README.md

اے آئی ٹول کٹ ایکسٹینشن کے ذریعے ویژول اسٹوڈیو کوڈ میں سرور کا استعمال

جب آپ ایک اے آئی ایجنٹ بنا رہے ہیں، تو یہ صرف ذہین جوابات پیدا کرنے کے بارے میں نہیں ہوتا؛ بلکہ یہ بھی ضروری ہے کہ آپ کے ایجنٹ کو عمل کرنے کی صلاحیت دی جائے۔ یہی وہ جگہ ہے جہاں ماڈل کانٹیکسٹ پروٹوکول (MCP) کام آتا ہے۔ MCP ایجنٹس کو بیرونی ٹولز اور سروسز تک ایک مستقل طریقے سے رسائی فراہم کرتا ہے۔ اسے یوں سمجھیں جیسے آپ اپنے ایجنٹ کو ایک ایسے ٹول باکس سے جوڑ رہے ہیں جسے وہ واقعی استعمال کر سکتا ہے۔

فرض کریں کہ آپ نے اپنے ایجنٹ کو کیلکولیٹر MCP سرور سے جوڑ دیا۔ اچانک، آپ کا ایجنٹ ریاضی کے آپریشنز انجام دے سکتا ہے، صرف ایک پرامپٹ جیسے "47 کو 89 سے ضرب دیں" وصول کر کے—کوئی ہارڈ کوڈنگ یا کسٹم APIs بنانے کی ضرورت نہیں۔

جائزہ

یہ سبق آپ کو دکھائے گا کہ کیسے ایک کیلکولیٹر MCP سرور کو ویژول اسٹوڈیو کوڈ کے AI Toolkit ایکسٹینشن کے ذریعے ایجنٹ سے جوڑا جائے، تاکہ آپ کا ایجنٹ قدرتی زبان کے ذریعے جمع، تفریق، ضرب، اور تقسیم جیسے ریاضی کے آپریشنز انجام دے سکے۔

AI Toolkit ویژول اسٹوڈیو کوڈ کے لیے ایک طاقتور ایکسٹینشن ہے جو ایجنٹ ڈیولپمنٹ کو آسان بناتا ہے۔ AI انجینئرز آسانی سے جنریٹو اے آئی ماڈلز کو مقامی یا کلاؤڈ میں ڈیولپ اور ٹیسٹ کر کے اے آئی ایپلیکیشنز بنا سکتے ہیں۔ یہ ایکسٹینشن آج کے زیادہ تر بڑے جنریٹو ماڈلز کو سپورٹ کرتی ہے۔

نوٹ: AI Toolkit فی الحال Python اور TypeScript کو سپورٹ کرتا ہے۔

سیکھنے کے مقاصد

اس سبق کے اختتام تک، آپ یہ کرنے کے قابل ہوں گے:

• AI Toolkit کے ذریعے MCP سرور کا استعمال۔
• ایجنٹ کی کنفیگریشن کو ترتیب دینا تاکہ وہ MCP سرور کے فراہم کردہ ٹولز کو دریافت اور استعمال کر سکے۔
• قدرتی زبان کے ذریعے MCP ٹولز کا استعمال۔

طریقہ کار

یہاں ایک اعلیٰ سطحی نقطہ نظر دیا گیا ہے کہ ہمیں کیسے آگے بڑھنا ہے:

• ایک ایجنٹ بنائیں اور اس کا سسٹم پرامپٹ ڈیفائن کریں۔
• کیلکولیٹر ٹولز کے ساتھ ایک MCP سرور بنائیں۔
• ایجنٹ بلڈر کو MCP سرور سے جوڑیں۔
• قدرتی زبان کے ذریعے ایجنٹ کے ٹول انووکیشن کو ٹیسٹ کریں۔

زبردست، اب جب کہ ہم فلو کو سمجھ چکے ہیں، آئیے ایک AI ایجنٹ کو ترتیب دیں تاکہ وہ MCP کے ذریعے بیرونی ٹولز کا استعمال کر سکے اور اپنی صلاحیتوں کو بڑھا سکے!

ضروریات

• ویژول اسٹوڈیو کوڈ
• ویژول اسٹوڈیو کوڈ کے لیے AI Toolkit

مشق: سرور کا استعمال

Warning

macOS صارفین کے لیے نوٹ۔ ہم فی الحال macOS پر ڈپینڈنسی انسٹالیشن کو متاثر کرنے والے مسئلے کی تحقیقات کر رہے ہیں۔ اس کے نتیجے میں، macOS صارفین اس وقت یہ ٹیوٹوریل مکمل نہیں کر سکیں گے۔ جیسے ہی مسئلے کا حل دستیاب ہوگا، ہم ہدایات کو اپ ڈیٹ کریں گے۔ آپ کے صبر اور سمجھنے کا شکریہ!

اس مشق میں، آپ Visual Studio Code کے اندر AI Toolkit کے ذریعے MCP سرور کے ٹولز کے ساتھ ایک AI ایجنٹ بنائیں گے، چلائیں گے، اور بہتر کریں گے۔

-0- ابتدائی قدم، OpenAI GPT-4o ماڈل کو My Models میں شامل کریں

یہ مشق GPT-4o ماڈل کا استعمال کرتی ہے۔ ایجنٹ بنانے سے پہلے ماڈل کو My Models میں شامل کیا جانا چاہیے۔

1. Activity Bar سے AI Toolkit ایکسٹینشن کھولیں۔
2. Catalog سیکشن میں، Models کو منتخب کریں تاکہ Model Catalog کھل جائے۔ Models کو منتخب کرنے سے Model Catalog ایک نئے ایڈیٹر ٹیب میں کھلتا ہے۔
3. Model Catalog سرچ بار میں OpenAI GPT-4o درج کریں۔
4. + Add پر کلک کریں تاکہ ماڈل کو آپ کی My Models لسٹ میں شامل کیا جا سکے۔ یقینی بنائیں کہ آپ نے وہ ماڈل منتخب کیا ہے جو Hosted by GitHub ہے۔
5. Activity Bar میں تصدیق کریں کہ OpenAI GPT-4o ماڈل لسٹ میں ظاہر ہو رہا ہے۔

-1- ایجنٹ بنائیں

Agent (Prompt) Builder آپ کو اپنے AI-powered ایجنٹس بنانے اور حسب ضرورت بنانے کی اجازت دیتا ہے۔ اس سیکشن میں، آپ ایک نیا ایجنٹ بنائیں گے اور گفتگو کو طاقت دینے کے لیے ایک ماڈل تفویض کریں گے۔

1. Activity Bar سے AI Toolkit ایکسٹینشن کھولیں۔
2. Tools سیکشن میں، Agent (Prompt) Builder کو منتخب کریں۔ Agent (Prompt) Builder کو منتخب کرنے سے Agent (Prompt) Builder ایک نئے ایڈیٹر ٹیب میں کھلتا ہے۔
3. + New Agent بٹن پر کلک کریں۔ ایکسٹینشن Command Palette کے ذریعے ایک سیٹ اپ وزرڈ لانچ کرے گی۔
4. نام Calculator Agent درج کریں اور Enter دبائیں۔
5. Agent (Prompt) Builder میں، Model فیلڈ کے لیے OpenAI GPT-4o (via GitHub) ماڈل منتخب کریں۔

-2- ایجنٹ کے لیے سسٹم پرامپٹ بنائیں

ایجنٹ کو ترتیب دینے کے بعد، اب وقت ہے کہ اس کی شخصیت اور مقصد کو ڈیفائن کیا جائے۔ اس سیکشن میں، آپ Generate system prompt فیچر کا استعمال کریں گے تاکہ ایجنٹ کے مطلوبہ رویے کو بیان کیا جا سکے—اس کیس میں، ایک کیلکولیٹر ایجنٹ—اور ماڈل کو سسٹم پرامپٹ لکھنے دیں۔

1. Prompts سیکشن کے لیے، Generate system prompt بٹن پر کلک کریں۔ یہ بٹن پرامپٹ بلڈر میں کھلتا ہے جو ایجنٹ کے لیے سسٹم پرامپٹ جنریٹ کرنے کے لیے AI کا استعمال کرتا ہے۔
2. Generate a prompt ونڈو میں، درج کریں: آپ ایک مددگار اور موثر ریاضی کے اسسٹنٹ ہیں۔ جب آپ کو بنیادی حساب کتاب پر مشتمل مسئلہ دیا جاتا ہے، تو آپ درست نتیجہ کے ساتھ جواب دیتے ہیں۔
3. Generate بٹن پر کلک کریں۔ نیچے دائیں کونے میں ایک نوٹیفکیشن ظاہر ہوگا جو تصدیق کرے گا کہ سسٹم پرامپٹ جنریٹ ہو رہا ہے۔ جیسے ہی پرامپٹ جنریشن مکمل ہوگی، پرامپٹ Agent (Prompt) Builder کے System prompt فیلڈ میں ظاہر ہوگا۔
4. System prompt کا جائزہ لیں اور ضرورت پڑنے پر ترمیم کریں۔

-3- MCP سرور بنائیں

اب جب کہ آپ نے اپنے ایجنٹ کے سسٹم پرامپٹ کو ڈیفائن کر لیا ہے—اس کے رویے اور جوابات کو گائیڈ کرتے ہوئے—اب وقت ہے کہ ایجنٹ کو عملی صلاحیتوں سے لیس کیا جائے۔ اس سیکشن میں، آپ ایک کیلکولیٹر MCP سرور بنائیں گے جس میں جمع، تفریق، ضرب، اور تقسیم کے حساب کتاب انجام دینے کے ٹولز ہوں گے۔ یہ سرور آپ کے ایجنٹ کو قدرتی زبان کے پرامپٹس کے جواب میں ریئل ٹائم ریاضی کے آپریشنز انجام دینے کے قابل بنائے گا۔

AI Toolkit ٹیمپلیٹس کے ساتھ لیس ہے تاکہ آپ اپنا MCP سرور آسانی سے بنا سکیں۔ ہم کیلکولیٹر MCP سرور بنانے کے لیے Python ٹیمپلیٹ استعمال کریں گے۔

نوٹ: AI Toolkit فی الحال Python اور TypeScript کو سپورٹ کرتا ہے۔

1. Agent (Prompt) Builder کے Tools سیکشن میں، + MCP Server بٹن پر کلک کریں۔ ایکسٹینشن Command Palette کے ذریعے ایک سیٹ اپ وزرڈ لانچ کرے گی۔

2. + Add Server منتخب کریں۔

3. Create a New MCP Server منتخب کریں۔

4. python-weather کو ٹیمپلیٹ کے طور پر منتخب کریں۔

5. Default folder منتخب کریں تاکہ MCP سرور ٹیمپلیٹ محفوظ ہو سکے۔

6. سرور کے لیے درج کریں: Calculator

7. ایک نیا ویژول اسٹوڈیو کوڈ ونڈو کھلے گا۔ Yes, I trust the authors منتخب کریں۔

8. ٹرمینل کا استعمال کرتے ہوئے (Terminal > New Terminal)، ایک ورچوئل ماحول بنائیں: python -m venv .venv

9. ٹرمینل کا استعمال کرتے ہوئے، ورچوئل ماحول کو فعال کریں:

   1. ونڈوز - .venv\Scripts\activate
   2. macOS/Linux - source .venv/bin/activate

10. ٹرمینل کا استعمال کرتے ہوئے، ڈپینڈنسیز انسٹال کریں: pip install -e .[dev]

11. Activity Bar کے Explorer ویو میں، src ڈائریکٹری کو توسیع دیں اور server.py کو منتخب کریں تاکہ فائل ایڈیٹر میں کھل سکے۔

12. server.py فائل میں کوڈ کو درج ذیل سے تبدیل کریں اور محفوظ کریں:

    """
    Sample MCP Calculator Server implementation in Python.
    
    
    This module demonstrates how to create a simple MCP server with calculator tools
    that can perform basic arithmetic operations (add, subtract, multiply, divide).
    """
    
    from mcp.server.fastmcp import FastMCP
    
    server = FastMCP("calculator")
    
    @server.tool()
    def add(a: float, b: float) -> float:
        """Add two numbers together and return the result."""
        return a + b
    
    @server.tool()
    def subtract(a: float, b: float) -> float:
        """Subtract b from a and return the result."""
        return a - b
    
    @server.tool()
    def multiply(a: float, b: float) -> float:
        """Multiply two numbers together and return the result."""
        return a * b
    
    @server.tool()
    def divide(a: float, b: float) -> float:
        """
        Divide a by b and return the result.
        
        Raises:
            ValueError: If b is zero
        """
        if b == 0:
            raise ValueError("Cannot divide by zero")
        return a / b

-4- کیلکولیٹر MCP سرور کے ساتھ ایجنٹ چلائیں

اب جب کہ آپ کے ایجنٹ کے پاس ٹولز ہیں، اب وقت ہے کہ ان کا استعمال کیا جائے! اس سیکشن میں، آپ ایجنٹ کو پرامپٹس جمع کرائیں گے تاکہ ٹیسٹ اور تصدیق کی جا سکے کہ آیا ایجنٹ کیلکولیٹر MCP سرور سے مناسب ٹول استعمال کرتا ہے۔

آپ اپنے لوکل ڈیو مشین پر Agent Builder کے ذریعے کیلکولیٹر MCP سرور کو MCP کلائنٹ کے طور پر چلائیں گے۔

1. MCP سرور کو ڈیبگ کرنے کے لیے F5 دبائیں۔ Agent (Prompt) Builder ایک نئے ایڈیٹر ٹیب میں کھلے گا۔ سرور کی اسٹیٹس ٹرمینل میں نظر آئے گی۔
2. Agent (Prompt) Builder کے User prompt فیلڈ میں درج کریں: میں نے 3 اشیاء خریدیں جن کی قیمت $25 فی اشیاء تھی، اور پھر $20 کی رعایت استعمال کی۔ میں نے کتنی رقم ادا کی؟
3. ایجنٹ کا جواب جنریٹ کرنے کے لیے Run بٹن پر کلک کریں۔
4. ایجنٹ آؤٹ پٹ کا جائزہ لیں۔ ماڈل کو نتیجہ نکالنا چاہیے کہ آپ نے $55 ادا کیے۔
5. یہاں ایک تفصیل ہے کہ کیا ہونا چاہیے:
   • ایجنٹ حساب کتاب میں مدد کے لیے multiply اور subtract ٹولز کا انتخاب کرتا ہے۔
   • multiply ٹول کے لیے متعلقہ a اور b ویلیوز تفویض کی جاتی ہیں۔
   • subtract ٹول کے لیے متعلقہ a اور b ویلیوز تفویض کی جاتی ہیں۔
   • ہر ٹول سے جواب متعلقہ Tool Response میں فراہم کیا جاتا ہے۔
   • ماڈل سے حتمی آؤٹ پٹ Model Response میں فراہم کیا جاتا ہے۔
6. ایجنٹ کو مزید ٹیسٹ کرنے کے لیے اضافی پرامپٹس جمع کرائیں۔ آپ موجودہ پرامپٹ کو User prompt فیلڈ میں کلک کر کے اور موجودہ پرامپٹ کو تبدیل کر کے ترمیم کر سکتے ہیں۔
7. جب آپ ایجنٹ کی جانچ مکمل کر لیں، تو terminal کے ذریعے CTRL/CMD+C درج کر کے سرور کو بند کر سکتے ہیں۔

اسائنمنٹ

اپنے server.py فائل میں ایک اضافی ٹول انٹری شامل کرنے کی کوشش کریں (مثلاً: کسی نمبر کا مربع جذر واپس کریں)۔ ایسے اضافی پرامپٹس جمع کرائیں جو آپ کے نئے ٹول (یا موجودہ ٹولز) کو استعمال کرنے کے لیے ایجنٹ کی ضرورت ہو۔ نئے شامل کردہ ٹولز کو لوڈ کرنے کے لیے سرور کو دوبارہ شروع کرنا یقینی بنائیں۔

حل

حل

اہم نکات

اس باب سے حاصل ہونے والے نکات درج ذیل ہیں:

• AI Toolkit ایکسٹینشن ایک بہترین کلائنٹ ہے جو آپ کو MCP سرورز اور ان کے ٹولز استعمال کرنے دیتا ہے۔
• آپ MCP سرورز میں نئے ٹولز شامل کر سکتے ہیں، ایجنٹ کی صلاحیتوں کو بڑھا کر بدلتے ہوئے تقاضوں کو پورا کر سکتے ہیں۔
• AI Toolkit میں ٹیمپلیٹس (مثلاً: Python MCP سرور ٹیمپلیٹس) شامل ہیں جو کسٹم ٹولز بنانے کو آسان بناتے ہیں۔

اضافی وسائل

• AI Toolkit ڈاکس

آگے کیا ہے؟

• اگلا: ٹیسٹنگ اور ڈیبگنگ

ڈسکلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا خامیاں ہو سکتی ہیں۔ اصل دستاویز، جو اس کی اصل زبان میں ہے، کو مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔