Itong komprehensibong gabay sa pag-aaral ay nagtuturo sa iyo kung paano bumuo ng production-ready na Model Context Protocol (MCP) servers na nag-iintegrate ng databases sa pamamagitan ng isang praktikal na retail analytics implementation. Matututuhan mo ang mga enterprise-grade na pattern kabilang ang Row Level Security (RLS), semantic search, Azure AI integration, at multi-tenant data access.
Kung ikaw man ay backend developer, AI engineer, o data architect, ang gabay na ito ay nagbibigay ng istrukturadong pag-aaral na may mga totoong halimbawa at praktikal na mga pagsasanay na ginagabayan ka sa sumusunod na MCP server https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail.
- 📘 MCP Documentation – Detalyadong mga tutorial at user guides
- 📜 MCP Specification (2025-11-25) – Arkitektura ng protocol at mga teknikal na reperensya
- 🧑💻 MCP GitHub Repository – Open-source SDKs, mga tool, at mga code sample
- 🌐 MCP Community – Sumali sa mga diskusyon at mag-ambag sa komunidad
- 🔒 OWASP MCP Top 10 – Mga pinakamahusay na kasanayan sa seguridad at mga mitigasyon ng panganib
📚 Kumpletong Istruktura ng Pag-aaral para sa https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail
| Lab | Paksa | Paglalarawan | Link |
|---|---|---|---|
| Lab 1-3: Mga Pundasyon | |||
| 00 | Panimula sa MCP Database Integration | Pangkalahatang-ideya ng MCP na may database integration at retail analytics use case | Magsimula Dito |
| 01 | Mga Pangunahing Konsepto ng Arkitektura | Pag-unawa sa arkitektura ng MCP server, mga database layer, at mga pattern sa seguridad | Matuto |
| 02 | Seguridad at Multi-Tenancy | Row Level Security, authentication, at multi-tenant data access | Matuto |
| 03 | Pagsasaayos ng Kapaligiran | Pagsasaayos ng development environment, Docker, mga Azure resources | I-setup |
| Lab 4-6: Pagtatayo ng MCP Server | |||
| 04 | Disenyo ng Database at Schema | Pagsasaayos ng PostgreSQL, disenyo ng retail schema, at mga sample data | Itayo |
| 05 | Pagpapatupad ng MCP Server | Pagtatayo ng FastMCP server na may database integration | Itayo |
| 06 | Pagbuo ng Mga Tool | Paglikha ng mga database query tool at schema introspection | Itayo |
| Lab 7-9: Mga Advanced na Tampok | |||
| 07 | Integrasyon ng Semantic Search | Pagpapatupad ng vector embeddings gamit ang Azure OpenAI at pgvector | Umangat |
| 08 | Pagsusuri at Pag-debug | Mga estratehiya sa pagsusuri, mga tool sa pag-debug, at mga pamamaraan sa beripikasyon | Subukan |
| 09 | Integrasyon ng VS Code | Pag-configure ng VS Code MCP integration at paggamit ng AI Chat | I-integrate |
| Lab 10-12: Produksyon at Mga Pinakamahusay na Kasanayan | |||
| 10 | Mga Estratehiya sa Deployment | Deployment gamit ang Docker, Azure Container Apps, at mga konsiderasyon sa scaling | I-deploy |
| 11 | Monitoring at Observability | Application Insights, pag-log, at pag-monitor ng performance | I-monitor |
| 12 | Pinakamahusay na Kasanayan at Pag-optimize | Pag-optimize ng performance, pagpapatibay ng seguridad, at mga tip sa produksyon | I-optimize |
Sa pagtatapos ng learning path na ito, makakabuo ka ng kumpletong Zava Retail Analytics MCP Server na nagtatampok ng:
- Multi-table retail database na may mga customer order, produkto, at imbentaryo
- Row Level Security para sa paghihiwalay ng data base sa tindahan
- Semantic product search gamit ang Azure OpenAI embeddings
- VS Code AI Chat integration para sa mga natural na language queries
- Production-ready deployment gamit ang Docker at Azure
- Komprehensibong monitoring gamit ang Application Insights
Upang makuha ang pinakamataas na benepisyo mula sa learning path na ito, dapat mong magkaroon ng:
- Karanasan sa Programming: Pamilyar sa Python (mas gusto) o katulad na mga wika
- Kaalaman sa Database: Pangunahing pag-unawa sa SQL at relational databases
- Mga Konsepto ng API: Pag-unawa sa REST APIs at mga konsepto ng HTTP
- Mga Tool sa Pag-unlad: Karanasan sa command line, Git, at mga code editor
- Mga Pangunahing Kaalaman sa Cloud: (Opsyonal) Pangunahing kaalaman sa Azure o katulad na cloud platforms
- Pamilyar sa Docker: (Opsyonal) Pag-unawa sa mga konsepto ng containerization
- Docker Desktop - Para sa pagpapatakbo ng PostgreSQL at MCP server
- Azure CLI - Para sa deployment ng mga cloud resource
- VS Code - Para sa pag-develop at MCP integration
- Git - Para sa version control
- Python 3.8+ - Para sa pag-develop ng MCP server
Kasama sa learning path na ito ang komprehensibong mga resource upang tulungan kang mag-navigate nang epektibo:
Bawat lab ay may kasamang:
- Malinaw na mga layunin sa pag-aaral - Ano ang mararating mo
- Hakbang-hakbang na mga tagubilin - Detalyadong mga gabay sa pagpapatupad
- Mga halimbawa ng code - Gumaganang mga sample na may mga paliwanag
- Mga pagsasanay - Mga pagkakataon para sa praktikal na pag-aaral
- Mga gabay sa pag-troubleshoot - Mga karaniwang isyu at solusyon
- Karagdagang mga resource - Dagdag na babasahin at eksplorasyon
Bago simulan ang bawat lab, makikita mo:
- Kinakailangang kaalaman - Ano ang dapat mong malaman nang maaga
- Pag-beripika ng setup - Paano suriin ang iyong kapaligiran
- Tantiya sa oras - Inaasahang oras ng pagtatapos
- Mga kinalabasan ng pag-aaral - Ano ang malalaman mo pagkatapos matapos
Piliin ang iyong landas batay sa iyong antas ng karanasan:
- Siguraduhing natapos mo muna ang 0-10 ng MCP for Beginners
- Kumpletuhin ang mga lab 00-03 upang patatagin ang pundasyon
- Sundin ang mga lab 04-06 para sa praktikal na pagtatayo
- Subukan ang mga lab 07-09 para sa praktikal na paggamit
- Balikan ang mga lab 00-01 para sa mga database-specific na konsepto
- Magtuon sa mga lab 02-06 para sa pagpapatupad
- Malalimang aralin ang mga lab 07-12 para sa mga advanced na tampok
- Basahin nang mabilis ang mga lab 00-03 para sa konteksto
- Magtuon sa mga lab 04-09 para sa database integration
- Mag-concentrate sa mga lab 10-12 para sa deployment sa produksyon
Trabahuin ang mga lab nang sunud-sunod para sa komprehensibong pag-unawa:
- Basahin ang pangkalahatang-ideya - Unawain kung ano ang iyong matututunan
- Suriin ang mga kinakailangan - Siguraduhing mayroon kang kailangang kaalaman
- Sundin ang mga gabay na hakbang-hakbang - Ipatupad habang nag-aaral
- Kumpletuhin ang mga pagsasanay - Patibayin ang iyong pag-unawa
- Repasuhin ang mahahalagang puntos - Patatagin ang mga natutunan
Kung kailangan mo ng partikular na kasanayan:
- Database Integration: Magtuon sa mga lab 04-06
- Pagpapatupad ng Seguridad: Mag-concentrate sa mga lab 02, 08, 12
- AI/Semantic Search: Malalim na aralin ang lab 07
- Deployment sa Produksyon: Pag-aralan ang mga lab 10-12
Bawat lab ay may kasamang:
- Mga gumaganang halimbawa ng code - Kopyahin, baguhin, at subukan
- Mga totoong senaryo - Praktikal na mga use case ng retail analytics
- Paunti-unting lalim ng komplikasyon - Pagtatayo mula sa simple hanggang advanced
- Mga hakbang para sa beripikasyon - Siguraduhing gumagana ang iyong pagpapatupad
- Azure AI Discord: Sumali para sa expert support
- GitHub Repo at Sample ng Implementation: Deployment Sample at Mga Resources
- MCP Community: Sumali sa mas malawak na diskusyon ng MCP
Simulan ang iyong paglalakbay sa Lab 00: Panimula sa MCP Database Integration
Maging bihasa sa paggawa ng production-ready MCP servers na may database integration sa pamamagitan ng komprehensibo at praktikal na karanasan sa pag-aaral na ito.
Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagamat aming pinagsusumikapan ang katumpakan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi tamang impormasyon. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.