将 MCP 工具与 Foundry 代理配合使用

1. 环境设置

此示例需要两个环境变量：

• AZURE_FOUNDRY_PROJECT_ENDPOINT：Azure AI Foundry 项目终结点 URL
• AZURE_FOUNDRY_PROJECT_MODEL_ID：模型部署名称（默认为“gpt-4.1-mini”）

var endpoint = Environment.GetEnvironmentVariable("AZURE_FOUNDRY_PROJECT_ENDPOINT") 
    ?? throw new InvalidOperationException("AZURE_FOUNDRY_PROJECT_ENDPOINT is not set.");
var model = Environment.GetEnvironmentVariable("AZURE_FOUNDRY_PROJECT_MODEL_ID") ?? "gpt-4.1-mini";

2. 代理配置

代理配置了特定的说明和元数据：

const string AgentName = "MicrosoftLearnAgent";
const string AgentInstructions = "You answer questions by searching the Microsoft Learn content only.";

这会创建一个专用于使用 Microsoft Learn 文档回答问题的代理。

3. MCP 工具定义

此示例创建指向托管 MCP 服务器的 MCP 工具定义：

var mcpTool = new MCPToolDefinition(
    serverLabel: "microsoft_learn",
    serverUrl: "https://free.blessedness.top/api/mcp");
mcpTool.AllowedTools.Add("microsoft_docs_search");

关键组件：

• serverLabel：MCP 服务器实例的唯一标识符
• serverUrl：托管 MCP 服务器的 URL
• AllowedTools：指定代理可以使用的 MCP 服务器中的哪些工具

4. 持久代理创建

代理是使用 Azure AI Foundry Persistent Agents SDK 在服务器端创建的：

var persistentAgentsClient = new PersistentAgentsClient(endpoint, new AzureCliCredential());

var agentMetadata = await persistentAgentsClient.Administration.CreateAgentAsync(
    model: model,
    name: AgentName,
    instructions: AgentInstructions,
    tools: [mcpTool]);

这会创建一个持久性代理，该代理：

• 驻留在 Azure AI Foundry 服务上
• 有权访问指定的 MCP 工具
• 可以跨多个交互维护聊天状态

5. 代理检索和执行

创建的代理作为 AIAgent 实例进行检索：

AIAgent agent = await persistentAgentsClient.GetAIAgentAsync(agentMetadata.Value.Id);

6. 工具资源配置

此示例使用审批设置配置工具资源：

var runOptions = new ChatClientAgentRunOptions()
{
    ChatOptions = new()
    {
        RawRepresentationFactory = (_) => new ThreadAndRunOptions()
        {
            ToolResources = new MCPToolResource(serverLabel: "microsoft_learn")
            {
                RequireApproval = new MCPApproval("never"),
            }.ToToolResources()
        }
    }
};

密钥配置：

• MCPToolResource：将 MCP 服务器实例链接到代理执行
• RequireApproval：控制何时需要用户批准工具调用
  • "never"：工具在未经批准的情况下自动执行
  • "always"：所有工具调用都需要用户批准
  • 还可以配置自定义审批规则

7. 代理执行

使用配置 MCP 工具调用代理并执行问题：

AgentThread thread = agent.GetNewThread();
var response = await agent.RunAsync(
    "Please summarize the Azure AI Agent documentation related to MCP Tool calling?", 
    thread, 
    runOptions);
Console.WriteLine(response);

8. 清理

此示例演示了适当的资源清理：

await persistentAgentsClient.Administration.DeleteAgentAsync(agent.Id);

Python Azure AI Foundry MCP 集成

Azure AI Foundry 通过 Python 代理框架与模型上下文协议 （MCP） 服务器无缝集成。 该服务管理 MCP 服务器托管和执行，消除基础结构管理，同时提供对外部工具的安全受控访问。

环境设置

通过环境变量配置 Azure AI Foundry 项目凭据：

import os
from azure.identity.aio import AzureCliCredential
from agent_framework.azure import AzureAIAgentClient

# Required environment variables
os.environ["AZURE_AI_PROJECT_ENDPOINT"] = "https://<your-project>.services.ai.azure.com/api/projects/<project-id>"
os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"] = "gpt-4o-mini"  # Optional, defaults to this

基本 MCP 集成

使用托管 MCP 工具创建 Azure AI Foundry 代理：

import asyncio
from agent_framework import HostedMCPTool
from agent_framework.azure import AzureAIAgentClient
from azure.identity.aio import AzureCliCredential

async def basic_foundry_mcp_example():
    """Basic example of Azure AI Foundry agent with hosted MCP tools."""
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentClient(async_credential=credential) as chat_client,
    ):
        # Enable Azure AI observability (optional but recommended)
        await chat_client.setup_azure_ai_observability()

        # Create agent with hosted MCP tool
        agent = chat_client.create_agent(
            name="MicrosoftLearnAgent", 
            instructions="You answer questions by searching Microsoft Learn content only.",
            tools=HostedMCPTool(
                name="Microsoft Learn MCP",
                url="https://free.blessedness.top/api/mcp",
            ),
        )

        # Simple query without approval workflow
        result = await agent.run(
            "Please summarize the Azure AI Agent documentation related to MCP tool calling?"
        )
        print(result)

if __name__ == "__main__":
    asyncio.run(basic_foundry_mcp_example())

多工具 MCP 配置

将多个托管 MCP 工具与单个代理配合使用：

async def multi_tool_mcp_example():
    """Example using multiple hosted MCP tools."""
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentClient(async_credential=credential) as chat_client,
    ):
        await chat_client.setup_azure_ai_observability()

        # Create agent with multiple MCP tools
        agent = chat_client.create_agent(
            name="MultiToolAgent",
            instructions="You can search documentation and access GitHub repositories.",
            tools=[
                HostedMCPTool(
                    name="Microsoft Learn MCP",
                    url="https://free.blessedness.top/api/mcp",
                    approval_mode="never_require",  # Auto-approve documentation searches
                ),
                HostedMCPTool(
                    name="GitHub MCP", 
                    url="https://api.github.com/mcp",
                    approval_mode="always_require",  # Require approval for GitHub operations
                    headers={"Authorization": "Bearer github-token"},
                ),
            ],
        )

        result = await agent.run(
            "Find Azure documentation and also check the latest commits in microsoft/semantic-kernel"
        )
        print(result)

if __name__ == "__main__":
    asyncio.run(multi_tool_mcp_example())

Python 代理框架提供与 Azure AI Foundry 托管的 MCP 功能的无缝集成，支持对外部工具的安全且可缩放的访问，同时保持生产应用程序所需的灵活性和控制。