快速入门：使用 Azure Functions 生成自定义远程 MCP 服务器

在本快速入门中，你将使用 Azure 开发人员 CLI 从模板项目创建自定义远程模型上下文协议（azdMCP）服务器。此 MCP 服务器使用 Azure Functions MCP 服务器扩展为 AI 模型、代理和助手提供工具。还可以使用 MCP 服务器扩展创建交互式 MCP 应用。

在本地运行项目并使用 GitHub Copilot 验证代码后，可以在 Azure Functions 中将其部署到新的无服务器函数应用，该应用遵循当前安全且可缩放的部署最佳做法。

重要

尽管所有 Functions 语言都支持创建自定义 MCP 服务器，但本快速入门方案目前仅包含 C#、Java、Python 和 TypeScript 的示例。若要完成本快速入门，请在文章顶部选择其中一种受支持的语言。

本文支持适用于 Azure Functions 的 Node.js 编程模型版本 4。

本文支持适用于 Azure Functions 的 Python 编程模型版本 2。

先决条件

.NET 8.0 SDK

Java 17 开发人员工具包
- 如果使用另一个受支持的 Java 版本，请更新项目 pom.xml 的文件。
- 将 JAVA_HOME 环境变量设置为正确版本的 Java 开发工具包（JDK）的安装位置。
Apache Maven 3.8.x

Node.js 20

Python 3.11

包含以下扩展的 Visual Studio Code：
- Azure Functions 扩展。此扩展需要 Azure Functions Core Tools ，并在不可用时尝试安装它。
- Azure 开发人员 CLI 扩展。
Azurite 存储模拟器
Azure CLI。
拥有有效订阅的 Azure 帐户。创建账户。

初始化项目

azd init使用命令从模板创建本地 Azure Functions 代码项目。

在 Visual Studio Code 中，打开要在其中创建项目的文件夹或工作区。

在终端中，运行以下命令 azd init ：
```
azd init --template remote-mcp-functions-dotnet -e mcpserver-dotnet
```
此命令从模板存储库中拉取项目文件，并在当前文件夹中初始化项目。 -e 标志设置当前环境的名称。在 azd，环境维护您应用程序的独特部署上下文，并且您可以定义多个。它也在 Azure 中你创建的资源组名称中使用。

在本地终端或命令提示符下运行以下命令 azd init ：
```
azd init --template remote-mcp-functions-java -e mcpserver-java 
```
此命令从模板存储库中拉取项目文件，并在当前文件夹中初始化项目。 -e 标志设置当前环境的名称。在 azd，环境维护您应用程序的独特部署上下文，并且您可以定义多个。它还用于在 Azure 中创建的资源的名称。

在本地终端或命令提示符下运行以下命令 azd init ：
```
azd init --template remote-mcp-functions-typescript -e mcpserver-ts
```
此命令从模板存储库中拉取项目文件，并在当前文件夹中初始化项目。 -e 标志设置当前环境的名称。在 azd，环境维护您应用程序的独特部署上下文，并且您可以定义多个。它还用于在 Azure 中创建的资源的名称。

在本地终端或命令提示符下运行以下命令 azd init ：
```
azd init --template remote-mcp-functions-python -e mcpserver-python
```
此命令从模板存储库中拉取项目文件，并在当前文件夹中初始化项目。 -e 标志设置当前环境的名称。在 azd，环境维护您应用程序的独特部署上下文，并且您可以定义多个。它还用于在 Azure 中创建的资源的名称。

启动存储模拟器

在本地运行代码项目时，使用 Azurite 模拟器模拟 Azure 存储帐户连接。

如果尚未安装，请安装 Azurite。
按 F1。在命令面板中，搜索并运行命令 Azurite: Start 以启动本地存储模拟器。

在本地运行 MCP 服务器

在终端窗口中，转到 FunctionsMcpTool 项目文件夹：

cd src/FunctionsMcpTool

Visual Studio Code 与 Azure Functions Core 工具集成，让你在本地开发计算机上运行此项目。若要在本地启动 Functions 应用，请按 F5 或在左侧活动栏中选择 “运行和调试 ”图标。

“终端”面板将显示 Core Tools 的输出。应用在终端面板中启动，可以看到在本地运行的函数的名称。

使用 GitHub Copilot 进行验证

项目模板包含一个 .vscode/mcp.json 文件，该文件已经定义了 local-mcp-function 服务器并将其指向本地 MCP 终结点。使用此配置通过 Visual Studio Code 中的 GitHub Copilot 验证代码：

打开.vscode/mcp.json文件，然后选择配置上方的“开始”local-mcp-function
在 Copilot 聊天窗口中，确保已选择代理模式，选择 “配置工具” 图标，并验证是否已 MCP Server:local-mcp-function 在聊天中启用。
运行此命令：
```
Say Hello
```
当系统提示运行该工具时，选择 “在此工作区中允许” ，这样就不必继续授予权限。提示运行后返回 Hello World 响应，且函数执行信息会被记录在日志中。
现在，在项目文件之一中选择一些代码，然后运行以下提示：
```
Save this snippet as snippet1
```
Copilot 存储代码片段并响应请求，并提供有关如何使用该工具检索代码片段 getSnippets 的信息。再一次，你可以查看日志中的函数执行，并验证saveSnippets函数是否运行。
在 Copilot 聊天中，运行以下提示：
```
Retrieve snippet1 and apply to NewFile
```
Copilot 检索代码片段，将其添加到一个名为 NewFile 的文件中，并执行任何其他认为必要的操作，以使代码片段在项目中正确运行。 Functions 日志显示调用了getSnippets 端点。
完成测试后，按 Ctrl+C 停止 Functions 主机。

查看代码（可选）

可以查看定义 MCP 服务器工具的代码：

MCP 服务器工具的函数代码在 src 文件夹中定义。该 McpToolTrigger 属性将函数公开为 MCP 服务器工具：

    [Function(nameof(SayHello))]
    public string SayHello(
        [McpToolTrigger(HelloToolName, HelloToolDescription)] ToolInvocationContext context
    )
    {
        logger.LogInformation("C# MCP tool trigger function processed a request.");
        return "Hello I am MCP Tool!";
    }

    [Function(nameof(GetSnippet))]
    public object GetSnippet(
        [McpToolTrigger(GetSnippetToolName, GetSnippetToolDescription)]
            ToolInvocationContext context,
        [BlobInput(BlobPath)] string snippetContent
    )
    {
        return snippetContent;
    }

    [Function(nameof(SaveSnippet))]
    [BlobOutput(BlobPath)]
    public string SaveSnippet(
        [McpToolTrigger(SaveSnippetToolName, SaveSnippetToolDescription)]
            ToolInvocationContext context,
        [McpToolProperty(SnippetNamePropertyName, SnippetNamePropertyDescription, true)]
            string name,
        [McpToolProperty(SnippetPropertyName, SnippetPropertyDescription, true)]
            string snippet
    )
    {
        return snippet;
    }
}

可以在 Azure Functions .NET MCP 服务器 GitHub 存储库中查看完整的项目模板。

MCP 服务器工具的函数代码在 src/main/java/com/function/ 文件夹中定义。批 @McpToolTrigger 注将函数公开为 MCP 服务器工具：

                description = "The messages to be logged.",
                isRequired = true,
                isArray = true)
            String messages,
            final ExecutionContext functionExecutionContext
    ) {
        functionExecutionContext.getLogger().info("Hello, World!");
        functionExecutionContext.getLogger().info("Tool Name: " + mcpToolInvocationContext.getName());
        functionExecutionContext.getLogger().info("Transport Type: " + mcpToolInvocationContext.getTransportType());

        // Handle different transport types
        if (mcpToolInvocationContext.isHttpStreamable()) {
            functionExecutionContext.getLogger().info("Session ID: " + mcpToolInvocationContext.getSessionid());
        } else if (mcpToolInvocationContext.isHttpSse()) {
            if (mcpToolInvocationContext.getClientinfo() != null) {
                functionExecutionContext.getLogger().info("Client: " + 
                    mcpToolInvocationContext.getClientinfo().get("name").getAsString() + " v" +

        // Write the snippet content to the output blob
        outputBlob.setValue(snippet);

        return "Successfully saved snippet '" + snippetName + "' with " + snippet.length() + " characters.";
    }

    /**
     * Azure Function that handles retrieving a text snippet from Azure Blob Storage.
     * <p>
     * The function is triggered by an MCP Tool Trigger. The snippet name is provided
     * as an MCP tool property, and the snippet content is read from the blob at the 
     * path derived from the snippet name.
     *
     * @param mcpToolInvocationContext The JSON input from the MCP tool trigger.
     * @param snippetName   The name of the snippet to retrieve, provided as an MCP tool property.
     * @param inputBlob     The Azure Blob input binding that fetches the snippet content.
     * @param functionExecutionContext       The execution context for logging.
     */
    @FunctionName("GetSnippets")
    @StorageAccount("AzureWebJobsStorage")
    public String getSnippet(
            @McpToolTrigger(
                name = "getSnippets",
                description = "Gets a text snippet from your snippets collection.")
            String mcpToolInvocationContext,
            @McpToolProperty(
                name = SNIPPET_NAME_PROPERTY_NAME,
                propertyType = "string",
                description = "The name of the snippet.",
                isRequired = true)
            String snippetName,
            @BlobInput(name = "inputBlob", path = BLOB_PATH)
            String inputBlob,
            final ExecutionContext functionExecutionContext
    ) {
        // Log the entire incoming JSON for debugging
        functionExecutionContext.getLogger().info(mcpToolInvocationContext);

        // Log the snippet name and the fetched snippet content from the blob

可以在 Azure Functions Java MCP 服务器 GitHub 存储库中查看完整的项目模板。

MCP 服务器工具的函数代码在 src/function_app.py 文件中定义。 MCP 函数注释将这些函数公开为 MCP 服务器工具：


@app.mcp_tool()
def hello_mcp() -> str:
    """Hello world."""


@app.mcp_tool()
@app.mcp_tool_property(arg_name="snippetname", description="The name of the snippet.")
@app.blob_input(arg_name="file", connection="AzureWebJobsStorage", path=_BLOB_PATH)
def get_snippet(file: func.InputStream, snippetname: str) -> str:
    """Retrieve a snippet by name from Azure Blob Storage."""
    snippet_content = file.read().decode("utf-8")
    logging.info(f"Retrieved snippet: {snippet_content}")
    return snippet_content


@app.mcp_tool()
@app.mcp_tool_property(arg_name="snippetname", description="The name of the snippet.")
@app.mcp_tool_property(arg_name="snippet", description="The content of the snippet.")
@app.blob_output(arg_name="file", connection="AzureWebJobsStorage", path=_BLOB_PATH)
def save_snippet(file: func.Out[str], snippetname: str, snippet: str) -> str:
    """Save a snippet with a name to Azure Blob Storage."""
    if not snippetname:
        return "No snippet name provided"

    if not snippet:
        return "No snippet content provided"

    file.set(snippet)
    logging.info(f"Saved snippet: {snippet}")

可以在 Azure Functions Python MCP 服务器 GitHub 存储库中查看完整的项目模板。

MCP 服务器工具的函数代码在 src 文件夹中定义。 MCP 函数注册将这些函数公开为 MCP 服务器工具：

export async function mcpToolHello(_toolArguments:unknown, context: InvocationContext): Promise<string> {
    console.log(_toolArguments);
    // Get name from the tool arguments
    const mcptoolargs = context.triggerMetadata.mcptoolargs as {
        name?: string;
    };
    const name = mcptoolargs?.name;

    console.info(`Hello ${name}, I am MCP Tool!`);

    return `Hello ${name || 'World'}, I am MCP Tool!`;
}

// Register the hello tool
app.mcpTool('hello', {
    toolName: 'hello',
    description: 'Simple hello world MCP Tool that responses with a hello message.',
    toolProperties:{
        name: arg.string().describe('Required property to identify the caller.').optional()
    },
    handler: mcpToolHello
});

// SaveSnippet function - saves a snippet with a name
export async function saveSnippet(
  _toolArguments: unknown,
  context: InvocationContext
): Promise<string> {
  console.info("Saving snippet");

  // Get snippet name and content from the tool arguments
  const mcptoolargs = context.triggerMetadata.mcptoolargs as {
    snippetname?: string;
    snippet?: string;
  };

  const snippetName = mcptoolargs?.snippetname;
  const snippet = mcptoolargs?.snippet;

  if (!snippetName) {
    return "No snippet name provided";
  }

  if (!snippet) {
    return "No snippet content provided";
  }

  // Save the snippet to blob storage using the output binding
  context.extraOutputs.set(blobOutputBinding, snippet);

  console.info(`Saved snippet: ${snippetName}`);
  return snippet;
}

可以在 Azure Functions TypeScript MCP 服务器 GitHub 存储库中查看完整的项目模板。

在本地验证 MCP 服务器工具后，可以将项目发布到 Azure。

部署到 Azure 云

此项目配置为使用 azd 将其部署到使用 Azure 的弹性消费计划的新函数应用中。该项目包括一组 Bicep 文件，azd 使用这些文件可以按照最佳做法为 Flex 消耗计划创建安全部署。

在 Visual Studio Code 中，按 F1 打开命令面板。搜索并运行命令 Azure Developer CLI (azd): Package, Provision and Deploy (up)。然后，使用 Azure 帐户登录。

出现提示时，选择以下所需的部署参数：

参数	Description
Azure 订阅	创建资源时使用的订阅。
Azure 位置	要在其中创建包含新 Azure 资源的资源组的 Azure 区域。仅显示当前支持 Flex 消耗计划的区域。
vnetEnabled	`False` 若要跳过创建虚拟网络资源，可简化部署。

命令成功完成后，你会看到指向所创建资源的链接。

连接到远程 MCP 服务器

MCP 服务器现在在 Azure 中运行。项目模板在 remote-mcp-function 中包含一个已配置为连接到远程服务器的 .vscode/mcp.json 条目。启动此服务器时，VS Code 会提示你输入访问远程 MCP 终结点所需的函数应用名称和系统密钥。

运行该脚本，使用 azd Azure 命令行接口打印输出函数应用名称和访问工具所需的系统密钥（mcp_extension）。

Linux/macOS
Windows操作系统

eval $(azd env get-values --output dotenv)
MCP_EXTENSION_KEY=$(az functionapp keys list --resource-group $AZURE_RESOURCE_GROUP \
    --name $AZURE_FUNCTION_NAME --query "systemKeys.mcp_extension" -o tsv)
printf "Function app name: %s\n" "$SERVICE_API_NAME"
printf "MCP Server key: %s\n" "$MCP_EXTENSION_KEY"

azd env get-values --output dotenv | ForEach-Object { 
    if ($_ -match "^([^=]+)=(.*)$") { 
        Set-Variable -Name $matches[1] -Value ($matches[2] -replace '"', '')
    } 
}
$MCP_EXTENSION_KEY = az functionapp keys list --resource-group $AZURE_RESOURCE_GROUP `
    --name $AZURE_FUNCTION_NAME --query "systemKeys.mcp_extension" -o tsv
Write-Host "Function app name: $SERVICE_API_NAME"
Write-Host "MCP Server key: $MCP_EXTENSION_KEY"

在.vscode/mcp.json中，在配置上方选择remote-mcp-function。
出现提示时，输入上一步中的函数应用名称和系统键值。

验证部署

现在可以让 GitHub Copilot 像在本地一样使用远程 MCP 工具，但现在代码在 Azure 中安全运行。为确保一切正常工作，请重复执行您之前使用的相同命令。

清理资源

完成 MCP 服务器和相关资源的操作后，使用此命令从 Azure 中删除函数应用及其相关资源，以避免产生额外费用。

azd down

后续步骤

配置内置的 MCP 服务器授权

Last updated on 2026-03-25