wehub-resource-sync
13 KiB
13 KiB
Integrace Model Context Protocol (MCP) s Microsoft Foundry
Tento průvodce ukazuje, jak integrovat servery Model Context Protocol (MCP) s agenty Microsoft Foundry, což umožňuje výkonnou orchestraci nástrojů a schopnosti podnikové AI.
Úvod
Model Context Protocol (MCP) je otevřený standard, který umožňuje AI aplikacím bezpečně se připojit k externím zdrojům dat a nástrojům. Po integraci s Microsoft Foundry umožňuje MCP agentům přístup k různým externím službám, API a zdrojům dat a interakci s nimi standardizovaným způsobem.
Tato integrace spojuje flexibilitu ekosystému nástrojů MCP s robustním frameworkem agentů Microsoft Foundry, poskytuje podniková řešení AI s rozsáhlými možnostmi přizpůsobení.
Poznámka: Pokud chcete používat MCP v Microsoft Foundry Agent Service, jsou aktuálně podporovány pouze následující oblasti: westus, westus2, uaenorth, southindia a switzerlandnorth
Cíle učení
Na konci tohoto průvodce budete schopni:
- Pochopit Model Context Protocol a jeho výhody
- Nastavit servery MCP pro použití s agenty Microsoft Foundry
- Vytvořit a nakonfigurovat agenty s integrací nástrojů MCP
- Implementovat praktické příklady s reálnými servery MCP
- Zpracovávat odpovědi nástrojů a citace v konverzacích agentů
Požadavky
Než začnete, ujistěte se, že máte:
- Předplatné Azure s přístupem k Microsoft Foundry
- Python 3.10+ nebo .NET 8.0+
- Nainstalovaný a nakonfigurovaný Azure CLI
- Odpovídající oprávnění k vytváření AI zdrojů
Co je Model Context Protocol (MCP)?
Model Context Protocol je standardizovaný způsob, jak se AI aplikace připojují k externím zdrojům dat a nástrojům. Klíčové výhody zahrnují:
- Standardizovaná integrace: Konzistentní rozhraní napříč různými nástroji a službami
- Bezpečnost: Bezpečné mechanismy ověřování a autorizace
- Flexibilita: Podpora různých zdrojů dat, API a vlastních nástrojů
- Rozšiřitelnost: Snadné přidání nových funkcí a integrací
Nastavení MCP s Microsoft Foundry
Konfigurace prostředí
Vyberte požadované vývojové prostředí:
Implementace v Pythonu
Poznámka Tento notebook můžete spustit
1. Instalace požadovaných balíčků
pip install azure-ai-projects -U
pip install azure-ai-agents==1.1.0b4 -U
pip install azure-identity -U
pip install mcp==1.11.0 -U
2. Import závislostí
import os, time
from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential
from azure.ai.agents.models import McpTool, RequiredMcpToolCall, SubmitToolApprovalAction, ToolApproval
3. Konfigurace nastavení MCP
mcp_server_url = os.environ.get("MCP_SERVER_URL", "https://learn.microsoft.com/api/mcp")
mcp_server_label = os.environ.get("MCP_SERVER_LABEL", "mslearn")
4. Inicializace klienta projektu
project_client = AIProjectClient(
endpoint="https://your-project-endpoint.services.ai.azure.com/api/projects/your-project",
credential=DefaultAzureCredential(),
)
5. Vytvoření nástroje MCP
mcp_tool = McpTool(
server_label=mcp_server_label,
server_url=mcp_server_url,
allowed_tools=[], # Nepovinné: určete povolené nástroje
)
6. Kompletní příklad v Pythonu
with project_client:
agents_client = project_client.agents
# Vytvořte nového agenta s nástroji MCP
agent = agents_client.create_agent(
model="Your AOAI Model Deployment",
name="my-mcp-agent",
instructions="You are a helpful agent that can use MCP tools to assist users. Use the available MCP tools to answer questions and perform tasks.",
tools=mcp_tool.definitions,
)
print(f"Created agent, ID: {agent.id}")
print(f"MCP Server: {mcp_tool.server_label} at {mcp_tool.server_url}")
# Vytvořte vlákno pro komunikaci
thread = agents_client.threads.create()
print(f"Created thread, ID: {thread.id}")
# Vytvořte zprávu pro vlákno
message = agents_client.messages.create(
thread_id=thread.id,
role="user",
content="What's difference between Azure OpenAI and OpenAI?",
)
print(f"Created message, ID: {message.id}")
# Řešte schválení nástrojů a spusťte agenta
mcp_tool.update_headers("SuperSecret", "123456")
run = agents_client.runs.create(thread_id=thread.id, agent_id=agent.id, tool_resources=mcp_tool.resources)
print(f"Created run, ID: {run.id}")
while run.status in ["queued", "in_progress", "requires_action"]:
time.sleep(1)
run = agents_client.runs.get(thread_id=thread.id, run_id=run.id)
if run.status == "requires_action" and isinstance(run.required_action, SubmitToolApprovalAction):
tool_calls = run.required_action.submit_tool_approval.tool_calls
if not tool_calls:
print("No tool calls provided - cancelling run")
agents_client.runs.cancel(thread_id=thread.id, run_id=run.id)
break
tool_approvals = []
for tool_call in tool_calls:
if isinstance(tool_call, RequiredMcpToolCall):
try:
print(f"Approving tool call: {tool_call}")
tool_approvals.append(
ToolApproval(
tool_call_id=tool_call.id,
approve=True,
headers=mcp_tool.headers,
)
)
except Exception as e:
print(f"Error approving tool_call {tool_call.id}: {e}")
if tool_approvals:
agents_client.runs.submit_tool_outputs(
thread_id=thread.id, run_id=run.id, tool_approvals=tool_approvals
)
print(f"Current run status: {run.status}")
print(f"Run completed with status: {run.status}")
# Zobrazte konverzaci
messages = agents_client.messages.list(thread_id=thread.id)
print("\nConversation:")
print("-" * 50)
for msg in messages:
if msg.text_messages:
last_text = msg.text_messages[-1]
print(f"{msg.role.upper()}: {last_text.text.value}")
print("-" * 50)
Implementace v .NET
Poznámka Tento notebook můžete spustit
1. Instalace požadovaných balíčků
#r "nuget: Azure.AI.Agents.Persistent, 1.1.0-beta.4"
#r "nuget: Azure.Identity, 1.14.2"
2. Import závislostí
using Azure.AI.Agents.Persistent;
using Azure.Identity;
3. Konfigurace nastavení
var projectEndpoint = "https://your-project-endpoint.services.ai.azure.com/api/projects/your-project";
var modelDeploymentName = "Your AOAI Model Deployment";
var mcpServerUrl = "https://learn.microsoft.com/api/mcp";
var mcpServerLabel = "mslearn";
PersistentAgentsClient agentClient = new(projectEndpoint, new DefaultAzureCredential());
4. Vytvoření definice nástroje MCP
MCPToolDefinition mcpTool = new(mcpServerLabel, mcpServerUrl);
5. Vytvoření agenta s nástroji MCP
PersistentAgent agent = await agentClient.Administration.CreateAgentAsync(
model: modelDeploymentName,
name: "my-learn-agent",
instructions: "You are a helpful agent that can use MCP tools to assist users. Use the available MCP tools to answer questions and perform tasks.",
tools: [mcpTool]
);
6. Kompletní příklad v .NET
// Create thread and message
PersistentAgentThread thread = await agentClient.Threads.CreateThreadAsync();
PersistentThreadMessage message = await agentClient.Messages.CreateMessageAsync(
thread.Id,
MessageRole.User,
"What's difference between Azure OpenAI and OpenAI?");
// Configure tool resources with headers
MCPToolResource mcpToolResource = new(mcpServerLabel);
mcpToolResource.UpdateHeader("SuperSecret", "123456");
ToolResources toolResources = mcpToolResource.ToToolResources();
// Create and handle run
ThreadRun run = await agentClient.Runs.CreateRunAsync(thread, agent, toolResources);
while (run.Status == RunStatus.Queued || run.Status == RunStatus.InProgress || run.Status == RunStatus.RequiresAction)
{
await Task.Delay(TimeSpan.FromMilliseconds(1000));
run = await agentClient.Runs.GetRunAsync(thread.Id, run.Id);
if (run.Status == RunStatus.RequiresAction && run.RequiredAction is SubmitToolApprovalAction toolApprovalAction)
{
var toolApprovals = new List<ToolApproval>();
foreach (var toolCall in toolApprovalAction.SubmitToolApproval.ToolCalls)
{
if (toolCall is RequiredMcpToolCall mcpToolCall)
{
Console.WriteLine($"Approving MCP tool call: {mcpToolCall.Name}");
toolApprovals.Add(new ToolApproval(mcpToolCall.Id, approve: true)
{
Headers = { ["SuperSecret"] = "123456" }
});
}
}
if (toolApprovals.Count > 0)
{
run = await agentClient.Runs.SubmitToolOutputsToRunAsync(thread.Id, run.Id, toolApprovals: toolApprovals);
}
}
}
// Display messages
using Azure;
AsyncPageable<PersistentThreadMessage> messages = agentClient.Messages.GetMessagesAsync(
threadId: thread.Id,
order: ListSortOrder.Ascending
);
await foreach (PersistentThreadMessage threadMessage in messages)
{
Console.Write($"{threadMessage.CreatedAt:yyyy-MM-dd HH:mm:ss} - {threadMessage.Role,10}: ");
foreach (MessageContent contentItem in threadMessage.ContentItems)
{
if (contentItem is MessageTextContent textItem)
{
Console.Write(textItem.Text);
}
else if (contentItem is MessageImageFileContent imageFileItem)
{
Console.Write($"<image from ID: {imageFileItem.FileId}>");
}
Console.WriteLine();
}
}
Možnosti konfigurace nástroje MCP
Při konfiguraci nástrojů MCP pro svého agenta můžete specifikovat několik důležitých parametrů:
Konfigurace v Pythonu
mcp_tool = McpTool(
server_label="unique_server_name", # Identifikátor pro MCP server
server_url="https://api.example.com/mcp", # Koncový bod MCP serveru
allowed_tools=[], # Volitelné: specifikujte povolené nástroje
)
Konfigurace v .NET
MCPToolDefinition mcpTool = new(
"unique_server_name", // Server label
"https://api.example.com/mcp" // MCP server URL
);
Autentizace a hlavičky
Obě implementace podporují vlastní hlavičky pro autentizaci:
Python
mcp_tool.update_headers("SuperSecret", "123456")
.NET
MCPToolResource mcpToolResource = new(mcpServerLabel);
mcpToolResource.UpdateHeader("SuperSecret", "123456");
Řešení běžných problémů
1. Problémy s připojením
- Ověřte, že je URL serveru MCP přístupná
- Zkontrolujte autentizační údaje
- Zajistěte síťové připojení
2. Chyby při volání nástrojů
- Zkontrolujte argumenty nástroje a jejich formátování
- Prověřte specifické požadavky serveru
- Implementujte správné zpracování chyb
3. Výkonnostní problémy
- Optimalizujte frekvenci volání nástrojů
- Použijte cache tam, kde je vhodné
- Monitorujte dobu odezvy serveru
Další kroky
Pro další vylepšení vaší integrace MCP:
- Prozkoumejte vlastní servery MCP: Vybudujte si vlastní servery MCP pro proprietární zdroje dat
- Implementujte pokročilou bezpečnost: Přidejte OAuth2 nebo vlastní autentizační mechanismy
- Monitorování a analytika: Implementujte logování a dohled nad využitím nástrojů
- Škalování řešení: Zvažte load balancing a distribuované architektury MCP serverů
Další zdroje
- Dokumentace Microsoft Foundry
- Model Context Protocol vzory
- Přehled agentů Microsoft Foundry
- Specifikace MCP
Podpora
Pro další podporu a dotazy:
- Prohlédněte si dokumentaci Microsoft Foundry
- Zkontrolujte komunitní zdroje MCP
Co dál
Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.