azure openai research MCP server

用于矢量搜索的Azure OpenAI MCP服务器

这是一个模型上下文协议（MCP）服务器，旨在使用Azure OpenAI与Deep Research合作。它通过Azure OpenAI的Vector Store API和文档检索功能提供语义搜索，演示如何使用Azure的企业级人工智能服务构建自定义MCP服务器，该服务器可以使用特定于公司的知识和工具扩展ChatGPT。

特性

• 增强搜索工具：使用带有file_search工具的Azure OpenAI助手API进行语义搜索
• 智能提取工具：使用Azure OpenAI助手API完成文档内容提取
• SSE 运输：服务器发送事件传输，用于与ChatGPT进行实时通信
• Azure集成：Azure OpenAI与企业安全和合规性的完全集成
• 混合搜索：Azure通过矢量相似性和关键字匹配增强搜索
• 自动引用：内置引用支持和源文件引用
• MCP合规性：遵循OpenAI的MCP规范，用于深度研究集成

需求

• Python 3.8+
• fastmcp（>=2.9.0）
• 玉米（>=0.34.3）
• openai（Python SDK-与Azure openai兼容）
• pydantic（fastmcp的依赖性）
• 具有矢量存储功能的Azure OpenAI服务

安装

1.安装依赖项

pip install fastmcp uvicorn openai

2.Azure OpenAI设置

设置Azure OpenAI环境变量：

export AZURE_OPENAI_API_KEY="your-azure-openai-api-key"
export AZURE_OPENAI_ENDPOINT="https://your-resource-name.openai.azure.com"
export AZURE_OPENAI_DEPLOYMENT_NAME="your-deployment-name"
export VECTOR_STORE_ID="vs_your_vector_store_id"
export AZURE_OPENAI_API_VERSION="2024-05-01-preview"  # Optional, defaults to this

3.获取Azure配置

API密钥：在Azure门户中找到→ 您的OpenAI资源→ 密钥和端点

端点：在Azure门户中找到→ 您的OpenAI资源→ 密钥和端点（格式： https://your-resource.openai.azure.com)

部署名称：您在Azure OpenAI Studio中为GPT-4部署命名的名称

矢量存储ID：在Azure OpenAI Playground中创建一个向量存储，并记下ID（格式： vs_xxxxxxxxx)

4.运行服务器

python main.py

服务器将于启动 http://0.0.0.0:8000 启用SSE传输。

5.验证设置

运行验证脚本以测试您的配置：

python validate.py  # or whatever you named the validation file

用法

连接到ChatGPT深度研究

1. 访问ChatGPT设置：转到ChatGPT设置
2. 导航到连接器：点击“连接器”选项卡
3. 添加MCP服务器：添加您的服务器URL: http://your-domain:8000/sse/
4. 测试连接：服务器应显示为可用于深入研究

服务器端点

• SSE 终端: http://0.0.0.0:8000/sse/ -主MCP通信端点
• 健康检查：服务器日志将显示成功启动和工具注册

可用工具

搜索工具

• 目的：使用带有增强的file_search的Azure OpenAI助手API查找相关文档
• 输入：搜索查询字符串（自然语言效果最佳）
• 输出：包含引用、文件ID、标题和文本片段的匹配文档列表
• 特性:

- 结合向量相似度和关键字匹配的混合搜索 - 自动查询优化和结果重新排序 - 内置引文支持和源文件引用 - 上下文感知搜索，最多包含20个相关块

提取工具

• 目的：使用Azure OpenAI助手API提取完整的文档内容
• 输入：矢量存储搜索结果中的文件ID（文件xxx格式）
• 输出：通过AI驱动的内容提取提取完整文档内容
• 特性:

- 绕过Azure OpenAI文件下载限制 - 基于AI的完整文档文本内容提取 - 自动清理临时助理和线程 - 带标题、节和格式的结构化内容提取

矢量存储集成

该服务器与您的Azure OpenAI矢量存储集成，其中包含您上传的文档。Azure OpenAI提供了比标准OpenAI更强的功能：

• 增强分块：每个区块800个令牌，400个令牌重叠
• 混合搜索：将语义相似性与关键字匹配相结合
• 查询优化：自动重写查询以获得更好的结果
• 结果重新排名：智能选择最相关的内容
• 企业安全：Azure的企业级安全性和合规性

支持的文件类型

Azure OpenAI矢量存储支持：

• PDF文档
• 文本文件
• Word文档（.docx）
• Markdown文件
• 以及其他基于文本的格式

定制

使用自己的矢量存储

1. 创建矢量存储：在Azure OpenAI Playground中，创建一个新的矢量存储
2. 上传文档：通过操场将文档添加到矢量存储中
3. 更新配置：设置 VECTOR_STORE_ID 到您的新矢量存储ID
4. 重新启动服务器：服务器在启动时加载配置

修改搜索行为

中的搜索功能 main.py 可以针对以下内容进行定制：

• 针对特定搜索行为的不同辅助指令
• 自定义结果处理和格式化
• 从搜索结果中提取其他元数据
• 自定义内容片段长度和格式
• 多矢量存储支持

环境配置

创建一个 .env 文件以便于配置管理：

# .env file
AZURE_OPENAI_API_KEY=your_api_key_here
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com
AZURE_OPENAI_DEPLOYMENT_NAME=your_deployment_name
VECTOR_STORE_ID=vs_your_vector_store_id
AZURE_OPENAI_API_VERSION=2024-05-01-preview

部署

地方发展

服务器在端口8000上本地运行，可以使用ChatGPT进行测试。

生产部署

用于生产用途：

• 使用HTTPS：确保您的服务器具有SSL/TLS证书
• 认证：请考虑添加OAuth或API密钥身份验证
• 速率限制：实现Azure OpenAI API调用的速率限制
• 监控：添加服务器运行状况的日志记录和监控
• 扩展：考虑高流量场景的负载平衡
• Azure集成：使用Azure应用服务或容器实例进行托管

隧道局部测试

如果在本地运行并且需要外部访问：

# Using ngrok
ngrok http 8000

# Using cloudflare tunnel  
cloudflared tunnel --url http://localhost:8000

建筑

此Azure OpenAI MCP服务器使用：

• FastMCP：简化MCP协议实施
• 乌维科恩：用于HTTP/SSE传输的ASGI服务器
• Azure OpenAI：具有增强功能的企业级人工智能服务
• 助理API：Azure OpenAI用于搜索和内容提取的高级助手框架
• 矢量存储API：Azure具有混合功能的语义搜索

与标准OpenAI的主要区别

• 认证：使用Azure API密钥和基于终结点的身份验证
• 增强型搜索：结合矢量和关键字匹配的混合搜索
• 内容提取：人工智能驱动的内容提取，而不是直接下载文件
• 企业功能：内置合规、安全和监控功能

故障排除

常见问题

• 服务器无法启动：检查端口8000是否已在使用中
• ChatGPT无法连接：确保服务器URL正确且可访问
• 没有搜索结果：验证Azure OpenAI配置和向量存储ID
• 身份验证错误：检查API密钥和终结点配置
• 矢量存储错误：验证矢量存储是否存在并包含文档
• 未找到部署：确保您的部署名称正确并已部署

调试步骤

1. 运行验证：使用验证脚本检查配置
2. 检查日志：服务器日志显示详细的错误消息
3. 测试SSE端点: curl http://localhost:8000/sse/
4. 验证Azure连接:

   from openai import AzureOpenAI
   client = AzureOpenAI(api_key="...", azure_endpoint="...", api_version="...")
   print(client.models.list())

1. 检查矢量存储：在Azure OpenAI Playground中验证您的矢量存储是否包含文件

Azure特定问题

• API版本错误：确保您正在使用 2024-05-01-preview 或以后
• 部署错误：验证您的部署名称是否与Azure OpenAI Studio中的名称完全匹配
• 矢量存储访问：确保您的API密钥可以访问向量存储
• 文件上传问题：使用Azure OpenAI Playground上传和验证文件

性能注意事项

• 搜索延迟：Azure OpenAI助手API调用所用时间长于直接向量搜索
• 速率限制：请注意您的部署的Azure OpenAI速率限制
• 成本优化：监控令牌使用情况，特别是对于大型文档提取
• 缓存：考虑对频繁访问的文档实施响应缓存

安全最佳实践

• API密钥管理：安全存储API密钥，在生产中使用Azure密钥保管库
• 网络安全：使用HTTPS并考虑VPN或专用端点
• 访问控制：为您的MCP服务器实施身份验证
• 审计日志：启用Azure OpenAI日志记录以实现合规性和监控
• 数据隐私：确保上传的文档符合您的数据治理政策

贡献

这是一个生产就绪的实现，可以通过以下方式进行扩展：

• 支持不同文档类别的多向量存储
• 高级搜索过滤和分面搜索
• 与Azure Active Directory集成以进行身份验证
• 使用Azure Application Insights进行监控和警报
• 使用Azure容器应用程序或AKS进行横向扩展

许可证

此实现用于教育和商业用途。确保符合Azure OpenAI服务条款和组织的数据策略。