Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Note
Recherche Azure AI est disponible via le portail Azure, les API REST et les SDK Azure. Il sous-tend également Foundry IQ, la couche de connaissances managée qui transforme le contenu d’entreprise en bases de connaissances réutilisables et prenant en charge les autorisations pour les agents dans le portail Microsoft Foundry.
Important
Ces fonctionnalités font partie de l’API REST 2026-08-01-preview. La préversion 2026-08-01 vous est concédée sous licence dans le cadre de votre abonnement Azure et est soumise aux conditions applicables aux « préversions » dans les Microsoft Conditions d’utilisation du produit, l’addenda sur la protection des données des produits et des services Microsoft (« DPA ») et les conditions d’utilisation supplémentaires pour les préversions Microsoft Azure.
La préversion 2026-08-01 prend en charge les connexions à d’autres services Microsoft et à des services tiers. L’utilisation de ces services est soumise à leurs conditions respectives et peut entraîner le traitement ou le stockage des données en dehors de la limite de conformité Azure, ainsi que des données entrant dans la limite de conformité Azure.
Il est de votre responsabilité de gérer si vos données circulent en dehors des limites géographiques et de conformité de votre organisation, ainsi que des implications connexes, et que les autorisations, les limites et les approbations appropriées sont provisionnés.
Les implémentations mcP sont vulnérables aux risques, tels que les attaques, les défaillances en cascade et la perte de surveillance humaine. Vous pouvez atténuer ces risques en effectuant une vérification des serveurs MCP pour la sécurité et la fiabilité, en suivant les pratiques recommandées par Microsoft et meilleures pratiques en matière d'industrie et en implémentant les mécanismes d'approbation et la surveillance des comportements en cascade.
Vous êtes responsable de l’examen et du test des applications que vous créez dans le contexte de vos cas d’usage spécifiques et de prendre toutes les décisions et personnalisations appropriées. Cela inclut l’implémentation de vos propres atténuations d’IA responsables, telles que les métaprompts, les filtres de contenu ou d’autres systèmes de sécurité, et la garantie que vos applications répondent aux normes de qualité, de fiabilité, de sécurité et de fiabilité appropriées. Pour plus d’informations, consultez la note de transparence Recherche Azure AI.
Une source de connaissances de serveur MCP (version préliminaire) permet de connecter à un pipeline de récupération agentique dans Recherche Azure AI n’importe quel système qui expose un point de terminaison compatible avec le protocole de contexte de modèle (MCP). Les sources de connaissances sont créées indépendamment, référencées dans une base de connaissances et utilisées comme données de base lorsque la base de connaissances est interrogée lors de l’exécution.
Les outils MCP exposent les données et les fonctionnalités des systèmes externes en tant que fonctions appelantes que les agents appellent au moment de la requête. Cela rend les sources de connaissances MCP Server utiles lorsque les informations dont vous avez besoin se trouvent dans des outils internes, des API tierces ou des back-ends personnalisés qui Recherche Azure AI ne prennent pas en charge en mode natif.
Contrairement aux sources de connaissances indexées, les sources de connaissances MCP Server interrogent directement les données actives au moment de la récupération. Aucun pipeline d’ingestion n’est nécessaire. Vous fournissez l’URL du serveur MCP et spécifiez les outils Recherche Azure AI peuvent appeler au moment de la requête.
Assistance à l'utilisation
| portail Azure | portail Microsoft Foundry | Kit de développement logiciel (SDK) .NET | Kit de développement logiciel (SDK) Python | SDK Java | SDK JavaScript | REST API |
|---|---|---|---|---|---|---|
| ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ |
Prerequisites
Un service Recherche Azure AI dans n’importe quelle région qui fournit une recherche agentique.
Un serveur MCP avec un ou plusieurs outils. Le serveur doit être accessible à partir de Recherche Azure AI via HTTPS. Pour les tests, vous pouvez utiliser le serveur MICROSOFT Learn MCP public à
https://learn.microsoft.com/api/mcp.Autorisation de créer des sources de connaissances. Configurez l’authentification sans clé avec le rôle Contributeur de service de recherche affecté à votre compte d’utilisateur (recommandé) ou utilisez une clé API d’administration.
Le dernier paquet
Azure.Search.Documents(préversion) :dotnet add package Azure.Search.Documents --prereleasePour l’authentification sans clé, le
Azure.Identitypackage :dotnet add package Azure.Identity
Le dernier paquet
azure-search-documents(préversion) :pip install --pre azure-search-documentsPour l’authentification sans clé, le
azure-identitypackage :pip install azure-identity
La version 2026-08-01-preview de l’API REST du service de recherche.
Pour l’authentification sans clé, incluez un jeton de Microsoft Entra ID dans l’en-tête
Authorizationde chaque requête HTTP.
Limitations et considérations
L’effort de
minimalraisonnement de recherche n’est pas pris en charge. Utilisez plutôtlowoumedium.alwaysQuerySourcen’est pas pris en charge pour les requêtes de récupération faisant référence à une source de connaissances MCP Server.Les appels d’outils de serveur MCP impliquent des demandes de réseau externe et peuvent prendre plus de temps que les requêtes de recherche classiques. Définissez
maxRuntimeInSecondssur les demandes de récupération pour donner à tous les outils configurés suffisamment de temps pour répondre.
Rechercher les sources de connaissances existantes
Une source de connaissances est un objet réutilisable de niveau supérieur. Connaître les sources de connaissances existantes est utile pour réutiliser ou nommer de nouveaux objets.
Exécutez le code suivant pour répertorier les sources de connaissances par nom et par type.
// List knowledge sources by name and type
using Azure.Search.Documents.Indexes;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);
var knowledgeSources = indexClient.GetKnowledgeSourcesAsync();
Console.WriteLine("Knowledge Sources:");
await foreach (var ks in knowledgeSources)
{
Console.WriteLine($" Name: {ks.Name}, Type: {ks.GetType().Name}");
}
Reference :SearchIndexClient
# List knowledge sources by name and type
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient
index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))
for ks in index_client.list_knowledge_sources():
print(f" - {ks.name} ({ks.kind})")
Reference :SearchIndexClient
### List knowledge sources by name and type
GET {{search-url}}/knowledgesources?api-version={{api-version}}&$select=name,kind
Authorization: Bearer {{token}}
Référence :Sources de connaissances - Liste
Vous pouvez également retourner une source de connaissances unique par nom pour passer en revue sa définition JSON.
using Azure.Search.Documents.Indexes;
using System.Text.Json;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);
// Specify the knowledge source name to retrieve
string ksNameToGet = "earth-knowledge-source";
// Get its definition
var knowledgeSourceResponse = await indexClient.GetKnowledgeSourceAsync(ksNameToGet);
var ks = knowledgeSourceResponse.Value;
// Serialize to JSON for display
var jsonOptions = new JsonSerializerOptions
{
WriteIndented = true,
DefaultIgnoreCondition = System.Text.Json.Serialization.JsonIgnoreCondition.Never
};
Console.WriteLine(JsonSerializer.Serialize(ks, ks.GetType(), jsonOptions));
Reference :SearchIndexClient
# Get a knowledge source definition
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient
import json
index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))
ks = index_client.get_knowledge_source("knowledge_source_name")
print(json.dumps(ks.as_dict(), indent = 2))
Reference :SearchIndexClient
### Get a knowledge source definition
GET {{search-url}}/knowledgesources/{{knowledge-source-name}}?api-version={{api-version}}
Authorization: Bearer {{token}}
Référence :Sources de connaissances - Obtenir
Le code JSON suivant est un exemple de réponse pour une source de connaissances mcP Server.
{
"name": "my-mcp-server-ks",
"kind": "mcpServer",
"description": "An MCP Server knowledge source.",
"resultsProcessing": "rerank",
"encryptionKey": null,
"mcpServerParameters": {
"serverURL": "https://learn.microsoft.com/api/mcp",
"authentication": null,
"tools": [
{
"name": "microsoft_docs_search",
"resultsProcessing": "none",
"maxOutputTokens": 1000,
"outputParsing": {
"kind": "auto",
"jsonParameters": null,
"splitParameters": null
}
}
]
}
}
Créer une source de connaissances
Exécutez le code suivant pour créer une source de connaissances MCP Server.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
Uri searchEndpoint = new Uri("<search-endpoint>");
DefaultAzureCredential credential = new DefaultAzureCredential();
var indexClient = new SearchIndexClient(searchEndpoint, credential);
var mcpServer = new McpServerKnowledgeSource(
"my-mcp-server-ks",
new McpServerKnowledgeSourceParameters(
"https://learn.microsoft.com/api/mcp",
new[]
{
new McpServerTool
{
Name = "microsoft_docs_search",
OutputParsing = new McpServerAutoOutputParsing(),
ResultsProcessing = KnowledgeSourceResultsProcessing.None,
MaxOutputTokens = 1000
}
}))
{
Description = "An MCP Server knowledge source.",
ResultsProcessing = KnowledgeSourceResultsProcessing.Rerank
};
await indexClient.CreateOrUpdateKnowledgeSourceAsync(mcpServer);
Reference :SearchIndexClient
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
McpServerAutoOutputParsing,
McpServerKnowledgeSource,
McpServerKnowledgeSourceParameters,
McpServerTool,
)
index_client = SearchIndexClient(
endpoint="<search-endpoint>",
credential=DefaultAzureCredential(),
)
knowledge_source = McpServerKnowledgeSource(
name="my-mcp-server-ks",
description="An MCP Server knowledge source.",
results_processing="rerank",
mcp_server_parameters=McpServerKnowledgeSourceParameters(
server_url="https://learn.microsoft.com/api/mcp",
tools=[
McpServerTool(
name="microsoft_docs_search",
output_parsing=McpServerAutoOutputParsing(),
results_processing="none",
max_output_tokens=1000,
)
],
),
)
index_client.create_or_update_knowledge_source(knowledge_source)
saved_source = index_client.get_knowledge_source(
knowledge_source.name
)
assert saved_source.results_processing == "rerank"
assert (
saved_source.mcp_server_parameters.tools[0].results_processing
== "none"
)
Reference :SearchIndexClient, McpServerKnowledgeSource, McpServerTool
### Create an MCP Server knowledge source
PUT {{search-endpoint}}/knowledgesources/my-mcp-server-ks?api-version=2026-08-01-preview
Authorization: Bearer {{search-access-token}}
Content-Type: application/json
Prefer: return=representation
{
"name": "my-mcp-server-ks",
"kind": "mcpServer",
"description": "An MCP Server knowledge source.",
"resultsProcessing": "rerank",
"encryptionKey": null,
"mcpServerParameters": {
"serverURL": "https://learn.microsoft.com/api/mcp",
"tools": [
{
"name": "microsoft_docs_search",
"outputParsing": {
"kind": "auto"
},
"resultsProcessing": "none",
"maxOutputTokens": 1000
}
]
}
}
Référence :Sources de connaissances - Créer ou mettre à jour
Options d’authentification
Si votre serveur MCP nécessite une authentification, utilisez l’une des options suivantes.
Utilisez foundryConnection uniquement lorsqu’un agent du service Foundry Agent Service invoque une base de connaissances qui inclut cette source de connaissances du serveur MCP. Dans ce flux, le service résout la connexion et injecte les informations d’identification requises lorsqu’il appelle le serveur MCP. Si vous appelez la base de connaissances directement ou à partir d’un client autre que le service Foundry Agent, foundryConnection ne fonctionne pas.
"authentication": {
"kind": "foundryConnection",
"foundryConnectionParameters": {
"connectionId": "<foundry-connection-id>"
}
}
Passer des en-têtes au moment de la requête
Si un serveur MCP nécessite des informations d’identification par demande, transmettez-les à la demande de récupération à l’aide d’en-têtes de contrôle jumelés. Cette syntaxe transfère les en-têtes au serveur MCP sans conflit avec l’en-tête Authorization ou api-key utilisé pour s’authentifier auprès de Recherche Azure AI.
Utilisez le nom de la source de connaissances comme préfixe :
| En-tête de commande | Description |
|---|---|
<knowledge-source-name>-header-name<N> |
Nom de l’en-tête HTTP à envoyer au serveur MCP. |
<knowledge-source-name>-header-value<N> |
Valeur de l’en-tête HTTP à envoyer au serveur MCP. |
<N> est un suffixe numérique facultatif qui associe plusieurs en-têtes. Par exemple, my-mcp-server-ks-header-name1 est associé à my-mcp-server-ks-header-value1.
Créez le client de récupération avec une stratégie qui ajoute les en-têtes de contrôle à la demande de récupération.
using Azure.Identity;
using Azure.Core;
using Azure.Core.Pipeline;
using Azure.Search.Documents;
using Azure.Search.Documents.KnowledgeBases;
using Azure.Search.Documents.KnowledgeBases.Models;
string knowledgeSourceName = "my-mcp-server-ks";
var options = new SearchClientOptions();
options.AddPolicy(new McpPassthroughHeaderPolicy(knowledgeSourceName), HttpPipelinePosition.PerCall);
var retrievalClient = new KnowledgeBaseRetrievalClient(
endpoint: new Uri(searchEndpoint),
knowledgeBaseName: knowledgeBaseName,
credential: credential,
options: options);
var request = new KnowledgeBaseRetrievalRequest();
request.Messages.Add(
new KnowledgeBaseMessage(new[] { new KnowledgeBaseMessageTextContent("Find Azure AI Search MCP guidance.") })
{
Role = "user"
});
request.KnowledgeSourceParams.Add(new SearchIndexKnowledgeSourceParams(knowledgeSourceName));
Response<KnowledgeBaseRetrievalResponse> response = await retrievalClient.RetrieveAsync(request);
sealed class McpPassthroughHeaderPolicy(string knowledgeSourceName) : HttpPipelineSynchronousPolicy
{
public override void OnSendingRequest(HttpMessage message)
{
message.Request.Headers.Add($"{knowledgeSourceName}-header-name", "Authorization");
message.Request.Headers.Add($"{knowledgeSourceName}-header-value", "Bearer <mcp-server-access-token>");
message.Request.Headers.Add($"{knowledgeSourceName}-header-name1", "x-custom-auth");
message.Request.Headers.Add($"{knowledgeSourceName}-header-value1", "<mcp-server-header-value>");
}
}
Transmettez les en-têtes de contrôle dans l’argument nommé headers lors de l’appel à retrieve.
from azure.search.documents.knowledgebases.models import (
KnowledgeBaseMessage,
KnowledgeBaseMessageTextContent,
KnowledgeBaseRetrievalRequest,
SearchIndexKnowledgeSourceParams,
)
knowledge_source_name = "my-mcp-server-ks"
request = KnowledgeBaseRetrievalRequest(
messages=[
KnowledgeBaseMessage(
role="user",
content=[
KnowledgeBaseMessageTextContent(
text="Find Azure AI Search MCP guidance."
)
],
)
],
knowledge_source_params=[
SearchIndexKnowledgeSourceParams(knowledge_source_name=knowledge_source_name)
],
)
result = retrieval_client.retrieve(
request,
headers={
f"{knowledge_source_name}-header-name": "Authorization",
f"{knowledge_source_name}-header-value": "Bearer <mcp-server-access-token>",
f"{knowledge_source_name}-header-name1": "x-custom-auth",
f"{knowledge_source_name}-header-value1": "<mcp-server-header-value>",
},
)
POST {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}/retrieve?api-version=2026-08-01-preview
Authorization: Bearer {{search-access-token}}
Content-Type: application/json
my-mcp-server-ks-header-name: Authorization
my-mcp-server-ks-header-value: Bearer {{mcp-server-access-token}}
my-mcp-server-ks-header-name1: x-custom-auth
my-mcp-server-ks-header-value1: {{mcp-server-header-value}}
{
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "Find Azure AI Search MCP guidance."
}
]
}
],
"knowledgeSourceParams": [
{
"knowledgeSourceName": "my-mcp-server-ks",
"kind": "mcpServer"
}
]
}
Chaque paire d’en-têtes doit inclure exactement un en-tête de contrôle de nom et un en-tête de contrôle de valeur correspondant. Les noms et valeurs d’en-tête doivent être des en-têtes de requête HTTP valides. Si un en-tête au moment de la requête utilise le même nom d’en-tête cible qu’une storedHeaders entrée, la valeur au moment de la requête remplace la valeur stockée de cette requête.
Configurer des outils
Chaque entrée du tools tableau spécifie un outil MCP autorisé, un comportement d’analyse de sortie facultatif et la façon dont les résultats de l’outil sont traités.
Utilisez resultsProcessing pour contrôler si le moteur de recherche reclasse les résultats d’un outil. Les valeurs valides sont rerank et none. Pour les mappages à partir de contrats antérieurs, consultez Migrer le code de récupération agentique vers la dernière version.
Pour chaque outil MCP, le service résout resultsProcessing dans cet ordre : la valeur de l’outil, la valeur de la requête dans knowledgeSourceParams, la valeur de la source de connaissance stockée, puis rerank. Une valeur d’outil s’applique uniquement à cet outil.
Modes d’analyse de sortie
Par défaut, le moteur de récupération applique des heuristiques automatiques (auto) pour convertir la sortie brute de l’outil MCP en documents pouvant être classés. Vous pouvez remplacer ce comportement par outil à l’aide de la outputParsing propriété.
Le auto mode ne nécessite aucune configuration. Le moteur de récupération applique des heuristiques pour analyser la sortie de l’outil.
Attribuer à une base de connaissances
Si vous êtes satisfait de la source de connaissances, ajoutez-la à une base de connaissances.
Interroger une base de connaissances
Une fois la base de connaissances configurée, appelez l’action de récupération ou le point de terminaison MCP pour interroger le contenu du serveur MCP. Les sources de connaissances MCP Server ont un comportement de récupération et des champs de réponse spécifiques à la source.
Fonctionnement de la recherche pour les sources de connaissances du serveur MCP
Au moment de la requête, le modèle de langage volumineux (LLM) configuré dans la base de connaissances passe en revue les outils configurés, sélectionne ceux à appeler en fonction de la requête utilisateur et génère les arguments de chaque appel. Recherche Azure AI appelle ensuite les outils sélectionnés sur le serveur MCP et retourne les résultats en tant que références classées.
Champs de réponse spécifiques au serveur MCP
Les sources de connaissances du serveur MCP renvoient des citations par document dans le tableau references et des diagnostics par invocation dans le tableau activity. Si la source de connaissances répertorie plusieurs outils et que le modèle sélectionne plusieurs, un enregistrement d’activité distinct apparaît pour chaque appel.
L’exemple suivant montre une réponse de récupération contenant une référence de source de connaissances MCP Server et son enregistrement d’activité correspondant. Pour obtenir des conseils plus larges sur l’interprétation des réponses de récupération, consultez Examiner la réponse.
Conseil / Astuce
Pour recevoir sourceData pour les références, définissez includeReferenceSourceData sur true dans l’entrée de source de connaissances de knowledgeSourceParams de la requête de récupération.
{
"response": [
// ... Response omitted for brevity
],
"activity": [
{
"type": "mcpServer",
"id": 1,
"knowledgeSourceName": "my-mcp-server-ks",
"queryTime": "2026-05-11T15:42:33.0888894Z",
"count": 10,
"elapsedMs": 768,
"mcpServerArguments": {
"toolName": "microsoft_docs_search",
"toolArguments": {
"query": "Azure AI Search features"
}
}
},
{
// ... Additional activity records omitted for brevity
}
],
"references": [
{
"type": "mcpServer",
"id": "0",
"activitySource": 1,
"sourceData": {
"title": "What is a knowledge source?",
"content": "..."
},
"rerankerScore": 2.96,
"toolName": "microsoft_docs_search",
"title": "my-mcp-server-ks microsoft_docs_search 1"
},
{
// ... Additional references omitted for brevity
}
]
}
Supprimer une source de connaissances
Avant de pouvoir supprimer une source de connaissances, vous devez supprimer toute base de connaissances qui la référence ou mettre à jour la définition de la base de connaissances pour supprimer la référence. Pour les sources de connaissances qui génèrent un pipeline d’index et d’indexeur, tous les objets générés sont également supprimés . Toutefois, si vous avez utilisé un index existant pour créer une source de connaissances, votre index n’est pas supprimé.
Si vous essayez de supprimer une source de connaissances en cours d’utilisation, l’action échoue et retourne une liste de bases de connaissances affectées.
Pour supprimer une source de connaissances :
Obtenez la liste de toutes les bases de connaissances sur votre service de recherche.
using Azure.Search.Documents.Indexes; var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential); var knowledgeBases = indexClient.GetKnowledgeBasesAsync(); Console.WriteLine("Knowledge Bases:"); await foreach (var kb in knowledgeBases) { Console.WriteLine($" - {kb.Name}"); }Reference :SearchIndexClient
Un exemple de réponse peut ressembler à ce qui suit :
{ "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)", "value": [ { "name": "my-kb" }, { "name": "my-kb-2" } ] }Obtenez une définition de base de connaissances individuelle pour rechercher des références à la source de connaissances.
using Azure.Search.Documents.Indexes; using System.Text.Json; var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential); // Specify the knowledge base name to retrieve string kbNameToGet = "earth-knowledge-base"; // Get a specific knowledge base definition var knowledgeBaseResponse = await indexClient.GetKnowledgeBaseAsync(kbNameToGet); var kb = knowledgeBaseResponse.Value; // Serialize to JSON for display string json = JsonSerializer.Serialize(kb, new JsonSerializerOptions { WriteIndented = true }); Console.WriteLine(json);Reference :SearchIndexClient
Un exemple de réponse peut ressembler à ce qui suit :
{ "Name": "earth-knowledge-base", "KnowledgeSources": [ { "Name": "earth-knowledge-source" } ], "Models": [ {} ], "RetrievalReasoningEffort": {}, "OutputMode": {}, "ETag": "\u00220x8DE278629D782B3\u0022", "EncryptionKey": null, "Description": null, "RetrievalInstructions": null, "AnswerInstructions": null }Supprimez la base de connaissances ou, si vous avez plusieurs sources de connaissances, mettez à jour la base de connaissances pour supprimer la source. Cet exemple montre la suppression.
using Azure.Search.Documents.Indexes; var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential); await indexClient.DeleteKnowledgeBaseAsync(knowledgeBaseName); System.Console.WriteLine($"Knowledge base '{knowledgeBaseName}' deleted successfully.");Reference :SearchIndexClient
Supprimez la source de connaissances.
await indexClient.DeleteKnowledgeSourceAsync(knowledgeSourceName); System.Console.WriteLine($"Knowledge source '{knowledgeSourceName}' deleted successfully.");Reference :SearchIndexClient
Obtenez la liste de toutes les bases de connaissances sur votre service de recherche.
# Get knowledge bases from azure.core.credentials import AzureKeyCredential from azure.search.documents.indexes import SearchIndexClient index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key")) print("Knowledge Bases:") for kb in index_client.list_knowledge_bases(): print(f" - {kb.name}")Reference :SearchIndexClient
Un exemple de réponse peut ressembler à ce qui suit :
{ "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)", "value": [ { "name": "my-kb" }, { "name": "my-kb-2" } ] }Obtenez une définition de base de connaissances individuelle pour rechercher des références à la source de connaissances.
# Get a knowledge base definition from azure.core.credentials import AzureKeyCredential from azure.search.documents.indexes import SearchIndexClient index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key")) kb = index_client.get_knowledge_base("knowledge_base_name") print(kb)Reference :SearchIndexClient
Un exemple de réponse peut ressembler à ce qui suit :
{ "name": "my-kb", "description": null, "retrievalInstructions": null, "answerInstructions": null, "outputMode": null, "knowledgeSources": [ { "name": "my-blob-ks" } ], "models": [], "encryptionKey": null, "retrievalReasoningEffort": { "kind": "low" } }Supprimez la base de connaissances ou, si vous avez plusieurs sources de connaissances, mettez à jour la base de connaissances pour supprimer la source. Cet exemple montre la suppression.
# Delete a knowledge base from azure.core.credentials import AzureKeyCredential from azure.search.documents.indexes import SearchIndexClient index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key")) index_client.delete_knowledge_base("knowledge_base_name") print(f"Knowledge base deleted successfully.")Reference :SearchIndexClient
Supprimez la source de connaissances.
# Delete a knowledge source from azure.core.credentials import AzureKeyCredential from azure.search.documents.indexes import SearchIndexClient index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key")) index_client.delete_knowledge_source("knowledge_source_name") print(f"Knowledge source deleted successfully.")Reference :SearchIndexClient
Obtenez la liste de toutes les bases de connaissances sur votre service de recherche.
### Get knowledge bases GET {{search-url}}/knowledgebases?api-version={{api-version}}&$select=name Authorization: Bearer {{token}}Référence :Bases de connaissances - Liste
Un exemple de réponse peut ressembler à ce qui suit :
{ "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)", "value": [ { "name": "my-kb" }, { "name": "my-kb-2" } ] }Obtenez une définition de base de connaissances individuelle pour rechercher des références à la source de connaissances.
### Get a knowledge base definition GET {{search-url}}/knowledgebases/{{knowledge-base-name}}?api-version={{api-version}} Authorization: Bearer {{token}}Référence :Bases de connaissances - Obtenir
Un exemple de réponse peut ressembler à ce qui suit :
{ "name": "my-kb", "description": null, "retrievalInstructions": null, "answerInstructions": null, "outputMode": null, "knowledgeSources": [ { "name": "my-blob-ks" } ], "models": [], "encryptionKey": null, "retrievalReasoningEffort": { "kind": "low" } }Supprimez la base de connaissances ou, si vous avez plusieurs sources de connaissances, mettez à jour la base de connaissances pour supprimer la source. Cet exemple montre la suppression.
### Delete a knowledge base DELETE {{search-url}}/knowledgebases/{{knowledge-base-name}}?api-version={{api-version}} Authorization: Bearer {{token}}Référence :Bases de connaissances - Supprimer
Supprimez la source de connaissances.
### Delete a knowledge source DELETE {{search-url}}/knowledgesources/{{knowledge-source-name}}?api-version={{api-version}} Authorization: Bearer {{token}}Référence :Sources de connaissances - Supprimer