Azure MCP サーバーの使用を開始する - Azure MCP Server

この記事では、次のタスクを完了する方法について説明します。

Azure MCP サーバーをインストールして認証する
Visual Studio Code で GitHub Copilot エージェントモードを使用して Azure MCP Server に接続する
プロンプトを実行して Azure MCP Server の操作をテストし、Azure リソースと対話する

[前提条件]

アクティブなサブスクリプションを持つ Azure アカウント
Visual Studio Code
GitHub Copilot Visual Studio Code 拡張機能

注

Azure MCP Server でアクセスする予定の Azure リソースは、Azure サブスクリプション内に既に存在している必要があります。さらに、ユーザーアカウントには、これらのリソースに必要な RBAC ロールとアクセス許可が割り当てられている必要があります。

Azure MCP サーバーをインストールする

Visual Studio Code で Azure MCP サーバーをインストールするには、次のいずれかのオプションを選択します。

グローバルインストール
ディレクトリのインストール

ユーザー設定に Azure MCP Server for Visual Studio Code をインストールするには、次のリンクを選択します。

Visual Studio Code 内でインストールオプションの一覧が開きます。 [ サーバーのインストール ] を選択して、サーバー構成をユーザー設定に追加します。
GitHub Copilot を開き、[エージェントモード] を選択します。エージェントモードの詳細については、 Visual Studio Code のドキュメントを参照してください。
ツールの一覧を更新して、使用可能なオプションとして Azure MCP サーバーを表示します。

特定のディレクトリに対して Azure MCP Server を手動でインストールすることもできます。

Visual Studio Code で空のディレクトリまたは既存のプロジェクトディレクトリを開きます。
フォルダーのルートに、 .vscode フォルダーがまだない場合は作成します。

.vscode フォルダー内に、次の JSON を追加mcp.jsonという名前の新しいファイルを作成します。

{
  "servers": {
    "Azure MCP Server": {
      "command": "npx",
      "args": [
        "-y",
        "@azure/mcp@latest",
        "server",
        "start"
      ]
    }
  }
}

変更を mcp.json に保存します。
GitHub Copilot を開き、[エージェントモード] を選択します。
ツールアイコンを選択して、使用可能なツールを表示します。 Azure MCP Server を検索して結果をフィルター処理します。

エージェントモードの詳細については、 Visual Studio Code のドキュメントを参照してください。

プロンプトを使用して Azure MCP サーバーをテストする

GitHub Copilot を開き、[エージェントモード] を選択します。
エージェントが Azure MCP Server ツール (Azure リソースグループの一覧表示など) を使用するように求めるプロンプトを入力します。
Azure MCP サーバーを認証するために、Copilot はブラウザーを使用して Azure にサインインするように求めます。

注

Azure CLI などの他のローカルツールを使用して既に認証されている場合、Copilot は Azure へのサインインを求めるメッセージを表示しません。
Copilot は、プロンプトに必要な Azure MCP サーバー操作を実行するためのアクセス許可を要求します。 [ 続行] を選択するか、矢印を使用して、より具体的な動作を選択します。
- 現在のセッション では、常に現在の GitHub Copilot エージェントモードセッションで操作が実行されます。
- 現在のワークスペース では、常に現在の Visual Studio Code ワークスペースに対してコマンドが実行されます。
- 常に許可すると 、GitHub Copilot エージェントモードセッションまたは Visual Studio Code ワークスペースに対して常に実行するように操作が設定されます。
前のプロンプトの出力は、次のテキストのようになります。
```
The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!
```
次のような関連する他のプロンプトを使用して、Azure MCP 操作を調査してテストします。
```
List all of the storage accounts in my subscription
Get the available tables in my storage accounts
```

この記事では、次のタスクを完了する方法について説明します。

Azure MCP サーバーをインストールして認証する
カスタム .NET クライアントを使用して Azure MCP サーバーに接続する
プロンプトを実行して Azure MCP Server の操作をテストし、Azure リソースを管理する

[前提条件]

アクティブなサブスクリプションを持つ Azure アカウント
.NET 9.0
Node.js

注

Azure MCP Server でアクセスする予定の Azure リソースは、Azure サブスクリプション内に既に存在している必要があります。さらに、ユーザーアカウントには、これらのリソースに必要な RBAC ロールとアクセス許可が割り当てられている必要があります。

Azure MCP Server は、Microsoft Entra ID を使用したトークンベースの認証を使用したシームレスな認証エクスペリエンスを提供します。内部的には、Azure MCP Server は DefaultAzureCredentialからのを使用してユーザーを認証します。

Azure MCP Server を使用するには、Azure アカウントでローカルに DefaultAzureCredential でサポートされているツールのいずれかにサインインする必要があります。 Visual Studio Code ターミナルなどのターミナルウィンドウを使用してサインインします。

az login

Connect-AzAccount

azd auth login

上記のいずれかのツールに正常にサインインすると、Azure MCP Server は資格情報を自動的に検出し、それらを使用して Azure サービスの認証と操作を実行できます。

注

Visual Studio を使用して Azure にサインインすることもできます。 Azure MCP Server は、サインインしているユーザーが実行するアクセス許可を持つ操作のみを実行できます。

.NET ホストアプリを作成する

.NET コンソールアプリを作成するには、次の手順を実行します。アプリは AI モデルに接続し、Azure MCP サーバーに接続する MCP クライアントのホストとして機能します。

プロジェクトを作成する

プロジェクトを作成する空のフォルダーにターミナルを開きます。
次のコマンドを実行して、新しい .NET コンソールアプリケーションを作成します。
```
dotnet new console -n MCPHostApp
```
新しく作成したプロジェクトフォルダーに移動します。
```
cd MCPHostApp
```
Visual Studio Code など、任意のエディターでプロジェクトフォルダーを開きます。
```
code .
```

依存関係を追加する

ターミナルで次のコマンドを実行して、必要な NuGet パッケージを追加します。

dotnet add package Azure.AI.OpenAI --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Extensions.AI --prerelease
dotnet add package Microsoft.Extensions.AI.OpenAI --prerelease
dotnet add package ModelContextProtocol --prerelease

MCPHostApp.csproj ファイルを確認して、パッケージが追加されたことを確認します。
次のコマンドを実行してプロジェクトをビルドし、すべてが正しく設定されていることを確認します。
```
dotnet build
```

アプリコードを追加する

Program.cs の内容を次のコードに置き換えます。

using Azure.AI.OpenAI;
using Azure.Identity;
using Microsoft.Extensions.AI;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;

// Create an IChatClient
IChatClient client =
    new ChatClientBuilder(
        new AzureOpenAIClient(new Uri("<your-Azure-OpenAI-endpoint>"), 
        new DefaultAzureCredential())
        .GetChatClient("gpt-4o").AsIChatClient())
    .UseFunctionInvocation()
    .Build();

// Create the MCP client
var mcpClient = await McpClientFactory.CreateAsync(
    new StdioClientTransport(new()
    {
        Command = "npx",
        Arguments = ["-y", "@azure/mcp@latest", "server", "start"],
        Name = "Azure MCP",
    }));

// Get all available tools from the MCP server
Console.WriteLine("Available tools:");
var tools = await mcpClient.ListToolsAsync();
foreach (var tool in tools)
{
    Console.WriteLine($"{tool}");
}
Console.WriteLine();

// Conversational loop that can utilize the tools
List<ChatMessage> messages = [];
while (true)
{
    Console.Write("Prompt: ");
    messages.Add(new(ChatRole.User, Console.ReadLine()));

    List<ChatResponseUpdate> updates = [];
    await foreach (var update in client
        .GetStreamingResponseAsync(messages, new() { Tools = [.. tools] }))
    {
        Console.Write(update);
        updates.Add(update);
    }
    Console.WriteLine();

    messages.AddMessages(updates);
}

上記のコードでは、次のタスクを実行します。

IChatClient ライブラリを使用して、Microsoft.Extensions.AI抽象化を初期化します。
標準の I/O トランスポートを使用して Azure MCP サーバーと対話する MCP クライアントを作成します。指定された npx コマンドとそれに対応する引数は、Azure MCP サーバーをダウンロードして起動します。
標準の MCP 関数である MCP サーバーから使用可能なツールの一覧を取得して表示します。
ユーザープロンプトを処理し、応答にツールを利用する会話ループを実装します。

アプリを実行してテストする

.NET ホストアプリをテストするには、次の手順を実行します。

プロジェクトのルートを開くターミナルウィンドウで、次のコマンドを実行してアプリを起動します。
```
dotnet run
```

アプリが実行されたら、次のテストプロンプトを入力します。

List all of the resource groups in my subscription

前のプロンプトの出力は、次のテキストのようになります。

The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!

次のような関連する他のプロンプトを使用して、Azure MCP 操作を調査してテストします。
```
List all of the storage accounts in my subscription
Get the available tables in my storage accounts
```

この記事では、次のタスクを完了する方法について説明します。

Azure MCP サーバーをインストールして認証する
カスタム Python クライアントを使用して Azure MCP サーバーに接続する
プロンプトを実行して Azure MCP Server の操作をテストし、Azure リソースを管理する

[前提条件]

アクティブなサブスクリプションを持つ Azure アカウント
Python 3.9 以降がローカルにインストールされている
ローカルにインストールされた Node.js

注

Azure MCP Server でアクセスする予定の Azure リソースは、Azure サブスクリプション内に既に存在している必要があります。さらに、ユーザーアカウントには、これらのリソースに必要な RBAC ロールとアクセス許可が割り当てられている必要があります。

Azure MCP Server は、Microsoft Entra ID を使用したトークンベースの認証を使用したシームレスな認証エクスペリエンスを提供します。内部的には、Azure MCP Server は DefaultAzureCredentialからのを使用してユーザーを認証します。

Azure MCP Server を使用するには、Azure アカウントでローカルに DefaultAzureCredential でサポートされているツールのいずれかにサインインする必要があります。 Visual Studio Code ターミナルなどのターミナルウィンドウを使用してサインインします。

az login

Connect-AzAccount

azd auth login

上記のいずれかのツールに正常にサインインすると、Azure MCP Server は資格情報を自動的に検出し、それらを使用して Azure サービスの認証と操作を実行できます。

注

Visual Studio を使用して Azure にサインインすることもできます。 Azure MCP Server は、サインインしているユーザーが実行するアクセス許可を持つ操作のみを実行できます。

Python アプリを作成する

Python アプリを作成するには、次の手順を実行します。アプリは AI モデルに接続し、Azure MCP サーバーに接続する MCP クライアントのホストとして機能します。

プロジェクトを作成する

任意のエディター内で空のフォルダーを開きます。
requirements.txtという名前の新しいファイルを作成し、次のライブラリの依存関係を追加します。
```
mcp
azure-identity
openai
logging
```
同じフォルダーに、 .env という名前の新しいファイルを作成し、次の環境変数を追加します。
```
AZURE_OPENAI_ENDPOINT=<your-azure-openai-endpoint>
AZURE_OPENAI_MODEL=<your-model-deployment-name>
```
main.pyという名前の空のファイルを作成して、アプリのコードを保持します。

環境を作成して依存関係をインストールする

新しいフォルダーでターミナルを開き、アプリ用の Python 仮想環境を作成します。
```
python -m venv venv
```
仮想環境をアクティブ化します。
```
venv\Scripts\activate
```
requirements.txtから依存関係をインストールします。
```
pip install -r requirements.txt
```

アプリコードを追加する

次のコードを使用して、 Main.py の内容を更新します。

from azure.identity import DefaultAzureCredential, get_bearer_token_provider
from openai import AzureOpenAI
from mcp import ClientSession, StdioServerParameters, types
from mcp.client.stdio import stdio_client
import json, os, logging, asyncio
from dotenv import load_dotenv

# Setup logging and load environment variables
logger = logging.getLogger(__name__)
load_dotenv()

# Azure OpenAI configuration
AZURE_OPENAI_ENDPOINT = os.getenv("AZURE_OPENAI_ENDPOINT")
AZURE_OPENAI_MODEL = os.getenv("AZURE_OPENAI_MODEL", "gpt-4o")

# Initialize Azure credentials
token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)

async def run():
    # Initialize Azure OpenAI client
    client = AzureOpenAI(
            azure_endpoint=AZURE_OPENAI_ENDPOINT, 
            api_version="2024-04-01-preview", 
            azure_ad_token_provider=token_provider
        )

    # MCP client configurations
    server_params = StdioServerParameters(
        command="npx",
        args=["-y", "@azure/mcp@latest", "server", "start"],
        env=None
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # List available tools
            tools = await session.list_tools()
            for tool in tools.tools: print(tool.name)

            # Format tools for Azure OpenAI
            available_tools = [{
                "type": "function",
                "function": {
                    "name": tool.name,
                    "description": tool.description,
                    "parameters": tool.inputSchema
                }
            } for tool in tools.tools]

            # Start conversational loop
            messages = []
            while True:
                try:
                    user_input = input("\nPrompt: ")
                    messages.append({"role": "user", "content": user_input})

                    # First API call with tool configuration
                    response = client.chat.completions.create(
                        model = AZURE_OPENAI_MODEL,
                        messages = messages,
                        tools = available_tools)

                    # Process the model's response
                    response_message = response.choices[0].message
                    messages.append(response_message)

                    # Handle function calls
                    if response_message.tool_calls:
                        for tool_call in response_message.tool_calls:
                                function_args = json.loads(tool_call.function.arguments)
                                result = await session.call_tool(tool_call.function.name, function_args)

                                # Add the tool response to the messages
                                messages.append({
                                    "tool_call_id": tool_call.id,
                                    "role": "tool",
                                    "name": tool_call.function.name,
                                    "content": result.content,
                                })
                    else:
                        logger.info("No tool calls were made by the model")

                    # Get the final response from the model
                    final_response = client.chat.completions.create(
                        model = AZURE_OPENAI_MODEL,
                        messages = messages,
                        tools = available_tools)

                    for item in final_response.choices:
                        print(item.message.content)
                except Exception as e:
                    logger.error(f"Error in conversation loop: {e}")
                    print(f"An error occurred: {e}")

if __name__ == "__main__":
    import asyncio
    asyncio.run(run())

上記のコードでは、次のタスクを実行します。

ログ記録を設定し、 .env ファイルから環境変数を読み込みます。
azure-identityライブラリとopenai ライブラリを使用して Azure OpenAI クライアントを構成します。
標準の I/O トランスポートを使用して、Azure MCP サーバーと対話するように MCP クライアントを初期化します。
MCP サーバーから使用可能なツールの一覧を取得して表示します。
ユーザープロンプトの処理、ツールの利用、ツール呼び出しの処理を行う会話ループを実装します。

アプリを実行してテストする

.NET ホストアプリをテストするには、次の手順を実行します。

プロジェクトのルートを開くターミナルウィンドウで、次のコマンドを実行してアプリを起動します。
```
python main.py
```

アプリが実行されたら、次のテストプロンプトを入力します。

List all of the resource groups in my subscription

前のプロンプトの出力は、次のテキストのようになります。

The following resource groups are available for your subscription:

1. **DefaultResourceGroup-EUS** (Location: `eastus`)
2. **rg-testing** (Location: `centralus`)
3. **rg-azd** (Location: `eastus2`)
4. **msdocs-sample** (Location: `southcentralus`)
14. **ai-testing** (Location: `eastus2`)

Let me know if you need further details or actions related to any of these resource groups!

次のような関連する他のプロンプトを使用して、Azure MCP 操作を調査してテストします。
```
List all of the storage accounts in my subscription
Get the available tables in my storage accounts
```

次の方法で共有

Azure MCP Server の使い方を始めましょう

[前提条件]

Azure MCP サーバーをインストールする

プロンプトを使用して Azure MCP サーバーをテストする

[前提条件]

ローカル開発へのログイン

.NET ホスト アプリを作成する

プロジェクトを作成する

依存関係を追加する

アプリ コードを追加する

アプリを実行してテストする

[前提条件]

ローカル開発へのログイン

Python アプリを作成する

プロジェクトを作成する

環境を作成して依存関係をインストールする

アプリ コードを追加する

アプリを実行してテストする

次のステップ

フィードバック

その他のリソース

.NET ホストアプリを作成する

アプリコードを追加する

アプリコードを追加する