FoundryAgent-MCP-Stub 翻译为中文是：“Foundry代理-MCP-存根”
概述
这个仓库提供了一个轻量级的MCP（模型上下文协议）服务器，该服务器将Azure AI Foundry代理作为MCP暴露出来 工具.\ 一旦部署，任何兼容MCP的客户端都可以调用已注册的Foundry代理，将其作为可流式处理的HTTP MCP服务器。
特点/特性
- 最小化、自包含的Python实现（单文件
server.py）。 - 无状态REST API，用于将请求转发到Azure AI Foundry代理。
- 除了官方的 Azure AI Foundry Python SDK 之外，没有其他外部依赖。
MCP工具信息
MCP（多路复用器/控制器/某种特定系统或协议的缩写，具体含义需根据上下文确定） 工具名称 和 描述 直接源自相应的 Azure AI Foundry 代理 元数据。\ 请确保您的代理的（信息/状态/等，具体根据上下文补充） *名字* 并且 *描述* 这些名称是有意义的，因为客户将依靠它们来正确发现和调用工具。
暴露出来的工具看起来是这样的：
{
"name": "", // Spaces are replaced with underscores
"description": "",
"inputSchema": {
"type": "object",
"required": ["query"],
"properties": {
"query": {
"type": "string",
"description": "query for the tool",
}
}
}
}先决条件
- Python 3.9及以上版本 （已预装在开发容器中）
- 访问 Azure AI Foundry 代理
- 铸造厂 终端点URL - 铸造厂 代理ID - API密钥 用于验证入站请求（您管理的任意不透明字符串）
配置
服务器完全通过环境变量进行配置：
| 变量 | 描述 |
|---|---|
AZURE_AI_ENDPOINT 目标AI Foundry的HTTPS终端节点（例如。 https://.services.ai.azure.com/api/projects/) | |
AZURE_AI_AGENT_ID | 您希望公开的代理的标识符 |
API_KEY | 客户必须在（请求中）发送的值 x-api-key HTTP 头部 |
PORT *（可选）* | 要绑定的TCP端口（默认 3000) |
在本地导出这些变量或通过（某种方式）传递它们 docker run ‑e 在进行集装箱化时。
快速入门（本地）
# 0 ) Login valid Azure account to access Azure AI Foundry
az login
# 1 ) Clone & install runtime dependencies
pip install -r requirements.txt
# 2 ) Configure environment (replace with your real values)
export AZURE_AI_ENDPOINT="https://xxx.services.ai.azure.com/api/projects/yyy"
export AZURE_AI_AGENT_ID="agent-123456"
export API_KEY="replace-me"
# 3 ) Launch the service
python server.py # listens on http://localhost:3000/mcp在Azure容器应用上运行
A. Dockerfile 已包含，并且GitHub Actions工作流会自动构建并发布容器镜像到 GitHub 容器注册表 (GHCR) as ghcr.io/hatasaki/foundryagent-mcp-stub:latest您可以直接将这个预构建的镜像部署到 Azure 容器应用——无需本地环境 docker build / docker push 所需。
# 0) Sign in and select the correct subscription
az login
az account set --subscription
# (Set environment variables for reuse)
export RESOURCE_GROUP=""
export YOUR_REGION=""
# 1) Deploy (initial) the latest image published to GHCR
az containerapp up \
--name foundry-mcp-server \
--resource-group $RESOURCE_GROUP \
--location $YOUR_REGION \
--image ghcr.io/hatasaki/foundryagent-mcp-stub:latest \
--target-port 3000 \
--ingress external \
--env-vars AZURE_AI_ENDPOINT=$AZURE_AI_ENDPOINT \
AZURE_AI_AGENT_ID=$AZURE_AI_AGENT_ID \
PORT=3000
# 1.1) create secret
az containerapp secret set \
--name foundry-mcp-server \
--resource-group $RESOURCE_GROUP \
--secrets api-key=$API_KEY
# 1.2) set API_KEY to refer secret（secretref:）
az containerapp update \
--name foundry-mcp-server \
--resource-group $RESOURCE_GROUP \
--set-env-vars API_KEY=secretref:api-key
# 1.3) enable managed identity
az containerapp identity assign \
--name foundry-mcp-server \
--resource-group $RESOURCE_GROUP \
--system-assigned
# 2) Grant the managed identity access to Azure AI Foundry (one-time)
PRINCIPAL_ID=$(az containerapp show \
--name foundry-mcp-server \
--resource-group $RESOURCE_GROUP \
--query "identity.principalId" -o tsv)
az role assignment create \
--assignee $PRINCIPAL_ID \
--role "Azure AI User" \
--scope $(az resource show --name --resource-group --resource-type Microsoft.CognitiveServices/accounts --query id --output tsv)
# 3) Verify and check your container app's ingress url
az containerapp show --name foundry-mcp-server --resource-group $RESOURCE_GROUP -o table
# 4) Add MCP Client (Such as VSCode, MCP Client for Azure) to connect
VSCode mcp.json sample:
{
"servers": {
"Foundry MCP server": {
"type": "http",
"url": "https://foundry-mcp-server.xxx..azurecontainerapps.io/mcp",
"headers": {
"x-api-key": ""
}
}
}
}免责声明
这款软件是提供的 按现状处理（或保持原样） 用于测试、评估和演示目的 仅它是 不是 已准备好投入生产，并配备有 不提供保修 任何类型的（软件/项目等）。使用即表示您自行承担风险。该项目是 不是 由微软正式认可。
做出贡献
这个项目采用了 微软开源行为准则如需更多信息，请参阅 行为准则常见问题解答 或联系 opencode@microsoft.com（这个邮箱地址本身在中文中没有特定的翻译，直接表示为“opencode@微软.com”或保持原样，因为它是专有名词，即电子邮箱地址） 如有任何其他问题或意见。
许可证
这个项目遵循MIT许可证授权。详见 许可证 文件中详述。