Microsoft Foundry-verktygslåda

För en tjänsthanterad FoundryAgent kopplar du verktygslådan till agentdefinitionen i Foundry. Vägledning för .NET toolbox-förbrukning på klientsidan är för närvarande inte dokumenterad.

Installera programvarupaketen

pip install agent-framework-foundry-hosting agent-framework-foundry --pre

FoundryToolbox importeras från agent_framework.foundry och tillhandahålls av agent-framework-foundry-hosting.

Konfigurera verktygslådan

Ange en explicit MCP-slutpunkt för verktygslådan:

TOOLBOX_ENDPOINT="https://<account>.services.ai.azure.com/api/projects/<project>/toolboxes/<name>/mcp?api-version=v1"

Eller låt FoundryToolbox konstruera ändpunkten:

FOUNDRY_PROJECT_ENDPOINT="https://<account>.services.ai.azure.com/api/projects/<project>"
TOOLBOX_NAME="<toolbox-name>"

Exemplen på hosted-agent använder också AZURE_AI_MODEL_DEPLOYMENT_NAME för FoundryChatClient.

Använda FoundryToolbox med en värdbaserad agent

FoundryToolbox fastställer sin slutpunkt, autentiserar varje MCP-begäran med de angivna Azure-autentiseringsuppgifterna, vidarebefordrar Foundrys anrops-ID per begäran och deltar i agentens anslutnings livscykel.

import asyncio
import os

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient, FoundryToolbox, ResponsesHostServer
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()


async def main():
    credential = DefaultAzureCredential()

    # FoundryToolbox resolves the toolbox endpoint from the environment
    # (TOOLBOX_ENDPOINT, or FOUNDRY_PROJECT_ENDPOINT + TOOLBOX_NAME), authenticates
    # every request with the credential, and transparently forwards the platform
    # per-request call-id to the toolbox. The hosting server enters the agent, which
    # connects the toolbox on first use and closes it at shutdown.
    toolbox = FoundryToolbox(credential)

    # Create the chat client
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = Agent(
        client=client,
        instructions="You are a friendly assistant. Keep your answers brief.",
        tools=toolbox,
        # History will be managed by the hosting infrastructure, thus there
        # is no need to store history by the service. Learn more at:
        # https://developers.openai.com/api/reference/resources/responses/methods/create
        default_options={"store": False},
    )

    server = ResponsesHostServer(agent)
    await server.run_async()

Exponera Toolbox-färdigheter

En verktygslåda kan exponera agentkunskaper över MCP. Ange load_tools=False när endast färdigheter ska vara modellsynliga, lägg sedan till Toolbox som ett verktyg så att dess MCP-session ansluter, och använd as_skills_provider() som en kontextleverantör.

import asyncio
import os

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient, FoundryToolbox, ResponsesHostServer
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()


async def main() -> None:
    credential = DefaultAzureCredential()

    # FoundryToolbox resolves the toolbox endpoint from the environment
    # (TOOLBOX_ENDPOINT, or FOUNDRY_PROJECT_ENDPOINT + TOOLBOX_NAME), authenticates
    # every request with the credential, and forwards the platform per-request
    # call-id. ``load_tools=False`` keeps the toolbox's tools hidden so only its
    # Agent Skills (SEP-2640) are surfaced; passing it via ``tools=`` connects the
    # MCP session that ``as_skills_provider()`` reads from.
    toolbox = FoundryToolbox(credential, load_tools=False)

    # as_skills_provider() discovers skills from skill://index.json on the toolbox
    # MCP session and exposes them as an agent context provider; SKILL.md bodies are
    # fetched on demand via resources/read. disable_load_skill_approval=True registers
    # the load_skill tool with approval_mode="never_require" so this unattended agent
    # can load skills without an approval round-trip -- the Responses host runs the
    # agent without an AgentSession, which the default approval flow requires.
    skills_provider = toolbox.as_skills_provider(disable_load_skill_approval=True)

    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = Agent(
        client=client,
        name=os.environ.get("AGENT_NAME", "hosted-toolbox-mcp-skills"),
        instructions="You are a helpful assistant.",
        tools=toolbox,
        context_providers=[skills_provider],
        # History will be managed by the hosting infrastructure, thus there
        # is no need to store history by the service. Learn more at:
        # https://developers.openai.com/api/reference/resources/responses/methods/create
        default_options={"store": False},
    )

    server = ResponsesHostServer(agent)
    await server.run_async()

Godkännande är fortfarande aktiverat som standard för kompetensåtgärder. Inaktivera endast enskilda godkännanden för betrodda, obevakade scenarier.

Använd verktygslådan med FoundryAgent

Anslut Toolbox till Prompt- eller Hosted Agent-definitionen i Foundry. FoundryAgent använder den sparade verktygskonfigurationen; att skicka Toolbox på klientsidan lägger inte till den i den hanterade agenten.

Anslut via rå MCP

Använd MCPStreamableHTTPTool direkt när programmet inte använder värdomslutningen FoundryToolbox . Ange Toolbox-slutpunkten och en Entra ID-bearertoken via header_provider.

import asyncio
import os
from collections.abc import Callable
from typing import Any, cast

from agent_framework import Agent, MCPStreamableHTTPTool
from agent_framework.foundry import FoundryChatClient
from azure.core.credentials import TokenCredential
from azure.identity import AzureCliCredential, DefaultAzureCredential, get_bearer_token_provider
from dotenv import load_dotenv
def make_toolbox_header_provider(credential: TokenCredential) -> Callable[[dict[str, Any]], dict[str, str]]:
    """Build a header_provider that injects a fresh Azure AI bearer token on every MCP request."""
    get_token = get_bearer_token_provider(credential, "https://ai.azure.com/.default")

    def provide(_kwargs: dict[str, Any]) -> dict[str, str]:
        return {
            "Authorization": f"Bearer {get_token()}",
        }

    return provide


async def main() -> None:
    credential = DefaultAzureCredential()

    toolbox_tool = MCPStreamableHTTPTool(
        name="foundry_toolbox",
        description="Tools exposed by the configured Foundry toolbox",
        url=os.environ["FOUNDRY_TOOLBOX_ENDPOINT"],
        header_provider=make_toolbox_header_provider(credential),
        load_prompts=False,
    )

    async with Agent(
        client=FoundryChatClient(
            project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
            model=os.environ["FOUNDRY_MODEL"],
            credential=credential,
        ),
        instructions="You are a helpful assistant. Use the available toolbox tools to answer the user.",
        tools=toolbox_tool,
    ) as agent:
        query = "What tools do you have access to?"
        print(f"User: {query}")
        result = await agent.run(query)
        print(f"Assistant: {result}")

Exemplet på lägre nivå använder FOUNDRY_TOOLBOX_ENDPOINT. Toolbox-färdighetsexemplet använder FOUNDRY_TOOLBOX_MCP_SERVER_URL; de här namnen hör till dessa exempel och är åtskilda från FoundryToolbox-klassens TOOLBOX_ENDPOINT- och TOOLBOX_NAME-inställningar.

Limitations

• MCP-verktyg i en verktygslåda använder autentisering på serversidan via en Foundry project_connection_id. Agent Framework-klienten innehåller inte den överordnade MCP-ägartoken.
• Att använda en verktygslåda som en MCP-server kräver klientbaserad Entra ID-autentisering för Toolbox-slutpunkten.
• Medgivandeflödessvar som CONSENT_REQUIRED hanteras medan agenten körs, inte när toolbox-anslutningen skapas.

Samples

Go tillhandahåller för närvarande ingen hjälpfunktion för Foundry Toolbox. Konfigurera verktygslådor via Foundry och använd lokala eller värdbaserade verktygsdeklarationer som stöds för Go-agenter.