Skip to content

Latest commit

 

History

History
108 lines (78 loc) · 4.49 KB

README.md

File metadata and controls

108 lines (78 loc) · 4.49 KB

Study Plan Generator with Chainlit & Microsoft Learn Docs MCP

先決條件

  • Python 3.8 或以上版本
  • pip（Python 套件管理工具）
  • 可連接 Microsoft Learn Docs MCP 伺服器的網路連線

安裝

  1. 克隆此儲存庫或下載專案檔案。

  2. 安裝所需的相依套件：

    pip install -r requirements.txt

使用說明

情境 1：簡單查詢 Docs MCP

一個命令列客戶端，連接到 Docs MCP 伺服器，發送查詢並列印結果。

  1. 執行腳本： 
    python scenario1.py
  2. 在提示符號輸入您的文件問題。

情境 2：學習計畫產生器（Chainlit 網頁應用）

一個基於網頁的介面（使用 Chainlit），讓使用者能為任何技術主題產生個人化的週別學習計畫。

  1. 啟動 Chainlit 應用： 
    chainlit run scenario2.py
  2. 在瀏覽器中開啟終端機提供的本地 URL（例如 http://localhost:8000）。
  3. 在聊天視窗輸入您的學習主題及學習週數（例如「AI-900 認證，8 週」）。
  4. 應用會回應一份週別學習計畫，並附上相關 Microsoft Learn 文件的連結。

所需環境變數：

要使用情境 2（搭配 Azure OpenAI 的 Chainlit 網頁應用），必須在 python 目錄下的 .env 檔案中設定以下環境變數：

AZURE_OPENAI_CHAT_DEPLOYMENT_NAME=
AZURE_OPENAI_API_KEY=
AZURE_OPENAI_ENDPOINT=
AZURE_OPENAI_API_VERSION=

請在執行應用前填入您的 Azure OpenAI 資源資訊。

Tip: 您可以透過 Azure AI Foundry 輕鬆部署自己的模型。

情境 3：在 VS Code 編輯器內使用 MCP 伺服器查看文件

不必切換瀏覽器分頁搜尋文件，您可以直接在 VS Code 中使用 MCP 伺服器引入 Microsoft Learn Docs。這讓您能夠：

  • 在 VS Code 內搜尋並閱讀文件，無需離開編碼環境。
  • 直接參考文件並插入連結到 README 或課程檔案中。
  • 結合 GitHub Copilot 與 MCP，打造無縫的 AI 文件工作流程。

範例使用情境：

  • 在撰寫課程或專案文件時，快速新增參考連結到 README。
  • 使用 Copilot 產生程式碼，並用 MCP 即時查找並引用相關文件。
  • 保持專注於編輯器，提高工作效率。

Important

請確保您的工作區中有有效的 mcp.json 設定檔（位置為 .vscode/mcp.json）。

為什麼情境 2 選擇 Chainlit？

Chainlit 是一個現代化的開源框架，用於建立對話式網頁應用。它讓您輕鬆打造連接後端服務（如 Microsoft Learn Docs MCP 伺服器）的聊天介面。本專案利用 Chainlit 提供簡單且互動的方式，實時產生個人化學習計畫。透過 Chainlit，您可以快速建立並部署聊天工具，提升學習與工作效率。

這個應用的功能

此應用允許使用者只需輸入主題與時間長度，即可建立個人化學習計畫。應用會解析您的輸入，向 Microsoft Learn Docs MCP 伺服器查詢相關內容，並將結果整理成結構化的週別計畫。每週的建議會在聊天中顯示，方便追蹤與執行。整合確保您隨時獲得最新且最相關的學習資源。

範例查詢

在聊天視窗試試以下查詢，看看應用如何回應：

  • AI-900 certification, 8 weeks
  • Learn Azure Functions, 4 weeks
  • Azure DevOps, 6 weeks
  • Data engineering on Azure, 10 weeks
  • Microsoft security fundamentals, 5 weeks
  • Power Platform, 7 weeks
  • Azure AI services, 12 weeks
  • Cloud architecture, 9 weeks

這些範例展示了應用在不同學習目標與時間範圍的彈性。

參考資料

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，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。