Schnellstart: Eine Toolbox erstellen und mit einem gehosteten Agent verwenden

In dieser Schnellstartanleitung erstellen Sie eine Toolbox , die zwei Tools hinter einem verwalteten Endpunkt kombiniert:

• Websuche, die Antworten auf Ergebnisse öffentlicher Webs in Echtzeit begründet.
• Der Microsoft Learn MCP-Server, der Antworten auf der offiziellen Microsoft-Dokumentation basiert. Es handelt sich um einen öffentlichen Endpunkt, der keine Authentifizierung erfordert.

Anschließend verwenden Sie die Toolbox von einem gehosteten Agent, der in Python geschrieben wurde. Die Toolbox macht einen MCP-Endpunkt verfügbar, sodass der Agent eine Verbindung mit einer einzelnen URL herstellt und jedes Tool zur Laufzeit ermittelt. Sie können die Tools später ändern, ohne den Agentcode zu ändern.

Voraussetzungen

Dieser Schnellstart basiert auf der Toolchain des gehosteten Agenten. Führen Sie zunächst die Voraussetzungen in der Schnellstartanleitung des gehosteten Agents aus, die das Azure Abonnement, Projektrollen, Python, die Azure Developer CLI (azd) und die microsoft.foundry Erweiterung abdecken.

Für den VS Code-Pfad benötigen Sie auch Visual Studio Code mit der Erweiterung Microsoft Foundry Toolkit, die bei Azure angemeldet ist.

Schritt 1: Initialisieren des gehosteten Agents

Initialisieren Sie einen gehosteten Agent aus dem Beispiel für die Foundry-Toolbox, der eine Verbindung mit einer Toolbox über MCP herstellt und seine Tools dem Modell zur Verfügung stellt. Sie erstellen die Toolbox (my-toolbox) im nächsten Schritt, und zeigen Sie den Agent auf seinen Endpunkt. Führen Sie diese Befehle in einem leeren Verzeichnis aus.

mkdir my-toolbox-agent && cd my-toolbox-agent
azd ai agent init -m "https://github.com/microsoft-foundry/foundry-samples/blob/main/samples/python/hosted-agents/agent-framework/responses/04-foundry-toolbox/agent.manifest.yaml" --src src/toolbox-agent

Folgen Sie den Anweisungen, um Ihr Projekt und eine vorhandene Modellbereitstellung auszuwählen. Wenn Sie aufgefordert werden, die Containerressourcenzuordnung auszuwählen, wählen Sie "1 Kern", "2Gi-Speicher" aus. Das Containerimage des Agents benötigt mehr als die Standardebene. Das --src Flag erstellt ein Gerüst für den Agent in src/toolbox-agent.

Schritt 2: Erstellen der Toolbox

Erstellen Sie die Toolbox, und kopieren Sie dann den zurückgegebenen MCP-Endpunkt. Sie legen diesen Endpunkt in späteren Schritten als Umgebungsvariable fest.

Zeigen Sie zunächst die Toolboxbefehle auf das Foundry-Projekt, das Sie während der Initialisierung ausgewählt haben. Verwenden Sie den Endpunkt wieder, den die Initialisierung bereits in Ihrer azd-Umgebung gespeichert hat:

azd env set FOUNDRY_PROJECT_ENDPOINT "$(azd env get-value AZURE_AI_PROJECT_ENDPOINT)"

azd ai toolbox create my-toolbox --from-file ./src/toolbox-agent/toolbox.yaml

https://<account>.services.ai.azure.com/api/projects/<project>/toolboxes/my-toolbox/versions/1/mcp?api-version=v1

Schritt 3: Bereitstellen von Azure Ressourcen

Der Agent liest den MCP-Endpunkt der Toolbox aus der TOOLBOX_ENDPOINT Umgebungsvariable, die src/toolbox-agent/agent.yaml aus Ihrer azd Umgebung aufgelöst wird. Sie legen diesen Wert in den nächsten Schritten fest. Bereitstellen der Azure Ressourcen des Agents:

azd provision

Schritt 4: Agenten lokal ausführen

1. Verweisen Sie den lokalen Agent auf Ihre Toolbox, indem Sie diese Werte in der Datei .env in src/toolbox-agent festlegen. Fügen Sie den Endpunkt ein, den Sie in Schritt 2 kopiert haben:

   AZURE_AI_MODEL_DEPLOYMENT_NAME=<your-model-deployment-name>
   TOOLBOX_ENDPOINT=<versioned-endpoint-from-step-2>
   

   azd ai agent run injiziert FOUNDRY_PROJECT_ENDPOINT und liest die Datei .env für lokale Ausführungen. Das Beispiel übernimmt für Sie die Verbindung mit der Toolbox, die Header und die Authentifizierung.

2. Starten Sie den Agent:

   azd ai agent run
   

   Dieser Befehl erstellt eine virtuelle Umgebung, installiert Abhängigkeiten und stellt den Agenten unter http://localhost:8088 bereit. Vorschaupakete können während des Setups Pip-Warnungen erzeugen. Diese Warnungen sind nicht blockierend.

3. Senden Sie in einem separaten Terminal Aufforderungen, die die Tools ausüben:

   azd ai agent invoke --local "Find the latest release notes for the Azure CLI on the web."
   azd ai agent invoke --local "How do I create a hosted agent in Microsoft Foundry? Use the Microsoft Learn documentation."
   

Schritt 5: Bereitstellen im Foundry Agent-Dienst

Speichern Sie den Endpunkt, den Sie in Schritt 2 kopiert haben, in Ihrer azd-Umgebung, die zur Bereitstellungszeit als agent.yaml aufgelöst wird. Erstellen und bereitstellen Sie dann den Agentcontainer:

azd env set TOOLBOX_ENDPOINT "<versioned-endpoint-from-step-2>"
azd deploy

Wenn der Befehl abgeschlossen ist, zeigt die Ausgabe Links zum Agent-Playground und zum Agent-Endpunkt an. Aufrufen des bereitgestellten Agents:

azd ai agent invoke "What's new in Azure AI Foundry? Use the Microsoft Learn documentation."

Bereinigen von Ressourcen

Löschen Sie die Ressourcen, wenn Sie fertig sind, damit Keine Gebühren anfallen.

Löschen Sie die Toolbox:

azd ai toolbox delete my-toolbox --force

Nachdem Sie die Toolbox gelöscht haben, funktioniert der Endpunkt nicht mehr. Entfernen Sie es aus src/toolbox-agent/.env und entfernen Sie es aus Ihrer azd-Umgebung:

azd env set TOOLBOX_ENDPOINT ""

Löschen Sie den Agent und seine Azure Ressourcen:

azd down

Troubleshooting

Was Sie gelernt haben

In dieser Schnellstartanleitung führen Sie die folgenden Schritte aus:

• Eine Toolbox entwickelt, die die Websuche und den Microsoft Learn MCP-Server über einen einzigen Endpunkt kombiniert.
• Verwendete die Toolbox von einem in Python gehosteten Agenten, der über das Model Context Protocol verbunden ist.
• Der Agent wurde lokal ausgeführt und im Foundry Agent Service bereitgestellt.

Nächster Schritt

Verwandte Inhalte

• Was sind gehostete Agenten?
• Erstellen einer absichtsbasierten Toolbox in Foundry
• Websuchtool
• Verbinden von Agents mit Modellkontextprotokollservern
• Schnellstart: Bereitstellen Ihres ersten gehosteten Agents