AI代理聊天工具

将MCP工具与AI Foundry代理一起使用

此存储库是为Contoso Bike Store构建的AI助手解决方案，演示了MCP（模型上下文协议）工具与Azure AI Foundry代理的使用。

该应用程序提供了一个聊天界面，客户可以在其中与Contoso Bike Store AI代理进行交互：

架构概述

• 前端：托管在Azure App Service上的React应用程序，提供聊天界面
• 后端：ASP。NET核心Web API（Chat Orchestrator API）托管在Azure应用程序服务上，用于处理用户提示
• Azure AI Foundry：承载可访问MCP工具和模型的Contoso代理（GPT-4.1）
• MCP服务器：使用特定于域的工具扩展代理功能的自定义MCP服务器
• 产品微服务：REST API提供产品库存和订单管理数据

MCP工具类别

1. 产品库存工具:

   • 获取自行车型号和规格
   • 检查配件可用性
   • 查询库存水平

2. 订单管理工具:

   • 创建新订单
   • 检查订单状态
   • 跟踪订单历史

先决条件

1. Azure订阅：注册一个 免费Azure帐户 如果你没有
2. GitHub账号：存储库访问和身份验证所需
3. 开发环境:
   • 支持开发容器的Visual Studio代码，或
   • GitHub代码空间（推荐）

入门指南

1.克隆存储库

git clone https://github.com/rakeshl4/aifoundryagent_mcp_tools.git
cd aifoundryagent_mcp_tools

2.设置开发环境

选项A:GitHub代码空间（推荐）

单击下面的按钮在GitHub Codespace中启动项目：

选项B：使用VS代码开发容器进行本地开发

1. 在Visual Studio代码中打开项目
2. 安装开发容器扩展
3. 按 Ctrl+Shift+P 然后选择“开发容器：在容器中重新打开”

3.部署Azure资源

1. 使用Azure进行身份验证:

   复制

   azd auth login --use-device-code
   

2. 创建和配置环境:

   复制

   azd env new dev
   azd env select dev
   azd env set AZURE_LOCATION australiaeast
   

3. 部署基础设施:

   复制

   azd up
   

4. 复制环境变量:

   复制

   cp .azure/dev/.env .env
   

项目结构

├── infra/                   # Infrastructure as Code (Bicep files)
├── resources/              # API specifications and sample data
├── scripts/                # Utility scripts
├── src/
│   ├── backend/            # AI Agent API (.NET)
│   └── frontend/           # Web application
└── azure.yaml              # Azure Developer CLI configuration

资源

• Azure AI Foundry文档
• Azure AI Foundry代理服务
• 模型上下文协议