipo (incorporado ou personalizado, opcional) Lista de avaliadores ou definição completa do avaliador com lógica de pontuação.
evaluator_catalog_create escrever Crie um avaliador personalizado baseado em prompts ou código. Nome do avaliador, tipo (prompt ou código), definição Metadados de avaliadores criados.
evaluator_catalog_update escrever Atualize os metadados (nome de visualização, descrição, categoria) para um avaliador personalizado existente. Nome do avaliador, campos a atualizar Metadados atualizados do avaliador.
evaluator_catalog_delete escrever Elimine uma versão específica de um avaliador personalizado. Nome do avaliador, versão Deletion confirmation.

Catálogo de modelos e detalhes

Explore e obtenha detalhes sobre os modelos no catálogo de modelos da Foundry.

Example prompts:

  • "Mostra-me todos os modelos GPT-5.4 disponíveis no catálogo."
  • "Liste todos os modelos publicados pela Microsoft com licença MIT."
  • "Obtenha informações detalhadas e exemplos de código para GPT-5-mini."
Tool Access Description Key inputs Returns
model_catalog_list ler Liste modelos do catálogo de modelos Foundry com filtros opcionais (editor, licença, tarefa). Palavras-chave de pesquisa, editor, tipo de licença, tipo de tarefa (todas opcionais) Lista de modelos com nome, editora, licença e capacidades.
model_details_get ler Obtenha todos os detalhes dos modelos e exemplos de código. Nome do modelo ou ID Especificações do modelo, preços, regiões suportadas e exemplos de código.

Gestão de implementação de modelos

Implemente, inspecione e remova implementações de modelos numa conta Foundry.

Example prompts:

  • "Implantar o GPT-5-mini com production-chatbot unidades de 20 capacidades."
  • "Mostra-me todos os meus modelos atuais de implantação."
  • "Apaga o old-test-deployment que já não estou a usar."
Tool Access Description Key inputs Returns
model_deploy escrever Crie ou atualize uma implementação de modelo com capacidade especificada. Nome do modelo, nome da implantação, unidades de capacidade Detalhes de implementação com o endpoint e capacidade provisionada.
model_deployment_get ler Obtenha uma ou mais implementações de modelos a partir de uma conta Foundry. Nome da implantação (opcional) Lista de implantações ou detalhes de uma única implantação com estado e quota.
model_deployment_delete escrever Apague uma implementação específica de um modelo pelo nome. Deployment name Deletion confirmation.

Análise de modelos e recomendações

Compare benchmarks de modelos e obtenha recomendações para mudar para modelos mais económicos ou de maior qualidade.

Example prompts:

  • "Mostra-me dados de benchmark para todos os modelos disponíveis."
  • "Compare o desempenho dos benchmarks entre GPT-5.4 e GPT-4."
  • "Encontra modelos semelhantes ao meu atual desdobramento no GPT-4."
  • "Que modelos me dariam melhor relação qualidade/custo do que o que estou a usar agora?"
Tool Access Description Key inputs Returns
model_benchmark_get ler Buscar dados de benchmark para modelos Foundry. Filtros de modelo (opcionais) Pontuações de benchmark, precisão, custo e métricas de latência.
model_benchmark_subset_get ler Obtenha dados de benchmark para pares específicos de nomes e versões de modelos. Pares de nome do modelo e versão Dados de comparação de benchmarks para modelos específicos.
model_similar_models_get ler Encontre modelos semelhantes com base na implementação ou nos detalhes do modelo. Nome da implementação ou nome do modelo Lista de modelos semelhantes com comparação de capacidades.
model_switch_recommendations_get ler Obtenha recomendações de troca de modelo com base nos dados de benchmark. Nome atual da implementação Modelos recomendados com análise de compromisso qualidade/custo.

Monitorização e operações de modelos

Acompanhar a saúde da implementação, monitorizar métricas, verificar o estado da depreciação e visualizar a utilização da quota.

Example prompts:

  • "Mostra-me as métricas de pedidos para a minha production-chatbot missão."
  • "Verifica se alguma das minhas implementações está a usar versões de modelos obsoletas."
  • "Mostra-me a quota de utilização em todas as regiões para a minha subscrição."
Tool Access Description Key inputs Returns
model_monitoring_metrics_get ler Obtenha métricas de monitorização (pedidos, latência, erros, quota) para a implementação de um modelo. Nome da implantação, intervalo de tempo (opcional) Contagem de pedidos, percentis de latência, taxas de erro e utilização de tokens.
model_deprecation_info_get ler Obtenha informações de destacamento enriquecidas com cronogramas de desvalorização e reforma. Nome da implantação (opcional) Detalhes de implementação com datas de desuso e sugestões de substituição.
model_quota_list ler Liste a quota de implementação disponível e a utilização de uma subscrição numa região. Region (optional) Limites de quotas, utilização atual e capacidade disponível por família de modelos.

Project connections

Gerir ligações a serviços externos (Azure OpenAI, Armazenamento de Blobs do Azure, pesquisa e outros) dentro de um projeto Foundry.

Example prompts:

  • "Lista todas as ligações no meu projeto Foundry."
  • "Mostra-me os detalhes da minha azure-search ligação."
  • "Que tipos de ligação e métodos de autenticação são suportados?"
  • "Crie uma nova ligação AzureOpenAI chamada my-openai usando autenticação AAD."
  • "Apaga a old-storage ligação do meu projeto."
Tool Access Description Key inputs Returns
project_connection_list ler Liste todas as ligações num projeto Foundry, com filtragem opcional por categoria ou destino. Filtro de categoria, filtro alvo (ambos opcionais) Lista de ligações com nome, tipo e estatuto.
project_connection_get ler Arranja uma ligação específica pelo nome. Connection name Detalhes da ligação, incluindo categoria, alvo e tipo de autenticação.
project_connection_list_metadata ler Liste todas as categorias de ligação suportadas e tipos de autenticação. Chama isto primeiro para descobrir valores válidos. None Categorias suportadas (por exemplo, AzureOpenAI, AzureBlobStorage) e tipos de autenticação (por exemplo, AAD, chave).
project_connection_create escrever Crie ou substitua uma ligação ao projeto. Nome da ligação, categoria, alvo, tipo de autenticação Criei detalhes da ligação.
project_connection_update escrever Atualize uma ligação a um projeto existente. Nome da ligação, campos a atualizar Detalhes atualizados da ligação.
project_connection_delete escrever Apaga a ligação de um projeto pelo nome. Connection name Deletion confirmation.

Prompt optimization

Otimize os prompts do sistema e as mensagens dos programadores para melhor desempenho dos LLMs.

Example prompts:

  • "Otimize o meu prompt do sistema: 'É um agente de atendimento ao cliente prestável' usando gpt-5.4."
  • "Melhorar as instruções do meu agente para obter respostas mais concisas."
  • "Refinar o meu prompt otimizado para também responder a perguntas de seguimento."
Tool Access Description Key inputs Returns
prompt_optimize escrever Otimize um prompt para programador (mensagem do sistema) para melhor desempenho em LLM usando o Azure OpenAI Prompt Optimizer. Texto de prompt, modelo alvo, instruções de refinamento (opcional) Texto de prompt otimizado com explicação das alterações.

Example workflows

Fluxo de trabalho de avaliação de agentes:

  1. "Lista todos os agentes do meu projeto."
  2. "Avaliar a minha customer-support-agent v2 usando avaliadores de Relevância, Groundedness e Segurança."
  3. "Compara a minha avaliação de base com a nova corrida."
  4. "Mostra-me os resultados da comparação com significância estatística."

Implementação e otimização do modelo:

  1. "Mostra-me todos os modelos GPT-5.4 disponíveis no catálogo."
  2. "Implantar o GPT-5.4 com customer-service-bot capacidade para 15 unidades."
  3. "Monitorizar a latência dos pedidos para a minha nova implantação."
  4. "Recomendar alternativas mais económicas com base no uso atual."

Gestão e limpeza de recursos:

  1. "Lista todas as minhas implantações atuais e o seu uso."
  2. "Verifique quais as implementações que estão a usar versões de modelo obsoletas."
  3. "Mostra-me a minha quota de utilização em todas as regiões."
  4. "Apagar as implantações de teste não utilizadas para libertar capacidade."

Preview limitations

O Foundry MCP Server está em pré-visualização pública. Aplicam-se as seguintes limitações:

  • Sem isolamento de rede — O Foundry MCP Server utiliza o endpoint https://mcp.ai.azure.compúblico. Os recursos por trás do Azure Private Links não estão acessíveis. Para conectividade privada MCP, constrói o teu próprio servidor MCP e liga-o ao Agent Service com rede privada.
  • Residência de dados — Pedidos e respostas podem ser processados em centros de dados da UE ou dos EUA. O próprio servidor não armazena dados, mas pode ocorrer processamento entre regiões.
  • Sem SLA — As funcionalidades de Pré-visualização não incluem um acordo de nível de serviço. Não uses o servidor para cargas de trabalho de produção que exigem disponibilidade garantida.
  • O conjunto de ferramentas pode mudar — Ferramentas, parâmetros e valores de retorno podem mudar durante o período de pré-visualização sem aviso prévio.

Para mais informações, consulte Termos de Utilização Suplementares para Microsoft Azure Pré-visualizações.

Common errors

Error Cause Resolution
Access denied Função insuficiente do Azure RBAC no projeto ou conta Foundry. Atribui pelo menos Reader para ferramentas de leitura ou Contributor para ferramentas de escrita. Ver RBAC para Microsoft Foundry.
Authentication failure Token Entra ID expirado ou inválido. Saia e volte a iniciar sessão na sua conta Azure no Visual Studio Code, ou na ferramenta que está a usar.
Quota exceeded Não há capacidade suficiente para criar uma implementação ou executar uma avaliação. Use model_quota_list para verificar a quota disponível antes da operação.
Recurso não encontrado O deployment, dataset, agente ou ligação especificados não existe. Use a ferramenta correspondente getlist para verificar o nome do recurso.
Endpoint privado inacessível Os recursos da Foundry usam Links Privados do Azure que o servidor MCP do Foundry alojado não consegue aceder. Remover restrições de endpoints privados, usar SDKs/APIs REST, ou usar um servidor MCP personalizado com rede privada do Agent Service.

Para mais orientações sobre resolução de problemas, consulte a segurança e as melhores práticas do Foundry MCP Server.

Related content

  • Last updated on