Skip to content

README.md

Latest commit

 

History

History
391 lines (298 loc) · 18.4 KB

README.md

File metadata and controls

391 lines (298 loc) · 18.4 KB

Model Context Protocol (MCP) का Azure AI Foundry के साथ एकीकरण

यह गाइड दिखाता है कि कैसे Model Context Protocol (MCP) सर्वरों को Azure AI Foundry एजेंट्स के साथ एकीकृत किया जाए, जिससे शक्तिशाली टूल ऑर्केस्ट्रेशन और एंटरप्राइज AI क्षमताएं सक्षम होती हैं।

परिचय

Model Context Protocol (MCP) एक खुला मानक है जो AI एप्लिकेशन को बाहरी डेटा स्रोतों और टूल्स से सुरक्षित रूप से कनेक्ट करने में सक्षम बनाता है। Azure AI Foundry के साथ एकीकृत होने पर, MCP एजेंट्स को विभिन्न बाहरी सेवाओं, APIs, और डेटा स्रोतों तक मानकीकृत तरीके से पहुँचने और इंटरैक्ट करने की अनुमति देता है।

यह एकीकरण MCP के टूल इकोसिस्टम की लचीलापन को Azure AI Foundry के मजबूत एजेंट फ्रेमवर्क के साथ जोड़ता है, जिससे व्यापक अनुकूलन क्षमताओं के साथ एंटरप्राइज-ग्रेड AI समाधान मिलते हैं।

Note: यदि आप Azure AI Foundry Agent Service में MCP का उपयोग करना चाहते हैं, तो वर्तमान में केवल निम्नलिखित क्षेत्र समर्थित हैं: westus, westus2, uaenorth, southindia और switzerlandnorth

सीखने के उद्देश्य

इस गाइड के अंत तक, आप सक्षम होंगे:

  • Model Context Protocol और इसके लाभों को समझना
  • Azure AI Foundry एजेंट्स के लिए MCP सर्वर सेटअप करना
  • MCP टूल एकीकरण के साथ एजेंट्स बनाना और कॉन्फ़िगर करना
  • वास्तविक MCP सर्वरों का उपयोग करके व्यावहारिक उदाहरण लागू करना
  • एजेंट वार्तालापों में टूल प्रतिक्रियाओं और संदर्भों को संभालना

आवश्यकताएँ

शुरू करने से पहले, सुनिश्चित करें कि आपके पास है:

  • AI Foundry एक्सेस के साथ Azure सब्सक्रिप्शन
  • Python 3.10+ या .NET 8.0+
  • Azure CLI इंस्टॉल और कॉन्फ़िगर किया हुआ
  • AI संसाधन बनाने के लिए उपयुक्त अनुमतियाँ

Model Context Protocol (MCP) क्या है?

Model Context Protocol AI एप्लिकेशन को बाहरी डेटा स्रोतों और टूल्स से कनेक्ट करने का एक मानकीकृत तरीका है। इसके मुख्य लाभ हैं:

  • मानकीकृत एकीकरण: विभिन्न टूल्स और सेवाओं के लिए एक समान इंटरफ़ेस
  • सुरक्षा: सुरक्षित प्रमाणीकरण और प्राधिकरण तंत्र
  • लचीलापन: विभिन्न डेटा स्रोतों, APIs, और कस्टम टूल्स का समर्थन
  • विस्तारशीलता: नई क्षमताओं और एकीकरणों को आसानी से जोड़ना

Azure AI Foundry के साथ MCP सेटअप करना

पर्यावरण कॉन्फ़िगरेशन

अपना पसंदीदा विकास पर्यावरण चुनें:

Python Implementation

Note आप यह notebook चला सकते हैं

1. आवश्यक पैकेज इंस्टॉल करें

pip install azure-ai-projects -U
pip install azure-ai-agents==1.1.0b4 -U
pip install azure-identity -U
pip install mcp==1.11.0 -U

2. निर्भरताएँ इम्पोर्ट करें

import os, time
from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential
from azure.ai.agents.models import McpTool, RequiredMcpToolCall, SubmitToolApprovalAction, ToolApproval

3. MCP सेटिंग्स कॉन्फ़िगर करें

mcp_server_url = os.environ.get("MCP_SERVER_URL", "https://learn.microsoft.com/api/mcp")
mcp_server_label = os.environ.get("MCP_SERVER_LABEL", "mslearn")

4. प्रोजेक्ट क्लाइंट इनिशियलाइज़ करें

project_client = AIProjectClient(
    endpoint="https://your-project-endpoint.services.ai.azure.com/api/projects/your-project",
    credential=DefaultAzureCredential(),
)

5. MCP टूल बनाएं

mcp_tool = McpTool(
    server_label=mcp_server_label,
    server_url=mcp_server_url,
    allowed_tools=[],  # Optional: specify allowed tools
)

6. पूर्ण Python उदाहरण

with project_client:
    agents_client = project_client.agents

    # Create a new agent with MCP tools
    agent = agents_client.create_agent(
        model="Your AOAI Model Deployment",
        name="my-mcp-agent",
        instructions="You are a helpful agent that can use MCP tools to assist users. Use the available MCP tools to answer questions and perform tasks.",
        tools=mcp_tool.definitions,
    )
    print(f"Created agent, ID: {agent.id}")
    print(f"MCP Server: {mcp_tool.server_label} at {mcp_tool.server_url}")

    # Create thread for communication
    thread = agents_client.threads.create()
    print(f"Created thread, ID: {thread.id}")

    # Create message to thread
    message = agents_client.messages.create(
        thread_id=thread.id,
        role="user",
        content="What's difference between Azure OpenAI and OpenAI?",
    )
    print(f"Created message, ID: {message.id}")

    # Handle tool approvals and run agent
    mcp_tool.update_headers("SuperSecret", "123456")
    run = agents_client.runs.create(thread_id=thread.id, agent_id=agent.id, tool_resources=mcp_tool.resources)
    print(f"Created run, ID: {run.id}")

    while run.status in ["queued", "in_progress", "requires_action"]:
        time.sleep(1)
        run = agents_client.runs.get(thread_id=thread.id, run_id=run.id)

        if run.status == "requires_action" and isinstance(run.required_action, SubmitToolApprovalAction):
            tool_calls = run.required_action.submit_tool_approval.tool_calls
            if not tool_calls:
                print("No tool calls provided - cancelling run")
                agents_client.runs.cancel(thread_id=thread.id, run_id=run.id)
                break

            tool_approvals = []
            for tool_call in tool_calls:
                if isinstance(tool_call, RequiredMcpToolCall):
                    try:
                        print(f"Approving tool call: {tool_call}")
                        tool_approvals.append(
                            ToolApproval(
                                tool_call_id=tool_call.id,
                                approve=True,
                                headers=mcp_tool.headers,
                            )
                        )
                    except Exception as e:
                        print(f"Error approving tool_call {tool_call.id}: {e}")

            if tool_approvals:
                agents_client.runs.submit_tool_outputs(
                    thread_id=thread.id, run_id=run.id, tool_approvals=tool_approvals
                )

        print(f"Current run status: {run.status}")

    print(f"Run completed with status: {run.status}")

    # Display conversation
    messages = agents_client.messages.list(thread_id=thread.id)
    print("\nConversation:")
    print("-" * 50)
    for msg in messages:
        if msg.text_messages:
            last_text = msg.text_messages[-1]
            print(f"{msg.role.upper()}: {last_text.text.value}")
            print("-" * 50)

.NET Implementation

Note आप यह notebook चला सकते हैं

1. आवश्यक पैकेज इंस्टॉल करें

#r "nuget: Azure.AI.Agents.Persistent, 1.1.0-beta.4"
#r "nuget: Azure.Identity, 1.14.2"

2. निर्भरताएँ इम्पोर्ट करें

using Azure.AI.Agents.Persistent;
using Azure.Identity;

3. सेटिंग्स कॉन्फ़िगर करें

var projectEndpoint = "https://your-project-endpoint.services.ai.azure.com/api/projects/your-project";
var modelDeploymentName = "Your AOAI Model Deployment";
var mcpServerUrl = "https://learn.microsoft.com/api/mcp";
var mcpServerLabel = "mslearn";
PersistentAgentsClient agentClient = new(projectEndpoint, new DefaultAzureCredential());

4. MCP टूल परिभाषा बनाएं

MCPToolDefinition mcpTool = new(mcpServerLabel, mcpServerUrl);

5. MCP टूल्स के साथ एजेंट बनाएं

PersistentAgent agent = await agentClient.Administration.CreateAgentAsync(
   model: modelDeploymentName,
   name: "my-learn-agent",
   instructions: "You are a helpful agent that can use MCP tools to assist users. Use the available MCP tools to answer questions and perform tasks.",
   tools: [mcpTool]
   );

6. पूर्ण .NET उदाहरण

// Create thread and message
PersistentAgentThread thread = await agentClient.Threads.CreateThreadAsync();

PersistentThreadMessage message = await agentClient.Messages.CreateMessageAsync(
    thread.Id,
    MessageRole.User,
    "What's difference between Azure OpenAI and OpenAI?");

// Configure tool resources with headers
MCPToolResource mcpToolResource = new(mcpServerLabel);
mcpToolResource.UpdateHeader("SuperSecret", "123456");
ToolResources toolResources = mcpToolResource.ToToolResources();

// Create and handle run
ThreadRun run = await agentClient.Runs.CreateRunAsync(thread, agent, toolResources);

while (run.Status == RunStatus.Queued || run.Status == RunStatus.InProgress || run.Status == RunStatus.RequiresAction)
{
    await Task.Delay(TimeSpan.FromMilliseconds(1000));
    run = await agentClient.Runs.GetRunAsync(thread.Id, run.Id);

    if (run.Status == RunStatus.RequiresAction && run.RequiredAction is SubmitToolApprovalAction toolApprovalAction)
    {
        var toolApprovals = new List<ToolApproval>();
        foreach (var toolCall in toolApprovalAction.SubmitToolApproval.ToolCalls)
        {
            if (toolCall is RequiredMcpToolCall mcpToolCall)
            {
                Console.WriteLine($"Approving MCP tool call: {mcpToolCall.Name}");
                toolApprovals.Add(new ToolApproval(mcpToolCall.Id, approve: true)
                {
                    Headers = { ["SuperSecret"] = "123456" }
                });
            }
        }

        if (toolApprovals.Count > 0)
        {
            run = await agentClient.Runs.SubmitToolOutputsToRunAsync(thread.Id, run.Id, toolApprovals: toolApprovals);
        }
    }
}

// Display messages
using Azure;

AsyncPageable<PersistentThreadMessage> messages = agentClient.Messages.GetMessagesAsync(
    threadId: thread.Id,
    order: ListSortOrder.Ascending
);

await foreach (PersistentThreadMessage threadMessage in messages)
{
    Console.Write($"{threadMessage.CreatedAt:yyyy-MM-dd HH:mm:ss} - {threadMessage.Role,10}: ");
    foreach (MessageContent contentItem in threadMessage.ContentItems)
    {
        if (contentItem is MessageTextContent textItem)
        {
            Console.Write(textItem.Text);
        }
        else if (contentItem is MessageImageFileContent imageFileItem)
        {
            Console.Write($"<image from ID: {imageFileItem.FileId}>");
        }
        Console.WriteLine();
    }
}

MCP टूल कॉन्फ़िगरेशन विकल्प

अपने एजेंट के लिए MCP टूल्स कॉन्फ़िगर करते समय, आप कई महत्वपूर्ण पैरामीटर निर्दिष्ट कर सकते हैं:

Python कॉन्फ़िगरेशन

mcp_tool = McpTool(
    server_label="unique_server_name",      # Identifier for the MCP server
    server_url="https://api.example.com/mcp", # MCP server endpoint
    allowed_tools=[],                       # Optional: specify allowed tools
)

.NET कॉन्फ़िगरेशन

MCPToolDefinition mcpTool = new(
    "unique_server_name",                   // Server label
    "https://api.example.com/mcp"          // MCP server URL
);

प्रमाणीकरण और हेडर

दोनों इम्प्लीमेंटेशन कस्टम हेडर के लिए समर्थन करते हैं जो प्रमाणीकरण के लिए उपयोग किए जाते हैं:

Python

mcp_tool.update_headers("SuperSecret", "123456")

.NET

MCPToolResource mcpToolResource = new(mcpServerLabel);
mcpToolResource.UpdateHeader("SuperSecret", "123456");

सामान्य समस्याओं का निवारण

1. कनेक्शन समस्याएँ

  • सुनिश्चित करें कि MCP सर्वर URL सुलभ है
  • प्रमाणीकरण क्रेडेंशियल्स जांचें
  • नेटवर्क कनेक्टिविटी सुनिश्चित करें

2. टूल कॉल विफलताएँ

  • टूल आर्गुमेंट्स और फॉर्मेटिंग की समीक्षा करें
  • सर्वर-विशिष्ट आवश्यकताओं की जांच करें
  • उचित त्रुटि हैंडलिंग लागू करें

3. प्रदर्शन समस्याएँ

  • टूल कॉल की आवृत्ति अनुकूलित करें
  • जहाँ उपयुक्त हो कैशिंग लागू करें
  • सर्वर प्रतिक्रिया समय की निगरानी करें

अगले कदम

अपने MCP एकीकरण को और बेहतर बनाने के लिए:

  1. कस्टम MCP सर्वर एक्सप्लोर करें: अपने स्वामित्व वाले डेटा स्रोतों के लिए MCP सर्वर बनाएं
  2. उन्नत सुरक्षा लागू करें: OAuth2 या कस्टम प्रमाणीकरण तंत्र जोड़ें
  3. मॉनिटरिंग और एनालिटिक्स: टूल उपयोग के लिए लॉगिंग और मॉनिटरिंग लागू करें
  4. अपने समाधान का स्केल करें: लोड बैलेंसिंग और वितरित MCP सर्वर आर्किटेक्चर पर विचार करें

अतिरिक्त संसाधन

सहायता

अतिरिक्त सहायता और प्रश्नों के लिए:

आगे क्या है

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही अधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।