(上の画像をクリックすると、このレッスンのビデオが表示されます)
このセクションは以下の複数のレッスンで構成されています:
-
1 最初のサーバー
この最初のレッスンでは、最初のサーバーを作成し、インスペクターツールを使ってそれを確認する方法を学びます。これはサーバーをテストしデバッグするための貴重な方法です。
レッスンはこちら -
2 クライアント
このレッスンでは、サーバーに接続できるクライアントを作成する方法を学びます。
レッスンはこちら -
3 LLMを使用したクライアント
クライアントをさらに良くする方法として、LLMを追加し、サーバーと「交渉」して何をすべきかを決定できるようにします。
レッスンはこちら -
4 Visual Studio CodeでGitHub Copilotエージェントモードを使用してサーバーを実行する
ここでは、Visual Studio Code内でMCPサーバーを実行する方法を学びます。
レッスンはこちら -
5 stdioトランスポートサーバー
現行の仕様では、stdioトランスポートはMCPサーバーとクライアント間の通信に推奨される標準であり、安全なサブプロセスベースの通信を提供します。
レッスンはこちら -
6 MCPを使用したHTTPストリーミング (Streamable HTTP)
最新のHTTPストリーミング、進捗通知、およびStreamable HTTPを使用してスケーラブルでリアルタイムなMCPサーバーとクライアントを実装する方法を学びます。
レッスンはこちら -
7 VSCode用AIツールキットの活用
MCPクライアントとサーバーを利用し、テストする方法を学びます。
レッスンはこちら -
8 テスト
このレッスンでは、サーバーとクライアントをさまざまな方法でテストする方法に特に焦点を当てます。
レッスンはこちら -
9 デプロイ
この章では、MCPソリューションをデプロイするさまざまな方法について説明します。
レッスンはこちら
Model Context Protocol (MCP) は、アプリケーションがLLMにコンテキストを提供する方法を標準化するオープンプロトコルです。MCPは、AIアプリケーションのためのUSB-Cポートのようなもので、AIモデルをさまざまなデータソースやツールに接続するための標準化された方法を提供します。
このレッスンを終えると、次のことができるようになります:
- C#、Java、Python、TypeScript、JavaScriptでMCPの開発環境をセットアップする
- カスタム機能(リソース、プロンプト、ツール)を備えた基本的なMCPサーバーを構築しデプロイする
- MCPサーバーに接続するホストアプリケーションを作成する
- MCPの実装をテストしデバッグする
- 一般的なセットアップの課題とその解決策を理解する
- MCPの実装を人気のあるLLMサービスに接続する
MCPを使い始める前に、開発環境を準備し、基本的なワークフローを理解することが重要です。このセクションでは、MCPをスムーズに始めるための初期設定手順を案内します。
MCP開発に取り組む前に、以下を確認してください:
- 開発環境:選択した言語(C#、Java、Python、TypeScript、JavaScript)用
- IDE/エディタ:Visual Studio、Visual Studio Code、IntelliJ、Eclipse、PyCharm、またはその他のモダンなコードエディタ
- パッケージマネージャー:NuGet、Maven/Gradle、pip、npm/yarn
- APIキー:ホストアプリケーションで使用する予定のAIサービス用
次の章では、Python、TypeScript、Java、.NETを使用したソリューションが紹介されます。以下は公式にサポートされているすべてのSDKです。
MCPは複数の言語向けに公式SDKを提供しています:
- C# SDK - Microsoftとの共同メンテナンス
- Java SDK - Spring AIとの共同メンテナンス
- TypeScript SDK - 公式TypeScript実装
- Python SDK - 公式Python実装
- Kotlin SDK - 公式Kotlin実装
- Swift SDK - Loopwork AIとの共同メンテナンス
- Rust SDK - 公式Rust実装
- MCP開発環境のセットアップは、言語固有のSDKを使用することで簡単に行えます。
- MCPサーバーの構築では、明確なスキーマを持つツールを作成し登録します。
- MCPクライアントは、サーバーやモデルに接続して拡張機能を活用します。
- 信頼性の高いMCP実装には、テストとデバッグが不可欠です。
- デプロイの選択肢は、ローカル開発からクラウドベースのソリューションまで多岐にわたります。
このセクションのすべての章で紹介される演習を補完するサンプルセットを用意しています。さらに、各章には独自の演習や課題も含まれています。
- AzureでModel Context Protocolを使用してエージェントを構築する
- Azure Container Appsを使用したリモートMCP (Node.js/TypeScript/JavaScript)
- .NET OpenAI MCPエージェント
免責事項:
この文書は、AI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。元の言語で記載された文書を正式な情報源としてご参照ください。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当方は一切の責任を負いません。
