Skip to content

README.md

Latest commit

 

History

History
180 lines (124 loc) · 19.5 KB

README.md

File metadata and controls

180 lines (124 loc) · 19.5 KB

การใช้งานเซิร์ฟเวอร์จากส่วนขยาย AI Toolkit สำหรับ Visual Studio Code

เมื่อคุณสร้าง AI agent มันไม่ได้เกี่ยวกับการสร้างคำตอบที่ฉลาดเท่านั้น แต่ยังเกี่ยวกับการให้ agent ของคุณสามารถดำเนินการได้ด้วย นี่คือจุดที่ Model Context Protocol (MCP) เข้ามามีบทบาท MCP ทำให้ agent สามารถเข้าถึงเครื่องมือและบริการภายนอกได้อย่างง่ายดายในรูปแบบที่สอดคล้องกัน ลองนึกภาพเหมือนการเสียบ agent ของคุณเข้ากับกล่องเครื่องมือที่มันสามารถ ใช้งานได้จริง

สมมติว่าคุณเชื่อมต่อ agent กับเซิร์ฟเวอร์ MCP เครื่องคิดเลข ทันใดนั้น agent ของคุณสามารถทำการคำนวณทางคณิตศาสตร์ได้เพียงแค่รับคำสั่ง เช่น “47 คูณ 89 เท่ากับเท่าไหร่?”—ไม่จำเป็นต้องเขียนโค้ดตรรกะหรือสร้าง API เฉพาะทาง

ภาพรวม

บทเรียนนี้ครอบคลุมวิธีการเชื่อมต่อเซิร์ฟเวอร์ MCP เครื่องคิดเลขกับ agent โดยใช้ส่วนขยาย AI Toolkit ใน Visual Studio Code ซึ่งช่วยให้ agent ของคุณสามารถทำการคำนวณ เช่น การบวก การลบ การคูณ และการหาร ผ่านภาษาธรรมชาติ

AI Toolkit เป็นส่วนขยายที่ทรงพลังสำหรับ Visual Studio Code ที่ช่วยให้การพัฒนา agent เป็นไปอย่างง่ายดาย วิศวกร AI สามารถสร้างแอปพลิเคชัน AI ได้โดยการพัฒนาและทดสอบโมเดล AI เชิงสร้างสรรค์—ทั้งในเครื่องหรือในคลาวด์ ส่วนขยายนี้รองรับโมเดลเชิงสร้างสรรค์หลัก ๆ ที่มีอยู่ในปัจจุบัน

หมายเหตุ: AI Toolkit รองรับ Python และ TypeScript ในปัจจุบัน

วัตถุประสงค์การเรียนรู้

เมื่อจบบทเรียนนี้ คุณจะสามารถ:

  • ใช้งานเซิร์ฟเวอร์ MCP ผ่าน AI Toolkit
  • กำหนดค่าการตั้งค่า agent เพื่อให้สามารถค้นหาและใช้เครื่องมือที่เซิร์ฟเวอร์ MCP ให้บริการ
  • ใช้เครื่องมือ MCP ผ่านภาษาธรรมชาติ

วิธีการ

นี่คือวิธีการที่เราต้องดำเนินการในภาพรวม:

  • สร้าง agent และกำหนด system prompt
  • สร้างเซิร์ฟเวอร์ MCP พร้อมเครื่องมือเครื่องคิดเลข
  • เชื่อมต่อ Agent Builder กับเซิร์ฟเวอร์ MCP
  • ทดสอบการเรียกใช้เครื่องมือของ agent ผ่านภาษาธรรมชาติ

เยี่ยมเลย ตอนนี้เราเข้าใจขั้นตอนแล้ว มาเริ่มกำหนดค่า AI agent เพื่อใช้เครื่องมือภายนอกผ่าน MCP เพื่อเพิ่มความสามารถกันเถอะ!

สิ่งที่ต้องเตรียม

แบบฝึกหัด: การใช้งานเซิร์ฟเวอร์

Warning

หมายเหตุสำหรับผู้ใช้ macOS ขณะนี้เรากำลังตรวจสอบปัญหาที่ส่งผลต่อการติดตั้ง dependency บน macOS ดังนั้นผู้ใช้ macOS จะไม่สามารถทำแบบฝึกหัดนี้ได้ในขณะนี้ เราจะอัปเดตคำแนะนำทันทีที่มีการแก้ไข ขอขอบคุณสำหรับความอดทนและความเข้าใจ!

ในแบบฝึกหัดนี้ คุณจะสร้าง agent และปรับปรุง agent ด้วยเครื่องมือจากเซิร์ฟเวอร์ MCP ภายใน Visual Studio Code โดยใช้ AI Toolkit

-0- ขั้นตอนเตรียมการ เพิ่มโมเดล OpenAI GPT-4o ไปยัง My Models

แบบฝึกหัดนี้ใช้โมเดล GPT-4o โมเดลนี้ควรถูกเพิ่มไปยัง My Models ก่อนที่จะสร้าง agent

  1. เปิดส่วนขยาย AI Toolkit จาก Activity Bar
  2. ในส่วน Catalog เลือก Models เพื่อเปิด Model Catalog การเลือก Models จะเปิด Model Catalog ในแท็บตัวแก้ไขใหม่
  3. ในแถบค้นหา Model Catalog ให้ป้อน OpenAI GPT-4o
  4. คลิก + Add เพื่อเพิ่มโมเดลไปยังรายการ My Models ของคุณ ตรวจสอบให้แน่ใจว่าคุณเลือกโมเดลที่ Hosted by GitHub
  5. ใน Activity Bar ยืนยันว่าโมเดล OpenAI GPT-4o ปรากฏในรายการ

-1- สร้าง agent

Agent (Prompt) Builder ช่วยให้คุณสร้างและปรับแต่ง agent ที่ขับเคลื่อนด้วย AI ของคุณเอง ในส่วนนี้ คุณจะสร้าง agent ใหม่และกำหนดโมเดลเพื่อขับเคลื่อนการสนทนา

  1. เปิดส่วนขยาย AI Toolkit จาก Activity Bar
  2. ในส่วน Tools เลือก Agent (Prompt) Builder การเลือก Agent (Prompt) Builder จะเปิด Agent (Prompt) Builder ในแท็บตัวแก้ไขใหม่
  3. คลิกปุ่ม + New Agent ส่วนขยายจะเปิดตัวช่วยตั้งค่าผ่าน Command Palette
  4. ป้อนชื่อ Calculator Agent และกด Enter
  5. ใน Agent (Prompt) Builder สำหรับฟิลด์ Model เลือกโมเดล OpenAI GPT-4o (via GitHub)

-2- สร้าง system prompt สำหรับ agent

เมื่อสร้างโครงสร้าง agent แล้ว ก็ถึงเวลากำหนดบุคลิกและวัตถุประสงค์ของมัน ในส่วนนี้ คุณจะใช้ฟีเจอร์ Generate system prompt เพื่ออธิบายพฤติกรรมที่ตั้งใจของ agent—ในกรณีนี้คือ agent เครื่องคิดเลข—และให้โมเดลเขียน system prompt ให้คุณ

  1. สำหรับส่วน Prompts คลิกปุ่ม Generate system prompt ปุ่มนี้จะเปิดตัวสร้าง prompt ซึ่งใช้ AI ในการสร้าง system prompt สำหรับ agent
  2. ในหน้าต่าง Generate a prompt ป้อนข้อความต่อไปนี้: คุณเป็นผู้ช่วยคณิตศาสตร์ที่มีประสิทธิภาพและช่วยเหลือดี เมื่อได้รับปัญหาที่เกี่ยวข้องกับการคำนวณพื้นฐาน คุณจะตอบกลับด้วยผลลัพธ์ที่ถูกต้อง
  3. คลิกปุ่ม Generate การแจ้งเตือนจะปรากฏที่มุมล่างขวาเพื่อยืนยันว่ากำลังสร้าง system prompt เมื่อการสร้าง prompt เสร็จสิ้น prompt จะปรากฏในฟิลด์ System prompt ของ Agent (Prompt) Builder
  4. ตรวจสอบ System prompt และปรับแก้หากจำเป็น

-3- สร้างเซิร์ฟเวอร์ MCP

เมื่อคุณกำหนด system prompt ของ agent แล้ว—ซึ่งเป็นการชี้นำพฤติกรรมและการตอบกลับของมัน—ก็ถึงเวลาติดตั้งความสามารถที่ใช้งานได้จริง ในส่วนนี้ คุณจะสร้างเซิร์ฟเวอร์ MCP เครื่องคิดเลขพร้อมเครื่องมือสำหรับการคำนวณ เช่น การบวก การลบ การคูณ และการหาร เซิร์ฟเวอร์นี้จะช่วยให้ agent ของคุณสามารถดำเนินการคำนวณแบบเรียลไทม์เพื่อตอบสนองต่อคำสั่งภาษาธรรมชาติ

AI Toolkit มีเทมเพลตเพื่อความสะดวกในการสร้างเซิร์ฟเวอร์ MCP ของคุณเอง เราจะใช้เทมเพลต Python สำหรับการสร้างเซิร์ฟเวอร์ MCP เครื่องคิดเลข

หมายเหตุ: AI Toolkit รองรับ Python และ TypeScript ในปัจจุบัน

  1. ในส่วน Tools ของ Agent (Prompt) Builder คลิกปุ่ม + MCP Server ส่วนขยายจะเปิดตัวช่วยตั้งค่าผ่าน Command Palette

  2. เลือก + Add Server

  3. เลือก Create a New MCP Server

  4. เลือก python-weather เป็นเทมเพลต

  5. เลือก Default folder เพื่อบันทึกเทมเพลตเซิร์ฟเวอร์ MCP

  6. ป้อนชื่อเซิร์ฟเวอร์ดังนี้: Calculator

  7. หน้าต่าง Visual Studio Code ใหม่จะเปิดขึ้น เลือก Yes, I trust the authors

  8. ใช้ terminal (Terminal > New Terminal) สร้าง virtual environment: python -m venv .venv

  9. ใช้ terminal เปิดใช้งาน virtual environment:

    1. Windows - .venv\Scripts\activate
    2. macOS/Linux - source .venv/bin/activate

  10. ใช้ terminal ติดตั้ง dependencies: pip install -e .[dev]

  11. ใน Explorer view ของ Activity Bar ขยายไดเรกทอรี src และเลือก server.py เพื่อเปิดไฟล์ในตัวแก้ไข

  12. แทนที่โค้ดในไฟล์ server.py ด้วยโค้ดต่อไปนี้และบันทึก:

    """
Sample MCP Calculator Server implementation in Python.


This module demonstrates how to create a simple MCP server with calculator tools
that can perform basic arithmetic operations (add, subtract, multiply, divide).
"""

from mcp.server.fastmcp import FastMCP

server = FastMCP("calculator")

@server.tool()
def add(a: float, b: float) -> float:
    """Add two numbers together and return the result."""
    return a + b

@server.tool()
def subtract(a: float, b: float) -> float:
    """Subtract b from a and return the result."""
    return a - b

@server.tool()
def multiply(a: float, b: float) -> float:
    """Multiply two numbers together and return the result."""
    return a * b

@server.tool()
def divide(a: float, b: float) -> float:
    """
    Divide a by b and return the result.
    
    Raises:
        ValueError: If b is zero
    """
    if b == 0:
        raise ValueError("Cannot divide by zero")
    return a / b

-4- รัน agent พร้อมเซิร์ฟเวอร์ MCP เครื่องคิดเลข

เมื่อ agent ของคุณมีเครื่องมือแล้ว ก็ถึงเวลาทดสอบ! ในส่วนนี้ คุณจะส่งคำสั่งไปยัง agent เพื่อทดสอบและตรวจสอบว่า agent ใช้เครื่องมือที่เหมาะสมจากเซิร์ฟเวอร์ MCP เครื่องคิดเลข

  1. กด F5 เพื่อเริ่มการดีบักเซิร์ฟเวอร์ MCP Agent (Prompt) Builder จะเปิดในแท็บตัวแก้ไขใหม่ สถานะของเซิร์ฟเวอร์จะปรากฏใน terminal
  2. ในฟิลด์ User prompt ของ Agent (Prompt) Builder ป้อนคำสั่งต่อไปนี้: ฉันซื้อของ 3 ชิ้น ราคา $25 ต่อชิ้น และใช้ส่วนลด $20 ฉันจ่ายเงินเท่าไหร่?
  3. คลิกปุ่ม Run เพื่อสร้างการตอบกลับของ agent
  4. ตรวจสอบผลลัพธ์ของ agent โมเดลควรสรุปว่าคุณจ่ายเงิน $55
  5. นี่คือการทำงานที่ควรเกิดขึ้น:
    • agent เลือกเครื่องมือ multiply และ subtract เพื่อช่วยในการคำนวณ
    • ค่า a และ b ที่เหมาะสมถูกกำหนดให้กับเครื่องมือ multiply
    • ค่า a และ b ที่เหมาะสมถูกกำหนดให้กับเครื่องมือ subtract
    • การตอบกลับจากแต่ละเครื่องมือจะปรากฏใน Tool Response
    • ผลลัพธ์สุดท้ายจากโมเดลจะปรากฏใน Model Response
  6. ส่งคำสั่งเพิ่มเติมเพื่อทดสอบ agent คุณสามารถแก้ไขคำสั่งที่มีอยู่ในฟิลด์ User prompt โดยคลิกเข้าไปในฟิลด์และแทนที่คำสั่งที่มีอยู่
  7. เมื่อคุณทดสอบ agent เสร็จแล้ว คุณสามารถหยุดเซิร์ฟเวอร์ผ่าน terminal โดยป้อน CTRL/CMD+C เพื่อออก

งานที่ได้รับมอบหมาย

ลองเพิ่มเครื่องมือใหม่ในไฟล์ server.py ของคุณ (เช่น การคืนค่ารากที่สองของตัวเลข) ส่งคำสั่งเพิ่มเติมที่จำเป็นต้องใช้เครื่องมือใหม่ของคุณ (หรือเครื่องมือที่มีอยู่) อย่าลืมรีสตาร์ทเซิร์ฟเวอร์เพื่อโหลดเครื่องมือที่เพิ่มใหม่

วิธีแก้ไข

Solution

สิ่งสำคัญที่ควรทราบ

สิ่งที่ควรทราบจากบทนี้คือ:

  • ส่วนขยาย AI Toolkit เป็น client ที่ยอดเยี่ยมที่ช่วยให้คุณใช้งานเซิร์ฟเวอร์ MCP และเครื่องมือของมัน
  • คุณสามารถเพิ่มเครื่องมือใหม่ในเซิร์ฟเวอร์ MCP เพื่อขยายความสามารถของ agent ให้ตอบสนองความต้องการที่เปลี่ยนแปลง
  • AI Toolkit มีเทมเพลต (เช่น เทมเพลตเซิร์ฟเวอร์ MCP Python) เพื่อทำให้การสร้างเครื่องมือเฉพาะง่ายขึ้น

แหล่งข้อมูลเพิ่มเติม

สิ่งที่จะทำต่อไป

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่เป็นมืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้