Azure MCP Server permet de gérer les Extensions Foundry de Microsoft, notamment la création de complétions de conversation et de texte, la génération d’incorporations, la liste de modèles, et l’utilisation d’index de connaissances, avec des invites en langage naturel.
Microsoft Foundry est une plateforme permettant de déployer et de gérer des modèles IA personnalisés dans Azure. Il fournit des outils et des services pour l’apprentissage, le réglage, le déploiement et la surveillance des modèles IA dans les environnements de production.
Les commandes d’index de connaissances nécessitent le point de terminaison de votre projet Microsoft Foundry. Les commandes OpenAI nécessitent le nom de la ressource et le groupe de ressources. La commande get de ressource peut répertorier les ressources sans fournir de nom de ressource.
Note
paramètres Tool : les outils Azure MCP Server définissent des paramètres pour les données dont ils ont besoin pour effectuer des tâches. Certains de ces paramètres sont spécifiques à chaque outil et sont documentés ici. D’autres paramètres sont globaux et partagés par tous les outils. Pour plus d’informations, consultez Paramètres de l’outil.
Connaissances : répertorier les index de connaissances
Obtenez la liste des index de connaissances de Foundry :
- Recherchez les index de connaissances créés dans les projets Foundry.
- Utilisez ces index avec des agents IA pour la récupération des connaissances et les applications RAG.
- La liste est mise à jour lorsque vous créez des index ou mettez à jour des index existants.
Exemple de commande CLI
azmcp foundryextensions knowledge index list \
--endpoint <endpoint>
| Parameter |
Type |
Required |
Description |
endpoint |
string |
Oui |
URL du point de terminaison du projet ou du service Microsoft Foundry. Le point de terminaison suit ce modèle : https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Voici quelques exemples d'instructions :
-
Afficher tous les index : « Afficher tous les index de connaissances au point de terminaison
https://my-example-resource.services.ai.azure.com/api/projects/my-project»
-
Filtrer par projet : « Répertorier les index de connaissances au point de terminaison
https://my-example-resource.services.ai.azure.com/api/projects/support-bot»
-
Recherchez par nom : « Rechercher l’index de connaissances nommé
product-faqs au point de terminaison https://my-example-resource.services.ai.azure.com/api/projects/my-project»
-
Filtrer par balise : « Répertorier les index de connaissances marqués avec
security le point de terminaison https://my-example-resource.services.ai.azure.com/api/projects/my-project»
-
Afficher les détails de l’index : « Afficher les détails de l’index de connaissances sur le
customer-service point de terminaison https://my-example-resource.services.ai.azure.com/api/projects/my-project»
| Parameter |
Obligatoire ou facultatif |
Description |
|
Point de terminaison |
Required |
URL du point de terminaison du projet ou du service Microsoft Foundry. Le point de terminaison suit ce modèle : https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
Connaissances : Obtenir le schéma d’index
Obtenez la configuration détaillée du schéma d’un index de connaissances spécifique à partir de Foundry.
Cette opération vous montre des informations complètes sur la structure et la configuration d’un index de connaissances, notamment les définitions de champs, les types de données, les attributs pouvant faire l’objet d’une recherche et d’autres propriétés de schéma. Utilisez ces informations de schéma pour comprendre comment les structures d’index et l'indexation de vos données sont organisées pour la recherche.
Exemple de commande CLI
azmcp foundryextensions knowledge index schema \
--index <index> \
--endpoint <endpoint>
| Parameter |
Type |
Required |
Description |
index |
string |
Oui |
Nom de l’index de connaissances. |
endpoint |
string |
Oui |
URL du point de terminaison du projet ou du service Microsoft Foundry. Le point de terminaison suit ce modèle : https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Voici quelques exemples d'instructions :
-
Afficher le schéma d’index : « Afficher le schéma de l’index
product-facts des connaissances au niveau du point de terminaison https://my-example-resource.services.ai.azure.com/api/projects/my-project»
| Parameter |
Obligatoire ou facultatif |
Description |
|
Index |
Required |
Nom de l’index de connaissances. |
|
Point de terminaison |
Required |
URL du point de terminaison du projet ou du service Microsoft Foundry. Le point de terminaison suit ce modèle : https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
OpenAI : Créer des complétions de chat
Créez des complétions de conversation à l’aide d’Azure OpenAI dans Foundry. Envoyez des messages à Azure modèles de conversation OpenAI déployés dans votre ressource Foundry et recevez des réponses conversationnelles générées par l’IA. Prend en charge les invites multitours avec l’historique des messages, les instructions système et la personnalisation de la réponse.
Exemple de commande CLI
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 |
Type |
Required |
Description |
resource-name |
string |
Oui |
Nom de la ressource Microsoft Foundry. |
deployment |
string |
Oui |
Le nom du déploiement. |
message-array |
string |
Oui |
Tableau JSON de messages dans la conversation. Chaque message doit avoir role et content propriétés. |
resource-group |
string |
Oui |
Le nom du groupe de ressources Azure. |
max-tokens |
string |
Non |
Nombre maximal de jetons à générer pour l'achèvement. |
temperature |
string |
Non |
Contrôle l’aléatoire dans la sortie. Les valeurs inférieures le rendent plus déterministe. |
top-p |
string |
Non |
Contrôle la diversité via l’échantillonnage du noyau (0,0 à 1,0). La valeur par défaut est 1.0. |
frequency-penalty |
string |
Non |
Attribue une pénalité aux nouveaux tokens en fonction de leur fréquence, dans une plage de -2,0 à 2,0. La valeur par défaut est 0. |
presence-penalty |
string |
Non |
Pénalise les nouveaux jetons en fonction de la présence (-2.0 à 2.0). La valeur par défaut est 0. |
stop |
string |
Non |
Jusqu’à 4 séquences où l’API cesse de générer d’autres jetons. |
stream |
string |
Non |
Indique s’il faut renvoyer la progression partielle. La valeur par défaut est false. |
seed |
string |
Non |
S’il est spécifié, le système fait un meilleur effort pour échantillonner de façon déterministe. |
user |
string |
Non |
Identificateur de l’utilisateur pour le suivi et la surveillance des abus. |
Voici quelques exemples d'instructions :
-
Salutation simple : « Créer une complétion de conversation avec le tableau de messages
[{"role":"user","content":"Hello, how are you today?"}] en utilisant le déploiement gpt-35-turbo sur la ressource openai-prod»
-
Avec le message système : « Créer une complétion de conversation avec le message système
You are a helpful assistant et le message utilisateur Explain quantum computing en utilisant le déploiement gpt-35-turbo sur la ressource openai-west »
-
Contrôler la créativité : « Générer une complétion de conversation pour
Write a creative story à l’aide du déploiement gpt-4 avec une température de 0,8 et 150 tokens maximum sur la ressource ai-central »
-
Réponse déterministe : « Créer une complétion de conversation à partir du message
List 5 facts about Mars en utilisant le déploiement gpt-35-turbo avec la température 0,1 et la valeur initiale 12345 sur la ressource ai-services-prod »
-
Conversation avec historique : « Continuer la complétion de conversation avec les messages : système
You are a coding assistant, utilisateur How do I create a function in Python?, assistant Here's how..., utilisateur Can you show an example? en utilisant le déploiement gpt-4 sur la ressource dev-openai »
-
Avec des pénalités de répétition : « Créer une complétion pour
Describe the benefits of cloud computing à l’aide du déploiement gpt-35-turbo avec une pénalité de fréquence de 0,5 et une pénalité de présence de 0,3 sur la ressource ai-services-main »
-
Réponse en continu : « Générer une complétion de conversation en continu pour
Explain machine learning step by step à l’aide du déploiement gpt-4 avec flux défini sur true sur la ressource openai-research »
-
Avec des séquences d’arrêt : « Créer une complétion pour
Count from 1 to 10 à l’aide du déploiement gpt-35-turbo avec les séquences d’arrêt ['5', 'STOP'] sur la ressource ai-test »
-
Suivi des utilisateurs : « Générer une complétion pour
What is Azure AI? à l’aide du déploiement gpt-4 avec l’identifiant utilisateur user-123 sur la ressource prod-openai »
-
Contrôle précis : « Créer une complétion de conversation pour
Summarize this article à l’aide du déploiement gpt-35-turbo avec une température de 0,2, un top_p de 0,9, un maximum de 200 jetons et l’authentification AAD sur la ressource secure-ai »
| Parameter |
Obligatoire ou facultatif |
Description |
|
Nom de la ressource |
Required |
Nom de la ressource Microsoft Foundry. |
|
Déploiement |
Required |
Nom du déploiement du modèle Foundry. |
|
Tableau de messages |
Required |
Tableau JSON de messages dans la conversation. Chaque message doit avoir role et content propriétés. |
|
Groupe de ressources |
Required |
Le nom du groupe de ressources Azure. |
|
Nombre maximal de jetons |
Optional |
Nombre maximal de jetons à générer pour l'achèvement. |
|
Température |
Optional |
Contrôle l’aléatoire dans la sortie. Les valeurs inférieures le rendent plus déterministe. |
|
top-p |
Optional |
Contrôle la diversité via l’échantillonnage du noyau (0,0 à 1,0). La valeur par défaut est 1.0. |
|
Pénalité de fréquence |
Optional |
Attribue une pénalité aux nouveaux tokens en fonction de leur fréquence, dans une plage de -2,0 à 2,0. La valeur par défaut est 0. |
|
Pénalité de présence |
Optional |
Pénalise les nouveaux jetons en fonction de la présence (-2.0 à 2.0). La valeur par défaut est 0. |
|
Arrêter |
Optional |
Jusqu’à 4 séquences dans lesquelles l’API cesse de générer d’autres jetons. |
|
Stream |
Optional |
Indique s’il faut renvoyer la progression partielle. La valeur par défaut est false. |
|
Graine |
Optional |
S’il est spécifié, le système fera un meilleur effort pour échantillonner de façon déterministe. |
|
Utilisateur |
Optional |
Identificateur de l’utilisateur pour le suivi et la surveillance des abus. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI : Créer des incorporations
Créez des incorporations à l’aide de Azure OpenAI dans Foundry. Générez des intégrations vectorielles à partir de texte grâce aux déploiements Azure OpenAI dans votre ressource Foundry pour la recherche sémantique, les comparaisons de similarité, le clustering ou le machine learning.
Exemple de commande CLI
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 |
Type |
Required |
Description |
resource-name |
string |
Oui |
Nom de la ressource Microsoft Foundry. |
deployment |
string |
Oui |
Le nom du déploiement. |
input-text |
string |
Oui |
Texte de saisie pour lequel générer des incorporations. |
resource-group |
string |
Oui |
Le nom du groupe de ressources Azure. |
user |
string |
Non |
Identificateur de l’utilisateur pour le suivi et la surveillance des abus. |
encoding-format |
string |
Non |
Le format dans lequel renvoyer les embeddings (float ou base64). |
dimensions |
string |
Non |
Nombre de dimensions pour la sortie d'intégration. Uniquement pris en charge dans certains modèles. |
Voici quelques exemples d'instructions :
-
Vectorisation de texte de base : « Générez des vectorisations pour du texte
Azure OpenAI Service à l’aide de mon déploiement text-embedding-ada-002 dans le groupe de ressources my-resource-group. »
-
Créer des incorporations vectorielles : « Créer des incorporations vectorielles pour mon texte à l’aide de Azure OpenAI avec déploiement
text-embedding-3-large sur la ressource dans le groupe my-resource-groupde ressources ai-services-prod ».
-
Vectorisation de documents : « Générer des vecteurs de représentation pour
Machine learning revolutionizes data analysis à l’aide du déploiement ada-002 sur la ressource my-resource-group dans le groupe de ressources embedding-service. »
-
Plusieurs phrases : « Créer des vecteurs d’intégration pour le texte
Cloud computing provides scalable infrastructure. It enables global accessibility. en utilisant mon déploiement de vecteurs d’intégration dans le groupe de ressources my-resource-group. »
-
Avec le suivi des utilisateurs : « Générer des incorporations pour
Natural language processing applications à l’aide du déploiement text-embedding-3-small avec l’identifiant utilisateur analytics-team dans le groupe de ressources my-resource-group. »
-
Dimensions spécifiques : « Créer des incorporations pour
Artificial intelligence transforms business operations à l’aide du déploiement text-embedding-3-large avec 1536 dimensions sur la ressource ai-central du groupe de ressources my-resource-group. »
-
Format base64 : « Générer des incorporations pour
Deep learning neural networks à l’aide du déploiement ada-002 au format d’encodage base64 sur la ressource ml-services dans le groupe de ressources my-resource-group. »
-
Texte de recherche : « Créer des intégrations vectorielles pour
Quantum computing demonstrates computational advantages in specific algorithms en utilisant mon déploiement d’intégration de texte dans le groupe de ressources my-resource-group. »
-
Description du produit : « Générer des incorporations pour
High-performance laptop with advanced graphics processing unit en utilisant le déploiement text-embedding-3-small sur la ressource product-ai dans le groupe de ressources my-resource-group. »
-
Documentation technique : « Créer des embeddings pour
API authentication requires valid credentials and proper authorization headers à l’aide du déploiement ada-002 avec l’encodage float sur la ressource my-resource-group dans le groupe de ressources docs-embedding. »
| Parameter |
Obligatoire ou facultatif |
Description |
|
Nom de la ressource |
Required |
Nom de la ressource Microsoft Foundry. |
|
Déploiement |
Required |
Nom du déploiement du modèle Foundry. |
|
Texte d’entrée |
Required |
Texte de saisie pour lequel générer des incorporations. |
|
Groupe de ressources |
Required |
Le nom du groupe de ressources Azure. |
|
Utilisateur |
Optional |
Identificateur de l’utilisateur pour le suivi et la surveillance des abus. |
|
Format d’encodage |
Optional |
Format dans lequel retourner les représentations vectorielles (float ou base64). |
|
Taille |
Optional |
Nombre de dimensions pour la sortie d'intégration. Uniquement pris en charge dans certains modèles. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI : Créez des complétions
Créez des saisies semi-automatiques de texte à l’aide de Azure OpenAI dans Foundry. Envoyez une invite ou une question à Azure modèles OpenAI déployés dans votre ressource Foundry et recevez des réponses textuelles générées. Utilisez cette fonctionnalité lorsque vous devez créer des achèvements, obtenir du contenu généré par l’IA, générer des réponses aux questions ou produire des saisies de texte à partir de Azure OpenAI en fonction de n’importe quelle invite d’entrée. Prend en charge la personnalisation avec les paramètres de température et le nombre maximal de jetons.
Exemple de commande CLI
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 |
Type |
Required |
Description |
deployment |
string |
Oui |
Le nom du déploiement. |
prompt-text |
string |
Oui |
Texte d’invite à envoyer au modèle d’achèvement. |
resource-name |
string |
Oui |
Nom de la ressource Microsoft Foundry. |
resource-group |
string |
Oui |
Le nom du groupe de ressources Azure. |
max-tokens |
string |
Non |
Nombre maximal de jetons à générer pour l'achèvement. |
temperature |
string |
Non |
Contrôle l’aléatoire dans la sortie. Les valeurs inférieures le rendent plus déterministe. |
Voici quelques exemples d'instructions :
-
Complétion de base : « Créer une complétion avec la requête
What is Azure? à l’aide de mon gpt-35-turbo déploiement dans le groupe de ressources my-resource-group »
-
Avec contrôle de la température : « Générer une complétion de texte pour
Explain machine learning à l’aide du déploiement text-davinci-003 avec une température de 0,3 dans le groupe de ressources my-resource-group »
-
Tokens limités : « Créer une complétion avec la requête
Write a summary à l’aide de mon gpt-4 déploiement avec un maximum de 100 tokens dans le groupe de ressources my-resource-group »
-
Écriture créative : « Générer une complétion pour
Tell me a story about AI à l’aide du déploiement gpt-35-turbo avec une température de 0,8 et 200 jetons maximum dans le groupe de ressources my-resource-group »
-
Explication technique : « Créer une complétion avec le prompt
How does cloud computing work? à l’aide de ma ressource OpenAI ai-services-east et du déploiement gpt-4 dans le groupe de ressources my-resource-group »
| Parameter |
Obligatoire ou facultatif |
Description |
|
Déploiement |
Required |
Le nom du déploiement. |
|
Texte d’invite |
Required |
Texte d’invite à envoyer au modèle d’achèvement. |
|
Nom de la ressource |
Required |
Nom de la ressource Microsoft Foundry. |
|
Groupe de ressources |
Required |
Le nom du groupe de ressources Azure. |
|
Nombre maximal de jetons |
Optional |
Nombre maximal de jetons à générer pour l'achèvement. |
|
Température |
Optional |
Contrôle l’aléatoire dans la sortie. Les valeurs inférieures le rendent plus déterministe. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI : Répertorier les modèles et les déploiements
Lister les déploiements de modèles Azure OpenAI dans une ressource Microsoft Foundry. Cet outil récupère des informations sur les modèles déployés, notamment les noms de modèles, les versions, les fonctionnalités et l’état du déploiement.
Exemple de commande CLI
azmcp foundryextensions openai models-list \
--resource-name <resource-name> \
--resource-group <resource-group>
| Parameter |
Type |
Required |
Description |
resource-name |
string |
Oui |
Nom de la ressource Microsoft Foundry. |
resource-group |
string |
Oui |
Le nom du groupe de ressources Azure. |
Voici quelques exemples d'instructions :
-
Afficher tous les modèles : « Répertorier tous les modèles OpenAI déployés dans ma
ai-services-prod ressource dans le groupe my-resource-groupde ressources ».
-
Vérifier les déploiements : « Afficher tous les modèles déployés et leur état dans la ressource dans le groupe
my-resource-groupde ressources openai-east ».
-
Inventaire de production : « Quels modèles sont déployés dans ma ressource dans le
production-openai groupe my-resource-groupde ressources ? »
-
Vérification du développement : « Répertorier tous les déploiements de modèles dans ma
dev-ai-services ressource dans le groupe my-resource-groupde ressources ».
-
Fonctionnalités de modèle : « Affichez-moi tous les modèles OpenAI déployés avec leurs fonctionnalités dans la ressource dans le groupe
my-resource-groupde ressources ai-central ».
-
État du déploiement : « Quel est l’état actuel de tous les déploiements dans ma
openai-west ressource dans le groupe my-resource-groupde ressources ? »
-
Modèles régionaux : « Répertorier tous les modèles déployés dans ma
europe-openai ressource dans le groupe my-resource-groupde ressources ».
-
Vue d’ensemble du service : « Donnez-moi une vue d’ensemble complète des déploiements de modèles dans la ressource dans le groupe
my-resource-groupde ressources customer-ai ».
-
Versions de modèle : « Afficher toutes les versions de modèle déployées dans ma ressource dans le
ai-services-main groupe my-resource-groupde ressources ».
-
Audit des ressources : « J’ai besoin d’auditer tous les déploiements de modèles OpenAI dans la ressource dans le groupe
my-resource-groupde ressources enterprise-ai ».
| Parameter |
Obligatoire ou facultatif |
Description |
|
Nom de la ressource |
Required |
Nom de la ressource Microsoft Foundry. |
|
Groupe de ressources |
Required |
Le nom du groupe de ressources Azure. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
Ressources : Obtenir la ressource Foundry
Répertoriez ou récupérez les ressources Microsoft Foundry et renvoyez des détails sur les ressources, tels que l’URL du point de terminaison, l’emplacement, le SKU, le type et l’état de provisionnement. Si vous fournissez un nom de ressource, l’outil retourne cette ressource unique. Sinon, il renvoie l’inventaire des ressources du périmètre. Pour l’inventaire des déploiements de modèles à l’intérieur d’une ressource Foundry, utilisez l’outil de liste des modèles OpenAI.
Exemple de commande CLI
azmcp foundryextensions resource get \
[--resource-name <resource-name>]
| Parameter |
Type |
Required |
Description |
resource-name |
string |
Non |
Nom de la ressource Microsoft Foundry. |
Voici quelques exemples d'instructions :
-
Obtenir une ressource spécifique : « Afficher les détails de la
ai-foundry-prod ressource Foundry »
-
Répertoriez toutes les ressources : « Que sont les ressources Foundry que j’ai dans mon abonnement ? »
-
Ressource avec configuration : « Obtenir l’URL du point de terminaison, la région et les informations sur la référence SKU de ma ressource Foundry
customer-ai-foundry »
| Parameter |
Obligatoire ou facultatif |
Description |
|
Nom de la ressource |
Optional |
Nom de la ressource Microsoft Foundry. |
Indicateurs d’annotation d’outil :
| Destructeur |
Idempotent |
Open World |
Lecture seule |
Secret |
Paramètres régionaux requis |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
Contenu connexe