Dela via

Skapa agenter med hjälp av Model Context Protocol i Azure

Med MCP (Model Context Protocol ) kan appar tillhandahålla funktioner och kontext till en stor språkmodell. En viktig funktion i MCP är att definiera verktyg som AI-agenter använder för att utföra uppgifter. MCP-servrar kan köras lokalt, men fjärranslutna MCP-servrar är avgörande för att dela verktyg i molnskala. Artikeln syftar till att hjälpa utvecklare att förstå dessa verktyg för att skapa innovativa lösningar.

Utvecklare kan använda MCP på två huvudsakliga sätt:

  • Använd befintliga MCP-servrar: De flesta utvecklare använder befintliga MCP-servrar, till exempel Azure MCP Server, för att skapa agentiska funktioner i intelligenta appar.

    Utforska OpenAI MCP Agent Building Block AI-mallen, ett exempel på användning av en befintlig MCP-server. Den här mallen skapar en MCP-agentapp i .NET som använder Azure OpenAI och ansluter till en fjärransluten MCP-server som skrivits i TypeScript.

    Följande diagram visar en enkel arkitektur i OpenAI MCP Agent Building Block: Diagram som visar arkitektur från MCP-klient till MCP-server.

  • Utveckla din egen MCP-server: Vissa utvecklare skapar sina egna MCP-servrar för att erbjuda anpassade verktyg, resurser och frågor om specifika behov.

    Utforska AI-mallen MCP Container App Building Block, ett exempel på hur du utvecklar din egen MCP-server. Den här mallen konfigurerar en MCP-server (Remote Model Context Protocol) med Hjälp av Azure Container Apps.

    Följande diagram visar en enkel arkitektur för MCP Container App Building Block: Diagram som visar mcp-serverns arkitektur.

Använda befintliga MCP-servrar

De flesta utvecklare använder befintliga MCP-klienter i en MCP-värd och AI-agenter i stället för att utveckla MCP-servrar från grunden. Ditt program eller GitHub Copilot-Agent-läget är värd. Agentkomponenten är den del av programmet som innehåller AI-intelligensen, medan MCP-klientkomponenten ansvarar för MCP-serverkommunikation.

Så här är MCP integrerat i din app

  • Värdprogram: Det övergripande programmet (till exempel VS Code, en webbapp osv.)

    • Värdprogrammet är den miljö där MCP-klienten och agentkomponenterna körs. Inom värdorganismen interagerar två nyckelkomponenter:

      • Agentkomponent: Den del som innehåller AI-intelligensen (till exempel GitHub Copilot-agentläge eller en anpassad agent som skapats med Azure AI Agent Service eller något annat ramverk).

        • Den här komponenten ansvarar för att bearbeta användarbegäranden och avgöra vilka externa funktioner den behöver.
        • Det kan vara en separat modul eller integrerad i värdprogrammet.
        • Den kan använda AI-modeller för att tolka användarindata och generera svar.
        • Agentkomponenten ansvarar för att hantera informationsflödet mellan användaren och MCP-klientkomponenten.

      • MCP-klientkomponent: Den del som implementerar MCP-protokollet.

        • Den här komponenten ansvarar för att hantera anslutningen till MCP-servern och hantera kommunikationen mellan agentkomponenten och servern.
        • Klienten kan vara en separat modul eller integrerad i värdprogrammet.
        • Klientkomponenten ansvarar för att skicka begäranden till MCP-servern och ta emot svar.

Utveckla en egen MCP-server

Vissa utvecklare skapar sina egna MCP-servrar för att erbjuda anpassade verktyg, resurser och frågor om specifika behov. Detta ger större flexibilitet och kontroll över de funktioner som tillhandahålls till AI-agenter.

Hur MCP-servrar är integrerade i din app

  • MCP-server: Servern som implementerar modellkontextprotokollet
    • MCP-servern ansvarar för att tillhandahålla verktyg, resurser och uppmaningar till agentkomponenten.
    • Den kan finnas på Azure eller någon annan molnplattform, eller till och med köras lokalt.
    • Servern kan utvecklas med hjälp av olika programmeringsspråk och ramverk, beroende på utvecklarens krav och inställningar.

Det finns två huvudscenarier för att skapa en egen MCP-server:

  • Du skapar MCP-servrar som använder funktioner från befintliga MCP-servrar. I det här fallet anropar servern befintliga MCP Server-verktygskommandon direkt.

    Du kan till exempel skapa en anpassad Cosmos DB MCP-server som använder verktyg från Azure MCP Server. Med det här scenariot kan du skapa en ny server som använder befintliga funktioner och lägger till egna anpassade funktioner.

  • Du skapar en anpassad MCP-server som erbjuder egna verktyg, resurser och frågor om dina specifika behov. Med det här scenariot kan du skapa en anpassad upplevelse för dina användare medan du fortfarande använder AI.

    Du kan till exempel skapa en anpassad MCP-server som tillhandahåller verktyg för att hantera ett internt inventeringssystem. Den här servern kan ha verktyg för att söka, lägga till och uppdatera inventeringsobjekt och resurser som ger information om inventeringssystemet.