(Klikněte na obrázek výše pro zhlédnutí videa této lekce)
Vítejte na Workshopu Model Context Protocol (MCP)! Tento komplexní praktický workshop spojuje dvě špičkové technologie, které mění vývoj AI aplikací:
- 🔗 Model Context Protocol (MCP): Otevřený standard pro bezproblémovou integraci AI nástrojů
- 🛠️ AI Toolkit pro Visual Studio Code (AITK): Výkonné rozšíření od Microsoftu pro vývoj AI
Na konci tohoto workshopu zvládnete umění vytvářet inteligentní aplikace, které propojují AI modely s reálnými nástroji a službami. Od automatizovaného testování po vlastní API integrace získáte praktické dovednosti pro řešení složitých obchodních výzev.
MCP je "USB-C pro AI" - univerzální standard, který propojuje AI modely s externími nástroji a datovými zdroji.
✨ Klíčové vlastnosti:
- 🔄 Standardizovaná integrace: Univerzální rozhraní pro připojení AI nástrojů
- 🏛️ Flexibilní architektura: Lokální i vzdálené servery přes stdio/SSE transport
- 🧰 Bohatý ekosystém: Nástroje, výzvy a zdroje v jednom protokolu
- 🔒 Připraveno pro podniky: Vestavěná bezpečnost a spolehlivost
🎯 Proč je MCP důležité: Stejně jako USB-C odstranilo chaos s kabely, MCP odstraňuje složitost AI integrací. Jeden protokol, nekonečné možnosti.
Vlajkové rozšíření Microsoftu pro vývoj AI, které promění VS Code v AI centrum.
🚀 Hlavní schopnosti:
- 📦 Katalog modelů: Přístup k modelům z Azure AI, GitHubu, Hugging Face, Ollama
- ⚡ Lokální inference: Optimalizované ONNX provádění na CPU/GPU/NPU
- 🏗️ Agent Builder: Vizualizovaný vývoj AI agentů s integrací MCP
- 🎭 Multi-modální podpora: Text, vizuální a strukturované výstupy
💡 Výhody vývoje:
- Nasazení modelů bez konfigurace
- Vizualizované navrhování výzev
- Testovací prostředí v reálném čase
- Bezproblémová integrace MCP serveru
Délka: 15 minut
- 🛠️ Instalace a konfigurace AI Toolkitu pro VS Code
- 🗂️ Prozkoumání katalogu modelů (100+ modelů z GitHubu, ONNX, OpenAI, Anthropic, Google)
- 🎮 Ovládnutí interaktivního testovacího prostředí pro testování modelů v reálném čase
- 🤖 Vytvoření prvního AI agenta pomocí Agent Builderu
- 📊 Hodnocení výkonu modelu pomocí vestavěných metrik (F1, relevance, podobnost, koherence)
- ⚡ Naučte se dávkové zpracování a multi-modální schopnosti
🎯 Výsledek učení: Vytvoření funkčního AI agenta s komplexním pochopením schopností AITK
Délka: 20 minut
- 🧠 Ovládnutí architektury a konceptů Model Context Protocol (MCP)
- 🌐 Prozkoumání ekosystému MCP serverů od Microsoftu
- 🤖 Vytvoření agenta pro automatizaci prohlížeče pomocí Playwright MCP serveru
- 🔧 Integrace MCP serverů s Agent Builderem AI Toolkitu
- 📊 Konfigurace a testování MCP nástrojů v rámci vašich agentů
- 🚀 Export a nasazení agentů poháněných MCP pro produkční použití
🎯 Výsledek učení: Nasazení AI agenta obohaceného o externí nástroje prostřednictvím MCP
Délka: 20 minut
- 💻 Vytvoření vlastních MCP serverů pomocí AI Toolkitu
- 🐍 Konfigurace a použití nejnovějšího MCP Python SDK (v1.9.3)
- 🔍 Nastavení a využití MCP Inspectoru pro ladění
- 🛠️ Vytvoření Weather MCP Serveru s profesionálními pracovními postupy ladění
- 🧪 Ladění MCP serverů v prostředích Agent Builder a Inspector
🎯 Výsledek učení: Vývoj a ladění vlastních MCP serverů s moderními nástroji
Délka: 30 minut
- 🏗️ Vytvoření reálného GitHub Clone MCP Serveru pro vývojové pracovní postupy
- 🔄 Implementace chytrého klonování repozitářů s validací a zpracováním chyb
- 📁 Vytvoření inteligentní správy adresářů a integrace s VS Code
- 🤖 Použití GitHub Copilot Agent Mode s vlastními MCP nástroji
- 🛡️ Aplikace spolehlivosti připravené pro produkci a kompatibility napříč platformami
🎯 Výsledek učení: Nasazení produkčně připraveného MCP serveru, který zjednodušuje reálné vývojové pracovní postupy
Transformujte svůj vývojový pracovní postup pomocí inteligentní automatizace:
- Chytrá správa repozitářů: AI řízené revize kódu a rozhodování o sloučení
- Inteligentní CI/CD: Automatizovaná optimalizace pipeline na základě změn kódu
- Třídění problémů: Automatická klasifikace a přiřazení chyb
Zvyšte testování pomocí AI automatizace:
- Inteligentní generování testů: Automatické vytváření komplexních testovacích sad
- Vizuální regresní testování: AI detekce změn v uživatelském rozhraní
- Monitorování výkonu: Proaktivní identifikace a řešení problémů
Vytvářejte chytřejší pracovní postupy pro zpracování dat:
- Adaptivní ETL procesy: Samooptimalizující transformace dat
- Detekce anomálií: Monitorování kvality dat v reálném čase
- Inteligentní směrování: Chytrá správa datových toků
Vytvářejte výjimečné interakce se zákazníky:
- Podpora s ohledem na kontext: AI agenti s přístupem k historii zákazníků
- Proaktivní řešení problémů: Prediktivní zákaznický servis
- Multi-kanálová integrace: Jednotná AI zkušenost napříč platformami
| Komponenta | Požadavek | Poznámky |
|---|---|---|
| Operační systém | Windows 10+, macOS 10.15+, Linux | Jakýkoli moderní OS |
| Visual Studio Code | Nejnovější stabilní verze | Vyžadováno pro AITK |
| Node.js | v18.0+ a npm | Pro vývoj MCP serverů |
| Python | 3.10+ | Volitelné pro Python MCP servery |
| Paměť | Minimálně 8GB RAM | Doporučeno 16GB pro lokální modely |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - Volitelné, ale užitečné
- uv: Moderní správce balíčků pro Python
- MCP Inspector: Vizualizační nástroj pro ladění MCP serverů
- Playwright: Pro příklady webové automatizace
Po dokončení tohoto workshopu dosáhnete mistrovství v:
- Mistrovství MCP protokolu: Hluboké pochopení architektury a implementačních vzorů
- Znalost AITK: Expertní úroveň používání AI Toolkitu pro rychlý vývoj
- Vývoj vlastních serverů: Vytváření, nasazení a údržba produkčních MCP serverů
- Excelence v integraci nástrojů: Bezproblémové propojení AI s existujícími pracovními postupy
- Aplikace na řešení problémů: Použití naučených dovedností na reálné obchodní výzvy
- Nastavení a konfigurace AI Toolkitu ve VS Code
- Návrh a implementace vlastních MCP serverů
- Integrace GitHub modelů s MCP architekturou
- Vytváření automatizovaných testovacích pracovních postupů s Playwright
- Nasazení AI agentů pro produkční použití
- Ladění a optimalizace výkonu MCP serverů
- Architektura AI integrací v podnikovém měřítku
- Implementace bezpečnostních osvědčených postupů pro AI aplikace
- Návrh škálovatelných MCP serverových architektur
- Vytváření vlastních nástrojových řetězců pro specifické domény
- Mentorování ostatních ve vývoji zaměřeném na AI
- Specifikace MCP
- GitHub repozitář AI Toolkitu
- Kolekce ukázkových MCP serverů
- Příručka osvědčených postupů
🚀 Připraveni revolucionalizovat svůj vývojový pracovní postup s AI?
Pojďme společně budovat budoucnost inteligentních aplikací s MCP a AI Toolkitem!
Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za závazný zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.