将AI Agent 暴露为 MCP 工具，供第三方安全调用
💡
原文中文，约6400字，阅读约需16分钟。
📝
内容提要
本文介绍了如何将云端持久化 AI Agent 转换为符合 MCP 标准的工具，并通过标准输入输出协议供其他客户端调用。核心概念包括持久化 Agent、MCP 工具和 JSON-RPC 交互，旨在实现多 Agent 系统的标准化调用。
🎯
关键要点
- 多 Agent 系统中，如何安全、标准化地暴露云端 AI Agent 是一个常见问题。
- 核心概念包括持久化 Agent、MCP 工具和 stdio 传输。
- 持久化 Agent 是云端长期存在的 AI 实体，具有唯一 ID，可跨会话复用。
- MCP 工具将 Agent 封装为标准化可调用接口，供 MCP 客户端通过 JSON-RPC 调用。
- 标准输入输出传输使用 stdin/stdout 承载 JSON-RPC 请求与响应，便于开发与调试。
- 环境配置中需从环境变量获取 Azure AI Foundry 的连接信息并初始化客户端。
- 创建服务端 Agent 时需设定元数据，包括名称和描述。
- 将云端 Agent 转换为本地 AIAgent 对象，并转化为 MCP 工具是核心步骤。
- 注册 MCP 服务器并运行，使用 stdio 传输协议与工具交互。
- 使用 Node.js 作为通用 MCP 客户端与 MCP 服务进行交互。
- 通过 JSON-RPC 请求列出可用工具和调用指定工具。
- 持久化智能体与本地临时智能体的区别在于持久化、复用性和支持的功能。
- 总结了如何将 Azure AI Foundry 上的持久化 Agent 转换为 MCP 工具，奠定了多 Agent 协作系统的基础。
❓
延伸问答
什么是持久化 Agent，它有什么特点？
持久化 Agent 是云端长期存在的 AI 实体，具有唯一 ID，可跨会话复用，状态由服务端管理。
如何将云端 AI Agent 转换为 MCP 工具？
将云端 Agent 转换为 MCP 工具的核心步骤包括获取 Agent 对象并使用 McpServerTool.Create(...) 封装为符合 MCP 标准的工具。
MCP 工具的作用是什么？
MCP 工具将 Agent 封装为标准化可调用接口，供 MCP 客户端通过 JSON-RPC 调用。
如何配置环境以使用 Azure AI Foundry？
环境配置需从环境变量获取 Azure AI Foundry 的连接信息，并初始化客户端，确保本地已通过 Azure CLI 登录。
使用 Node.js 如何与 MCP 服务进行交互？
使用 Node.js 可以通过 spawn 启动 MCP 服务器，并通过标准输入输出与 MCP 服务进行 JSON-RPC 协议交互。
持久化智能体与本地临时智能体有什么区别？
持久化智能体是云端的，支持多会话和多客户端，而本地临时智能体仅在当前代码中有效，生命周期短。
➡️
