借助 Azure MCP Server 与 GitHub Copilot，尽可能简化 Azure 应用搭建流程

Model Context Protocol（MCP）问世已有一段时间，在此期间，支持 MCP 的服务不断增多，其作为大语言模型（LLM）工具的应用范围也在逐步扩大。无论是工具提供方还是客户端的服务数量都在增加，预计今后支持 MCP 的场景还将进一步拓展。

在这样的背景下，微软推出了 Azure MCP Server—— 一款可通过 MCP 操作 Azure 资源的 MCP 服务器。（相关链接：github.com）

目前，该服务器可操作的资源虽有限，但已能实现 CosmosDB、Blob Storage 等数据的查询功能。本文将先简要介绍 MCP，随后讲解如何从 GitHub Copilot 调用 Azure MCP Server，从而轻松搭建使用 Azure 资源的 Web 应用。

MCP 是什么

MCP 是 Model Context Protocol 的缩写，顾名思义，它指的是一种协议（即标准规范）。具体而言，这是一种针对 “使用 LLM 模型的应用在调用工具时，如何获取上下文并调用工具” 这一流程所制定的标准规范。

提到工具调用，大家可能会想到 Function Calling（函数调用），但 MCP 与它属于不同层面的概念，具体区别如下：

• Function Calling（函数调用）：输入用户提示词与各工具的信息后，选择并调用对应工具的功能。
• MCP：规定了 LLM 应用应如何选择工具、工具方应如何提供工具的标准规范。

在 Model Context Protocol 中，定义了 “MCP Server”（MCP 服务器）与 “MCP Client”（MCP 客户端）两种角色：

• 宿主（Host）：指使用 MCP 的 LLM 应用。
• MCP Server（MCP 服务器）：提供工具，负责提供工具信息并执行工具调用。
• MCP Client（MCP 客户端）：从 MCP Server 获取工具信息，决定调用哪个工具并执行调用操作。

严格来说，MCP Server 还可提供提示词模板等其他功能，本文在此暂不展开说明。

例如，Claude Desktop、GitHub Copilot 等属于工具调用方服务，对应上述的 “宿主”，其内部包含了 MCP 客户端。

本文将按照以下架构开展操作：通过由 NodeJS 启动的 MCP Server 来操作 Azure 资源。

关于 Azure MCP Server

这是微软发布的 MCP 服务器，可通过工具提供 Azure 资源的操作能力，支持标准输入与 HTTP 两种通信方式。

可操作的内容示例如下：

• 获取 CosmosDB 容器列表
• 向 CosmosDB 容器执行 SQL 查询
• 获取 Blob Storage 容器列表

搭建使用 Azure 资源的 Web 应用

本次我们将搭建一个简易 Web 应用，实现文件的上传、下载与删除功能，并记录 “谁在何时上传了文件”。后端将采用 Blob Storage 作为文件存储，CosmosDB 用于管理上传历史。

开发环境如下：

• VS Code Insiders
• GitHub Copilot
• Python 3.10.11

启动 Azure MCP Server

启动 Azure MCP Server 十分简单。

https://github.com/Azure/azure-mcp

执行以下命令启动服务器

bashnpx -y @azure/mcp@latest server start --transport sse

若出现如下输出，则表示启动成功

plaintextinfo: Microsoft.Hosting.Lifetime[14]

Now listening on: http://localhost:5008

配置 VS Code 中的 GitHub Copilot，使其适配 Azure MCP Server

仅启动 MCP Server 无法让客户端识别，需完成注册操作以确保 LLM 应用能正常识别。由于本次使用 GitHub Copilot，具体操作可参考链接code.visualstudio.com。

核心步骤为在 .vscode/mcp.json 文件中写入以下内容即可：

json

{
    "servers": {
        "azure-mcp-dev": {
            "url": "http://localhost:5008"
        }
    }
}

通过 GitHub Copilot 搭建应用

首先，需预先在 Azure 中手动创建以下资源组及资源：

• 资源组：mcp-dev
• CosmosDB：ssk-mcp-cosmos-dev
• 存储账户：sskmcpblobdev

理论上，我们希望让 Azure MCP Server 完成资源创建的全过程，但将资源创建操作完全交给 LLM 存在一定风险，因此本次仅手动完成这部分工作。

完成上述准备后，向已关联 Azure MCP Server 的 GitHub Copilot 输入以下提示词：

此时，Copilot 会先检查现有资源状态，如下所示：

其中显示 “Ran azmcp-group-list” 的部分，即为正在执行 Azure MCP Server 操作的过程，能看出它正在确认资源组、存储及 CosmosDB 的状态。

Copilot 在首次回复中会告知所需的设计方案，之后我们可进一步指令其输出代码。

需要注意的是，Copilot 会生成源代码，但不会主动创建容器。由于若不明确指示，它通常不会执行修改资源的操作，因此需补充相关指令。

补充指令后，资源所需的各个容器便会分别创建完成。

至此，源代码与后端资源的搭建就全部完成了。

实际使用体验

下面我们来运行一下这个应用。界面是通过向 GitHub Copilot 输入提示词生成的。

由于没有对外观做任何指定，所以界面处于最基础的状态。这里展示的是已上传 schema.json 文件后的状态，Azure 资源中也同步了上传的文件及相关操作历史。

像这样，借助 Azure MCP Server 与 GitHub Copilot，从 Azure 资源配置到应用创建的全过程，都可以通过提示词一次性完成。在 Azure 上搭建简单应用时，这一组合应该会非常实用。

总结

本文借助 Azure MCP Server 与 GitHub Copilot，轻松验证了 Azure 资源配置与应用开发的全流程。

除了 GitHub Copilot 原本就具备的应用创建能力外，现在连适配应用的资源配置都能通过提示词一站式完成，非常便捷。

未来，MCP Server 的工具扩展功能还将进一步完善，想必能为我们带来更高效的开发体验。

那么，我们下次再见。