Второй ход — сводка репозитория

О чём урок

Этот ноутбук демонстрирует, как создать агент Azure AI Foundry, который использует сервер Model Context Protocol (MCP) в качестве источника инструментов. MCP позволяет агенту вызывать удаленные возможности — API GitHub, внутренние базы данных или любой HTTP-сервис — без написания локальных функций Python.

Поток: Создайте AIProjectClient и получите OpenAI-совместимый клиент из Foundry. Объявите MCPTool, указывающий на размещенный сервер MCP. Зарегистрируйте версионированный агент Foundry (PromptAgentDefinition) с прикрепленным к нему инструментом. Откройте постоянную беседу и отправьте многоходовые запросы. Удалите версию агента для очистки. Предварительные условия: файл .env с AZURE_AI_PROJECT_ENDPOINT, AZURE_AI_DEPLOYMENT_NAME, MCP_SERVER_URL и MCP_CONNECTION_NAME.

Model Context Protocol — это открытый стандарт для подключения LLM к внешним серверам инструментов по HTTP. Azure AI Foundry может размещать серверы MCP и представлять их как первоклассные инструменты агента. Модель решает во время выполнения, какие инструменты вызывать и какие аргументы передавать.

• azure-ai-projects — AIProjectClient для управления агентами, подключениями и оценками Foundry.
• PromptAgentDefinition — определяет модель, инструкции и инструменты агента.
• MCPTool — объявляет удаленный сервер MCP как источник инструментов.
• DefaultAzureCredential — последовательно пытается выполнить вход через CLI, переменные среды и управляемое удостоверение.

Шаги в ячейке ниже:

1. AIProjectClient — клиент верхнего уровня для операций проекта Foundry. Конечная точка — это URL проекта, объединенный с суффиксом пути API.
2. project.get_openai_client() — возвращает клиент OpenAI SDK, предварительно настроенный для этого проекта, используемый для вызовов API Responses.
3. MCPTool — объявляет сервер MCP. require_approval="never" позволяет агенту автоматически вызывать инструменты.
4. project.agents.create_version() — регистрирует версионированное определение агента в Foundry с прикрепленным инструментом MCP и указанной моделью.

Беседа поддерживает историю сообщений на стороне сервера в течение нескольких вызовов responses.create().

Первый запрос запрашивает имя пользователя GitHub. Агент вызывает инструмент MCP get_me, получает данные профиля и составляет ответ на естественном языке.

extra_body["agent_reference"] сообщает API Responses, какой агент Foundry использовать.

Распечатайте необработанный текст ответа с первого хода — ответ модели, включающий имя пользователя…

План урока

1. Что такое MCP?
2. Настройка — Импорт
3. Конфигурация
4. Создание агента с инструментом MCP
5. Запуск беседы
6. Второй ход — сводка репозитория
7. Очистка