AI导哈

AI代理文档搜索工具

一个基于Azure AI Foundry和MCP协议的AI代理，用于实时搜索和提供Microsoft技术文档的准确答案。

  • by vverrastro
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 vverrastro/azure-ai-agent-tools-with-mcp

使用说明

Azure AI MCP Agent 演示

这个项目展示了如何使用（某技术/工具/平台）构建一个人工智能代理 Azure AI Foundry 代理服务 在Python中，连接到远程的（程序/服务） 模型上下文协议（MCP） 服务器。 该代理使用基于MCP（微软认知平台）的搜索功能，从微软文档中提供准确、实时的答案。

✅ 特点

  • 交互式命令行AI代理。
  • 连接到云托管的MCP服务器。
  • 使用MCP工具（microsoft_docs_search）进行实时文档查询。
  • 带有完整历史记录的状态化对话。
  • 自动清理代理和线程。

🔧 要求

  • Python 3.9或更高版本
  • 一 Azure 订阅 可访问Azure AI Foundry
  • 已部署 GPT-4o（注：这里的“o”可能是表示某种特定版本或变体的标识，但具体含义需根据上下文确定，在中文中直接保留原样） 在您的Azure AI Foundry项目中的模型
  • 已安装 Azure CLI 用于身份验证az login)
  • MCP 客户端支持（mcp （库）

📁 项目结构

.
├── client.py            # Main application file
├── requirements.txt     # Python dependencies including MCP support
├── .env                 # Configuration file with project settings

设置

1. 克隆仓库

git clone <your-repo-url>
cd <project-folder>

2. 创建并激活虚拟环境

python -m venv labenv

Windows PowerShell

./labenv/Scripts/Activate.ps1

macOS/Linux

source labenv/bin/activate

3. 安装依赖项

pip install -r requirements.txt --pre azure-ai-projects mcp

4. 配置环境变量

创建或编辑 .env 随附以下文件：

PROJECT_ENDPOINT="your_project_endpoint_here"
MODEL_DEPLOYMENT_NAME="your_model_deployment_name_here"

将占位符值替换为您的 Azure AI Foundry 项目详细信息。

运行应用程序

  1. 登录到 Azure：
az login
  1. 启动代理：
python client.py
  1. 当提示时，请输入对技术文档的请求。例如：
Give me the Azure CLI commands to create an Azure Container App with a managed identity.

  1. 代理自动调用MCP工具（microsoft_docs_search) 以查找相关文档。

  2. 对话历史和MCP工具调用显示在终端中。

  3. 类型 quit 或者结束以终止会话；代理将自动删除。

🗂️ 对话记录

在会话结束时，应用程序会打印出 完整的对话历史 消息按时间顺序排列，并包含任何MCP工具的交互记录。

清理

为避免不必要的 Azure 资源使用：

  1. 打开 Azure 门户： https://portal.azure.com 翻译为中文是：“Azure 门户网址”
  2. 导航到包含您的AI Foundry资源的资源组。
  3. 删除资源组以移除所有相关资源。

注释

  • 本演示中使用的MCP服务器是 https://learn.microsoft.com/api/mcp (Microsoft Learn 文档)。
  • 该代理使用MCP工具自动处理用户提示，无需人工干预。
  • 确保您有足够的Azure配额来部署GPT-4o模型。

相关 MCP