Skip to content

Latest commit

 

History

History
102 lines (71 loc) · 9.48 KB

README.md

File metadata and controls

102 lines (71 loc) · 9.48 KB

ตัวสร้างแผนการเรียนด้วย Chainlit และ Microsoft Learn Docs MCP

ข้อกำหนดเบื้องต้น

  • Python 3.8 หรือสูงกว่า
  • pip (ตัวจัดการแพ็กเกจ Python)
  • การเชื่อมต่ออินเทอร์เน็ตเพื่อเข้าถึงเซิร์ฟเวอร์ Microsoft Learn Docs MCP

การติดตั้ง

  1. โคลน repository นี้หรือดาวน์โหลดไฟล์โปรเจกต์

  2. ติดตั้ง dependencies ที่จำเป็น:

    pip install -r requirements.txt

การใช้งาน

สถานการณ์ที่ 1: การค้นหาแบบง่ายใน Docs MCP

ไคลเอนต์แบบบรรทัดคำสั่งที่เชื่อมต่อกับเซิร์ฟเวอร์ Docs MCP ส่งคำถาม และแสดงผลลัพธ์

  1. รันสคริปต์: 
    python scenario1.py
  2. ป้อนคำถามเกี่ยวกับเอกสารที่คุณต้องการในหน้าต่างคำสั่ง

สถานการณ์ที่ 2: ตัวสร้างแผนการเรียน (แอปเว็บ Chainlit)

อินเทอร์เฟซแบบเว็บ (ใช้ Chainlit) ที่ช่วยให้ผู้ใช้สร้างแผนการเรียนแบบส่วนตัวรายสัปดาห์สำหรับหัวข้อทางเทคนิคใดๆ

  1. เริ่มแอป Chainlit: 
    chainlit run scenario2.py
  2. เปิด URL ในเครื่องที่แสดงใน terminal ของคุณ (เช่น http://localhost:8000) ในเบราว์เซอร์
  3. ในหน้าต่างแชท ป้อนหัวข้อการเรียนและจำนวนสัปดาห์ที่คุณต้องการเรียน (เช่น "AI-900 certification, 8 weeks")
  4. แอปจะตอบกลับด้วยแผนการเรียนรายสัปดาห์ รวมถึงลิงก์ไปยังเอกสาร Microsoft Learn ที่เกี่ยวข้อง

ตัวแปรสภาพแวดล้อมที่จำเป็น:

ในการใช้สถานการณ์ที่ 2 (แอปเว็บ Chainlit กับ Azure OpenAI) คุณต้องตั้งค่าตัวแปรสภาพแวดล้อมต่อไปนี้ในไฟล์ .env ในไดเรกทอรี python:

AZURE_OPENAI_CHAT_DEPLOYMENT_NAME=
AZURE_OPENAI_API_KEY=
AZURE_OPENAI_ENDPOINT=
AZURE_OPENAI_API_VERSION=

กรอกค่าต่างๆ ด้วยรายละเอียดทรัพยากร Azure OpenAI ของคุณก่อนรันแอป

Tip

คุณสามารถปรับใช้โมเดลของคุณเองได้อย่างง่ายดายโดยใช้ Azure AI Foundry

สถานการณ์ที่ 3: เอกสารใน Editor ด้วย MCP Server ใน VS Code

แทนที่จะสลับแท็บเบราว์เซอร์เพื่อค้นหาเอกสาร คุณสามารถนำ Microsoft Learn Docs มาไว้ใน VS Code โดยใช้ MCP server ซึ่งช่วยให้คุณ:

  • ค้นหาและอ่านเอกสารภายใน VS Code โดยไม่ต้องออกจากสภาพแวดล้อมการเขียนโค้ด
  • อ้างอิงเอกสารและแทรกลิงก์ลงใน README หรือไฟล์คอร์สของคุณโดยตรง
  • ใช้ GitHub Copilot และ MCP ร่วมกันเพื่อการทำงานเอกสารที่ราบรื่นและขับเคลื่อนด้วย AI

ตัวอย่างการใช้งาน:

  • เพิ่มลิงก์อ้างอิงลงใน README อย่างรวดเร็วขณะเขียนเอกสารคอร์สหรือโปรเจกต์
  • ใช้ Copilot เพื่อสร้างโค้ดและ MCP เพื่อค้นหาและอ้างอิงเอกสารที่เกี่ยวข้องทันที
  • ทำงานใน editor ของคุณอย่างมีสมาธิและเพิ่มประสิทธิภาพ

Important

ตรวจสอบให้แน่ใจว่าคุณมีไฟล์ mcp.json ที่ถูกต้องใน workspace ของคุณ (ตำแหน่งคือ .vscode/mcp.json)

ทำไมต้องใช้ Chainlit ในสถานการณ์ที่ 2?

Chainlit เป็นเฟรมเวิร์กโอเพ่นซอร์สที่ทันสมัยสำหรับการสร้างแอปพลิเคชันเว็บแบบสนทนา มันช่วยให้การสร้างอินเทอร์เฟซผู้ใช้แบบแชทที่เชื่อมต่อกับบริการ backend เช่น Microsoft Learn Docs MCP server เป็นเรื่องง่าย โปรเจกต์นี้ใช้ Chainlit เพื่อมอบวิธีการโต้ตอบที่เรียบง่ายในการสร้างแผนการเรียนแบบส่วนตัวแบบเรียลไทม์ ด้วยการใช้ Chainlit คุณสามารถสร้างและปรับใช้เครื่องมือแบบแชทที่ช่วยเพิ่มประสิทธิภาพและการเรียนรู้ได้อย่างรวดเร็ว

สิ่งที่แอปนี้ทำ

แอปนี้ช่วยให้ผู้ใช้สร้างแผนการเรียนแบบส่วนตัวได้โดยการป้อนหัวข้อและระยะเวลา แอปจะวิเคราะห์ข้อมูลที่คุณป้อน ค้นหาเนื้อหาที่เกี่ยวข้องจากเซิร์ฟเวอร์ Microsoft Learn Docs MCP และจัดระเบียบผลลัพธ์เป็นแผนรายสัปดาห์ที่มีโครงสร้าง คำแนะนำในแต่ละสัปดาห์จะแสดงในหน้าต่างแชท ทำให้ติดตามและดำเนินการได้ง่าย การผสานรวมนี้ช่วยให้คุณได้รับทรัพยากรการเรียนรู้ที่ทันสมัยและเกี่ยวข้องที่สุดเสมอ

ตัวอย่างคำถาม

ลองใช้คำถามเหล่านี้ในหน้าต่างแชทเพื่อดูการตอบสนองของแอป:

  • AI-900 certification, 8 weeks
  • Learn Azure Functions, 4 weeks
  • Azure DevOps, 6 weeks
  • Data engineering on Azure, 10 weeks
  • Microsoft security fundamentals, 5 weeks
  • Power Platform, 7 weeks
  • Azure AI services, 12 weeks
  • Cloud architecture, 9 weeks

ตัวอย่างเหล่านี้แสดงให้เห็นถึงความยืดหยุ่นของแอปสำหรับเป้าหมายการเรียนรู้และกรอบเวลาที่แตกต่างกัน

อ้างอิง

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