microsoft--mcp-for-beginners/translations/th/05-AdvancedTopics/mcp-foundry-agent-integration/README.md

การรวมโปรโตคอลบริบทของโมเดล (MCP) กับ Microsoft Foundry

คำแนะนำนี้แสดงวิธีการรวมเซิร์ฟเวอร์ Model Context Protocol (MCP) กับตัวแทน Microsoft Foundry เพื่อเปิดใช้งานการจัดระเบียบเครื่องมือที่ทรงพลังและความสามารถ AI ระดับองค์กร

บทนำ

Model Context Protocol (MCP) เป็นมาตรฐานเปิดที่ช่วยให้นำ AI สามารถเชื่อมต่อกับแหล่งข้อมูลภายนอกและเครื่องมือต่างๆ ได้อย่างปลอดภัย เมื่อรวมกับ Microsoft Foundry MCP ช่วยให้ตัวแทนสามารถเข้าถึงและโต้ตอบกับบริการ, API และแหล่งข้อมูลภายนอกในรูปแบบมาตรฐาน

การรวมนี้ผสมผสานความยืดหยุ่นของระบบนิเวศเครื่องมือ MCP กับโครงสร้างตัวแทนที่มั่นคงของ Microsoft Foundry เพื่อมอบโซลูชัน AI ระดับองค์กรที่มีความสามารถในการปรับแต่งอย่างกว้างขวาง

หมายเหตุ: หากคุณต้องการใช้ MCP ใน Microsoft Foundry Agent Service ขณะนี้รองรับเฉพาะในภูมิภาคต่อไปนี้: westus, westus2, uaenorth, southindia และ switzerlandnorth

วัตถุประสงค์การเรียนรู้

เมื่อจบคำแนะนำนี้ คุณจะสามารถ:

• เข้าใจโปรโตคอลบริบทของโมเดลและข้อดีของมัน
• ติดตั้งเซิร์ฟเวอร์ MCP สำหรับใช้งานกับตัวแทน Microsoft Foundry
• สร้างและกำหนดค่าตัวแทนที่รวมเครื่องมือ MCP
• นำตัวอย่างปฏิบัติที่ใช้เซิร์ฟเวอร์ MCP จริงมาใช้
• จัดการการตอบกลับของเครื่องมือและการอ้างอิงในบทสนทนาของตัวแทน

ข้อกำหนดเบื้องต้น

ก่อนเริ่มต้น กรุณาตรวจสอบว่าคุณมี:

• การสมัครสมาชิก Azure พร้อมการเข้าถึง Microsoft Foundry
• Python 3.10+ หรือ .NET 8.0+
• ติดตั้งและตั้งค่า Azure CLI เรียบร้อยแล้ว
• สิทธิ์ที่เหมาะสมในการสร้างทรัพยากร AI

โปรโตคอลบริบทของโมเดล (MCP) คืออะไร?

Model Context Protocol เป็นวิธีการมาตรฐานสำหรับแอปพลิเคชัน AI ในการเชื่อมต่อกับแหล่งข้อมูลและเครื่องมือต่างๆ ข้อดีที่สำคัญได้แก่:

• การรวมที่เป็นมาตรฐาน: อินเทอร์เฟซที่สอดคล้องกันสำหรับเครื่องมือและบริการหลากหลาย
• ความปลอดภัย: กลไกการพิสูจน์ตัวตนและการอนุญาตที่ปลอดภัย
• ความยืดหยุ่น: รองรับแหล่งข้อมูล, API และเครื่องมือแบบกำหนดเองหลากหลายประเภท
• การขยายขอบเขต: เพิ่มความสามารถและการรวมระบบใหม่ๆ ได้ง่าย

การตั้งค่า MCP กับ Microsoft Foundry

การกำหนดค่าสภาพแวดล้อม

เลือกสภาพแวดล้อมการพัฒนาที่คุณต้องการ:

• การใช้งาน Python
• การใช้งาน .NET

---

การใช้งาน Python

หมายเหตุ คุณสามารถรัน notebook นี้ได้

1. ติดตั้งแพ็กเกจที่จำเป็น

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. นำเข้าไลบรารี

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. กำหนดค่า 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. เริ่มต้นใช้งาน Project Client

project_client = AIProjectClient(
    endpoint="https://your-project-endpoint.services.ai.azure.com/api/projects/your-project",
    credential=DefaultAzureCredential(),
)

5. สร้างเครื่องมือ MCP

mcp_tool = McpTool(
    server_label=mcp_server_label,
    server_url=mcp_server_url,
    allowed_tools=[],  # ไม่บังคับ: ระบุเครื่องมือที่ได้รับอนุญาต
)

6. ตัวอย่าง Python สมบูรณ์

with project_client:
    agents_client = project_client.agents

    # สร้างเอเย่นต์ใหม่ด้วยเครื่องมือ 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}")

    # สร้างเธรดสำหรับการสื่อสาร
    thread = agents_client.threads.create()
    print(f"Created thread, ID: {thread.id}")

    # สร้างข้อความไปยังเธรด
    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}")

    # จัดการการอนุมัติเครื่องมือและรันเอเย่นต์
    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}")

    # แสดงการสนทนา
    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)

---

การใช้งาน .NET

หมายเหตุ คุณสามารถรัน notebook นี้ได้

1. ติดตั้งแพ็กเกจที่จำเป็น

#r "nuget: Azure.AI.Agents.Persistent, 1.1.0-beta.4"
#r "nuget: Azure.Identity, 1.14.2"

2. นำเข้าไลบรารี

using Azure.AI.Agents.Persistent;
using Azure.Identity;

3. กำหนดค่า

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. สร้างคำนิยามเครื่องมือ MCP

MCPToolDefinition mcpTool = new(mcpServerLabel, mcpServerUrl);

5. สร้างตัวแทนที่ใช้ MCP Tools

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. ตัวอย่าง .NET สมบูรณ์

// 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();
    }
}

---

ตัวเลือกการกำหนดค่าเครื่องมือ MCP

เมื่อกำหนดค่าเครื่องมือ MCP สำหรับตัวแทนของคุณ คุณสามารถระบุพารามิเตอร์สำคัญหลายอย่างได้:

การกำหนดค่า Python

mcp_tool = McpTool(
    server_label="unique_server_name",      # ตัวระบุสำหรับเซิร์ฟเวอร์ MCP
    server_url="https://api.example.com/mcp", # จุดสิ้นสุดเซิร์ฟเวอร์ MCP
    allowed_tools=[],                       # ตัวเลือก: ระบุเครื่องมือที่อนุญาตใช้ได้
)

การกำหนดค่า .NET

MCPToolDefinition mcpTool = new(
    "unique_server_name",                   // Server label
    "https://api.example.com/mcp"          // MCP server URL
);

การพิสูจน์ตัวตนและส่วนหัว HTTP

ทั้งสองการใช้งานรองรับส่วนหัวกำหนดเองสำหรับการพิสูจน์ตัวตน:

Python

mcp_tool.update_headers("SuperSecret", "123456")

.NET

MCPToolResource mcpToolResource = new(mcpServerLabel);
mcpToolResource.UpdateHeader("SuperSecret", "123456");

การแก้ไขปัญหาที่พบบ่อย

1. ปัญหาการเชื่อมต่อ

• ตรวจสอบว่า URL ของเซิร์ฟเวอร์ MCP สามารถเข้าถึงได้
• ตรวจสอบข้อมูลรับรองการพิสูจน์ตัวตน
• ตรวจสอบการเชื่อมต่อเครือข่าย

2. การเรียกเครื่องมือไม่สำเร็จ

• ตรวจสอบอาร์กิวเมนต์และรูปแบบของเครื่องมือ
• ตรวจสอบความต้องการเฉพาะของเซิร์ฟเวอร์
• ใช้การจัดการข้อผิดพลาดอย่างเหมาะสม

3. ปัญหาด้านประสิทธิภาพ

• ปรับเวลาการเรียกเครื่องมือให้เหมาะสม
• ใช้การแคชเมื่อเหมาะสม
• ติดตามเวลาตอบสนองของเซิร์ฟเวอร์

ขั้นตอนถัดไป

เพื่อเพิ่มประสิทธิภาพการผสาน MCP ของคุณ:

1. สำรวจเซิร์ฟเวอร์ MCP แบบกำหนดเอง: สร้างเซิร์ฟเวอร์ MCP ของคุณเองสำหรับแหล่งข้อมูลเฉพาะ
2. ใช้ความปลอดภัยขั้นสูง: เพิ่ม OAuth2 หรือกลไกการพิสูจน์ตัวตนแบบกำหนดเอง
3. ติดตามและวิเคราะห์: ใช้การบันทึกและตรวจสอบการใช้งานเครื่องมือ
4. ปรับขนาดโซลูชันของคุณ: พิจารณาการโหลดบาลานซ์และโครงสร้างเซิร์ฟเวอร์ MCP แบบกระจาย

แหล่งข้อมูลเพิ่มเติม

• เอกสาร Microsoft Foundry
• ตัวอย่าง Model Context Protocol
• ภาพรวมตัวแทน Microsoft Foundry
• ข้อกำหนด MCP

การสนับสนุน

สำหรับการสนับสนุนและคำถามเพิ่มเติม:

• อ่าน เอกสาร Microsoft Foundry
• ตรวจสอบ แหล่งข้อมูลชุมชน MCP

สิ่งที่ต้องทำต่อไป

• 5.14 MCP Context Engineering

---

ปฏิเสธความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator ขณะที่เราพยายามให้ความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้