(Kliknij powyższy obraz, aby obejrzeć film z tej lekcji)
Ta lekcja skupia się na tym, jak angażować się w społeczność MCP, wnosić wkład w ekosystem MCP oraz stosować najlepsze praktyki współpracy przy rozwoju. Zrozumienie, jak uczestniczyć w projektach open-source MCP, jest kluczowe dla tych, którzy chcą kształtować przyszłość tej technologii.
Po zakończeniu tej lekcji będziesz potrafił:
- Zrozumieć strukturę społeczności i ekosystemu MCP
- Skutecznie uczestniczyć w forach i dyskusjach społeczności MCP
- Wnosić wkład do repozytoriów open-source MCP
- Tworzyć i dzielić się niestandardowymi narzędziami i serwerami MCP
- Stosować najlepsze praktyki rozwoju i współpracy w projekcie MCP
- Odkrywać zasoby społecznościowe i frameworki do rozwoju MCP
Ekosystem MCP składa się z różnych komponentów i uczestników, którzy współpracują na rzecz rozwoju protokołu.
- Główni Opiekunowie Protokółu: Oficjalna organizacja Model Context Protocol na GitHub utrzymuje podstawowe specyfikacje MCP oraz referencyjne implementacje
- Deweloperzy Narzędzi: Osoby i zespoły tworzące narzędzia i serwery MCP
- Dostawcy Integracji: Firmy integrujące MCP w swoich produktach i usługach
- Użytkownicy Końcowi: Deweloperzy i organizacje wykorzystujące MCP w swoich aplikacjach
- Współtwórcy: Członkowie społeczności wnoszący kod, dokumentację lub inne zasoby
- Organizacja MCP na GitHub
- Dokumentacja MCP
- Specyfikacja MCP
- Dyskusje na GitHub
- Repozytorium Przykładów i Serwerów MCP
- Klienci MCP - Lista klientów wspierających integracje MCP
- Serwery MCP Społeczności - Rosnąca lista serwerów MCP rozwijanych przez społeczność
- Awesome MCP Servers - Kuratowana lista serwerów MCP
- PulseMCP - Centrum społeczności i newsletter do odkrywania zasobów MCP
- Serwer Discord - Połącz się z deweloperami MCP
- Implementacje SDK dla konkretnych języków
- Posty na blogach i samouczki
Ekosystem MCP otwarty jest na różne formy wkładu:
-
Wkład w Kod:
- Ulepszenia rdzenia protokołu
- Poprawki błędów
- Implementacje narzędzi i serwerów
- Biblioteki klient/serwer w różnych językach
-
Dokumentacja:
- Poprawa istniejącej dokumentacji
- Tworzenie samouczków i przewodników
- Tłumaczenie dokumentacji
- Tworzenie przykładów i aplikacji demonstracyjnych
-
Wsparcie Społeczności:
- Odpowiadanie na pytania na forach i w dyskusjach
- Testowanie i zgłaszanie problemów
- Organizowanie wydarzeń społecznościowych
- Mentoring nowych współtwórców
Aby wnieść wkład do rdzenia protokołu MCP lub oficjalnych implementacji, przestrzegaj zasad z oficjalnych wytycznych dla współtwórców:
-
Prostota i Minimalizm: Specyfikacja MCP utrzymuje wysoki poziom wymagań przy dodawaniu nowych koncepcji. Prościej jest dodać coś do specyfikacji niż to usunąć.
-
Konkretne Podejście: Zmiany w specyfikacji powinny opierać się na konkretnych wyzwaniach implementacyjnych, a nie na spekulacjach.
-
Etapy Propozycji:
- Definicja: Zbadaj przestrzeń problemową, potwierdź, że inni użytkownicy MCP mają podobny problem
- Prototyp: Zbuduj przykładowe rozwiązanie i zademonstruj jego praktyczne zastosowanie
- Pisanie: Na podstawie prototypu napisz propozycję specyfikacji
# Utwórz fork repozytorium
git clone https://github.com/YOUR-USERNAME/modelcontextprotocol.git
cd modelcontextprotocol
# Zainstaluj zależności
npm install
# Dla zmian w schemacie, zweryfikuj i wygeneruj schema.json:
npm run check:schema:ts
npm run generate:schema
# Dla zmian w dokumentacji
npm run check:docs
npm run format
# Podglądaj dokumentację lokalnie (opcjonalnie):
npm run serve:docs// Oryginalny kod z błędem w typescript-sdk
export function validateResource(resource: unknown): resource is MCPResource {
if (!resource || typeof resource !== 'object') {
return false;
}
// Błąd: Brak walidacji właściwości
// Aktualna implementacja:
const hasName = 'name' in resource;
const hasSchema = 'schema' in resource;
return hasName && hasSchema;
}
// Poprawiona implementacja we wkładzie
export function validateResource(resource: unknown): resource is MCPResource {
if (!resource || typeof resource !== 'object') {
return false;
}
// Ulepszona walidacja
const hasName = 'name' in resource && typeof (resource as MCPResource).name === 'string';
const hasSchema = 'schema' in resource && typeof (resource as MCPResource).schema === 'object';
const hasDescription = !('description' in resource) || typeof (resource as MCPResource).description === 'string';
return hasName && hasSchema && hasDescription;
}# Przykładowy wkład: narzędzie do przetwarzania danych CSV dla standardowej biblioteki MCP
from mcp_tools import Tool, ToolRequest, ToolResponse, ToolExecutionException
import pandas as pd
import io
import json
from typing import Dict, Any, List, Optional
class CsvProcessingTool(Tool):
"""
Tool for processing and analyzing CSV data.
This tool allows models to extract information from CSV files,
run basic analysis, and convert data between formats.
"""
def get_name(self):
return "csvProcessor"
def get_description(self):
return "Processes and analyzes CSV data"
def get_schema(self):
return {
"type": "object",
"properties": {
"csvData": {
"type": "string",
"description": "CSV data as a string"
},
"csvUrl": {
"type": "string",
"description": "URL to a CSV file (alternative to csvData)"
},
"operation": {
"type": "string",
"enum": ["summary", "filter", "transform", "convert"],
"description": "Operation to perform on the CSV data"
},
"filterColumn": {
"type": "string",
"description": "Column to filter by (for filter operation)"
},
"filterValue": {
"type": "string",
"description": "Value to filter for (for filter operation)"
},
"outputFormat": {
"type": "string",
"enum": ["json", "csv", "markdown"],
"default": "json",
"description": "Output format for the processed data"
}
},
"oneOf": [
{"required": ["csvData", "operation"]},
{"required": ["csvUrl", "operation"]}
]
}
async def execute_async(self, request: ToolRequest) -> ToolResponse:
try:
# Wyodrębnij parametry
operation = request.parameters.get("operation")
output_format = request.parameters.get("outputFormat", "json")
# Pobierz dane CSV z bezpośrednich danych lub adresu URL
df = await self._get_dataframe(request)
# Przetwórz w oparciu o żądaną operację
result = {}
if operation == "summary":
result = self._generate_summary(df)
elif operation == "filter":
column = request.parameters.get("filterColumn")
value = request.parameters.get("filterValue")
if not column:
raise ToolExecutionException("filterColumn is required for filter operation")
result = self._filter_data(df, column, value)
elif operation == "transform":
result = self._transform_data(df, request.parameters)
elif operation == "convert":
result = self._convert_format(df, output_format)
else:
raise ToolExecutionException(f"Unknown operation: {operation}")
return ToolResponse(result=result)
except Exception as e:
raise ToolExecutionException(f"CSV processing failed: {str(e)}")
async def _get_dataframe(self, request: ToolRequest) -> pd.DataFrame:
"""Gets a pandas DataFrame from either CSV data or URL"""
if "csvData" in request.parameters:
csv_data = request.parameters.get("csvData")
return pd.read_csv(io.StringIO(csv_data))
elif "csvUrl" in request.parameters:
csv_url = request.parameters.get("csvUrl")
return pd.read_csv(csv_url)
else:
raise ToolExecutionException("Either csvData or csvUrl must be provided")
def _generate_summary(self, df: pd.DataFrame) -> Dict[str, Any]:
"""Generates a summary of the CSV data"""
return {
"columns": df.columns.tolist(),
"rowCount": len(df),
"columnCount": len(df.columns),
"numericColumns": df.select_dtypes(include=['number']).columns.tolist(),
"categoricalColumns": df.select_dtypes(include=['object']).columns.tolist(),
"sampleRows": json.loads(df.head(5).to_json(orient="records")),
"statistics": json.loads(df.describe().to_json())
}
def _filter_data(self, df: pd.DataFrame, column: str, value: str) -> Dict[str, Any]:
"""Filters the DataFrame by a column value"""
if column not in df.columns:
raise ToolExecutionException(f"Column '{column}' not found")
filtered_df = df[df[column].astype(str).str.contains(value)]
return {
"originalRowCount": len(df),
"filteredRowCount": len(filtered_df),
"data": json.loads(filtered_df.to_json(orient="records"))
}
def _transform_data(self, df: pd.DataFrame, params: Dict[str, Any]) -> Dict[str, Any]:
"""Transforms the data based on parameters"""
# Implementacja obejmowałaby różne przekształcenia
return {
"status": "success",
"message": "Transformation applied"
}
def _convert_format(self, df: pd.DataFrame, format: str) -> Dict[str, Any]:
"""Converts the DataFrame to different formats"""
if format == "json":
return {
"data": json.loads(df.to_json(orient="records")),
"format": "json"
}
elif format == "csv":
return {
"data": df.to_csv(index=False),
"format": "csv"
}
elif format == "markdown":
return {
"data": df.to_markdown(),
"format": "markdown"
}
else:
raise ToolExecutionException(f"Unsupported output format: {format}")Aby skutecznie wnieść wkład do projektów MCP:
- Zaczynaj od Małych Zadań: Zacznij od dokumentacji, poprawek błędów lub drobnych usprawnień
- Stosuj się do Przewodnika Stylu: Przestrzegaj stylu kodowania i konwencji projektu
- Pisz Testy: Dołącz testy jednostkowe dla swojego wkładu w kod
- Dokumentuj Swoją Pracę: Dodaj jasną dokumentację nowych funkcji lub zmian
- Składaj Skoncentrowane Pull Requesty: Unikaj łączenia różnych problemów lub funkcji w jednym PR
- Reaguj na Opinie: Odpowiadaj na uwagi dotyczące Twoich wkładów
# Sklonuj repozytorium
git clone https://github.com/modelcontextprotocol/typescript-sdk.git
cd typescript-sdk
# Utwórz nową gałąź dla swojego wkładu
git checkout -b feature/my-contribution
# Wprowadź swoje zmiany
# ...
# Uruchom testy, aby upewnić się, że twoje zmiany nie psują istniejącej funkcjonalności
npm test
# Zatwierdź swoje zmiany z opisową wiadomością
git commit -am "Fix validation in resource handler"
# Wypchnij swoją gałąź do swojego forka
git push origin feature/my-contribution
# Utwórz pull request ze swojej gałęzi do głównego repozytorium
# Następnie angażuj się w opinię i w razie potrzeby iteruj nad swoim PRJednym z najbardziej wartościowych sposobów wniesienia wkładu do ekosystemu MCP jest tworzenie i dzielenie się własnymi serwerami MCP. Społeczność już opracowała setki serwerów dla różnych usług i zastosowań.
Dostępnych jest kilka frameworków ułatwiających rozwój serwerów MCP:
-
Oficjalne SDK (zgodne z Specyfikacją MCP 2025-11-25):
-
Frameworki Społeczności:
- MCP-Framework - Twórz serwery MCP z elegancją i szybkością w TypeScript
- Deklaratywny Java SDK MCP - Serwery MCP sterowane adnotacjami w Javie
- Quarkus MCP Server SDK - Framework Java dla serwerów MCP
- Szablon Next.js MCP Server - Projekt startowy Next.js do serwerów MCP
// Create a new .NET library project
// dotnet new classlib -n McpFinanceTools
using Microsoft.Mcp.Tools;
using System.Threading.Tasks;
using System.Net.Http;
using System.Text.Json;
namespace McpFinanceTools
{
// Stock quote tool
public class StockQuoteTool : IMcpTool
{
private readonly HttpClient _httpClient;
public StockQuoteTool(HttpClient httpClient = null)
{
_httpClient = httpClient ?? new HttpClient();
}
public string Name => "stockQuote";
public string Description => "Gets current stock quotes for specified symbols";
public object GetSchema()
{
return new {
type = "object",
properties = new {
symbol = new {
type = "string",
description = "Stock symbol (e.g., MSFT, AAPL)"
},
includeHistory = new {
type = "boolean",
description = "Whether to include historical data",
default = false
}
},
required = new[] { "symbol" }
};
}
public async Task<ToolResponse> ExecuteAsync(ToolRequest request)
{
// Extract parameters
string symbol = request.Parameters.GetProperty("symbol").GetString();
bool includeHistory = false;
if (request.Parameters.TryGetProperty("includeHistory", out var historyProp))
{
includeHistory = historyProp.GetBoolean();
}
// Call external API (example)
var quoteResult = await GetStockQuoteAsync(symbol);
// Add historical data if requested
if (includeHistory)
{
var historyData = await GetStockHistoryAsync(symbol);
quoteResult.Add("history", historyData);
}
// Return formatted result
return new ToolResponse {
Result = JsonSerializer.SerializeToElement(quoteResult)
};
}
private async Task<Dictionary<string, object>> GetStockQuoteAsync(string symbol)
{
// Implementation would call a real stock API
// This is a simplified example
return new Dictionary<string, object>
{
["symbol"] = symbol,
["price"] = 123.45,
["change"] = 2.5,
["percentChange"] = 1.2,
["lastUpdated"] = DateTime.UtcNow
};
}
private async Task<object> GetStockHistoryAsync(string symbol)
{
// Implementation would get historical data
// Simplified example
return new[]
{
new { date = DateTime.Now.AddDays(-7).Date, price = 120.25 },
new { date = DateTime.Now.AddDays(-6).Date, price = 122.50 },
new { date = DateTime.Now.AddDays(-5).Date, price = 121.75 }
// More historical data...
};
}
}
}
// Create package and publish to NuGet
// dotnet pack -c Release
// dotnet nuget push bin/Release/McpFinanceTools.1.0.0.nupkg -s https://api.nuget.org/v3/index.json -k YOUR_API_KEY// konfiguracja pom.xml dla współdzielonego pakietu narzędzi MCP
<!--
<project>
<groupId>com.example</groupId>
<artifactId>mcp-weather-tools</artifactId>
<version>1.0.0</version>
<dependencies>
<dependency>
<groupId>com.mcp</groupId>
<artifactId>mcp-server</artifactId>
<version>1.0.0</version>
</dependency>
</dependencies>
<distributionManagement>
<repository>
<id>github</id>
<name>GitHub Packages</name>
<url>https://maven.pkg.github.com/username/mcp-weather-tools</url>
</repository>
</distributionManagement>
</project>
-->
package com.example.mcp.weather;
import com.mcp.tools.Tool;
import com.mcp.tools.ToolRequest;
import com.mcp.tools.ToolResponse;
import com.mcp.tools.ToolExecutionException;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.net.URI;
import java.util.HashMap;
import java.util.Map;
public class WeatherForecastTool implements Tool {
private final HttpClient httpClient;
private final String apiKey;
public WeatherForecastTool(String apiKey) {
this.httpClient = HttpClient.newHttpClient();
this.apiKey = apiKey;
}
@Override
public String getName() {
return "weatherForecast";
}
@Override
public String getDescription() {
return "Gets weather forecast for a specified location";
}
@Override
public Object getSchema() {
Map<String, Object> schema = new HashMap<>();
// Definicja schematu...
return schema;
}
@Override
public ToolResponse execute(ToolRequest request) {
try {
String location = request.getParameters().get("location").asText();
int days = request.getParameters().has("days") ?
request.getParameters().get("days").asInt() : 3;
// Wywołaj API pogody
Map<String, Object> forecast = getForecast(location, days);
// Zbuduj odpowiedź
return new ToolResponse.Builder()
.setResult(forecast)
.build();
} catch (Exception ex) {
throw new ToolExecutionException("Weather forecast failed: " + ex.getMessage(), ex);
}
}
private Map<String, Object> getForecast(String location, int days) {
// Implementacja wywoła API pogody
// Uproszczony przykład
Map<String, Object> result = new HashMap<>();
// Dodaj dane prognozy...
return result;
}
}
// Buduj i publikuj za pomocą Maven
// mvn clean package
// mvn deploy# Struktura katalogu dla pakietu PyPI:
# mcp_nlp_tools/
# ├── LICENCJA
# ├── README.md
# ├── setup.py
# ├── mcp_nlp_tools/
# │ ├── __init__.py
# │ ├── sentiment_tool.py
# │ └── translation_tool.py
# Przykład setup.py
"""
from setuptools import setup, find_packages
setup(
name="mcp_nlp_tools",
version="0.1.0",
packages=find_packages(),
install_requires=[
"mcp_server>=1.0.0",
"transformers>=4.0.0",
"torch>=1.8.0"
],
author="Your Name",
author_email="your.email@example.com",
description="MCP tools for natural language processing tasks",
long_description=open("README.md").read(),
long_description_content_type="text/markdown",
url="https://github.com/username/mcp_nlp_tools",
classifiers=[
"Programming Language :: Python :: 3",
"License :: OSI Approved :: MIT License",
"Operating System :: OS Independent",
],
python_requires=">=3.8",
)
"""
# Przykładowa implementacja narzędzia NLP (sentiment_tool.py)
from mcp_tools import Tool, ToolRequest, ToolResponse, ToolExecutionException
from transformers import pipeline
import torch
class SentimentAnalysisTool(Tool):
"""MCP tool for sentiment analysis of text"""
def __init__(self, model_name="distilbert-base-uncased-finetuned-sst-2-english"):
# Załaduj model analizy sentymentu
self.sentiment_analyzer = pipeline("sentiment-analysis", model=model_name)
def get_name(self):
return "sentimentAnalysis"
def get_description(self):
return "Analyzes the sentiment of text, classifying it as positive or negative"
def get_schema(self):
return {
"type": "object",
"properties": {
"text": {
"type": "string",
"description": "The text to analyze for sentiment"
},
"includeScore": {
"type": "boolean",
"description": "Whether to include confidence scores",
"default": True
}
},
"required": ["text"]
}
async def execute_async(self, request: ToolRequest) -> ToolResponse:
try:
# Wyodrębnij parametry
text = request.parameters.get("text")
include_score = request.parameters.get("includeScore", True)
# Przeanalizuj sentyment
sentiment_result = self.sentiment_analyzer(text)[0]
# Sformatuj wynik
result = {
"sentiment": sentiment_result["label"],
"text": text
}
if include_score:
result["score"] = sentiment_result["score"]
# Zwróć wynik
return ToolResponse(result=result)
except Exception as e:
raise ToolExecutionException(f"Sentiment analysis failed: {str(e)}")
# Aby opublikować:
# python setup.py sdist bdist_wheel
# python -m twine upload dist/*W trakcie udostępniania narzędzi MCP społeczności:
-
Kompletna Dokumentacja:
- Dokumentuj cel, użycie i przykłady
- Wyjaśnij parametry i wartości zwracane
- Udokumentuj wszelkie zewnętrzne zależności
-
Obsługa Błędów:
- Implementuj solidną obsługę błędów
- Dostarczaj przydatne komunikaty o błędach
- Łagodnie obsługuj przypadki brzegowe
-
Wydajność:
- Optymalizuj zarówno pod kątem szybkości, jak i zużycia zasobów
- Wykorzystuj cache, jeśli to stosowne
- Weź pod uwagę skalowalność
-
Bezpieczeństwo:
- Używaj bezpiecznych kluczy API i uwierzytelniania
- Waliduj i oczyszczaj dane wejściowe
- Wprowadzaj ograniczenia liczby wywołań zewnętrznych API
-
Testowanie:
- Zapewnij kompleksowe pokrycie testowe
- Testuj różne typy danych wejściowych i przypadki brzegowe
- Dokumentuj procedury testowe
Skuteczna współpraca jest kluczowa dla rozwoju ekosystemu MCP.
- GitHub Issues i Dyskusje
- Microsoft Tech Community
- Kanały Discord i Slack
- Stack Overflow (tag:
model-context-protocollubmcp)
Przy przeglądaniu wkładów MCP:
- Jasność: Czy kod jest klarowny i dobrze udokumentowany?
- Poprawność: Czy działa zgodnie z oczekiwaniami?
- Spójność: Czy przestrzega konwencji projektu?
- Kompletność: Czy zawiera testy i dokumentację?
- Bezpieczeństwo: Czy istnieją potencjalne problemy bezpieczeństwa?
Przy rozwoju dla MCP:
- Wersjonowanie Protokółu: Stosuj się do wersji protokołu MCP, którą wspiera Twój narzędzie
- Kompatybilność Klienta: Uwzględniaj kompatybilność wsteczną
- Kompatybilność Serwera: Stosuj się do wytycznych implementacji serwera
- Zmiany Łamiące: Wyraźnie dokumentuj wszelkie zmiany łamiące kompatybilność
Ważnym wkładem społecznościowym może być opracowanie publicznego rejestru narzędzi MCP.
# Przykładowy schemat dla API rejestru narzędzi społecznościowych
from fastapi import FastAPI, HTTPException, Depends
from pydantic import BaseModel, Field, HttpUrl
from typing import List, Optional
import datetime
import uuid
# Modele dla rejestru narzędzi
class ToolSchema(BaseModel):
"""JSON Schema for a tool"""
type: str
properties: dict
required: List[str] = []
class ToolRegistration(BaseModel):
"""Information for registering a tool"""
name: str = Field(..., description="Unique name for the tool")
description: str = Field(..., description="Description of what the tool does")
version: str = Field(..., description="Semantic version of the tool")
schema: ToolSchema = Field(..., description="JSON Schema for tool parameters")
author: str = Field(..., description="Author of the tool")
repository: Optional[HttpUrl] = Field(None, description="Repository URL")
documentation: Optional[HttpUrl] = Field(None, description="Documentation URL")
package: Optional[HttpUrl] = Field(None, description="Package URL")
tags: List[str] = Field(default_factory=list, description="Tags for categorization")
examples: List[dict] = Field(default_factory=list, description="Example usage")
class Tool(ToolRegistration):
"""Tool with registry metadata"""
id: uuid.UUID = Field(default_factory=uuid.uuid4)
created_at: datetime.datetime = Field(default_factory=datetime.datetime.now)
updated_at: datetime.datetime = Field(default_factory=datetime.datetime.now)
downloads: int = Field(default=0)
rating: float = Field(default=0.0)
ratings_count: int = Field(default=0)
# Aplikacja FastAPI dla rejestru
app = FastAPI(title="MCP Tool Registry")
# Baza danych w pamięci dla tego przykładu
tools_db = {}
@app.post("/tools", response_model=Tool)
async def register_tool(tool: ToolRegistration):
"""Register a new tool in the registry"""
if tool.name in tools_db:
raise HTTPException(status_code=400, detail=f"Tool '{tool.name}' already exists")
new_tool = Tool(**tool.dict())
tools_db[tool.name] = new_tool
return new_tool
@app.get("/tools", response_model=List[Tool])
async def list_tools(tag: Optional[str] = None):
"""List all registered tools, optionally filtered by tag"""
if tag:
return [tool for tool in tools_db.values() if tag in tool.tags]
return list(tools_db.values())
@app.get("/tools/{tool_name}", response_model=Tool)
async def get_tool(tool_name: str):
"""Get information about a specific tool"""
if tool_name not in tools_db:
raise HTTPException(status_code=404, detail=f"Tool '{tool_name}' not found")
return tools_db[tool_name]
@app.delete("/tools/{tool_name}")
async def delete_tool(tool_name: str):
"""Delete a tool from the registry"""
if tool_name not in tools_db:
raise HTTPException(status_code=404, detail=f"Tool '{tool_name}' not found")
del tools_db[tool_name]
return {"message": f"Tool '{tool_name}' deleted"}- Społeczność MCP jest różnorodna i otwarta na różne formy wkładu
- Wkład może obejmować od ulepszeń rdzenia protokołu po narzędzia niestandardowe
- Przestrzeganie wytycznych zwiększa szanse na akceptację Twojego PR
- Tworzenie i udostępnianie narzędzi MCP jest wartościowym sposobem wzmacniania ekosystemu
- Współpraca społeczności jest niezbędna do wzrostu i rozwoju MCP
- Zidentyfikuj obszar w ekosystemie MCP, w którym możesz wnieść wkład, bazując na swoich umiejętnościach i zainteresowaniach
- Wykonaj fork repozytorium MCP i skonfiguruj lokalne środowisko deweloperskie
- Stwórz małe usprawnienie, poprawkę błędu lub narzędzie, które przyniesie korzyść społeczności
- Udokumentuj swój wkład z odpowiednimi testami i dokumentacją
- Prześlij pull request do odpowiedniego repozytorium
Następna lekcja: Lessons from Early Adoption
Zrzeczenie się odpowiedzialności:
Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się, aby tłumaczenie było jak najdokładniejsze, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku źródłowym należy uznać za źródło wiarygodne. W przypadku informacji o istotnym znaczeniu zaleca się skorzystanie z profesjonalnego, ludzkiego tłumaczenia. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.