Willkommen zum Model Context Protocol (MCP) Workshop! Dieser umfassende Praxis-Workshop vereint zwei wegweisende Technologien, um die Entwicklung von KI-Anwendungen zu revolutionieren:
- 🔗 Model Context Protocol (MCP): Ein offener Standard für nahtlose KI-Tool-Integration
- 🛠️ AI Toolkit für Visual Studio Code (AITK): Microsofts leistungsstarke Erweiterung für KI-Entwicklung
Am Ende dieses Workshops beherrschst du den Aufbau intelligenter Anwendungen, die KI-Modelle mit realen Tools und Diensten verbinden. Von automatisierten Tests bis hin zu individuellen API-Integrationen erwirbst du praktische Fähigkeiten zur Lösung komplexer Geschäftsanforderungen.
MCP ist das „USB-C für KI“ – ein universeller Standard, der KI-Modelle mit externen Tools und Datenquellen verbindet.
✨ Hauptmerkmale:
- 🔄 Standardisierte Integration: Universelle Schnittstelle für KI-Tool-Verbindungen
- 🏛️ Flexible Architektur: Lokale und entfernte Server über stdio/SSE-Transport
- 🧰 Umfangreiches Ökosystem: Tools, Prompts und Ressourcen in einem Protokoll
- 🔒 Enterprise-Ready: Eingebaute Sicherheit und Zuverlässigkeit
🎯 Warum MCP wichtig ist: Wie USB-C das Kabelchaos beseitigt hat, vereinfacht MCP die Komplexität von KI-Integrationen. Ein Protokoll, unendliche Möglichkeiten.
Microsofts Flaggschiff-Erweiterung für KI-Entwicklung, die VS Code in eine KI-Powerhouse verwandelt.
🚀 Kernfunktionen:
- 📦 Modellkatalog: Zugriff auf Modelle von Azure AI, GitHub, Hugging Face, Ollama
- ⚡ Lokale Inferenz: ONNX-optimierte CPU/GPU/NPU-Ausführung
- 🏗️ Agent Builder: Visuelle Entwicklung von KI-Agenten mit MCP-Integration
- 🎭 Multimodal: Unterstützung für Text, Bild und strukturierte Ausgaben
💡 Vorteile für die Entwicklung:
- Modellbereitstellung ohne Konfiguration
- Visuelles Prompt-Engineering
- Echtzeit-Testumgebung
- Nahtlose Integration von MCP-Servern
Dauer: 15 Minuten
- 🛠️ Installation und Konfiguration des AI Toolkit für VS Code
- 🗂️ Erkundung des Modellkatalogs (über 100 Modelle von GitHub, ONNX, OpenAI, Anthropic, Google)
- 🎮 Beherrschung des interaktiven Playgrounds für Echtzeit-Modelltests
- 🤖 Bau deines ersten KI-Agenten mit dem Agent Builder
- 📊 Bewertung der Modellleistung mit integrierten Metriken (F1, Relevanz, Ähnlichkeit, Kohärenz)
- ⚡ Einführung in Batch-Verarbeitung und multimodale Unterstützung
🎯 Lernziel: Erstelle einen funktionalen KI-Agenten mit umfassendem Verständnis der AITK-Funktionen
Dauer: 20 Minuten
- 🧠 Beherrschung der Architektur und Konzepte des Model Context Protocol (MCP)
- 🌐 Erkundung des MCP-Server-Ökosystems von Microsoft
- 🤖 Bau eines Browser-Automatisierungsagenten mit Playwright MCP-Server
- 🔧 Integration von MCP-Servern in den AI Toolkit Agent Builder
- 📊 Konfiguration und Test von MCP-Tools innerhalb deiner Agenten
- 🚀 Export und Bereitstellung von MCP-gestützten Agenten für den Produktionseinsatz
🎯 Lernziel: Setze einen KI-Agenten ein, der durch externe Tools via MCP erweitert wird
Dauer: 20 Minuten
- 💻 Erstellung eigener MCP-Server mit AI Toolkit
- 🐍 Konfiguration und Nutzung des neuesten MCP Python SDK (v1.9.3)
- 🔍 Einrichtung und Verwendung des MCP Inspectors zum Debuggen
- 🛠️ Aufbau eines Weather MCP Servers mit professionellen Debugging-Workflows
- 🧪 Debugging von MCP-Servern sowohl im Agent Builder als auch im Inspector
🎯 Lernziel: Entwickle und debugge eigene MCP-Server mit modernen Werkzeugen
Dauer: 30 Minuten
- 🏗️ Aufbau eines realen GitHub Clone MCP Servers für Entwicklungs-Workflows
- 🔄 Implementierung intelligenter Repository-Klone mit Validierung und Fehlerbehandlung
- 📁 Erstellung intelligenter Verzeichnisverwaltung und VS Code-Integration
- 🤖 Nutzung des GitHub Copilot Agent Mode mit individuellen MCP-Tools
- 🛡️ Anwendung von produktionsreifer Zuverlässigkeit und plattformübergreifender Kompatibilität
🎯 Lernziel: Setze einen produktionsreifen MCP-Server ein, der echte Entwicklungs-Workflows optimiert
Verwandle deinen Entwicklungsworkflow mit intelligenter Automatisierung:
- Intelligente Repository-Verwaltung: KI-gestützte Code-Reviews und Merge-Entscheidungen
- Intelligente CI/CD: Automatisierte Pipeline-Optimierung basierend auf Codeänderungen
- Issue-Triage: Automatische Fehlerklassifizierung und Zuweisung
Verbessere Tests mit KI-gestützter Automatisierung:
- Intelligente Testgenerierung: Automatische Erstellung umfassender Test-Suites
- Visuelle Regressionstests: KI-gestützte Erkennung von UI-Änderungen
- Performance-Monitoring: Proaktive Erkennung und Behebung von Problemen
Baue intelligentere Datenverarbeitungs-Workflows:
- Adaptive ETL-Prozesse: Selbstoptimierende Datenumwandlungen
- Anomalieerkennung: Echtzeit-Überwachung der Datenqualität
- Intelligente Steuerung: Smarte Verwaltung von Datenflüssen
Schaffe herausragende Kundeninteraktionen:
- Kontextbewusster Support: KI-Agenten mit Zugriff auf Kundendaten
- Proaktive Problemlösung: Vorausschauender Kundenservice
- Multikanal-Integration: Einheitliches KI-Erlebnis über verschiedene Plattformen
| Komponente | Anforderung | Hinweise |
|---|---|---|
| Betriebssystem | Windows 10+, macOS 10.15+, Linux | Beliebiges modernes OS |
| Visual Studio Code | Neueste stabile Version | Für AITK erforderlich |
| Node.js | v18.0+ und npm | Für MCP-Server-Entwicklung |
| Python | 3.10+ | Optional für Python MCP-Server |
| Arbeitsspeicher | Mindestens 8 GB RAM | 16 GB empfohlen für lokale Modelle |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) – Optional, aber hilfreich
- uv: Moderner Python-Paketmanager
- MCP Inspector: Visuelles Debugging-Tool für MCP-Server
- Playwright: Für Web-Automatisierungsbeispiele
Mit Abschluss dieses Workshops erreichst du Expertise in:
- MCP-Protokoll-Beherrschung: Tiefes Verständnis von Architektur und Implementierungsmustern
- AITK-Kompetenz: Expertenwissen im Umgang mit AI Toolkit für schnelle Entwicklung
- Entwicklung eigener Server: Aufbau, Bereitstellung und Wartung produktionsreifer MCP-Server
- Exzellente Tool-Integration: Nahtlose Verbindung von KI mit bestehenden Entwicklungs-Workflows
- Anwendung von Problemlösungen: Umsetzung des Gelernten bei realen Geschäftsproblemen
- Einrichtung und Konfiguration von AI Toolkit in VS Code
- Design und Implementierung eigener MCP-Server
- Integration von GitHub-Modellen in MCP-Architektur
- Aufbau automatisierter Test-Workflows mit Playwright
- Bereitstellung von KI-Agenten für den Produktionseinsatz
- Debugging und Optimierung der MCP-Server-Performance
- Architektur von KI-Integrationen im Unternehmensmaßstab
- Umsetzung von Sicherheitsbest-Practices für KI-Anwendungen
- Design skalierbarer MCP-Server-Architekturen
- Erstellung individueller Toolchains für spezifische Anwendungsbereiche
- Mentoring anderer in KI-nativer Entwicklung
🚀 Bereit, deinen KI-Entwicklungsworkflow zu revolutionieren?
Lass uns gemeinsam die Zukunft intelligenter Anwendungen mit MCP und AI Toolkit gestalten!
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache ist als maßgebliche Quelle zu betrachten. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.