Narzędzia serwera MCP Azure dla rozszerzeń Microsoft Foundry

Przykładowe polecenie CLI

azmcp foundryextensions knowledge index list \
  --endpoint <endpoint>

Przykładowe monity obejmują:

• Wyświetl wszystkie indeksy: "Pokaż mi wszystkie indeksy wiedzy w punkcie końcowym https://my-example-resource.services.ai.azure.com/api/projects/my-project"
• Filtruj według projektu: "Wyświetl listę indeksów wiedzy w punkcie końcowym https://my-example-resource.services.ai.azure.com/api/projects/support-bot"
• Wyszukaj według nazwy: "Znajdź indeks wiedzy o nazwie product-faqs w punkcie końcowym https://my-example-resource.services.ai.azure.com/api/projects/my-project"
• Filtruj według tagu: "Wyświetlanie listy indeksów wiedzy oznaczonych etykietą security w punkcie końcowym https://my-example-resource.services.ai.azure.com/api/projects/my-project"
• Pokaż szczegóły indeksu: "Pokaż szczegóły indeksu customer-service wiedzy w punkcie końcowym https://my-example-resource.services.ai.azure.com/api/projects/my-project"

Przykładowe polecenie CLI

azmcp foundryextensions knowledge index schema \
  --index <index> \
  --endpoint <endpoint>

Przykładowe monity obejmują:

• Wyświetlanie schematu indeksu: "Pokaż mi schemat indeksu product-facts wiedzy w punkcie końcowym https://my-example-resource.services.ai.azure.com/api/projects/my-project"

Przykładowe polecenie 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 <TRUE|FALSE>] \
  [--seed <seed>] \
  [--user <user>]

Przykładowe monity obejmują:

• Proste powitanie: "Utwórz dopełnienie czatu z tablicy komunikatów [{"role":"user","content":"Hello, how are you today?"}] przy użyciu wdrożenia gpt-35-turbo dla zasobu openai-prod"
• Z komunikatem systemowym: "Utwórz uzupełnienie czatu z komunikatem systemowym You are a helpful assistant i komunikatem użytkownika Explain quantum computing przy użyciu wdrożenia gpt-35-turbo w zasobie openai-west"
• Steruj kreatywnością: "Generuj uzupełnienie czatu dla Write a creative story przy użyciu wdrożenia gpt-4 z parametrem temperatury 0,8 i maksymalnie 150 tokenami w ramach zasobu ai-central"
• Deterministyczna odpowiedź: "Utwórz uzupełnienie czatu z komunikatem List 5 facts about Mars za pomocą wdrożenia gpt-35-turbo z temperaturą 0.1 i ziarnem 12345 w zasobie ai-services-prod"
• Konwersacja z historią: "Kontynuuj uzupełnianie czatu za pomocą wiadomości: system You are a coding assistant, użytkownik How do I create a function in Python?, asystent Here's how..., użytkownik Can you show an example? korzystający z wdrożenia gpt-4 w zasobie dev-openai"
• Z karami za powtarzanie: "Utwórz uzupełnienie dla Describe the benefits of cloud computing przy użyciu wdrożenia gpt-35-turbo ze współczynnikiem kary za częstotliwość 0,5 i współczynnikiem kary za obecność 0,3 w zasobie ai-services-main"
• Odpowiedź strumieniowa: "Wygeneruj strumieniowe uzupełnienie czatu dla Explain machine learning step by step przy użyciu wdrożenia gpt-4 z parametrem stream ustawionym na true w zasobie openai-research"
• Z sekwencjami zatrzymania: "Utwórz uzupełnienie dla Count from 1 to 10 przy użyciu wdrożenia gpt-35-turbo z sekwencjami zatrzymania ['5', 'STOP'] w zasobie ai-test"
• Śledzenie użytkownika: "Wygeneruj uzupełnienie dla What is Azure AI? przy użyciu wdrożenia gpt-4 z identyfikatorem użytkownika user-123 w zasobie prod-openai"
• Precyzyjna kontrola: "Utwórz ukończenie czatu dla Summarize this article przy użyciu wdrożenia gpt-35-turbo z temperaturą 0,2, top_p 0,9, maksymalnie 200 tokenami i uwierzytelnianiem AAD dla zasobu secure-ai"

Przykładowe polecenie 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>]

Przykładowe monity obejmują:

• Podstawowe osadzanie tekstu: "Wygeneruj osadzenia tekstu Azure OpenAI Service za pomocą wdrożenia text-embedding-ada-002 w grupie zasobów my-resource-group."
• Tworzenie osadzeń wektorowych: "Utwórz osadzenia wektorowe dla mojego tekstu przy użyciu usługi Azure OpenAI z wdrożeniem text-embedding-3-large w zasobie ai-services-prod w grupie zasobów my-resource-group."
• Osadzanie dokumentów: "Wygeneruj osadzenia dla Machine learning revolutionizes data analysis, używając wdrożenia ada-002 w zasobie my-resource-group w grupie zasobów embedding-service."
• Wiele zdań: "Utwórz osadzenia dla tekstu Cloud computing provides scalable infrastructure. It enables global accessibility. przy użyciu wdrożenia osadzania w grupie zasobów my-resource-group."
• Z śledzeniem użytkownika: "Wygeneruj osadzenia dla Natural language processing applications, używając wdrożenia text-embedding-3-small i identyfikatora użytkownika analytics-team w grupie zasobów my-resource-group."
• Określone wymiary: "Utwórz osadzenia dla Artificial intelligence transforms business operations przy użyciu wdrożenia text-embedding-3-large o wymiarach 1536 w zasobie my-resource-group w grupie zasobów ai-central."
• Format base64: "Wygeneruj osadzenia dla Deep learning neural networks za pomocą wdrożenia ada-002 w formacie kodowania Base64 w zasobie ml-services w grupie zasobów my-resource-group."
• Tekst badawczy: "Utwórz osadzenia wektorowe dla Quantum computing demonstrates computational advantages in specific algorithms, używając mojego wdrożenia modelu osadzania tekstu w grupie zasobów my-resource-group."
• Opis produktu: "Wygeneruj osadzenia dla High-performance laptop with advanced graphics processing unit, używając wdrożenia text-embedding-3-small w zasobie product-ai w grupie zasobów my-resource-group."
• Dokumentacja techniczna: "Utwórz osadzenia dla API authentication requires valid credentials and proper authorization headers przy użyciu wdrożenia ada-002 z kodowaniem zmiennoprzecinkowym w zasobie my-resource-group w grupie zasobów docs-embedding."

Przykładowe polecenie 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>]

Przykładowe monity obejmują:

• Podstawowe uzupełnianie: "Utwórz uzupełnienie za pomocą monitu What is Azure? przy użyciu mojego wdrożenia gpt-35-turbo w grupie zasobów my-resource-group"
• Z kontrolą temperatury: "Wygeneruj uzupełnienie tekstu dla Explain machine learning przy użyciu wdrożenia text-davinci-003 z temperaturą 0,3 w grupie zasobów my-resource-group"
• Limit tokenów: "Utwórz uzupełnienie dla monitu Write a summary przy użyciu wdrożenia gpt-4 z maksymalnym limitem 100 tokenów w grupie zasobów my-resource-group"
• Twórcze pisanie: "Wygeneruj uzupełnienie dla Tell me a story about AI przy użyciu wdrożenia gpt-35-turbo z temperaturą 0,8 i maksymalnie 200 tokenami w grupie zasobów my-resource-group"
• Wyjaśnienie techniczne: "Utwórz zakończenie przy użyciu monitu How does cloud computing work? z użyciem mojego zasobu OpenAI ai-services-east i wdrożenia gpt-4 w grupie zasobów my-resource-group"

Przykładowe polecenie CLI

azmcp foundryextensions openai models-list \
  --resource-name <resource-name> \
  --resource-group <resource-group>

Przykładowe monity obejmują:

• Wyświetl wszystkie modele: "Wyświetl wszystkie wdrożone modele OpenAI w moim ai-services-prod zasobie w grupie my-resource-groupzasobów".
• Sprawdź wdrożenia: "Pokaż wszystkie wdrożone modele i ich stan w zasobie w grupie my-resource-groupzasobówopenai-east".
• Spis produkcyjny: "Jakie modele są wdrażane w moim production-openai zasobie w grupie my-resource-groupzasobów?"
• Kontrola programistyczna: "Wyświetl listę wszystkich wdrożeń modelu w moim zasobie dev-ai-services w grupie zasobów my-resource-group."
• Możliwości modeli: "Pokaż mi wszystkie wdrożone modele OpenAI wraz z ich możliwościami w zasobie my-resource-group w grupie zasobów ai-central."
• Stan wdrożenia: "Jaki jest bieżący stan wszystkich wdrożeń w moim openai-west zasobie w grupie my-resource-groupzasobów?"
• Modele regionalne: "Wyświetl listę wszystkich modeli wdrożonych w moim europe-openai zasobie w grupie my-resource-groupzasobów".
• Omówienie usługi: "Daj mi pełny przegląd wdrożeń modelu w zasobie customer-ai w grupie my-resource-groupzasobów".
• Wersje modelu: "Pokaż mi wszystkie wdrożone wersje modelu w moim ai-services-main zasobie w grupie my-resource-groupzasobów".
• Inspekcja zasobów: "Chcę przeprowadzić inspekcję wszystkich wdrożeń modelu OpenAI w zasobie enterprise-ai w grupie my-resource-groupzasobów".

Przykładowe polecenie CLI

azmcp foundryextensions resource get \
  [--resource-name <resource-name>]

Przykładowe monity obejmują:

• Pobierz określony zasób: "Pokaż szczegóły zasobu ai-foundry-prod Foundry"
• Wyświetl listę wszystkich zasobów: "Jakie zasoby usługi Foundry mam w mojej subskrypcji?"
• Zasób z konfiguracją: "Pobierz adres URL punktu końcowego, lokalizację i informacje o jednostce SKU dla mojego zasobu customer-ai-foundry Foundry"