Skip to content

README.md

Latest commit

 

History

History
102 lines (71 loc) · 5.28 KB

README.md

File metadata and controls

102 lines (71 loc) · 5.28 KB

Generator Planów Nauki z Chainlit i Microsoft Learn Docs MCP

Wymagania wstępne

  • Python 3.8 lub nowszy
  • pip (menedżer pakietów Pythona)
  • Dostęp do internetu, aby połączyć się z serwerem Microsoft Learn Docs MCP

Instalacja

  1. Sklonuj to repozytorium lub pobierz pliki projektu.

  2. Zainstaluj wymagane zależności:

    pip install -r requirements.txt

Użycie

Scenariusz 1: Proste zapytanie do Docs MCP

Klient wiersza poleceń, który łączy się z serwerem Docs MCP, wysyła zapytanie i wyświetla wynik.

  1. Uruchom skrypt: 
    python scenario1.py
  2. Wprowadź swoje pytanie dotyczące dokumentacji w wierszu poleceń.

Scenariusz 2: Generator Planów Nauki (Aplikacja Webowa Chainlit)

Interfejs webowy (oparty na Chainlit), który pozwala użytkownikom generować spersonalizowany, tygodniowy plan nauki dla dowolnego tematu technicznego.

  1. Uruchom aplikację Chainlit: 
    chainlit run scenario2.py
  2. Otwórz lokalny adres URL podany w terminalu (np. http://localhost:8000) w przeglądarce.
  3. W oknie czatu wprowadź temat nauki oraz liczbę tygodni, przez które chcesz się uczyć (np. „Certyfikacja AI-900, 8 tygodni”).
  4. Aplikacja odpowie tygodniowym planem nauki, zawierającym linki do odpowiedniej dokumentacji Microsoft Learn.

Wymagane zmienne środowiskowe:

Aby korzystać ze Scenariusza 2 (aplikacji webowej Chainlit z Azure OpenAI), musisz ustawić następujące zmienne środowiskowe w pliku .env w katalogu python:

AZURE_OPENAI_CHAT_DEPLOYMENT_NAME=
AZURE_OPENAI_API_KEY=
AZURE_OPENAI_ENDPOINT=
AZURE_OPENAI_API_VERSION=

Uzupełnij te wartości szczegółami swojego zasobu Azure OpenAI przed uruchomieniem aplikacji.

Tip

Możesz łatwo wdrożyć własne modele, korzystając z Azure AI Foundry.

Scenariusz 3: Dokumentacja w Edytorze z MCP Server w VS Code

Zamiast przełączać się między kartami przeglądarki w poszukiwaniu dokumentacji, możesz przynieść Microsoft Learn Docs bezpośrednio do swojego edytora VS Code, korzystając z serwera MCP. Dzięki temu możesz:

  • Wyszukiwać i przeglądać dokumentację w VS Code bez opuszczania środowiska programistycznego.
  • Wstawiać linki do dokumentacji bezpośrednio do plików README lub materiałów kursowych.
  • Korzystać z GitHub Copilot i MCP razem, aby uzyskać płynny, wspomagany przez AI przepływ pracy z dokumentacją.

Przykładowe zastosowania:

  • Szybkie dodawanie linków referencyjnych do README podczas pisania dokumentacji kursu lub projektu.
  • Generowanie kodu za pomocą Copilot i natychmiastowe znajdowanie oraz cytowanie odpowiednich dokumentów za pomocą MCP.
  • Skupienie się na pracy w edytorze i zwiększenie produktywności.

Important

Upewnij się, że masz poprawną konfigurację mcp.json w swoim środowisku roboczym (lokalizacja: .vscode/mcp.json).

Dlaczego Chainlit w Scenariuszu 2?

Chainlit to nowoczesny, otwartoźródłowy framework do budowy konwersacyjnych aplikacji webowych. Ułatwia tworzenie interfejsów czatowych, które łączą się z usługami backendowymi, takimi jak serwer Microsoft Learn Docs MCP. Ten projekt wykorzystuje Chainlit, aby zapewnić prosty, interaktywny sposób generowania spersonalizowanych planów nauki w czasie rzeczywistym. Dzięki Chainlit możesz szybko budować i wdrażać narzędzia czatowe, które zwiększają produktywność i wspierają naukę.

Co robi ta aplikacja?

Aplikacja pozwala użytkownikom tworzyć spersonalizowany plan nauki, po prostu wprowadzając temat i czas trwania. Aplikacja analizuje dane wejściowe, wysyła zapytanie do serwera Microsoft Learn Docs MCP w poszukiwaniu odpowiednich treści i organizuje wyniki w uporządkowany, tygodniowy plan. Rekomendacje na każdy tydzień są wyświetlane w oknie czatu, co ułatwia ich śledzenie i realizację. Integracja zapewnia dostęp do najnowszych i najbardziej odpowiednich zasobów edukacyjnych.

Przykładowe zapytania

Wypróbuj te zapytania w oknie czatu, aby zobaczyć, jak aplikacja odpowiada:

  • Certyfikacja AI-900, 8 tygodni
  • Nauka Azure Functions, 4 tygodnie
  • Azure DevOps, 6 tygodni
  • Inżynieria danych na Azure, 10 tygodni
  • Podstawy bezpieczeństwa Microsoft, 5 tygodni
  • Power Platform, 7 tygodni
  • Usługi Azure AI, 12 tygodni
  • Architektura chmurowa, 9 tygodni

Te przykłady pokazują elastyczność aplikacji w dostosowywaniu się do różnych celów edukacyjnych i ram czasowych.

Źródła

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.