Цей практичний посібник демонструє десять серверів Microsoft MCP, які активно змінюють спосіб роботи розробників з AI-помічниками. Замість того, щоб просто пояснювати, що сервери MCP можуть робити, ми покажемо вам сервери, які вже справді впливають на щоденні робочі процеси розробки в Microsoft та за її межами.
Кожен сервер у цьому посібнику обрано на основі реального використання та відгуків розробників. Ви дізнаєтеся не лише, що робить кожен сервер, а й чому це важливо та як максимально ефективно використовувати його у власних проєктах. Незалежно від того, чи ви новачок у MCP, чи хочете розширити існуючу конфігурацію, ці сервери представляють одні з найпрактичніших і найвпливовіших інструментів у екосистемі Microsoft.
💡 Порада для швидкого старту
Новачок у MCP? Не хвилюйтеся! Цей посібник створений для початківців. Ми пояснюватимемо концепції по ходу, а ви завжди можете повернутися до наших модулів Вступ до MCP та Основні поняття для глибшого розуміння.
Цей всебічний посібник розглядає десять серверів Microsoft MCP, які революціонізують спосіб взаємодії розробників з AI-помічниками та зовнішніми інструментами. Від управління ресурсами Azure до обробки документів — ці сервери демонструють потужність Model Context Protocol у створенні безшовних, продуктивних робочих процесів розробки.
До кінця цього посібника ви:
- Зрозумієте, як сервери MCP підвищують продуктивність розробників
- Дізнаєтеся про найвпливовіші реалізації серверів MCP від Microsoft
- Відкриєте практичні сценарії використання кожного сервера
- Навчитеся налаштовувати та конфігурувати ці сервери у VS Code та Visual Studio
- Ознайомитеся з ширшою екосистемою MCP та її майбутніми напрямками
Якщо ви новачок у Model Context Protocol (MCP), можливо, ви запитаєте: «Що саме таке сервер MCP і чому це важливо?» Почнемо з простої аналогії.
Уявіть сервери MCP як спеціалізованих помічників, які допомагають вашому AI-компаньйону для кодування (наприклад, GitHub Copilot) підключатися до зовнішніх інструментів і сервісів. Так само, як ви використовуєте різні додатки на телефоні для різних завдань — один для погоди, інший для навігації, третій для банкінгу — сервери MCP дають вашому AI-помічнику можливість взаємодіяти з різними інструментами та сервісами розробки.
До появи серверів MCP, якщо ви хотіли:
- Перевірити свої ресурси Azure
- Створити issue на GitHub
- Запитати базу даних
- Пошукати інформацію в документації
вам доводилося припиняти кодування, відкривати браузер, переходити на потрібний сайт і виконувати ці завдання вручну. Така постійна зміна контексту порушує ваш робочий потік і знижує продуктивність.
З сервером MCP ви можете залишатися у своєму середовищі розробки (VS Code, Visual Studio тощо) і просто попросити AI-помічника виконати ці завдання. Наприклад:
Замість традиційного робочого процесу:
- Припинити кодувати
- Відкрити браузер
- Перейти в портал Azure
- Перевірити деталі облікового запису зберігання
- Повернутися до VS Code
- Продовжити кодування
Тепер можна зробити так:
- Запитати AI: «Який статус моїх облікових записів зберігання Azure?»
- Продовжувати кодувати з отриманою інформацією
- Більше не потрібно перемикатися між кількома додатками
- Зосереджуйтеся на написанні коду
- Зменшуйте ментальне навантаження від управління різними інструментами
- Не потрібно запам’ятовувати синтаксис SQL, просто опишіть, які дані потрібні
- Не потрібно пам’ятати команди Azure CLI, поясніть, що хочете зробити
- Дозвольте AI обробляти технічні деталі, а ви зосередьтеся на логіці
- Створюйте потужні робочі процеси, поєднуючи різні сервіси
- Приклад: «Отримай всі останні GitHub issues і створи відповідні робочі елементи в Azure DevOps»
- Автоматизуйте без написання складних скриптів
- Використовуйте сервери від Microsoft, GitHub та інших компаній
- Легко комбінуйте інструменти від різних постачальників
- Приєднуйтесь до стандартизованої екосистеми, що працює з різними AI-помічниками
- Починайте з готових серверів, щоб зрозуміти концепції
- Поступово створюйте власні сервери, коли відчуєте впевненість
- Використовуйте доступні SDK та документацію для навчання
Припустимо, ви новачок у веб-розробці і працюєте над першим проєктом. Ось як сервери MCP можуть допомогти:
Традиційний підхід:
1. Code a feature
2. Open browser → Navigate to GitHub
3. Create an issue for testing
4. Open another tab → Check Azure docs for deployment
5. Open third tab → Look up database connection examples
6. Return to VS Code
7. Try to remember what you were doing
З сервером MCP:
1. Code a feature
2. Ask AI: "Create a GitHub issue for testing this login feature"
3. Ask AI: "How do I deploy this to Azure according to the docs?"
4. Ask AI: "Show me the best way to connect to my database"
5. Continue coding with all the information you need
MCP стає галузевим стандартом, що означає:
- Послідовність: схожий досвід у різних інструментах і компаніях
- Взаємодія: сервери від різних постачальників працюють разом
- Захист інвестицій: навички та налаштування можна переносити між різними AI-помічниками
- Спільнота: велика екосистема спільних знань і ресурсів
У цьому посібнику ми розглянемо 10 серверів Microsoft MCP, які особливо корисні для розробників будь-якого рівня. Кожен сервер створений, щоб:
- Вирішувати поширені проблеми розробки
- Зменшувати рутинні завдання
- Покращувати якість коду
- Розширювати можливості навчання
💡 Порада для навчання
Якщо ви зовсім новачок у MCP, почніть з наших модулів Вступ до MCP та Основні поняття. Потім поверніться сюди, щоб побачити ці концепції в дії на прикладі реальних інструментів Microsoft.
Для додаткового контексту щодо важливості MCP перегляньте допис Марії Наггага: Connect Once, Integrate Anywhere with MCP.
Налаштування цих серверів MCP досить просте, якщо ви використовуєте Visual Studio Code або Visual Studio 2022 з GitHub Copilot.
Основні кроки для VS Code:
- Увімкніть режим агента: у VS Code переключіться в режим агента у вікні Copilot Chat
- Налаштуйте сервери MCP: додайте конфігурації серверів у файл settings.json VS Code
- Запустіть сервери: натисніть кнопку «Start» для кожного сервера, який хочете використовувати
- Виберіть інструменти: оберіть, які сервери MCP активувати для поточної сесії
Для детальних інструкцій дивіться документацію MCP для VS Code.
💡 Професійна порада: керуйте серверами MCP як профі!
У перегляді розширень VS Code тепер є зручний новий інтерфейс для керування встановленими серверами MCP! Ви маєте швидкий доступ до запуску, зупинки та керування будь-якими встановленими серверами MCP через простий і зрозумілий інтерфейс. Спробуйте!
Для Visual Studio 2022 (версія 17.14 або новіша):
- Увімкніть режим агента: у вікні GitHub Copilot Chat натисніть на випадаюче меню «Ask» і виберіть «Agent»
- Створіть конфігураційний файл: створіть файл
.mcp.jsonу каталозі рішення (рекомендоване розташування:<SOLUTIONDIR>\.mcp.json) - Налаштуйте сервери: додайте конфігурації серверів MCP у стандартному форматі MCP
- Підтвердження інструментів: коли з’явиться запит, підтвердіть інструменти, які хочете використовувати, з відповідними дозволами
Для детальних інструкцій з налаштування Visual Studio дивіться документацію MCP для Visual Studio.
Кожен сервер MCP має свої вимоги до конфігурації (рядки підключення, автентифікація тощо), але шаблон налаштування послідовний для обох IDE.
Що робить: Сервер Microsoft Learn Docs MCP — це хмарний сервіс, який надає AI-помічникам доступ у реальному часі до офіційної документації Microsoft через Model Context Protocol. Він підключається до https://learn.microsoft.com/api/mcp і забезпечує семантичний пошук по Microsoft Learn, документації Azure, Microsoft 365 та інших офіційних джерелах Microsoft.
Чому це корисно: Хоча це може здаватися «просто документацією», цей сервер є надзвичайно важливим для кожного розробника, який працює з технологіями Microsoft. Однією з найбільших скарг .NET-розробників на AI-помічників для кодування є те, що вони не завжди оновлені щодо останніх версій .NET і C#. Сервер Microsoft Learn Docs MCP вирішує цю проблему, надаючи доступ у реальному часі до найактуальнішої документації, API-референсів і найкращих практик. Незалежно від того, чи ви працюєте з останніми SDK Azure, досліджуєте нові можливості C# 13 або впроваджуєте передові патерни .NET Aspire, цей сервер гарантує, що ваш AI-помічник має доступ до авторитетної, актуальної інформації для генерації точного, сучасного коду.
Використання у реальному житті: «Які команди az cli потрібно використати для створення Azure container app згідно з офіційною документацією Microsoft Learn?» або «Як налаштувати Entity Framework з dependency injection в ASP.NET Core?» Або ж «Перевір цей код, щоб упевнитися, що він відповідає рекомендаціям щодо продуктивності в документації Microsoft Learn.» Сервер забезпечує всебічне охоплення Microsoft Learn, документації Azure і Microsoft 365, використовуючи просунутий семантичний пошук для знаходження найбільш релевантної інформації. Він повертає до 10 якісних фрагментів контенту з назвами статей і URL-адресами, завжди звертаючись до найновішої документації Microsoft одразу після її публікації.
Приклад використання: Сервер надає інструмент microsoft_docs_search, який виконує семантичний пошук по офіційній технічній документації Microsoft. Після налаштування ви можете ставити запитання на кшталт «Як реалізувати JWT-аутентифікацію в ASP.NET Core?» і отримувати детальні офіційні відповіді з посиланнями на джерела. Якість пошуку відмінна, оскільки він розуміє контекст — запит про «контейнери» в контексті Azure поверне документацію про Azure Container Instances, а той самий термін у контексті .NET — інформацію про колекції C#.
Це особливо корисно для швидкозмінних або нещодавно оновлених бібліотек і сценаріїв використання. Наприклад, у деяких нещодавніх проєктах я хотів використати можливості останніх релізів .NET Aspire і Microsoft.Extensions.AI. Завдяки серверу Microsoft Learn Docs MCP я отримав доступ не лише до API-документації, а й до покрокових інструкцій і рекомендацій, які щойно були опубліковані.
💡 Корисна порада
Навіть моделі, орієнтовані на інструменти, потребують підказок для використання MCP інструментів! Розгляньте можливість додати системний запит або copilot-instructions.md на кшталт: "У вас є доступ до
microsoft.docs.mcp– використовуйте цей інструмент для пошуку останньої офіційної документації Microsoft при роботі з питаннями про технології Microsoft, такі як C#, Azure, ASP.NET Core або Entity Framework."Для чудового прикладу цього в дії перегляньте C# .NET Janitor chat mode з репозиторію Awesome GitHub Copilot. Цей режим спеціально використовує сервер Microsoft Learn Docs MCP, щоб допомогти очистити та модернізувати код на C# за допомогою найновіших шаблонів і кращих практик.
Що це робить: Azure MCP Server — це комплексний набір із понад 15 спеціалізованих конекторів для сервісів Azure, який інтегрує всю екосистему Azure у ваш AI-робочий процес. Це не просто один сервер — це потужна колекція, що включає управління ресурсами, підключення до баз даних (PostgreSQL, SQL Server), аналіз логів Azure Monitor за допомогою KQL, інтеграцію з Cosmos DB та багато іншого.
Чому це корисно: Окрім управління ресурсами Azure, цей сервер значно покращує якість коду при роботі з Azure SDK. Використовуючи Azure MCP у режимі Agent, ви отримуєте не просто допомогу у написанні коду — ви пишете кращий код для Azure, який відповідає сучасним патернам аутентифікації, найкращим практикам обробки помилок і використовує останні можливості SDK. Замість загального коду, який може працювати, ви отримуєте код, що відповідає рекомендованим Azure патернам для продуктивних навантажень.
Ключові модулі включають:
- 🗄️ Конектори до баз даних: Прямий доступ природною мовою до Azure Database для PostgreSQL та SQL Server
- 📊 Azure Monitor: Аналіз логів і операційна аналітика на основі KQL
- 🌐 Управління ресурсами: Повний життєвий цикл управління ресурсами Azure
- 🔐 Аутентифікація: Патерни DefaultAzureCredential та керованих ідентичностей
- 📦 Сервіси зберігання: Операції з Blob Storage, Queue Storage та Table Storage
- 🚀 Контейнерні сервіси: Управління Azure Container Apps, Container Instances та AKS
- І багато інших спеціалізованих конекторів
Приклади використання в реальному житті: "Покажи мої облікові записи зберігання Azure", "Запитай у Log Analytics про помилки за останню годину" або "Допоможи створити Azure-додаток на Node.js з правильною аутентифікацією"
Повний демонстраційний сценарій: Ось повний приклад, який показує потужність поєднання Azure MCP з розширенням GitHub Copilot для Azure у VS Code. Коли обидва встановлені, і ви вводите:
"Створи Python-скрипт, який завантажує файл у Azure Blob Storage, використовуючи аутентифікацію DefaultAzureCredential. Скрипт має підключатися до мого облікового запису зберігання Azure з назвою 'mycompanystorage', завантажувати у контейнер 'documents', створити тестовий файл з поточним часовим штампом для завантаження, коректно обробляти помилки та виводити інформативні повідомлення, дотримуватися найкращих практик Azure для аутентифікації та обробки помилок, містити коментарі, що пояснюють, як працює аутентифікація DefaultAzureCredential, і бути добре структурованим зі зрозумілими функціями та документацією."
Azure MCP Server згенерує повний, готовий до продакшену Python-скрипт, який:
- Використовує останній SDK Azure Blob Storage з правильними асинхронними патернами
- Реалізує DefaultAzureCredential з детальним поясненням ланцюжка відкату
- Містить надійну обробку помилок із врахуванням специфічних типів винятків Azure
- Дотримується найкращих практик Azure SDK для управління ресурсами та підключеннями
- Забезпечує детальне логування та інформативний вивід у консоль
- Створює правильно структурований скрипт з функціями, документацією та підказками типів
Що робить це особливим — без Azure MCP ви могли б отримати загальний код для роботи з blob storage, який працює, але не відповідає сучасним патернам Azure. З Azure MCP ви отримуєте код, що використовує найновіші методи аутентифікації, обробляє специфічні помилки Azure і слідує рекомендованим Microsoft практикам для продуктивних додатків.
Приклад із життя: Мені завжди важко було запам’ятати конкретні команди для CLI az і azd для разових завдань. Зазвичай це двокроковий процес: спочатку шукаю синтаксис, потім запускаю команду. Часто я просто заходив у портал і кликав там, бо не хотів визнавати, що не пам’ятаю синтаксис CLI. Можливість просто описати, що я хочу, — це диво, а ще краще — робити це, не виходячи з IDE!
У репозиторії Azure MCP є чудовий список сценаріїв використання, щоб почати. Для детальних інструкцій з налаштування та розширених опцій конфігурації дивіться офіційну документацію Azure MCP.
Що це робить: Офіційний GitHub MCP Server забезпечує безшовну інтеграцію з усією екосистемою GitHub, пропонуючи як хостований віддалений доступ, так і локальне розгортання через Docker. Це не просто базові операції з репозиторіями — це повний набір інструментів, що включає управління GitHub Actions, роботу з pull request, відстеження issues, сканування безпеки, сповіщення та розширені можливості автоматизації.
Чому це корисно: Цей сервер змінює спосіб взаємодії з GitHub, переносячи повний досвід платформи безпосередньо у ваше середовище розробки. Замість постійного перемикання між VS Code і GitHub.com для управління проектами, перегляду коду та моніторингу CI/CD, ви можете керувати всім за допомогою команд природною мовою, залишаючись зосередженими на коді.
ℹ️ Примітка: Різні типи 'агентів'
Не плутайте цей GitHub MCP Server з GitHub Coding Agent (AI-агентом, якому можна призначати issues для автоматизованого кодування). GitHub MCP Server працює в режимі Agent у VS Code для інтеграції з GitHub API, тоді як GitHub Coding Agent — це окрема функція, що створює pull request при призначенні на issues.
Ключові можливості включають:
- ⚙️ GitHub Actions: Повне управління CI/CD, моніторинг робочих процесів та артефактів
- 🔀 Pull Requests: Створення, перегляд, злиття та управління PR з детальним відстеженням статусу
- 🐛 Issues: Повний життєвий цикл issues, коментування, маркування та призначення
- 🔒 Безпека: Сповіщення про сканування коду, виявлення секретів та інтеграція з Dependabot
- 🔔 Сповіщення: Інтелектуальне управління сповіщеннями та підписка на репозиторії
- 📁 Управління репозиторіями: Операції з файлами, управління гілками та адміністрування репозиторіїв
- 👥 Співпраця: Пошук користувачів і організацій, управління командами та контроль доступу
Приклади використання в реальному житті: "Створи pull request з моєї гілки feature", "Покажи всі невдалі CI-запуски цього тижня", "Покажи відкриті сповіщення про безпеку для моїх репозиторіїв" або "Знайди всі issues, призначені мені в моїх організаціях"
Повний демонстраційний сценарій: Ось потужний робочий процес, що демонструє можливості GitHub MCP Server:
"Мені потрібно підготуватися до огляду спринту. Покажи всі pull request, які я створив цього тижня, перевір статус наших CI/CD пайплайнів, створи підсумок усіх сповіщень про безпеку, які потрібно вирішити, і допоможи підготувати нотатки до релізу на основі злитих PR з міткою 'feature'."
GitHub MCP Server:
- Запитає ваші останні pull request з детальною інформацією про статус
- Проаналізує запуски робочих процесів і виділить помилки чи проблеми з продуктивністю
- Скомпілює результати сканування безпеки та пріоритезує критичні сповіщення
- Згенерує повні нотатки до релізу, витягуючи інформацію зі злитих PR
- Надасть конкретні кроки для планування спринту та підготовки релізу
Приклад із життя: Мені дуже подобається використовувати це для процесів рев’ю коду. Замість того, щоб перемикатися між VS Code, сповіщеннями GitHub і сторінками pull request, я просто кажу: "Покажи всі PR, що чекають на мій перегляд", а потім "Додай коментар до PR #123 з питанням про обробку помилок у методі аутентифікації." Сервер виконує виклики GitHub API, зберігає контекст обговорення і навіть допомагає сформулювати більш конструктивні коментарі.
Опції аутентифікації: Сервер підтримує як OAuth (безшовно у VS Code), так і Personal Access Tokens, з можливістю налаштування наборів інструментів для активації лише потрібної функціональності GitHub. Ви можете запускати його як віддалений хостинг для швидкого налаштування або локально через Docker для повного контролю.
💡 Порада для професіоналів
Активуйте лише потрібні набори інструментів, налаштовуючи параметр
--toolsetsу конфігурації MCP сервера, щоб зменшити розмір контексту та покращити вибір AI-інструментів. Наприклад, додайте"--toolsets", "repos,issues,pull_requests,actions"для основних робочих процесів розробки або"--toolsets", "notifications, security", якщо вам потрібен переважно моніторинг GitHub.
Що це робить: Підключається до сервісів Azure DevOps для комплексного управління проектами, відстеження робочих елементів, керування збірками та операціями з репозиторіями.
Чому це корисно: Для команд, які використовують Azure DevOps як основну платформу DevOps, цей MCP сервер усуває необхідність постійно перемикатися між середовищем розробки та веб-інтерфейсом Azure DevOps. Ви можете керувати робочими елементами, перевіряти статус збірок, запитувати репозиторії та виконувати завдання управління проектом безпосередньо через вашого AI-помічника.
Приклади використання в реальному житті: "Покажи всі активні робочі елементи в поточному спринті для проекту WebApp", "Створи звіт про баг для проблеми з логіном, яку я щойно знайшов" або "Перевір статус наших збіркових пайплайнів і покажи останні помилки"
Приклад із життя: Легко перевірити статус поточного спринту вашої команди за допомогою простого запиту, наприклад: "Покажи всі активні робочі елементи в поточному спринті для проекту WebApp" або "Створи звіт про баг для проблеми з логіном, яку я щойно знайшов", не виходячи зі свого середовища розробки.
Що це робить: MarkItDown — це комплексний сервер конвертації документів, який перетворює різні формати файлів у високоякісний Markdown, оптимізований для використання з LLM та робочих процесів аналізу тексту.
Чому це корисно: Незамінний інструмент для сучасних робочих процесів документації! MarkItDown підтримує вражаючий спектр форматів файлів, зберігаючи при цьому важливу структуру документа, таку як заголовки, списки, таблиці та посилання. На відміну від простих інструментів вилучення тексту, він зосереджений на збереженні семантичного значення та форматування, що цінне як для обробки ШІ, так і для зручності читання людьми.
Підтримувані формати файлів:
- Офісні документи: PDF, PowerPoint (PPTX), Word (DOCX), Excel (XLSX/XLS)
- Медіафайли: Зображення (з EXIF-метаданими та OCR), Аудіо (з EXIF-метаданими та транскрипцією мови)
- Веб-контент: HTML, RSS-канали, URL-адреси YouTube, сторінки Wikipedia
- Формати даних: CSV, JSON, XML, ZIP-файли (рекурсивна обробка вмісту)
- Видавничі формати: EPub, Jupyter notebooks (.ipynb)
- Електронна пошта: Повідомлення Outlook (.msg)
- Розширені можливості: Інтеграція Azure Document Intelligence для покращеної обробки PDF
Розширені можливості: MarkItDown підтримує опис зображень за допомогою LLM (за наявності клієнта OpenAI), Azure Document Intelligence для покращеної обробки PDF, транскрипцію аудіо для мовного контенту та систему плагінів для розширення підтримки додаткових форматів файлів.
Практичне використання: «Конвертувати цю презентацію PowerPoint у Markdown для нашого сайту документації», «Вилучити текст із цього PDF з правильною структурою заголовків» або «Перетворити цю таблицю Excel у зручний для читання формат таблиці».
Приклад із документації: Цитуючи MarkItDown docs:
Markdown дуже близький до простого тексту, з мінімальним розміткою чи форматуванням, але при цьому дозволяє відобразити важливу структуру документа. Основні LLM, такі як GPT-4o від OpenAI, «говорять» Markdown рідною мовою і часто включають Markdown у свої відповіді без запиту. Це свідчить про те, що вони були навчені на величезних обсягах тексту у форматі Markdown і добре його розуміють. Додатково, конвенції Markdown дуже ефективні з точки зору токенів.
MarkItDown чудово зберігає структуру документа, що важливо для робочих процесів ШІ. Наприклад, при конвертації презентації PowerPoint він зберігає організацію слайдів із правильними заголовками, вилучає таблиці у форматі Markdown, додає альтернативний текст для зображень і навіть обробляє нотатки доповідача. Діаграми перетворюються у читабельні таблиці даних, а отриманий Markdown зберігає логічний потік оригінальної презентації. Це ідеально підходить для передачі контенту презентації в системи ШІ або створення документації на основі існуючих слайдів.
Що це робить: Забезпечує розмовний доступ до баз даних SQL Server (локальних, Azure SQL або Fabric)
Чому це корисно: Аналогічно серверу PostgreSQL, але для екосистеми Microsoft SQL. Підключайтеся за допомогою простого рядка підключення і починайте запитувати природною мовою — більше не потрібно перемикатися між контекстами!
Практичне використання: «Знайти всі замовлення, які не були виконані за останні 30 днів» перетворюється на відповідні SQL-запити і повертає відформатовані результати.
Приклад: Після налаштування підключення до бази даних ви можете одразу почати спілкуватися з вашими даними. У блозі це демонструється простим запитанням: «до якої бази даних ти підключений?» MCP сервер відповідає, викликаючи відповідний інструмент бази даних, підключається до вашого екземпляру SQL Server і повертає інформацію про поточне підключення — все це без написання жодного рядка SQL. Сервер підтримує повний спектр операцій з базою даних — від управління схемою до маніпуляцій з даними, все через запити природною мовою. Для повної інструкції з налаштування та прикладів конфігурації з VS Code і Claude Desktop дивіться: Introducing MSSQL MCP Server (Preview).
Що це робить: Дозволяє агентам ШІ взаємодіяти з веб-сторінками для тестування та автоматизації
ℹ️ Підтримка GitHub Copilot
Playwright MCP Server забезпечує роботу Coding Agent у GitHub Copilot, надаючи йому можливості веб-браузера! Дізнайтеся більше про цю функцію.
Чому це корисно: Ідеально підходить для автоматизованого тестування на основі описів природною мовою. ШІ може переходити по сайтах, заповнювати форми та вилучати дані через структуровані знімки доступності — це надзвичайно потужний інструмент!
Практичне використання: «Протестувати процес входу і перевірити, що панель завантажується коректно» або «Згенерувати тест, який шукає товари і перевіряє сторінку результатів» — і все це без доступу до вихідного коду додатку.
Приклад: Моя колега Деббі О’Браєн останнім часом робить чудову роботу з Playwright MCP Server! Наприклад, вона показала, як можна створити повні тести Playwright без доступу до вихідного коду додатку. У її сценарії вона попросила Copilot створити тест для додатку пошуку фільмів: перейти на сайт, знайти «Garfield» і перевірити, що фільм з’явився у результатах. MCP запустив сесію браузера, дослідив структуру сторінки за допомогою DOM-знімків, визначив правильні селектори і згенерував повністю робочий тест на TypeScript, який пройшов з першої спроби.
Що робить це дійсно потужним — це міст між інструкціями природною мовою і виконуваним тестовим кодом. Традиційні підходи вимагають або ручного написання тестів, або доступу до коду для контексту. Але з Playwright MCP можна тестувати зовнішні сайти, клієнтські додатки або працювати у сценаріях чорного ящика, де доступу до коду немає.
Що це робить: Керує середовищами Microsoft Dev Box за допомогою природної мови
Чому це корисно: Значно спрощує управління середовищами розробки! Створюйте, налаштовуйте та керуйте середовищами без необхідності запам’ятовувати конкретні команди.
Практичне використання: «Налаштуй новий Dev Box з останнім .NET SDK і підготуй його для нашого проєкту», «Перевір стан усіх моїх середовищ розробки» або «Створи стандартизоване демонстраційне середовище для наших командних презентацій».
Приклад: Я великий прихильник використання Dev Box для особистої розробки. Мій «момент прозріння» стався, коли Джеймс Монтеманьо розповів, наскільки Dev Box зручний для демонстрацій на конференціях, адже він має надшвидке Ethernet-з’єднання, незалежно від Wi-Fi конференції, готелю чи літака, яким я користуюся. Насправді, я нещодавно практикував демонстрації на конференції, коли мій ноутбук був підключений до мобільного хотспоту телефону в автобусі з Брюгге до Антверпена! Наступним кроком для мене є глибше вивчення керування кількома середовищами розробки та стандартизованими демонстраційними середовищами для команд. Ще одним великим кейсом, який я чув від клієнтів і колег, є використання Dev Box для попередньо налаштованих середовищ розробки. У обох випадках використання MCP для налаштування і керування Dev Box дозволяє взаємодіяти природною мовою, залишаючись у вашому середовищі розробки.
Що це робить: Azure AI Foundry MCP Server надає розробникам повний доступ до екосистеми Azure AI, включно з каталогами моделей, управлінням розгортанням, індексацією знань за допомогою Azure AI Search та інструментами оцінки. Цей експериментальний сервер створює міст між розробкою ШІ та потужною інфраструктурою Azure AI, спрощуючи створення, розгортання та оцінку ШІ-додатків.
Чому це корисно: Цей сервер змінює спосіб роботи з сервісами Azure AI, інтегруючи корпоративні можливості ШІ безпосередньо у ваш робочий процес розробки. Замість того, щоб перемикатися між порталом Azure, документацією та IDE, ви можете знаходити моделі, розгортати сервіси, керувати базами знань і оцінювати продуктивність ШІ за допомогою команд природною мовою. Особливо корисний для розробників, які створюють RAG (Retrieval-Augmented Generation) додатки, керують мульти-модельними розгортаннями або впроваджують комплексні конвеєри оцінки ШІ.
Основні можливості для розробників:
- 🔍 Пошук і розгортання моделей: Досліджуйте каталог моделей Azure AI Foundry, отримуйте детальну інформацію з прикладами коду та розгортайте моделі в Azure AI Services
- 📚 Управління знаннями: Створюйте та керуйте індексами Azure AI Search, додавайте документи, налаштовуйте індексатори та будуйте складні RAG-системи
- ⚡ Інтеграція AI агентів: Підключайтеся до Azure AI Agents, запитуйте існуючих агентів та оцінюйте їхню продуктивність у реальних сценаріях
- 📊 Фреймворк оцінки: Проводьте комплексні оцінки тексту та агентів, генеруйте звіти у форматі markdown та впроваджуйте контроль якості для ШІ-додатків
- 🚀 Інструменти прототипування: Отримуйте інструкції з налаштування прототипування на базі GitHub та доступ до Azure AI Foundry Labs для роботи з передовими дослідницькими моделями
Приклади реального використання розробниками: «Розгорнути модель Phi-4 в Azure AI Services для мого додатку», «Створити новий пошуковий індекс для моєї RAG-системи документації», «Оцінити відповіді мого агента за показниками якості» або «Знайти найкращу модель для складного аналітичного завдання».
Повний демонстраційний сценарій: Ось потужний робочий процес розробки ШІ:
«Я створюю агента підтримки клієнтів. Допоможи мені знайти хорошу модель для логічного мислення в каталозі, розгорнути її в Azure AI Services, створити базу знань з нашої документації, налаштувати фреймворк оцінки для перевірки якості відповідей, а потім допомогти з прототипуванням інтеграції з GitHub токеном для тестування.»
Azure AI Foundry MCP Server:
- Запитає каталог моделей, щоб рекомендувати оптимальні моделі логічного мислення відповідно до ваших вимог
- Надасть команди для розгортання та інформацію про квоти для обраного регіону Azure
- Налаштує індекси Azure AI Search з відповідною схемою для вашої документації
- Сконфігурує конвеєри оцінки з показниками якості та перевірками безпеки
- Згенерує код для прототипування з автентифікацією GitHub для негайного тестування
- Надасть детальні інструкції з налаштування, адаптовані до вашого технологічного стеку
Приклад із життя: Як розробник, я часто не встигаю слідкувати за різними LLM-моделями. Я знаю кілька основних, але відчуваю, що втрачаю можливості підвищити продуктивність і ефективність. Керування токенами та квотами викликає стрес і складнощі — я ніколи не впевнений, чи вибираю правильну модель для конкретного завдання, чи просто марную бюджет. Я почув про цей MCP Server від Джеймса Монтеманьо, коли обговорював із колегами рекомендації MCP Server, і дуже хочу спробувати! Можливості пошуку моделей виглядають особливо вражаючими для таких, як я, хто хоче вийти за межі звичних варіантів і знайти моделі, оптимізовані для конкретних завдань. Фреймворк оцінки допоможе мені переконатися, що я дійсно отримую кращі результати, а не просто експериментую заради нового.
ℹ️ Експериментальний статус
Цей MCP сервер є експериментальним і активно розробляється. Функції та API можуть змінюватися. Ідеально підходить для вивчення можливостей Azure AI та створення прототипів, але перед використанням у продакшені перевіряйте стабільність.
Що це робить: Надає розробникам необхідні інструменти для створення AI агентів і додатків, що інтегруються з Microsoft 365 та Microsoft 365 Copilot, включно з перевіркою схем, отриманням прикладів коду та допомогою у вирішенні проблем.
Чому це корисно: Розробка для Microsoft 365 і Copilot вимагає роботи зі складними схемами маніфестів і специфічними патернами розробки. Цей MCP сервер інтегрує важливі ресурси безпосередньо у ваше середовище кодування, допомагаючи перевіряти схеми, знаходити приклади коду та усувати типові проблеми без постійного звернення до документації.
Приклади реального використання: «Перевірити мій декларативний маніфест агента і виправити помилки схеми», «Показати приклади коду для реалізації плагіна Microsoft Graph API» або «Допомогти з усуненням проблем автентифікації в Teams додатку».
Приклад із життя: Я звернувся до свого друга Джона Міллера після розмови з ним на Build про M365 Agents, і він порадив цей MCP. Це може бути чудовим для розробників, які тільки починають працювати з M365 Agents, оскільки сервер надає шаблони, приклади коду та каркас для швидкого старту без перевантаження документацією. Функції перевірки схем особливо корисні для уникнення помилок у структурі маніфесту, які можуть призвести до годин налагодження.
💡 Корисна порада
Використовуйте цей сервер разом із Microsoft Learn Docs MCP Server для повної підтримки розробки M365 – один надає офіційну документацію, інший – практичні інструменти та допомогу у вирішенні проблем.
Model Context Protocol (MCP) змінює спосіб взаємодії розробників з AI асистентами та зовнішніми інструментами. Ці 10 серверів Microsoft MCP демонструють потужність стандартизованої інтеграції ШІ, забезпечуючи безшовні робочі процеси, які дозволяють розробникам залишатися у стані потоку, одночасно отримуючи доступ до потужних зовнішніх можливостей.
Від комплексної інтеграції екосистеми Azure до спеціалізованих інструментів, таких як Playwright для автоматизації браузера та MarkItDown для обробки документів, ці сервери показують, як MCP може підвищити продуктивність у різних сценаріях розробки. Стандартизований протокол гарантує, що ці інструменти працюють разом бездоганно, створюючи цілісний досвід розробки.
Оскільки екосистема MCP продовжує розвиватися, важливо залишатися активним у спільноті, досліджувати нові сервери та створювати власні рішення для максимізації продуктивності розробки. Відкритий стандарт MCP дозволяє комбінувати інструменти від різних постачальників, щоб створити ідеальний робочий процес для ваших конкретних потреб.
- Офіційний репозиторій Microsoft MCP
- Спільнота MCP та документація
- Документація MCP для VS Code
- Документація MCP для Visual Studio
- Документація Azure MCP
- Let's Learn – MCP Events
- Круті налаштування GitHub Copilot
- C# MCP SDK
- MCP Dev Days Live 29/30 липня або перегляд на вимогу
- Встановлення та налаштування: Налаштуйте один із MCP серверів у вашому середовищі VS Code та протестуйте базову функціональність.
- Інтеграція робочого процесу: Розробіть робочий процес, що поєднує щонайменше три різні MCP сервери.
- Планування власного сервера: Визначте завдання у вашій щоденній розробці, яке могло б виграти від власного MCP сервера, і створіть для нього специфікацію.
- Аналіз продуктивності: Порівняйте ефективність використання MCP серверів із традиційними підходами для типових завдань розробки.
- Оцінка безпеки: Оцініть безпекові аспекти використання MCP серверів у вашому середовищі розробки та запропонуйте найкращі практики.
Next:Best Practices
Відмова від відповідальності:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується звертатися до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.