Mit dem Azure MCP-Server können Sie Microsoft Foundry Extensions-Ressourcen verwalten, einschließlich der Erstellung von Chat- und Textabschlussen, das Generieren von Einbettungen, das Auflisten von Modellen und das Arbeiten mit Wissensindizes mit Anweisungen in natürlicher Sprache.
Microsoft Foundry ist eine Plattform zum Bereitstellen und Verwalten von benutzerdefinierten KI-Modellen in Azure. Sie bietet Tools und Dienste für Schulungen, Feinabstimmung, Bereitstellung und Überwachung von KI-Modellen in Produktionsumgebungen.
Wissensindexbefehle erfordern den Endpunkt Ihres Microsoft Foundry-Projekts. OpenAI-Befehle erfordern den Ressourcennamen und die Ressourcengruppe. Der Befehl "Ressourcen abrufen" kann Ressourcen auflisten, ohne einen Ressourcennamen anzugeben.
Note
Tool-Parameter: Die Azure MCP-Servertools definieren Parameter für Daten, die sie zum Ausführen von Aufgaben benötigen. Einige dieser Parameter sind für jedes Tool spezifisch und werden hier dokumentiert. Andere Parameter sind global und werden von allen Tools gemeinsam genutzt. Weitere Informationen finden Sie unter Toolparameter.
Wissen: Wissensindizes auflisten
Holen Sie sich eine Liste von Wissensindizes aus Foundry:
- Suchen Sie Wissensindizes, die in Foundry-Projekten erstellt wurden.
- Verwenden Sie diese Indizes mit KI-Agenten für den Wissensabruf und RAG-Anwendungen.
- Die Liste wird aktualisiert, während Sie neue Indizes erstellen oder vorhandene aktualisieren.
Beispiel-CLI-Befehl
azmcp foundryextensions knowledge index list \
--endpoint <endpoint>
| Parameter |
Typ |
Required |
Description |
endpoint |
string |
Ja |
Die Endpunkt-URL für das Microsoft Foundry-Projekt oder -Dienst. Der Endpunkt folgt diesem Muster: https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Beispiele für Prompts:
-
Alle Indizes anzeigen: "Alle Wissensindizes am Endpunkt
https://my-example-resource.services.ai.azure.com/api/projects/my-projectanzeigen"
-
Filtern nach Projekt: "Auflisten von Wissensindizes am Endpunkt
https://my-example-resource.services.ai.azure.com/api/projects/support-bot"
-
Suche nach Name: "Suchen des Wissensindexes, der am Endpunkt
https://my-example-resource.services.ai.azure.com/api/projects/my-projectbenannt istproduct-faqs"
-
Nach Tag filtern: "Wissensindizes auflisten, die am Endpunkt
security mit https://my-example-resource.services.ai.azure.com/api/projects/my-project gekennzeichnet sind"
-
Indexdetails anzeigen: "Details für den
customer-service Wissensindex am Endpunkt https://my-example-resource.services.ai.azure.com/api/projects/my-projectanzeigen"
| Parameter |
Erforderlich oder optional |
Description |
|
Endpunkt |
Required |
Die Endpunkt-URL für das Microsoft Foundry-Projekt oder -Dienst. Der Endpunkt folgt diesem Muster: https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
Wissen: Indexschema abrufen
Rufen Sie die detaillierte Schemakonfiguration eines bestimmten Wissensindexes aus Foundry ab.
Dieser Vorgang zeigt Ihnen umfassende Informationen zur Struktur und Konfiguration eines Wissensindexes, einschließlich Felddefinitionen, Datentypen, durchsuchbaren Attributen und anderen Schemaeigenschaften. Verwenden Sie diese Schemainformationen, um zu verstehen, wie die Indexstrukturen aufgebaut sind und Ihre Daten für die Suche indiziert werden.
Beispiel-CLI-Befehl
azmcp foundryextensions knowledge index schema \
--index <index> \
--endpoint <endpoint>
| Parameter |
Typ |
Required |
Description |
index |
string |
Ja |
Der Name des Wissensindexes. |
endpoint |
string |
Ja |
Die Endpunkt-URL für das Microsoft Foundry-Projekt oder -Dienst. Der Endpunkt folgt diesem Muster: https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Beispiele für Prompts:
-
Indexschema anzeigen: "Das Schema für Wissensindex
product-facts am Endpunkt https://my-example-resource.services.ai.azure.com/api/projects/my-projectanzeigen"
| Parameter |
Erforderlich oder optional |
Description |
|
Index |
Required |
Der Name des Wissensindexes. |
|
Endpunkt |
Required |
Die Endpunkt-URL für das Microsoft Foundry-Projekt oder -Dienst. Der Endpunkt folgt diesem Muster: https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
OpenAI: Chat-Vervollständigungsanfragen erstellen
Erstellen Sie Chatabschlusse mithilfe von Azure OpenAI in Foundry. Senden Sie Nachrichten an Azure OpenAI-Chatmodelle, die in Ihrer Foundry-Ressource bereitgestellt wurden, und empfangen Sie KI-generierte Unterhaltungsantworten. Unterstützt mehrstufige Unterhaltungen mit Verlauf der Nachrichten, Systemvorgaben und Anpassung der Antworten.
Beispiel-CLI-Befehl
azmcp foundryextensions openai chat-completions-create \
--resource-name <resource-name> \
--deployment <deployment> \
--message-array <message-array> \
--resource-group <resource-group> \
[--max-tokens <max-tokens>] \
[--temperature <temperature>] \
[--top-p <top-p>] \
[--frequency-penalty <frequency-penalty>] \
[--presence-penalty <presence-penalty>] \
[--stop <stop>] \
[--stream <stream>] \
[--seed <seed>] \
[--user <user>]
| Parameter |
Typ |
Required |
Description |
resource-name |
string |
Ja |
Der Name der Microsoft Foundry-Ressource. |
deployment |
string |
Ja |
Der Name der Bereitstellung |
message-array |
string |
Ja |
JSON-Array der Nachrichten in der Konversation. Jede Nachricht sollte die Eigenschaften role und content haben. |
resource-group |
string |
Ja |
Der Azure-Ressourcengruppenname. |
max-tokens |
string |
No |
Die maximale Anzahl von Token, die beim Abschluss generiert werden sollen. |
temperature |
string |
No |
Steuert die Zufälligkeit der Ausgabe. Niedrigere Werte machen sie deterministischer. |
top-p |
string |
No |
Kontrolliert die Vielfalt durch Kernsampling (0,0 bis 1,0). Der Standardwert ist 1.0. |
frequency-penalty |
string |
No |
Bestraft neue Token basierend auf ihrer Häufigkeit (-2,0 bis 2,0). Standard ist "0". |
presence-penalty |
string |
No |
Bestraft neue Token basierend auf der Anwesenheit (-2,0 bis 2,0). Standard ist "0". |
stop |
string |
No |
Bis zu 4 Sequenzen, bei denen die API die Generierung weiterer Token beendet. |
stream |
string |
No |
Gibt an, ob der Teilfortschritt zurückgestreamt werden soll. Die Standardeinstellung ist "false". |
seed |
string |
No |
Wenn angegeben, bemüht sich das System am besten, deterministisch zu proben. |
user |
string |
No |
Benutzerkennung für Tracking und Missbrauchserkennung. |
Beispiele für Prompts:
-
Einfache Begrüßung: "Erstellen eines Chatabschlusses mit Nachrichtenarray
[{"role":"user","content":"Hello, how are you today?"}] mithilfe der Bereitstellung gpt-35-turbo auf Ressource openai-prod"
-
Mit Systemnachricht: "Erstellen Sie eine Chatvervollständigung mit der Systemnachricht
You are a helpful assistant und der Benutzernachricht Explain quantum computing mithilfe der Bereitstellung gpt-35-turbo auf der Ressource openai-west"
-
Kreativität steuern: "Generieren Sie eine Chatvervollständigung für
Write a creative story unter Verwendung der Bereitstellung gpt-4 mit einer Temperatur von 0,8 und maximal 150 Token auf der Ressource ai-central"
-
Deterministische Antwort: "Chatabschluss mit Nachricht
List 5 facts about Mars mithilfe der Bereitstellung gpt-35-turbo mit Temperatur 0,1 und Seed 12345 auf Ressource ai-services-proderstellen"
-
Konversation mit Historie: "Chatvervollständigung mit folgenden Nachrichten fortsetzen: system
You are a coding assistant, user How do I create a function in Python?, assistant Here's how..., user Can you show an example? unter Verwendung der Bereitstellung gpt-4 für die Ressource dev-openai"
-
Mit Wiederholungsstrafen: "Vervollständigung für
Describe the benefits of cloud computing unter Verwendung der Bereitstellung gpt-35-turbo mit einer Häufigkeitsstrafe von 0,5 und einer Anwesenheitsstrafe von 0,3 für die Ressource ai-services-main erstellen"
-
Streamingantwort: "Streaming-Chatvervollständigung für
Explain machine learning step by step mit der Bereitstellung gpt-4 mit stream=true für die Ressource openai-research generieren"
-
Mit Stoppsequenzen: "Vervollständigung für
Count from 1 to 10 unter Verwendung der Bereitstellung gpt-35-turbo mit Stoppsequenzen ['5', 'STOP'] für die Ressource ai-test erstellen"
-
Benutzerverfolgung: "Vervollständigung für
What is Azure AI? unter Verwendung der Bereitstellung gpt-4 mit der Benutzerkennung user-123 für die Ressource prod-openai generieren"
-
Feinabgestimmte Steuerung: "Chatvervollständigung für
Summarize this article unter Verwendung der Bereitstellung gpt-35-turbo mit Temperatur 0,2, top_p 0,9, max. 200 Token und AAD-Authentifizierung für die Ressource secure-ai erstellen"
| Parameter |
Erforderlich oder optional |
Description |
|
Ressourcenname |
Required |
Der Name der Microsoft Foundry-Ressource. |
|
Deployment |
Required |
Der Name der Foundry-Modellimplementierung. |
|
Nachrichten-Array |
Required |
JSON-Array der Nachrichten in der Konversation. Jede Nachricht sollte die Eigenschaften role und content haben. |
|
Ressourcengruppe |
Required |
Der Azure-Ressourcengruppenname. |
|
Maximale Token |
Optional |
Die maximale Anzahl von Token, die beim Abschluss generiert werden sollen. |
|
Temperatur |
Optional |
Steuert die Zufälligkeit der Ausgabe. Niedrigere Werte machen sie deterministischer. |
|
Top-P |
Optional |
Kontrolliert die Vielfalt durch Kernsampling (0,0 bis 1,0). Der Standardwert ist 1.0. |
|
Häufigkeitsstrafe |
Optional |
Bestraft neue Token basierend auf ihrer Häufigkeit (-2,0 bis 2,0). Der Standardwert ist 0. |
|
Anwesenheitsstrafe |
Optional |
Bestraft neue Token basierend auf der Anwesenheit (-2,0 bis 2,0). Der Standardwert ist 0. |
|
Beenden |
Optional |
Bis zu vier Sequenzen, bei denen die API aufhört, weitere Token zu generieren. |
|
Stream |
Optional |
Gibt an, ob der Teilfortschritt zurückgestreamt werden soll. Der Standardwert ist false. |
|
Seed |
Optional |
Wenn angegeben, versucht das System, deterministische Proben zu nehmen. |
|
Benutzer |
Optional |
Benutzerkennung für Nachverfolgung und Missbrauchsüberwachung. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI: Erstellen von Einbettungen
Erstellen Sie Einbettungen mit Azure OpenAI in Foundry. Generieren Sie Vektoreinbettungen aus Text mithilfe von Azure OpenAI-Bereitstellungen in Ihrer Foundry-Ressource für semantische Suche, Ähnlichkeitsvergleiche, Clustering oder maschinelles Lernen.
Beispiel-CLI-Befehl
azmcp foundryextensions openai embeddings-create \
--resource-name <resource-name> \
--deployment <deployment> \
--input-text <input-text> \
--resource-group <resource-group> \
[--user <user>] \
[--encoding-format <encoding-format>] \
[--dimensions <dimensions>]
| Parameter |
Typ |
Required |
Description |
resource-name |
string |
Ja |
Der Name der Microsoft Foundry-Ressource. |
deployment |
string |
Ja |
Der Name der Bereitstellung |
input-text |
string |
Ja |
Der Eingabetext, für den Einbettungen generiert werden sollen. |
resource-group |
string |
Ja |
Der Azure-Ressourcengruppenname. |
user |
string |
No |
Benutzerkennung zur Nachverfolgung und Missbrauchserkennung. |
encoding-format |
string |
No |
Das Format für die Rückgabe von Embeddings (float oder base64). |
dimensions |
string |
No |
Die Anzahl der Dimensionen für die Einbettungsausgabe. Nur in einigen Modellen unterstützt. |
Beispiele für Prompts:
-
Einfaches Einbetten von Text: "Generieren von Einbettungen für den Text
Azure OpenAI Service mithilfe meiner text-embedding-ada-002 Bereitstellung in der Ressourcengruppe my-resource-group."
-
Vektoreinbettungen erstellen: "Erstellen Sie Vektoreinbettungen für meinen Text, indem Sie Azure OpenAI mit der Bereitstellung
text-embedding-3-large in der Ressource my-resource-group in der Ressourcengruppe ai-services-prod verwenden."
-
Dokumenteinbettung: "Generieren Sie Einbettungen für
Machine learning revolutionizes data analysis mithilfe der Bereitstellung ada-002 für die Ressource embedding-service in der Ressourcengruppe my-resource-group."
-
Mehrere Sätze: "Erstellen Sie Embeddings für den Text
Cloud computing provides scalable infrastructure. It enables global accessibility. mithilfe meiner Embedding-Bereitstellung in der Ressourcengruppe my-resource-group."
-
Mit der Benutzerverfolgung: "Einbettungen für
Natural language processing applications unter Verwendung der Bereitstellung text-embedding-3-small mit dem Benutzerbezeichner analytics-team in der Ressourcengruppe my-resource-group generieren."
-
Spezifische Dimensionen: "Erstellen Sie Einbettungen für
Artificial intelligence transforms business operations, indem Sie die Bereitstellung text-embedding-3-large mit 1536 Dimensionen in der Ressource ai-central in der Ressourcengruppe my-resource-group verwenden."
-
Base64-Format: "Einbettungen für
Deep learning neural networks unter Verwendung der Bereitstellung ada-002 mit dem Base64-Codierungsformat für die Ressource ml-services in der Ressourcengruppe my-resource-group generieren."
-
Forschungstext: "Erstellen Sie Vektoreinbettungen für
Quantum computing demonstrates computational advantages in specific algorithms mithilfe meiner Bereitstellung für Texteinbettungen in der Ressourcengruppe my-resource-group."
-
Produktbeschreibung: "Generieren Sie Einbettungen für
High-performance laptop with advanced graphics processing unit mithilfe der Bereitstellung text-embedding-3-small für die Ressource product-ai in der Ressourcengruppe my-resource-group."
-
Technische Dokumentation: "Erstellen Sie Einbettungen für
API authentication requires valid credentials and proper authorization headers, indem Sie die Bereitstellung ada-002 mit Float-Codierung für die Ressource docs-embedding in der Ressourcengruppe my-resource-group verwenden."
| Parameter |
Erforderlich oder optional |
Description |
|
Ressourcenname |
Required |
Der Name der Microsoft Foundry-Ressource. |
|
Deployment |
Required |
Der Name der Foundry-Modellimplementierung. |
|
Eingabetext |
Required |
Der Eingabetext, für den Einbettungen generiert werden sollen. |
|
Ressourcengruppe |
Required |
Der Azure-Ressourcengruppenname. |
|
Benutzer |
Optional |
Benutzerkennung zur Nachverfolgung und Missbrauchserkennung. |
|
Codierungsformat |
Optional |
Das Format zum Zurückgeben von Einbettungen in (float oder base64). |
|
Maße |
Optional |
Die Anzahl der Dimensionen für die Einbettungsausgabe. Nur in einigen Modellen unterstützt. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI: Erstellen von Vervollständigungen
Erstellen Sie Textabschlusse mithilfe von Azure OpenAI in Foundry. Senden Sie eine Eingabeaufforderung oder Frage an Azure OpenAI-Modelle, die in Ihrer Foundry-Ressource bereitgestellt wurden, und empfangen Sie generierte Textantworten. Verwenden Sie dieses Feature, wenn Sie Abschlusse erstellen, KI-generierte Inhalte abrufen, Antworten auf Fragen generieren oder Textabschlusse aus Azure OpenAI basierend auf jeder Eingabeaufforderung erstellen müssen. Unterstützt die Anpassung mit Temperatur und Höchstanzahl von Token.
Beispiel-CLI-Befehl
azmcp foundryextensions openai create-completion \
--deployment <deployment> \
--prompt-text <prompt-text> \
--resource-name <resource-name> \
--resource-group <resource-group> \
[--max-tokens <max-tokens>] \
[--temperature <temperature>]
| Parameter |
Typ |
Required |
Description |
deployment |
string |
Ja |
Der Name der Bereitstellung |
prompt-text |
string |
Ja |
Der Anforderungstext, der an das Vervollständigungsmodell gesendet werden soll. |
resource-name |
string |
Ja |
Der Name der Microsoft Foundry-Ressource. |
resource-group |
string |
Ja |
Der Azure-Ressourcengruppenname. |
max-tokens |
string |
No |
Die maximale Anzahl von Token, die beim Abschluss generiert werden sollen. |
temperature |
string |
No |
Steuert die Zufälligkeit der Ausgabe. Niedrigere Werte machen sie deterministischer. |
Beispiele für Prompts:
-
Einfache Vervollständigung: "Erstelle eine Vervollständigung mit dem Prompt
What is Azure? unter Verwendung meiner gpt-35-turbo-Bereitstellung in der Ressourcengruppe my-resource-group"
-
Mit Temperatursteuerung: "Textvervollständigung für
Explain machine learning mit der Bereitstellung text-davinci-003 und einer Temperatur von 0,3 in der Ressourcengruppe my-resource-group generieren"
-
Begrenzte Token: "Eine Vervollständigung mit Prompt
Write a summary unter Verwendung meiner gpt-4-Bereitstellung mit maximal 100 Token in der Ressourcengruppe my-resource-group erstellen"
-
Kreatives Schreiben: "Vervollständigung für
Tell me a story about AI unter Verwendung der Bereitstellung gpt-35-turbo mit einer Temperatur von 0,8 und maximal 200 Token in der Ressourcengruppe my-resource-group generieren"
-
Technische Erläuterung: "Completion mit Prompt
How does cloud computing work? unter Verwendung meiner OpenAI-Ressource ai-services-east und meiner Bereitstellung gpt-4 in der Ressourcengruppe my-resource-group erstellen"
| Parameter |
Erforderlich oder optional |
Description |
|
Deployment |
Required |
Der Name der Bereitstellung |
|
Eingabeaufforderungstext |
Required |
Der Anforderungstext, der an das Vervollständigungsmodell gesendet werden soll. |
|
Ressourcenname |
Required |
Der Name der Microsoft Foundry-Ressource. |
|
Ressourcengruppe |
Required |
Der Azure-Ressourcengruppenname. |
|
Maximale Token |
Optional |
Die maximale Anzahl von Token, die beim Abschluss generiert werden sollen. |
|
Temperatur |
Optional |
Steuert die Zufälligkeit der Ausgabe. Niedrigere Werte machen sie deterministischer. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI: Auflisten von Modellen und Bereitstellungen
Azure OpenAI-Modellbereitstellungen in einer Microsoft Foundry-Ressource auflisten. Dieses Tool ruft Informationen zu bereitgestellten Modellen ab, einschließlich Modellnamen, Versionen, Funktionen und Bereitstellungsstatus.
Beispiel-CLI-Befehl
azmcp foundryextensions openai models-list \
--resource-name <resource-name> \
--resource-group <resource-group>
| Parameter |
Typ |
Required |
Description |
resource-name |
string |
Ja |
Der Name der Microsoft Foundry-Ressource. |
resource-group |
string |
Ja |
Der Azure-Ressourcengruppenname. |
Beispiele für Prompts:
-
Alle Modelle anzeigen: "Alle bereitgestellten OpenAI-Modelle in meiner
ai-services-prod Ressource in Ressourcengruppe my-resource-groupauflisten."
-
Bereitstellungen überprüfen: "Zeigen Sie mir alle bereitgestellten Modelle und ihren Status in der Ressource
openai-east und in der Ressourcengruppe my-resource-group."
-
Produktionsbestand: "Welche Modelle werden in meiner
production-openai Ressource in der Ressourcengruppe my-resource-groupbereitgestellt?"
-
Entwicklungsüberprüfung: "Alle Modellbereitstellungen in meiner
dev-ai-services Ressource in der Ressourcengruppe my-resource-groupauflisten."
-
Modellfunktionen: "Zeige mir alle bereitgestellten OpenAI-Modelle mit ihren Funktionen in Ressource
ai-central in Ressourcengruppe my-resource-group."
-
Bereitstellungsstatus: "Was ist der aktuelle Status aller Bereitstellungen in meiner
openai-west Ressource in der Ressourcengruppe my-resource-group?"
-
Regionale Modelle: "Alle modelle auflisten, die in meiner
europe-openai Ressource in der Ressourcengruppe my-resource-groupbereitgestellt wurden."
-
Dienstübersicht: "Geben Sie mir einen vollständigen Überblick über Modellbereitstellungen in der Ressource
customer-ai in der Ressourcengruppe my-resource-group."
-
Modellversionen: "Alle bereitgestellten Modellversionen in meiner
ai-services-main Ressource in der Ressourcengruppe my-resource-groupanzeigen."
-
Ressourcenüberprüfung: "Ich muss alle OpenAI-Modellbereitstellungen in der Ressource
enterprise-ai in der Ressourcengruppe my-resource-group überprüfen."
| Parameter |
Erforderlich oder optional |
Description |
|
Ressourcenname |
Required |
Der Name der Microsoft Foundry-Ressource. |
|
Ressourcengruppe |
Required |
Der Azure-Ressourcengruppenname. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
Ressourcen: Findry-Ressource abrufen
Microsoft Foundry-Ressourcen auflisten oder abrufen und Ressourcendetails wie Endpunkt-URL, Standort, SKU, Typ und Bereitstellungsstatus zurückgeben. Wenn Sie einen Ressourcennamen angeben, gibt das Tool diese einzelne Ressource zurück. Andernfalls wird der Ressourcenbestand im Geltungsbereich zurückgegeben. Verwenden Sie für die Bestandsübersicht der Modellbereitstellungen innerhalb einer Foundry-Ressource das Tool für die OpenAI-Modellliste.
Beispiel-CLI-Befehl
azmcp foundryextensions resource get \
[--resource-name <resource-name>]
| Parameter |
Typ |
Required |
Description |
resource-name |
string |
No |
Der Name der Microsoft Foundry-Ressource. |
Beispiele für Prompts:
-
Bestimmte Ressource abrufen: "Zeig mir Details zur bestimmten
ai-foundry-prod Foundry-Ressource"
-
Auflisten aller Ressourcen: "Welche Foundry-Ressourcen habe ich in meinem Abonnement?"
-
Ressource mit Konfiguration: "Die Endpunkt-URL, den Standort und die SKU-Informationen für meine
customer-ai-foundry Foundry-Ressource abrufen"
| Parameter |
Erforderlich oder optional |
Description |
|
Ressourcenname |
Optional |
Der Name der Microsoft Foundry-Ressource. |
Tool-Anmerkungshinweise:
| Zerstörend |
Idempotent |
Offene Welt |
Nur Leseberechtigung |
Secret |
Lokal erforderlich |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
Verwandte Inhalte