Har du någonsin suttit och jonglerat mellan dokumentationssajter, Stack Overflow och oändliga webbläsarflikar, samtidigt som du försöker lösa ett problem i din kod? Kanske har du en andra skärm bara för dokumentation, eller så växlar du konstant mellan din IDE och en webbläsare med Alt+Tab. Skulle det inte vara bättre om du kunde integrera dokumentationen direkt i ditt arbetsflöde – inuti dina appar, din IDE eller till och med dina egna anpassade verktyg? I denna fallstudie ska vi utforska hur du gör just det genom att ansluta direkt till Microsoft Learn Docs MCP-servern från din egen klientapplikation.
Modern utveckling handlar om mer än bara att skriva kod – det handlar om att hitta rätt information vid rätt tillfälle. Dokumentation finns överallt, men sällan där du behöver det mest: inuti dina verktyg och arbetsflöden. Genom att integrera dokumentationshämtning direkt i dina applikationer kan du spara tid, minska kontextbyten och öka produktiviteten. I detta avsnitt visar vi hur du ansluter en klient till Microsoft Learn Docs MCP-servern, så att du kan få tillgång till realtids- och kontextmedveten dokumentation utan att någonsin lämna din app.
Vi går igenom processen att etablera en anslutning, skicka en förfrågan och hantera strömmande svar på ett effektivt sätt. Detta tillvägagångssätt förenklar inte bara ditt arbetsflöde, utan öppnar också dörren för att bygga smartare och mer hjälpsamma utvecklarverktyg.
Varför gör vi detta? För att de bästa utvecklarupplevelserna är de som tar bort friktion. Föreställ dig en värld där din kodredigerare, chatbot eller webbapp kan svara på dina dokumentationsfrågor omedelbart, med hjälp av det senaste innehållet från Microsoft Learn. När du är klar med detta kapitel kommer du att kunna:
- Förstå grunderna i MCP-server-klientkommunikation för dokumentation
- Implementera en konsol- eller webbapplikation som ansluter till Microsoft Learn Docs MCP-servern
- Använda strömmande HTTP-klienter för realtidsåtkomst till dokumentation
- Logga och tolka dokumentationssvar i din applikation
Du kommer att se hur dessa färdigheter hjälper dig att bygga verktyg som är inte bara reaktiva, utan verkligen interaktiva och kontextmedvetna.
I detta scenario visar vi hur du ansluter en klient till Microsoft Learn Docs MCP-servern, så att du kan få tillgång till realtids- och kontextmedveten dokumentation utan att lämna din app.
Låt oss sätta detta i praktiken. Din uppgift är att skriva en app som ansluter till Microsoft Learn Docs MCP-servern, anropar verktyget microsoft_docs_search och loggar det strömmande svaret till konsolen.
För att det är grunden för att bygga mer avancerade integrationer – oavsett om du vill driva en chatbot, en IDE-tillägg eller en webbpanel.
Du hittar koden och instruktionerna för detta scenario i solution-mappen i denna fallstudie. Stegen guidar dig igenom att upprätta anslutningen:
- Använd den officiella MCP SDK:n och en strömningsbar HTTP-klient för anslutning
- Anropa
microsoft_docs_search-verktyget med en sökparameter för att hämta dokumentation - Implementera korrekt loggning och felhantering
- Skapa ett interaktivt konsolgränssnitt som tillåter användare att mata in flera sökfrågor
Detta scenario visar hur man:
- Ansluter till Docs MCP-servern
- Skickar en sökfråga
- Tolkar och skriver ut resultaten
Så här kan det se ut när lösningen körs:
Prompt> What is Azure Key Vault?
Answer> Azure Key Vault is a cloud service for securely storing and accessing secrets. ...
Nedan är en minimal exempelösning. Fullständig kod och detaljer finns i lösningsmappen.
Python
import asyncio
from mcp.client.streamable_http import streamablehttp_client
from mcp import ClientSession
async def main():
async with streamablehttp_client("https://learn.microsoft.com/api/mcp") as (read_stream, write_stream, _):
async with ClientSession(read_stream, write_stream) as session:
await session.initialize()
result = await session.call_tool("microsoft_docs_search", {"query": "Azure Functions best practices"})
print(result.content)
if __name__ == "__main__":
asyncio.run(main())- För fullständig implementation och loggning, se
scenario1.py. - För installations- och användarinstruktioner, se
README.md-filen i samma mapp.
I detta scenario lär du dig att integrera Docs MCP i ett webbprojekt. Målet är att möjliggöra för användare att söka i Microsoft Learn-dokumentationen direkt från en webbgränssnitt, vilket gör dokumentationen snabbt tillgänglig i din app eller på din webbplats.
Du kommer att se hur du:
- Konfigurerar en webbapp
- Ansluter till Docs MCP-servern
- Hanterar användarinmatning och visar resultat
Så här kan det se ut när lösningen körs:
User> I want to learn about AI102 - so suggest the roadmap to get it started from learn for 6 weeks
Assistant> Here’s a detailed 6-week roadmap to start your preparation for the AI-102: Designing and Implementing a Microsoft Azure AI Solution certification, using official Microsoft resources and focusing on exam skills areas:
---
## Week 1: Introduction & Fundamentals
- **Understand the Exam**: Review the [AI-102 exam skills outline](https://learn.microsoft.com/en-us/credentials/certifications/exams/ai-102/).
- **Set up Azure**: Sign up for a free Azure account if you don't have one.
- **Learning Path**: [Introduction to Azure AI services](https://learn.microsoft.com/en-us/training/modules/intro-to-azure-ai/)
- **Focus**: Get familiar with Azure portal, AI capabilities, and necessary tools.
....more weeks of the roadmap...
Let me know if you want module-specific recommendations or need more customized weekly tasks!
Nedan är en minimal exempelösning. Fullständig kod och detaljer finns i lösningsmappen.
Python (Chainlit)
Chainlit är ett ramverk för att bygga konversativa AI-webbappar. Det gör det enkelt att skapa interaktiva chatbots och assistenter som kan anropa MCP-verktyg och visa resultat i realtid. Perfekt för snabb prototypning och användarvänliga gränssnitt.
import chainlit as cl
import requests
MCP_URL = "https://learn.microsoft.com/api/mcp"
@cl.on_message
def handle_message(message):
query = {"question": message}
response = requests.post(MCP_URL, json=query)
if response.ok:
result = response.json()
cl.Message(content=result.get("answer", "No answer found.")).send()
else:
cl.Message(content="Error: " + response.text).send()- För fullständig implementation, se
scenario2.py. - För installations- och körinstruktioner, se
README.md.
Om du vill få Microsoft Learn Docs direkt inne i VS Code (istället för att växla webbläsarflikar) kan du använda MCP-servern i din redigerare. Detta låter dig:
- Söka och läsa dokumentation i VS Code utan att lämna kodningsmiljön.
- Referera dokumentation och infoga länkar direkt i dina README- eller kursfiler.
- Använda GitHub Copilot och MCP tillsammans för ett sömlöst, AI-drivet dokumentationsarbetsflöde.
Du kommer att lära dig hur du:
- Lägger till en giltig
.vscode/mcp.json-fil i din arbetsyta (se exempel nedan). - Öppnar MCP-panelen eller använder kommandopaletten i VS Code för att söka och infoga dokumentation.
- Refererar dokumentation direkt i dina markdown-filer medan du arbetar.
- Kombinerar detta arbetsflöde med GitHub Copilot för ännu större produktivitet.
Här är ett exempel på hur du konfigurerar MCP-servern i VS Code:
{
"servers": {
"LearnDocsMCP": {
"url": "https://learn.microsoft.com/api/mcp"
}
}
}För en detaljerad genomgång med skärmbilder och steg-för-steg-guide, se
README.md.
Detta tillvägagångssätt är idealiskt för alla som bygger tekniska kurser, skriver dokumentation eller utvecklar kod med ofta återkommande referensbehov.
Att integrera dokumentation direkt i dina verktyg är inte bara en bekvämlighet – det är en produktivitetsrevolution. Genom att ansluta till Microsoft Learn Docs MCP-servern från din klient kan du:
- Eliminera kontextbyten mellan kod och dokumentation
- Hämta uppdaterad, kontextmedveten dokumentation i realtid
- Bygga smartare, mer interaktiva utvecklarverktyg
Dessa färdigheter hjälper dig skapa lösningar som inte bara är effektiva, utan också trevliga att använda.
För att fördjupa din förståelse, utforska dessa officiella resurser:
- Microsoft Learn Docs MCP Server (GitHub)
- Kom igång med Azure MCP Server (mcp-python)
- Vad är Azure MCP Server?
- Introduktion till Model Context Protocol (MCP)
- Lägg till plugins från en MCP-server (Python)
- Tillbaka till: Fallstudier översikt
- Fortsätt till: Modul 10: Effektivisering av AI-arbetsflöden med AI Toolkit
Friskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet bör du vara medveten om att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.