README.md

กรณีศึกษา: การเชื่อมต่อกับ Microsoft Learn Docs MCP Server จากไคลเอนต์

คุณเคยพบตัวเองต้องสลับไปมาระหว่างเว็บไซต์เอกสาร, Stack Overflow และแท็บเครื่องมือค้นหาไม่รู้จบ ในขณะที่พยายามแก้ปัญหาในโค้ดของคุณหรือไม่? บางทีคุณอาจจะมีมอนิเตอร์ตัวที่สองสำหรับดูเอกสารโดยเฉพาะ หรือคุณต้องกด alt-tab สลับระหว่าง IDE กับเว็บเบราว์เซอร์อยู่ตลอดเวลา จะดีกว่าไหมถ้าคุณสามารถนำเอกสารมาไว้ในเวิร์กโฟลว์ของคุณโดยตรง—ผสานเข้ากับแอปรวมถึง IDE หรือแม้กระทั่งเครื่องมือสั่งทำเอง? ในกรณีศึกษานี้ เราจะสำรวจวิธีทำเช่นนั้นโดยเชื่อมต่อโดยตรงกับ Microsoft Learn Docs MCP server จากแอปไคลเอนต์ของคุณเอง

ภาพรวม

การพัฒนาระบบยุคใหม่ไม่ใช่แค่การเขียนโค้ดเท่านั้น—แต่คือการหาข้อมูลที่ถูกต้องในเวลาที่เหมาะสม เอกสารมีอยู่ทั่วไป แต่ส่วนใหญ่ไม่อยู่ในที่ที่คุณต้องการที่สุด: ภายในเครื่องมือและเวิร์กโฟลว์ของคุณ โดยการผสานการเรียกค้นเอกสารเข้ากับแอปของคุณโดยตรง คุณจะประหยัดเวลา ลดการสลับบริบท และเพิ่มประสิทธิผล ในส่วนนี้เราจะแสดงวิธีเชื่อมต่อไคลเอนต์กับ Microsoft Learn Docs MCP server เพื่อให้คุณเข้าถึงเอกสารที่ฉับไวและมีความเกี่ยวข้องกับบริบทโดยไม่ต้องออกจากแอปของคุณเลย

เราจะพาคุณผ่านขั้นตอนการตั้งค่าการเชื่อมต่อ, การส่งคำขอ และการจัดการการตอบกลับแบบสตรีมอย่างมีประสิทธิภาพ วิธีนี้ไม่เพียงแต่ช่วยให้เวิร์กโฟลว์ของคุณราบรื่นขึ้น แต่ยังเปิดโอกาสในการสร้างเครื่องมือพัฒนาที่ชาญฉลาดและช่วยเหลือได้มากขึ้น

เป้าหมายการเรียนรู้

ทำไมเราต้องทำเช่นนี้? เพราะประสบการณ์ของนักพัฒนาที่ดีที่สุดคือการลดแรงเสียดทาน จินตนาการโลกที่เครื่องมือแก้ไขโค้ด, แชตบอท หรือเว็บแอปของคุณสามารถตอบคำถามเกี่ยวกับเอกสารได้ในทันที โดยใช้ข้อมูลล่าสุดจาก Microsoft Learn เมื่อจบบทนี้ คุณจะสามารถ:

• เข้าใจพื้นฐานการสื่อสารระหว่าง MCP server กับไคลเอนต์เพื่อเรียกเอกสาร
• สร้างคอนโซลหรือเว็บแอปเพื่อเชื่อมต่อกับ Microsoft Learn Docs MCP server
• ใช้ HTTP client แบบสตรีมมิงเพื่อเรียกเอกสารแบบเรียลไทม์
• บันทึกและตีความผลลัพธ์เอกสารในแอปของคุณ

คุณจะเห็นว่าทักษะเหล่านี้ช่วยให้คุณสร้างเครื่องมือที่ไม่เพียงแต่โต้ตอบได้อย่างรวดเร็ว แต่ยังเข้าใจบริบทอย่างแท้จริง

กรณีศึกษา 1 - การเรียกเอกสารแบบเรียลไทม์ด้วย MCP

ในกรณีศึกษานี้ เราจะแสดงวิธีเชื่อมต่อไคลเอนต์กับ Microsoft Learn Docs MCP server เพื่อให้คุณเข้าถึงเอกสารแบบเรียลไทม์ที่อิงบริบทโดยไม่ต้องออกจากแอปของคุณ

มาปฏิบัติกันเลย งานของคุณคือเขียนแอปที่เชื่อมต่อกับ Microsoft Learn Docs MCP server, เรียกใช้เครื่องมือ microsoft_docs_search และบันทึกการตอบกลับแบบสตรีมมิงลงในคอนโซล

ทำไมต้องใช้วิธีนี้?

เพราะเป็นรากฐานสำหรับการสร้างการผสานรวมขั้นสูงขึ้น ไม่ว่าคุณจะต้องการขับเคลื่อนแชตบอท, ส่วนขยาย IDE หรือแดชบอร์ดเว็บก็ตาม

คุณจะพบโค้ดและคำแนะนำสำหรับกรณีศึกษานี้ในโฟลเดอร์ solution ภายในกรณีศึกษา ขั้นตอนจะนำทางคุณตั้งค่าการเชื่อมต่อดังนี้:

• ใช้ SDK ของ MCP ที่เป็นทางการและ HTTP client แบบสตรีมมิงสำหรับเชื่อมต่อ
• เรียกเครื่องมือ microsoft_docs_search พร้อมพารามิเตอร์คำค้นหาเพื่อดึงเอกสาร
• ทำระบบบันทึกข้อมูลและจัดการข้อผิดพลาดอย่างเหมาะสม
• สร้างอินเทอร์เฟซคอนโซลแบบโต้ตอบเพื่อให้ผู้ใช้ป้อนคำค้นหาหลายครั้งได้

กรณีศึกษานี้แสดงวิธีการ:

• เชื่อมต่อกับ Docs MCP server
• ส่งคำค้นหา
• แยกวิเคราะห์และพิมพ์ผลลัพธ์

นี่คือตัวอย่างการรันโซลูชัน:

Prompt> What is Azure Key Vault?
Answer> Azure Key Vault is a cloud service for securely storing and accessing secrets. ...

ด้านล่างนี้คือตัวอย่างโซลูชันที่เรียบง่าย โค้ดเต็มรูปแบบและรายละเอียดอยู่ในโฟลเดอร์ solution

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())

• สำหรับการใช้งานเต็มรูปแบบและการบันทึก ดูที่ scenario1.py
• สำหรับคำแนะนำการติดตั้งและการใช้งาน ดูไฟล์ README.md ในโฟลเดอร์เดียวกัน

กรณีศึกษา 2 - เว็บแอปสร้างแผนการเรียนเชิงโต้ตอบด้วย MCP

ในกรณีศึกษานี้ คุณจะเรียนรู้วิธีบูรณาการ Docs MCP เข้ากับโครงการพัฒนาเว็บ เป้าหมายคือช่วยให้ผู้ใช้ค้นหาเอกสาร Microsoft Learn ได้โดยตรงผ่านเว็บอินเทอร์เฟซ ทำให้เอกสารเข้าถึงได้ทันทีภายในแอปหรือเว็บไซต์ของคุณ

คุณจะเห็นวิธี:

• ตั้งค่าเว็บแอป
• เชื่อมต่อกับ Docs MCP server
• จัดการอินพุตของผู้ใช้และแสดงผลลัพธ์

นี่คือตัวอย่างการรันโซลูชัน:

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!

ด้านล่างนี้คือตัวอย่างโซลูชันที่เรียบง่าย โค้ดเต็มรูปแบบและรายละเอียดอยู่ในโฟลเดอร์ solution

Python (Chainlit)

Chainlit คือเฟรมเวิร์กสำหรับสร้างเว็บแอป AI แบบสนทนา ช่วยให้ง่ายต่อการสร้างแชตบอทและผู้ช่วยที่สามารถเรียกใช้เครื่องมือ MCP และแสดงผลลัพธ์แบบเรียลไทม์ เหมาะสำหรับการสร้างต้นแบบรวดเร็วและอินเทอร์เฟซที่ใช้งานง่าย

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()

• สำหรับการใช้งานเต็มรูปแบบ ดูที่ scenario2.py
• สำหรับคำแนะนำการติดตั้งและการรัน ดูที่ README.md

กรณีศึกษา 3: เอกสารในตัวแก้ไขด้วย MCP Server บน VS Code

ถ้าคุณอยากได้เอกสาร Microsoft Learn Docs มาแสดงใน VS Code โดยตรง (แทนการสลับแท็บเบราว์เซอร์) คุณสามารถใช้ MCP server ในตัวแก้ไขของคุณ วิธีนี้ช่วยให้คุณ:

• ค้นหาและอ่านเอกสารใน VS Code โดยไม่ออกจากสภาพแวดล้อมการเขียนโค้ด
• อ้างอิงเอกสารและแทรกลิงก์ตรงในไฟล์ README หรือไฟล์คอร์สของคุณ
• ใช้ร่วมกับ GitHub Copilot และ MCP เพื่อเวิร์กโฟลว์เอกสารที่ขับเคลื่อนด้วย AI อย่างราบรื่น

คุณจะเห็นวิธี:

• เพิ่มไฟล์ .vscode/mcp.json ที่ถูกต้องใน root workspace ของคุณ (ดูตัวอย่างด้านล่าง)
• เปิดแผง MCP หรือใช้ command palette ใน VS Code เพื่อค้นหาและแทรกเอกสาร
• อ้างอิงเอกสารโดยตรงในไฟล์ markdown ขณะทำงาน
• ผสานเวิร์กโฟลว์นี้กับ GitHub Copilot เพื่อเพิ่มประสิทธิภาพมากขึ้น

นี่คือตัวอย่างการตั้งค่า MCP server ใน VS Code:

{
  "servers": {
    "LearnDocsMCP": {
      "url": "https://learn.microsoft.com/api/mcp"
    }
  }
}

สำหรับคำแนะนำทีละขั้นตอนพร้อมภาพหน้าจอ ดูไฟล์ README.md

วิธีนี้เหมาะสำหรับผู้สร้างคอร์สเทคนิค, เขียนเอกสาร หรือพัฒนาซอฟต์แวร์ที่ต้องอ้างอิงบ่อยๆ

ประเด็นสำคัญที่ควรจดจำ

การผสานเอกสารเข้ากับเครื่องมือของคุณโดยตรงไม่ใช่แค่เรื่องสะดวกสบาย แต่มันเปลี่ยนเกมด้านประสิทธิภาพ การเชื่อมต่อกับ Microsoft Learn Docs MCP server จากไคลเอนต์ของคุณ คุณจะสามารถ:

• ลดการสลับบริบทระหว่างโค้ดและเอกสาร
• ดึงเอกสารที่อัปเดตและเกี่ยวข้องกับบริบทแบบเรียลไทม์
• สร้างเครื่องมือพัฒนาที่ชาญฉลาดและโต้ตอบได้มากขึ้น

ทักษะเหล่านี้จะช่วยคุณสร้างโซลูชันที่ไม่เพียงแต่มีประสิทธิภาพ แต่ยังใช้งานได้อย่างน่าประทับใจ

แหล่งข้อมูลเพิ่มเติม

เพื่อเสริมความเข้าใจของคุณ ให้สำรวจแหล่งข้อมูลอย่างเป็นทางการเหล่านี้:

• Microsoft Learn Docs MCP Server (GitHub)
• เริ่มต้นใช้งาน Azure MCP Server (mcp-python)
• Azure MCP Server คืออะไร?
• แนะนำ Model Context Protocol (MCP)
• การเพิ่มปลั๊กอินจาก MCP Server (Python)

ต่อไปคืออะไร

• กลับไป: ภาพรวมกรณีศึกษา
• ดำเนินการต่อที่: โมดูล 10: การปรับปรุงเวิร์กโฟลว์ AI ด้วย AI Toolkit

---

ข้อจำกัดความรับผิดชอบ:
เอกสารฉบับนี้ถูกแปลโดยใช้บริการแปลด้วยปัญญาประดิษฐ์ Co-op Translator แม้เราจะพยายามให้มีความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญควรใช้บริการแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้