Tillgängliga verktyg och exempelfrågor för Foundry MCP Server (förhandsversion)

Den här referensen dokumenterar 79 Foundry MCP Server-verktyg i 17 kategorier som låter dig hantera agenter, sessioner, verktygslådor, datauppsättningar, utvärderingar, modelldistributioner, kontinuerlig utvärdering med mera – allt via konversationsprompter i stället för API-anrop. Använd det för att utforska varje verktyg och prova exempelprompterna i ditt eget projekt.

Så här fungerar verktyg

När du skriver en fråga på naturligt språk i en MCP-kompatibel klient (till exempel GitHub Copilot agentläge) väljer språkmodellen lämpligt verktyg och formulerar de parametrar som krävs för din räkning. Du anropar inte verktyg direkt – du beskriver vad du vill ha, och modellen översätter din avsikt till ett verktygsanrop.

Varje verktyg klassificeras som läst (hämtar information) eller skriver (skapar, uppdaterar eller tar bort resurser). Skrivåtgärder påverkar liveresurser och fakturering omedelbart. Granska metodtipsen för säkerhet innan du kör skrivåtgärder.

behörigheter

Alla åtgärder körs med den autentiserade användarens behörigheter via flödet Microsoft Entra ID PåBehalf-Of. Du behöver följande roller:

Mer information finns i Role-baserad åtkomstkontroll för Microsoft Foundry.

Nyckelidentifierare

Många verktyg kräver resursidentifierare. Språkmodellen extraherar dessa från din snabbkontext, men den hjälper dig att känna till formaten:

Agenthantering

Hantera hela livscykeln för agenter i ett Foundry-projekt, inklusive skapande, anrop, containerorkestrering och borttagning.

Exempeluppmaningar:

• "Lista alla agenter i mitt Foundry-projekt."
• "Skapa en ny agent med namnet faq-agent med hjälp av modellen gpt-4o-mini."
• "Skicka "Hej, hur kan du hjälpa till?" till min customer-support-agent."
• "Starta containern för min värdbaserade agent triage-agent."
• "Kontrollera containerstatusen för triage-agent.
• "Visa agentdefinitionsschemat för promptagenter."
• "Ta bort old-test-agent från mitt projekt."

Värdbaserade agentsessioner och -filer

Skapa och hantera isolerade beräkningssessioner för värdbaserade agenter. Granska loggar och hantera filer i varje sessions filsystem.

Exempeluppmaningar:

• "Skapa en session för min värdbaserade agent data-analyst."
• "Visa en lista över sessioner för data-analyst och visa de senaste först."
• "Strömma upp till 100 loggrader från sessionen analysis-2026."
• "Ladda upp input.csv till /data/input.csv i sessionen."
• "Ladda ned /data/results.csv från sessionen."
• "Ta bort sessionen analysis-2026 och släpp dess beräkningsresurser."

Hantering av verktygslåda

Skapa, hämta, version, uppdatera och ta bort verktygslådor i ett Foundry-projekt.

Exempeluppmaningar:

• "Visa mig verktygslådan customer-support-tools ."
• "Hämta version 2 av customer-support-tools."
• "Skapa en ny version av customer-support-tools."
• "Ange version 2 av customer-support-tools som standard."
• "Ange version 1 av customer-support-tools som standard och ta sedan bort version 2."
• "Ta bort verktygslådan old-support-tools ."

Versioner av verktygslådan kan inte ändras. toolbox_version_create skapar också verktygslådan om den inte finns. För en befintlig verktygslåda ändras inte standardversionen när du skapar en version. Anropa toolbox_update med defaultVersion inställd på den nya versionen för att höja upp den. Innan du tar bort den aktuella standardversionen anger du en annan version som standard.

Datamängdshantering

Skapa, hämta, version och ladda ned utvärderingsdatauppsättningar i ett Foundry-projekt.

Exempeluppmaningar:

• "Ladda upp frågor och svar om kundsupport En datauppsättning från den här Azure Blob Storage URL:en."
• "Visa mig alla datauppsättningar i mitt Foundry-projekt."
• "Hämta information för datauppsättningen customer-support-qa version 2."
• "Visa en lista över alla versioner av min product-reviews datauppsättning."
• "Hämta en nedladdnings-URL för den senaste versionen av customer-support-qa."

Datagenereringsjobb

Skapa och hantera fristående datagenereringsjobb för utvärdering eller finjustering av data. Generera data från prompter, agenter, spårningar, datauppsättningar eller uppladdade filer.

Exempeluppmaningar:

• "Generera 100 exempel på utvärderingsfråga och svar från den här prompten."
• "Visa status för datagenereringsjobbet job-123."
• "Avbryt datagenereringsjobbet job-123."
• "Ta bort det slutförda datagenereringsjobbet job-123."

Utvärderingsåtgärder

Kör batchutvärderingar mot agenter eller datauppsättningar och jämför resultat mellan körningar.

Exempeluppmaningar:

• "Utvärdera min customer-support-agent v2 med hjälp av relevans, grund och konsekvens utvärderare."
• "Kör en batchutvärdering på min JSONL-datauppsättning med utvärderare för våld och HateUnfairness."
• "Generera 50 syntetiska testfrågor och utvärdera min agent med dem."
• "Visa alla utvärderingskörningar i mitt Foundry-projekt."
• "Jämför run-baseline-123 med behandlingskörningar run-124 och run-125."

Spårningsutvärdering

Kör konversationsutvärderingar med flera turer via agentspårningar eller explicit valda konversationer och W3C-spårnings-ID:n.

Exempeluppmaningar:

• "Utvärdera upp till fem spårningar från customer-support-agent de senaste 24 timmarna för grund och slutförande av aktiviteter."
• "Utvärdera dessa konversations-ID:t för kundnöjdhet på konversationsnivå."
• "Utvärdera dessa W3C-spårnings-ID:n med min anpassade tone-check utvärderare."

Utvärderingssviter

Skapa, version, kör, uppdatera och ta bort utvärderingspaket som grupperar datauppsättningar, målagenter och utvärderare. Du kan också generera sviter från prompter, agenter, spårningar, datauppsättningar eller uppladdade filer.

Exempeluppmaningar:

• "Skapa en utvärderingssvit med namnet support-quality för min supportdatauppsättning och agent."
• "Kör version 2 av support-quality."
• "Uppdatera visningsnamnet och taggarna för version 2 av support-quality."
• "Generera en utvärderingssvit från de senaste spårningarna för customer-support-agent."
• "Visa mig alla genereringsjobb för utvärderingssviten."

Utvärderingskatalog

Bläddra bland inbyggda utvärderare och hantera anpassade utvärderare för användning i utvärderingskörningar.

Exempeluppmaningar:

• "Visa en lista över alla inbyggda utvärderare som är tillgängliga i mitt projekt."
• "Visa mig den fullständiga definitionen av utvärderaren coherence ."
• "Skapa en anpassad frågebaserad utvärderare med namnet tone-check som poängsätter svar på en skala mellan 1 och 5."
• "Uppdatera beskrivningen av min tone-check utvärderare."
• "Ta bort version 1 av min old-evaluator."

Genereringsjobb för utvärderare

Generera utvärderare adaptivt från prompter, agenter eller datauppsättningar och övervaka eller avbryta generationsjobben.

Exempeluppmaningar:

• "Generera en utvärderare med namnet policy-compliance från den här principprompten."
• "Återskapa policy-compliance från version 2 av min supportdatauppsättning med hjälp av modelldistribution."gpt-4o
• "Visa mig alla utvärderargenereringsjobb som körs."
• "Avbryt utvärderingsgenereringsjobbet job-456."

Modellkatalog och information

Utforska modeller i foundry-modellkatalogen, hämta modellinformation och ta reda på om en modell kan distribueras till Hanterad beräkning.

Exempeluppmaningar:

• "Visa alla GPT-5.4-modeller som är tillgängliga i katalogen."
• "Lista alla Microsoft publicerade modeller med MIT-licens."
• "Få detaljerad information och kodexempel för GPT-5-mini."
• "Visa modeller som annonseras för hanterad beräkning."
• "Hämta information om hanterad beräkning och distributionsmallar för openai--gpt-oss-20b."

För Hanterad beräkning isManagedCompute identifierar i model_catalog_list en annonserad kandidat. Bekräfta distributionen med model_details_get: isFoundryManagedCompute är den auktoritativa signalen och de lösta distributionsmallarna identifierar tillgängliga distributionsalternativ och acceleratorer.

Hantering av modelldistribution

Distribuera, inspektera och ta bort modelldistributioner, inklusive hanterade beräkningsdistributioner, i ett Foundry-konto.

Exempeluppmaningar:

• "Använd model_deploy_azure_direct_model för att distribuera GPT-5-mini som production-chatbot med 20 kapacitetsenheter."
• "Visa mig alla mina aktuella modelldistributioner."
• "Visa mig alla mina distributioner av hanterad beräkning."
• "Använd model_deploy_managed_compute för att distribuera openai--gpt-oss-20b som gpt-oss-managed med hjälp av dess A100_80GB distributionsmall."
• "Ta bort den old-test-deployment som jag inte längre använder."

Välj explicita verktyg för varje distributionstyp:

Använd inte det inaktuella model_deploy aliaset för nya anrop. För Hanterad beräkning använder model_catalog_list du först som kandidatsignal och anropar model_details_getsedan . Använd model_deploy_managed_compute endast när isFoundryManagedCompute är trueoch skicka en av de lösta distributionsmallarna. Använd model_deployment_get för att hämta någon av distributionstyperna och model_deployment_delete för att ta bort någon av typerna.

Modellanalys och rekommendationer

Jämför modellmått och få rekommendationer för att byta till mer kostnadseffektiva eller högkvalitativa modeller.

Exempeluppmaningar:

• "Visa benchmark-data för alla tillgängliga modeller."
• "Jämför prestandamått mellan GPT-5.4 och GPT-4."
• "Hitta modeller som liknar min aktuella GPT-4-distribution."
• "Vilka modeller skulle ge mig bättre kvalitet/kostnadsförhållande än vad jag använder nu?"

Modellövervakning och -åtgärder

Spåra distributionshälsa, övervaka mått, kontrollera utfasningsstatus och visa kvotanvändning, inklusive kvot för hanterad beräkningsaccelerator.

Exempeluppmaningar:

• "Visa mig mått för begäran för min production-chatbot distribution."
• "Kontrollera om någon av mina distributioner använder inaktuella modellversioner."
• "Visa mig kvotanvändning i alla regioner för min prenumeration."
• "Visa mig A100_80GB, H100_80GB, MI300_192GB och H200_141GB acceleratorkvot i USA, östra 2."

Projektanslutningar

Hantera anslutningar till externa tjänster (Azure OpenAI, Azure Blob Storage, sökning och andra) i ett Foundry-projekt.

Exempeluppmaningar:

• "Lista alla anslutningar i mitt Foundry-projekt."
• "Visa mig information för min azure-search anslutning."
• "Vilka anslutningstyper och autentiseringsmetoder stöds?"
• "Skapa en ny AzureOpenAI-anslutning med AAD-autentisering my-openai ."
• "Ta bort old-storage anslutningen från mitt projekt."

Optimering av fråga

Optimera systemuppmaningar och utvecklarmeddelanden för bättre LLM-prestanda.

Exempeluppmaningar:

• "Optimera min systemprompt: "Du är en användbar kundtjänstagent" med ."gpt-5.4
• "Förbättra mina agentinstruktioner för att få mer koncisa svar."
• "Förfina min optimerade fråga för att även hantera uppföljningsfrågor."

Kontinuerlig utvärdering

Aktivera, övervaka och hantera kontinuerlig utvärdering för agenter. Kontinuerlig utvärdering utvärderar automatiskt agentsvaren löpande. Verktyget identifierar agenttyp automatiskt (fråga eller värdbaserad) och konfigurerar lämplig utvärderingsmekanism – utvärderingsregler för promptagenter eller schemalagda utvärderingskörningar för värdbaserade agenter.

Exempeluppmaningar:

• "Aktivera kontinuerlig utvärdering för mina customer-support-agent utvärderingar av relevans och grundvärde."
• "Konfigurera kontinuerlig utvärdering för min värdbaserade agent triage-agent som ska köras var 2:e timme."
• "Visa mig den kontinuerliga utvärderingskonfigurationen för customer-support-agent."
• "Inaktivera kontinuerlig utvärdering för min old-test-agent."
• "Uppdatera kontinuerlig utvärdering för customer-support-agent till exempel 50% av svar."

Exempelarbetsflöden

Modelldistribution och optimering:

• "Visa modellen gpt-5.6-sol i katalogen."
• "Distribuera gpt-5.6-sol som customer-service-bot med 15 kapacitetsenheter."
• "Övervaka svarstiden för begäran för min nya distribution."
• "Rekommendera mer kostnadseffektiva alternativ baserat på aktuell användning."

Planering av hanterad beräkningskvot:

• "Använd model_quota_list för att visa min kvot för hanterad beräkningsaccelerator och användning för prenumeration <subscription-id> i USA, östra 2."
• "Jämför tillgängliga instanser för A100_80GB, H100_80GB, MI300_192GBoch H200_141GB.
• "Jag behöver fyra instanser. Identifiera vilka acceleratorer som för närvarande har tillräckligt med tillgänglig kvot och påminn mig om att kvottillgänglighet inte garanterar distributionskapacitet."
• "Innan någon distribution visar du den valda acceleratorn och antalet instanser för granskning eftersom Managed Compute allokerar fakturerbar dedikerad GPU-kapacitet."

Livscykel för distribution av hanterad beräkning:

• "Använd model_catalog_list för att hitta modeller som annonseras för Hanterad beräkning, där isManagedCompute är true."
• "För openai--gpt-oss-20banvänder du model_details_get för att bekräfta att är isFoundryManagedComputetrue, och visa dess register modelAssetId, lösta distributionsmallar och acceleratorer."
• "Använd model_quota_list för att kontrollera den valda acceleratorn i USA, östra 2 före distributionen."
• "Granska distributionsmallen, acceleratorn och instansantalet med mig. När jag har bekräftat den fakturerbara dedikerade GPU-allokeringen använder du model_deploy_managed_compute för att skapa gpt-oss-managed-test med registret modelAssetId, en löst deploymentTemplateoch den godkända instanceCount.
• "Använd model_deployment_get för att övervaka gpt-oss-managed-test och verifiera att det Kind är Managed."
• "När testningen är klar och jag bekräftar rensningen använder du model_deployment_delete för att ta bort gpt-oss-managed-test."

Arbetsflöde för agentutvärdering:

• "Lista alla agenter i mitt projekt."
• "Utvärdera min customer-support-agent v2 med hjälp av relevans, grundlighet och säkerhetsutvärderingar."
• "Jämför min baslinjeutvärdering med den nya körningen."
• "Visa jämförelseresultaten med statistisk signifikans."

Installation av kontinuerlig utvärdering:

• "Lista alla agenter i mitt projekt."
• "Aktivera kontinuerlig utvärdering för mina customer-support-agent utvärderingar med relevans, grund och säkerhet med den befintliga gpt-5.6-luna distributionen."
• "Visa mig den kontinuerliga utvärderingskonfigurationen för customer-support-agent."
• "Uppdatera kontinuerlig utvärdering till exempel 25% svar med högst 10 körningar per timme."

Resurshantering och rensning:

• "Lista alla mina aktuella distributioner och deras användning."
• "Kontrollera vilka distributioner som använder inaktuella modellversioner."
• "Visa mig min kvotanvändning i alla regioner."
• "Ta bort oanvända testdistributioner för att frigöra kapacitet."

Begränsningar i förhandsversionen

Foundry MCP Server är i offentlig förhandsversion. Följande begränsningar gäller:

• Ingen nätverksisolering – Foundry MCP Server använder den offentliga slutpunkten https://mcp.ai.azure.com. Resurser bakom Azure privata länkar är inte tillgängliga. För privat MCP-anslutning skapar du en egen MCP-server och ansluter den till Agent Service med privata nätverk.
• Datahemvist – Begäranden och svar kan bearbetas i DATACENTER i EU eller USA. Själva servern lagrar inte data, men bearbetning mellan regioner kan ske.
• Inget serviceavtal – förhandsversionsfunktioner innehåller inget serviceavtal. Använd inte servern för produktionsarbetsbelastningar som kräver garanterad tillgänglighet.
• Verktygsuppsättningen kan ändras – Verktyg, parametrar och returvärden kan ändras under förhandsgranskningsperioden utan föregående meddelande.

Mer information finns i Supplemental Terms of Use for Microsoft Azure Previews.

Vanliga fel

Mer felsökningsvägledning finns i Foundry MCP Server-säkerhet och metodtips.

Relaterat innehåll

• Kom igång med Foundry MCP Server
• Lär dig hur du skapar en egen MCP-server
• Granska metodtips för säkerhet för MCP-servrar
• Lär dig hur du skickar mcp-servern för certifiering på Microsoft MCP-servercertifieringsöversikt.