本節包含多個課程:
-
1 你的第一台伺服器,在這堂課中,你將學會如何建立你的第一台伺服器,並使用檢查工具來檢視它,這是測試和除錯伺服器的寶貴方法,前往課程
-
2 用戶端,在這堂課中,你將學會如何撰寫一個能連接到伺服器的用戶端,前往課程
-
3 帶有 LLM 的用戶端,更進一步的用戶端撰寫方式是加入 LLM,讓它能與伺服器「協商」該如何操作,前往課程
-
4 在 Visual Studio Code 中使用 GitHub Copilot Agent 模式消費伺服器。這裡我們將探討如何在 Visual Studio Code 內執行 MCP 伺服器,前往課程
-
5 從 SSE(Server Sent Events)消費 SSE 是一種伺服器到用戶端的串流標準,允許伺服器透過 HTTP 推送即時更新給用戶端,前往課程
-
6 使用 MCP 的 HTTP 串流(可串流的 HTTP)。了解現代 HTTP 串流、進度通知,以及如何使用可串流的 HTTP 實作可擴展的即時 MCP 伺服器和用戶端,前往課程
-
7 利用 VSCode 的 AI 工具包 來消費和測試你的 MCP 用戶端和伺服器,前往課程
-
8 測試。這裡我們將特別著重於如何以不同方式測試伺服器和用戶端,前往課程
-
9 部署。本章將探討部署 MCP 解決方案的不同方法,前往課程
Model Context Protocol (MCP) 是一個開放協議,標準化應用程式如何向 LLM 提供上下文。可以把 MCP 想像成 AI 應用的 USB-C 連接埠——它提供一種標準化的方式,將 AI 模型連接到不同的資料來源和工具。
完成本課程後,你將能夠:
- 為 C#、Java、Python、TypeScript 和 JavaScript 設定 MCP 開發環境
- 建立並部署具備自訂功能(資源、提示和工具)的基本 MCP 伺服器
- 建立能連接 MCP 伺服器的主機應用程式
- 測試和除錯 MCP 實作
- 理解常見的設定挑戰及其解決方案
- 將你的 MCP 實作連接到熱門的 LLM 服務
在開始使用 MCP 之前,準備好開發環境並了解基本工作流程非常重要。本節將引導你完成初始設定步驟,確保你能順利開始 MCP 開發。
在投入 MCP 開發前,請確保你已具備:
- 開發環境:適用於你選擇的語言(C#、Java、Python、TypeScript 或 JavaScript)
- IDE/編輯器:Visual Studio、Visual Studio Code、IntelliJ、Eclipse、PyCharm 或任何現代程式碼編輯器
- 套件管理工具:NuGet、Maven/Gradle、pip 或 npm/yarn
- API 金鑰:用於你計畫在主機應用程式中使用的任何 AI 服務
在接下來的章節中,你會看到使用 Python、TypeScript、Java 和 .NET 建構的解決方案。以下是所有官方支援的 SDK。
MCP 提供多種語言的官方 SDK:
- C# SDK - 與 Microsoft 合作維護
- Java SDK - 與 Spring AI 合作維護
- TypeScript SDK - 官方 TypeScript 實作
- Python SDK - 官方 Python 實作
- Kotlin SDK - 官方 Kotlin 實作
- Swift SDK - 與 Loopwork AI 合作維護
- Rust SDK - 官方 Rust 實作
- 使用語言專屬 SDK 設定 MCP 開發環境相當簡單
- 建立 MCP 伺服器需創建並註冊具明確結構的工具
- MCP 用戶端連接伺服器和模型,以利用擴充功能
- 測試和除錯對於可靠的 MCP 實作至關重要
- 部署選項涵蓋從本地開發到雲端解決方案
我們提供一組範例,搭配本節所有章節中的練習。此外,每個章節也有自己的練習和作業。
- 使用 Model Context Protocol 在 Azure 上建立代理
- 使用 Azure Container Apps 遠端 MCP(Node.js/TypeScript/JavaScript)
- .NET OpenAI MCP 代理
下一課: 建立你的第一台 MCP 伺服器
免責聲明:
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確,但請注意,自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊,建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋負責。