wehub-resource-sync
13 KiB
13 KiB
Model Context Protocol (MCP) -integrointi Microsoft Foundryn kanssa
Tämä opas näyttää, miten Model Context Protocol (MCP) -palvelimet integroidaan Microsoft Foundryn agenteihin, mahdollistaen tehokkaan työkalujen orkestraation ja yritystason tekoälyominaisuudet.
Johdanto
Model Context Protocol (MCP) on avoin standardi, joka mahdollistaa tekoälysovellusten turvallisen yhteyden ulkoisiin tietolähteisiin ja työkaluihin. Kun MCP integroidaan Microsoft Foundryyn, agentit voivat käyttää ja olla vuorovaikutuksessa erilaisten ulkoisten palveluiden, API:en ja tietolähteiden kanssa standardoidulla tavalla.
Tämä integraatio yhdistää MCP:n työkaluekosysteemin joustavuuden Microsoft Foundryn vankan agenttikehyksen kanssa, tarjoten yritystason tekoälyratkaisuja laajoin muokkausmahdollisuuksin.
Huom: Jos haluat käyttää MCP:tä Microsoft Foundry Agent Service -palvelussa, tukialueina ovat tällä hetkellä vain seuraavat alueet: westus, westus2, uaenorth, southindia ja switzerlandnorth
Oppimistavoitteet
Oppaan loppuun mennessä osaat:
- Ymmärtää Model Context Protocolin ja sen edut
- Ottaa MCP-palvelimet käyttöön Microsoft Foundryn agenttien kanssa
- Luoda ja konfiguroida agentteja MCP-työkalujen integroinnilla
- Toteuttaa käytännön esimerkkejä käyttäen oikeita MCP-palvelimia
- Käsitellä työkaluvastauksia ja lähdeviitteitä agenttikeskusteluissa
Ennen aloittamista
Varmista ennen aloittamista, että sinulla on:
- Azure-tilaus ja pääsy Microsoft Foundryyn
- Python 3.10+ tai .NET 8.0+
- Azure CLI asennettuna ja konfiguroituna
- Oikeudet luoda tekoälyresursseja
Mikä on Model Context Protocol (MCP)?
Model Context Protocol on standardoitu tapa tekoälysovelluksille yhdistää ulkoisiin tietolähteisiin ja työkaluihin. Tärkeimmät edut ovat:
- Standardoitu integraatio: Johdonmukainen rajapinta eri työkaluihin ja palveluihin
- Turvallisuus: Turvallinen tunnistus- ja valtuutusjärjestelmä
- Joustavuus: Tuki monille tietolähteille, API:lle ja omille työkaluillesi
- Laajennettavuus: Helppo lisätä uusia ominaisuuksia ja integraatioita
MCP:n käyttöönotto Microsoft Foundryn kanssa
Ympäristön konfigurointi
Valitse haluamasi kehitysympäristö:
Python-toteutus
Huom Voit suorittaa tämän notebookin
1. Asenna vaaditut paketit
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. Tuo kirjastot
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. Määritä MCP-asetukset
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. Alusta projektin asiakas
project_client = AIProjectClient(
endpoint="https://your-project-endpoint.services.ai.azure.com/api/projects/your-project",
credential=DefaultAzureCredential(),
)
5. Luo MCP-työkalu
mcp_tool = McpTool(
server_label=mcp_server_label,
server_url=mcp_server_url,
allowed_tools=[], # Valinnainen: määrittele sallitut työkalut
)
6. Täydellinen Python-esimerkki
with project_client:
agents_client = project_client.agents
# Luo uusi agentti MCP-työkaluilla
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}")
# Luo säie viestintää varten
thread = agents_client.threads.create()
print(f"Created thread, ID: {thread.id}")
# Luo viesti säikeelle
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}")
# Käsittele työkalujen hyväksynnät ja suorita agentti
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}")
# Näytä keskustelu
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)
.NET-toteutus
Huom Voit suorittaa tämän notebookin
1. Asenna vaaditut paketit
#r "nuget: Azure.AI.Agents.Persistent, 1.1.0-beta.4"
#r "nuget: Azure.Identity, 1.14.2"
2. Tuo kirjastot
using Azure.AI.Agents.Persistent;
using Azure.Identity;
3. Määritä asetukset
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. Luo MCP-työkalumääritelmä
MCPToolDefinition mcpTool = new(mcpServerLabel, mcpServerUrl);
5. Luo agentti MCP-työkaluilla
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. Täydellinen .NET-esimerkki
// 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();
}
}
MCP-työkalun konfigurointivaihtoehdot
Kun määrität MCP-työkaluja agentillesi, voit asettaa useita tärkeitä parametreja:
Python-konfiguraatio
mcp_tool = McpTool(
server_label="unique_server_name", # Tunniste MCP-palvelimelle
server_url="https://api.example.com/mcp", # MCP-palvelimen päätepiste
allowed_tools=[], # Valinnainen: määritä sallitut työkalut
)
.NET-konfiguraatio
MCPToolDefinition mcpTool = new(
"unique_server_name", // Server label
"https://api.example.com/mcp" // MCP server URL
);
Tunnistautuminen ja otsikot
Molemmat toteutukset tukevat mukautettuja otsikoita tunnistautumista varten:
Python
mcp_tool.update_headers("SuperSecret", "123456")
.NET
MCPToolResource mcpToolResource = new(mcpServerLabel);
mcpToolResource.UpdateHeader("SuperSecret", "123456");
Yleiset ongelmat ja niiden ratkaisut
1. Yhteysongelmat
- Varmista, että MCP-palvelimen URL on saavutettavissa
- Tarkista tunnistautumistiedot
- Varmista verkon toimivuus
2. Työkalukutsujen epäonnistumiset
- Tarkista työkalun argumentit ja muotoilu
- Ota huomioon palvelinkohtaiset vaatimukset
- Toteuta asianmukainen virheenkäsittely
3. Suorituskykyongelmat
- Optimoi työkalukutsujen tiheys
- Käytä välimuistia tarpeen mukaan
- Seuraa palvelimen vasteaikoja
Seuraavat vaiheet
Jatka MCP-integraation kehittämistä seuraavasti:
- Tutki omia MCP-palvelimia: Rakenna omia MCP-palvelimia omiin tietolähteisiin
- Ota käyttöön edistyneet suojausmenetelmät: Lisää OAuth2 tai omat tunnistautumismekanismit
- Seuranta ja analytiikka: Toteuta lokitus ja käytön seuranta
- Skaalaa ratkaisusi: Harkitse kuormantasauksen ja hajautettujen MCP-palvelinarkkitehtuurien käyttöä
Lisäresurssit
- Microsoft Foundryn dokumentaatio
- Model Context Protocol -esimerkit
- Microsoft Foundry Agenttien yleiskatsaus
- MCP-spesifikaatio
Tuki
Lisätukea ja kysymyksiä varten:
- Tutustu Microsoft Foundryn dokumentaatioon
- Tarkista MCP-yhteisön resurssit
Mitä seuraavaksi
Vastuuvapauslauseke: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, otathan huomioon, että automaattiset käännökset saattavat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäiskielellä on virallinen lähde. Tärkeissä asioissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai tulkinnoista.