Azure MCP サーバーを使用すると、自然言語プロンプトを使用して、Microsoft Foundry Extensions リソースを管理できます。これには、チャットとテキスト入力候補の作成、埋め込みの生成、モデルの一覧表示、ナレッジ インデックスの操作が含まれます。
Microsoft Foundry は、Azureでカスタム AI モデルをデプロイおよび管理するためのプラットフォームです。 運用環境での AI モデルのトレーニング、微調整、デプロイ、監視のためのツールとサービスを提供します。
ナレッジ インデックス コマンドには、Microsoft Foundry プロジェクトのエンドポイントが必要です。 OpenAI コマンドには、リソース名とリソース グループが必要です。 resource get コマンドでは、リソース名を指定せずにリソースを一覧表示できます。
Note
Tool パラメーター: Azure MCP サーバー ツールは、タスクを完了するために必要なデータのパラメーターを定義します。 これらのパラメーターの一部は、各ツールに固有であり、ここに記載されています。 その他のパラメーターはグローバルであり、すべてのツールで共有されます。 詳細については、「 ツールパラメーター」を参照してください。
ナレッジ: ナレッジ インデックスを一覧表示する
Foundry からナレッジ インデックスの一覧を取得します。
- Foundry プロジェクト内で作成されたナレッジ インデックスを検索します。
- 知識の取得と RAG アプリケーションには、これらのインデックスを AI エージェントと共に使用します。
- 新しいインデックスを作成したり、既存のインデックスを更新したりすると、リストが更新されます。
CLI コマンドの例
azmcp foundryextensions knowledge index list \
--endpoint <endpoint>
| Parameter |
タイプ |
Required |
Description |
endpoint |
文字列 |
はい |
Microsoft Foundry プロジェクトまたはサービスのエンドポイント URL。 エンドポイントは、 https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>というパターンに従います。 |
プロンプトの例を次に示します。
-
すべてのインデックスを表示する: "エンドポイント
https://my-example-resource.services.ai.azure.com/api/projects/my-projectですべてのナレッジ インデックスを表示する"
-
プロジェクトでフィルター処理する: "エンドポイント
https://my-example-resource.services.ai.azure.com/api/projects/support-botでナレッジ インデックスを一覧表示する"
-
名前で検索: "エンドポイント
https://my-example-resource.services.ai.azure.com/api/projects/my-project で product-faqs という名前のナレッジ インデックスを検索する"
-
タグでフィルター処理する: "エンドポイント
https://my-example-resource.services.ai.azure.com/api/projects/my-projectでsecurityでタグ付けされたナレッジ インデックスを一覧表示する"
-
インデックスの詳細を表示する: "エンドポイント
https://my-example-resource.services.ai.azure.com/api/projects/my-projectでcustomer-serviceナレッジ インデックスの詳細を表示する"
| Parameter |
必須または省略可能 |
Description |
|
エンドポイント |
Required |
Microsoft Foundry プロジェクトまたはサービスのエンドポイント URL。 エンドポイントは、 https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>というパターンに従います。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
ナレッジ: インデックス スキーマを取得する
Foundry から特定のナレッジ インデックスの詳細なスキーマ構成を取得します。
この操作では、フィールド定義、データ型、検索可能な属性、その他のスキーマ プロパティなど、ナレッジ インデックスの構造と構成に関する包括的な情報が表示されます。 このスキーマ情報を使用して、検索のためにデータのインデックス構造とインデックスを作成する方法を理解します。
CLI コマンドの例
azmcp foundryextensions knowledge index schema \
--index <index> \
--endpoint <endpoint>
| Parameter |
タイプ |
Required |
Description |
index |
文字列 |
はい |
ナレッジ インデックスの名前。 |
endpoint |
文字列 |
はい |
Microsoft Foundry プロジェクトまたはサービスのエンドポイント URL。 エンドポイントは、 https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>というパターンに従います。 |
プロンプトの例を次に示します。
-
インデックス スキーマの表示: "エンドポイント
https://my-example-resource.services.ai.azure.com/api/projects/my-projectでナレッジ インデックスproduct-factsのスキーマを表示する"
| Parameter |
必須または省略可能 |
Description |
|
インデックス |
Required |
ナレッジ インデックスの名前。 |
|
エンドポイント |
Required |
Microsoft Foundry プロジェクトまたはサービスのエンドポイント URL。 エンドポイントは、 https://<foundry-resource-name>.services.ai.azure.com/api/projects/<project-name>というパターンに従います。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
OpenAI: チャットの回答を生成する
Foundry で Azure OpenAI を使用してチャット補完を作成する。 Foundry リソースにデプロイAzure OpenAI チャット モデルにメッセージを送信し、AI によって生成された会話応答を受信します。 メッセージ履歴、システム命令、応答のカスタマイズを使用した複数ターンの会話をサポートします。
CLI コマンドの例
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 |
タイプ |
Required |
Description |
resource-name |
文字列 |
はい |
Microsoft Foundry リソースの名前。 |
deployment |
文字列 |
はい |
デプロイの名前。 |
message-array |
文字列 |
はい |
会話内のメッセージの JSON 配列。 各メッセージには、 role プロパティと content プロパティが必要です。 |
resource-group |
文字列 |
はい |
Azure リソース グループ名です。 |
max-tokens |
文字列 |
不要 |
完了時に生成するトークンの最大数。 |
temperature |
文字列 |
不要 |
出力のランダム性を制御します。 値を小さくすると、より決定的になります。 |
top-p |
文字列 |
不要 |
核サンプリング (0.0 ~ 1.0) を使用して多様性を制御します。 既定値は 1.0 です。 |
frequency-penalty |
文字列 |
不要 |
頻度が (-2.0, 2.0) の場合、新しいトークンにペナルティを与えます。 既定値は 0 です。 |
presence-penalty |
文字列 |
不要 |
存在度に応じて (-2.0 から 2.0)、新しいトークンに減点します。 既定値は 0 です。 |
stop |
文字列 |
不要 |
API がさらにトークンの生成を停止する最大 4 つのシーケンス。 |
stream |
文字列 |
不要 |
部分的な進行状況をストリーム バックするかどうか。 既定値は falseです。 |
seed |
文字列 |
不要 |
指定した場合、システムは決定論的にサンプリングするためのベスト エフォートを行います。 |
user |
文字列 |
不要 |
追跡と不正使用の監視用のユーザー識別子。 |
プロンプトの例を次に示します。
-
簡単な応答: "リソース
openai-prod のデプロイ gpt-35-turboを使用して、メッセージ配列[{"role":"user","content":"Hello, how are you today?"}]でチャットの完了を作成する"
-
システム メッセージを使用: "リソース
Explain quantum computing 上のデプロイ You are a helpful assistant を使用して、システム メッセージ openai-west とユーザー メッセージ gpt-35-turbo でチャット補完を作成する"
-
創造性を制御する: 「リソース
ai-central 上で、温度 0.8、最大 150 トークンを設定した展開 gpt-4 を使用して、Write a creative story のチャット完了文を生成する」
-
決定論的応答: 「リソース
ai-services-prod に対し、温度 0.1、シード 12345 を指定した展開 gpt-35-turbo を使用して、メッセージ List 5 facts about Mars によるチャット補完を作成する」
-
履歴との会話: "メッセージを使用してチャットの完了を続ける: システム
You are a coding assistant、ユーザー How do I create a function in Python?、アシスタント Here's how...、リソース dev-openaiでのデプロイ gpt-4を使用したユーザー Can you show an example?"
-
繰り返しに対するペナルティ: 「リソース
ai-services-main に対して、頻度ペナルティ 0.5 および存在ペナルティ 0.3 を適用した展開 gpt-35-turbo を使用して、Describe the benefits of cloud computing の完了を作成する」
-
ストリーミング応答: "リソース
openai-research で stream true のデプロイ gpt-4を使用して、Explain machine learning step by stepのストリーミング チャットの完了を生成する"
-
停止シーケンスを使用する場合: "リソース
Count from 1 to 10 で、デプロイ ['5', 'STOP'] を使用し、停止シーケンス gpt-35-turbo を指定して ai-test の補完を作成する"
-
ユーザー追跡: "リソース
What is Azure AI? 上で、ユーザー識別子 gpt-4 を使用し、デプロイ user-123 で prod-openai の完了を生成する"
-
きめ細かな制御: "温度 0.2、top_p 0.9、最大トークン数 200、リソース
secure-ai での AAD 認証を使用し、デプロイ Summarize this article で gpt-35-turbo 用のチャット補完を作成する"
| Parameter |
必須または省略可能 |
Description |
|
リソース名 |
Required |
Microsoft Foundry リソースの名前。 |
|
デプロイ |
Required |
Foundry モデル デプロイの名前。 |
|
メッセージ配列 |
Required |
会話内のメッセージの JSON 配列。 各メッセージには、 role プロパティと content プロパティが必要です。 |
|
リソース グループ |
Required |
Azure リソース グループ名です。 |
|
最大トークン数 |
Optional |
完了時に生成するトークンの最大数。 |
|
気温 |
Optional |
出力のランダム性を制御します。 値を小さくすると、より決定的になります。 |
|
上位 p |
Optional |
核サンプリング (0.0 ~ 1.0) を使用して多様性を制御します。 既定値は 1.0 です。 |
|
頻度のペナルティ |
Optional |
頻度が (-2.0, 2.0) の場合、新しいトークンにペナルティを与えます。 既定値は 0 です。 |
|
プレゼンスペナルティ |
Optional |
存在度に応じて (-2.0 から 2.0)、新しいトークンに減点します。 既定値は 0 です。 |
|
止める |
Optional |
API がそれ以上のトークンの生成を停止する、最大 4 つのシーケンス。 |
|
Stream |
Optional |
部分的な進行状況をストリーム バックするかどうか。 既定値は false です。 |
|
シード |
Optional |
指定した場合、システムは決定論的にサンプリングするためのベスト エフォートを行います。 |
|
User |
Optional |
追跡と不正使用の監視用のユーザー識別子。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI: 埋め込みを作成する
Foundry Azure OpenAI を使用して埋め込みを作成します。 セマンティック検索、類似性の比較、クラスタリング、機械学習のために Foundry リソースの Azure OpenAI デプロイを使用して、テキストからベクター埋め込みを生成します。
CLI コマンドの例
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 |
タイプ |
Required |
Description |
resource-name |
文字列 |
はい |
Microsoft Foundry リソースの名前。 |
deployment |
文字列 |
はい |
デプロイの名前。 |
input-text |
文字列 |
はい |
埋め込みを生成するためのテキスト入力。 |
resource-group |
文字列 |
はい |
Azure リソース グループ名です。 |
user |
文字列 |
不要 |
追跡と不正使用の監視用のユーザー識別子。 |
encoding-format |
文字列 |
不要 |
埋め込みを返す形式 (float または base64)。 |
dimensions |
文字列 |
不要 |
埋め込み出力のディメンションの数。 一部のモデルでのみサポートされます。 |
プロンプトの例を次に示します。
-
基本的なテキスト埋め込み: "リソース グループ
my-resource-groupで text-embedding-ada-002 デプロイを使用してテキスト Azure OpenAI Serviceの埋め込みを生成する"
-
ベクター埋め込みを作成: "リソース グループ
text-embedding-3-large 内のリソース ai-services-prod 上の Azure OpenAI でデプロイ my-resource-group を使用して、テキストのベクター埋め込みを作成します。"
-
ドキュメントの埋め込み: "リソース グループ
my-resource-group内のリソース embedding-serviceにデプロイ ada-002を使用して、Machine learning revolutionizes data analysisの埋め込みを生成します。"
-
複数の文: "リソース グループ
Cloud computing provides scalable infrastructure. It enables global accessibility. 内の自分の埋め込みデプロイを使用して、テキスト my-resource-group の埋め込みを作成します。"
-
ユーザー追跡あり: "リソース グループ
Natural language processing applications 内で、ユーザー識別子 text-embedding-3-small を使用するデプロイ analytics-team を使用して、my-resource-group の埋め込みを生成します。"
-
特定の次元: "リソース グループ
Artificial intelligence transforms business operations のリソース text-embedding-3-large で、1536 次元のデプロイ ai-central を使用して my-resource-group の埋め込みを作成する。"
-
Base64 形式: "リソース グループ
my-resource-group内のリソース ml-servicesで base64 エンコード形式のデプロイ ada-002を使用して、Deep learning neural networksの埋め込みを生成します。"
-
研究テキスト: "リソース グループ
Quantum computing demonstrates computational advantages in specific algorithms 内の自分のテキスト埋め込みデプロイを使用して、my-resource-group のベクター埋め込みを作成する"
-
製品の説明: "リソース グループ
my-resource-group内のリソース product-aiにデプロイ text-embedding-3-smallを使用して、High-performance laptop with advanced graphics processing unitの埋め込みを生成します。"
-
技術ドキュメント: "リソース グループ
API authentication requires valid credentials and proper authorization headers 内のリソース ada-002 上で、float エンコーディングのデプロイ docs-embedding を使用して my-resource-group の埋め込みを作成する。"
| Parameter |
必須または省略可能 |
Description |
|
リソース名 |
Required |
Microsoft Foundry リソースの名前。 |
|
デプロイ |
Required |
Foundry モデル デプロイの名前。 |
|
入力テキスト |
Required |
埋め込みを生成するためのテキスト入力。 |
|
リソース グループ |
Required |
Azure リソース グループ名です。 |
|
User |
Optional |
追跡と不正使用の監視用のユーザー識別子。 |
|
エンコード形式 |
Optional |
埋め込みを返す形式 (float または base64)。 |
|
ディメンション |
Optional |
埋め込み出力のディメンションの数。 一部のモデルでのみサポートされます。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI: 入力補完を作成する
Foundry Azure OpenAI を使用してテキスト補完を作成します。 Foundry リソースにデプロイされた OpenAI モデルAzureにプロンプトまたは質問を送信し、生成されたテキスト回答を受け取ります。 補完を作成する必要がある場合、AI が生成したコンテンツを取得する場合、質問への回答を生成する場合、または任意の入力プロンプトに基づいて Azure OpenAI からテキスト補完を生成する場合は、この機能を使用します。 温度トークンと最大トークンを使用したカスタマイズをサポートします。
CLI コマンドの例
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 |
タイプ |
Required |
Description |
deployment |
文字列 |
はい |
デプロイの名前。 |
prompt-text |
文字列 |
はい |
完了モデルに送信するプロンプト テキスト。 |
resource-name |
文字列 |
はい |
Microsoft Foundry リソースの名前。 |
resource-group |
文字列 |
はい |
Azure リソース グループ名です。 |
max-tokens |
文字列 |
不要 |
完了時に生成するトークンの最大数。 |
temperature |
文字列 |
不要 |
出力のランダム性を制御します。 値を小さくすると、より決定的になります。 |
プロンプトの例を次に示します。
-
基本的な補完: 「リソースグループ
my-resource-group 内の gpt-35-turbo 展開を使用して、プロンプト What is Azure? に基づくコンプリートを作成する」
-
温度制御付き: "リソース グループ
Explain machine learning で、温度 0.3 のデプロイ text-davinci-003 を使用して my-resource-group のテキスト補完を生成する"
-
制限付きトークン: 「リソースグループ
my-resource-group 内で、gpt-4 展開を使用し、プロンプト Write a summary に基づいて、最大 100 トークン以内のコンプリートを作成する」
-
クリエイティブ ライティング: 「リソースグループ
my-resource-group において、温度 0.8、最大トークン数 200 の設定で、展開 gpt-35-turbo を使用して Tell me a story about AI の補完を生成する」
-
技術的な説明: 「リソースグループ
my-resource-group 内の OpenAI リソース ai-services-east と展開 gpt-4 を使用して、プロンプト How does cloud computing work? による生成を完了させる」
| Parameter |
必須または省略可能 |
Description |
|
デプロイ |
Required |
デプロイの名前。 |
|
テキストの入力を求める |
Required |
完了モデルに送信するプロンプト テキスト。 |
|
リソース名 |
Required |
Microsoft Foundry リソースの名前。 |
|
リソース グループ |
Required |
Azure リソース グループ名です。 |
|
最大トークン数 |
Optional |
完了時に生成するトークンの最大数。 |
|
気温 |
Optional |
出力のランダム性を制御します。 値を小さくすると、より決定的になります。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
❌ |
❌ |
✅ |
❌ |
❌ |
OpenAI: モデルとデプロイを一覧表示する
Microsoft Foundry リソースAzure OpenAI モデルのデプロイを一覧表示します。 このツールは、モデル名、バージョン、機能、デプロイ状態など、デプロイされたモデルに関する情報を取得します。
CLI コマンドの例
azmcp foundryextensions openai models-list \
--resource-name <resource-name> \
--resource-group <resource-group>
| Parameter |
タイプ |
Required |
Description |
resource-name |
文字列 |
はい |
Microsoft Foundry リソースの名前。 |
resource-group |
文字列 |
はい |
Azure リソース グループ名です。 |
プロンプトの例を次に示します。
-
すべてのモデルを表示します。"リソース グループ
my-resource-groupの ai-services-prod リソースにデプロイされているすべての OpenAI モデルを一覧表示します。"
-
デプロイを確認します。"デプロイされているすべてのモデルとその状態をリソース グループ
my-resource-groupのリソース openai-eastに表示します。
-
運用インベントリ: "リソース グループ
my-resource-group の production-openai リソースにデプロイされるモデルは何ですか?
-
開発チェック: "リソース グループ
my-resource-groupの dev-ai-services リソース内のすべてのモデル デプロイを一覧表示する"
-
モデルの機能: "リソース グループ
my-resource-groupのリソース ai-centralで、デプロイされたすべての OpenAI モデルとその機能を表示します。"
-
デプロイの状態: "リソース グループ
my-resource-group の openai-west リソース内のすべてのデプロイの現在の状態は何ですか?
-
リージョン モデル: "リソース グループ
my-resource-groupの europe-openai リソースにデプロイされているすべてのモデルを一覧表示します。"
-
サービスの概要: "リソース グループ
my-resource-groupのリソース customer-aiでのモデル デプロイの完全な概要を説明します。"
-
モデルのバージョン: "リソース グループ
my-resource-group内の ai-services-main リソースにデプロイされたすべてのモデル バージョンを表示します。"
-
リソース監査: "リソース グループ
my-resource-group内のリソース enterprise-ai内のすべての OpenAI モデルデプロイを監査する必要があります。"
| Parameter |
必須または省略可能 |
Description |
|
リソース名 |
Required |
Microsoft Foundry リソースの名前。 |
|
リソース グループ |
Required |
Azure リソース グループ名です。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
リソース: Foundry リソースを取得する
Microsoft Foundry リソースを一覧表示または取得し、エンドポイント URL、場所、SKU、種類、プロビジョニング状態などのリソース レベルの詳細情報を返します。 リソース名を指定すると、ツールはその 1 つのリソースを返します。 それ以外の場合は、スコープ内のリソース インベントリが返されます。 Foundry リソース内のモデル デプロイ インベントリの場合は、OpenAI モデル リスト ツールを使用します。
CLI コマンドの例
azmcp foundryextensions resource get \
[--resource-name <resource-name>]
| Parameter |
タイプ |
Required |
Description |
resource-name |
文字列 |
不要 |
Microsoft Foundry リソースの名前。 |
プロンプトの例を次に示します。
-
特定のリソースを取得する: "
ai-foundry-prod Foundry リソースの詳細を表示する"
-
すべてのリソースを一覧表示します。"サブスクリプションに含まれる Foundry リソースは何ですか?
-
構成情報付きリソース: "自分の
customer-ai-foundry Foundry リソースのエンドポイント URL、場所、SKU 情報を取得する"
| Parameter |
必須または省略可能 |
Description |
|
リソース名 |
Optional |
Microsoft Foundry リソースの名前。 |
ツール注釈ヒント:
| 破壊的な |
冪等性 |
オープン ワールド |
[読み取り専用] |
Secret |
ローカル必須 |
| ❌ |
✅ |
❌ |
✅ |
❌ |
❌ |
関連コンテンツ