歡迎來到 模型上下文協議 (MCP) 工作坊！這是一個全面的實作型工作坊，結合兩項尖端技術，徹底改變 AI 應用程式的開發方式：
- 🔗 模型上下文協議 (MCP)：一個開放標準，用於無縫整合 AI 工具
- 🛠️ Visual Studio Code 的 AI Toolkit (AITK)：微軟強大的 AI 開發擴展工具
完成此工作坊後，您將掌握建立智能應用程式的技巧，能夠將 AI 模型與真實世界的工具和服務相結合。從自動化測試到自訂 API 整合，您將獲得解決複雜商業挑戰的實用技能。
MCP 是 AI 的 "USB-C"——一個通用標準，用於連接 AI 模型與外部工具和數據來源。
✨ 主要特性：
- 🔄 標準化整合：提供 AI 工具連接的通用介面
- 🏛️ 靈活架構：透過 stdio/SSE 傳輸支持本地和遠端伺服器
- 🧰 豐富生態系統：工具、提示和資源整合於一個協議中
- 🔒 企業級準備：內建安全性和可靠性
🎯 MCP 的重要性： 就像 USB-C 消除了線纜混亂，MCP 消除了 AI 整合的複雜性。一個協議，無限可能。
微軟的旗艦 AI 開發擴展工具，將 VS Code 轉變為 AI 開發的強大平台。
🚀 核心功能：
- 📦 模型目錄：存取 Azure AI、GitHub、Hugging Face、Ollama 的模型
- ⚡ 本地推理：支援 ONNX 優化的 CPU/GPU/NPU 執行
- 🏗️ 代理構建器：可視化 AI 代理開發，整合 MCP
- 🎭 多模態支持：支援文本、視覺和結構化輸出
💡 開發優勢：
- 零配置模型部署
- 可視化提示工程
- 即時測試操作台
- 無縫整合 MCP 伺服器
時長：15 分鐘
- 🛠️ 安裝並配置 AI Toolkit for VS Code
- 🗂️ 探索模型目錄（100+ GitHub、ONNX、OpenAI、Anthropic、Google 的模型）
- 🎮 掌握互動操作台進行即時模型測試
- 🤖 使用代理構建器建立您的第一個 AI 代理
- 📊 使用內建指標（F1、相關性、相似性、一致性）評估模型性能
- ⚡ 學習批量處理和多模態支持功能
🎯 學習成果：建立一個功能性 AI 代理，全面了解 AITK 的能力
時長：20 分鐘
- 🧠 掌握模型上下文協議 (MCP) 的架構和概念
- 🌐 探索微軟的 MCP 伺服器生態系統
- 🤖 使用 Playwright MCP 伺服器建立瀏覽器自動化代理
- 🔧 將 MCP 伺服器整合到 AI Toolkit 代理構建器中
- 📊 配置並測試代理中的 MCP 工具
- 🚀 將 MCP 驅動的代理導出並部署到生產環境
🎯 學習成果：部署一個通過 MCP 強化的 AI 代理，整合外部工具
時長：20 分鐘
- 💻 使用 AI Toolkit 建立自訂 MCP 伺服器
- 🐍 配置並使用最新的 MCP Python SDK (v1.9.3)
- 🔍 設置並使用 MCP Inspector 進行除錯
- 🛠️ 使用專業除錯工作流程建立天氣 MCP 伺服器
- 🧪 在代理構建器和 Inspector 環境中除錯 MCP 伺服器
🎯 學習成果：使用現代工具開發並除錯自訂 MCP 伺服器
時長：30 分鐘
- 🏗️ 建立一個真實世界的 GitHub Clone MCP 伺服器，用於開發工作流程
- 🔄 實現智能倉庫克隆，包含驗證和錯誤處理
- 📁 建立智能目錄管理和 VS Code 整合
- 🤖 使用 GitHub Copilot 代理模式搭配自訂 MCP 工具
- 🛡️ 應用生產級可靠性和跨平台兼容性
🎯 學習成果：部署一個生產級 MCP 伺服器，簡化真實開發工作流程
使用智能自動化改造您的開發工作流程：
- 智能倉庫管理：AI 驅動的代碼審查和合併決策
- 智能 CI/CD：根據代碼變更自動優化管道
- 問題分類：自動分類和分配錯誤
使用 AI 驅動的自動化提升測試：
- 智能測試生成：自動建立全面的測試套件
- 視覺回歸測試：AI 驅動的 UI 變更檢測
- 性能監控：主動識別和解決問題
建立更智能的數據處理工作流程：
- 自適應 ETL 流程：自我優化的數據轉換
- 異常檢測：即時數據品質監控
- 智能路由：智能數據流管理
創造卓越的客戶互動：
- 上下文感知支持：具有客戶歷史訪問能力的 AI 代理
- 主動問題解決：預測性客戶服務
- 多渠道整合：跨平台統一的 AI 體驗
| 組件 | 要求 | 備註 |
|---|---|---|
| 操作系統 | Windows 10+、macOS 10.15+、Linux | 任意現代操作系統 |
| Visual Studio Code | 最新穩定版本 | AITK 必需 |
| Node.js | v18.0+ 和 npm | 用於 MCP 伺服器開發 |
| Python | 3.10+ | 選擇性，用於 Python MCP 伺服器 |
| 記憶體 | 至少 8GB RAM | 建議 16GB 用於本地模型 |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - 選擇性但有幫助
- uv：現代 Python 套件管理器
- MCP Inspector：MCP 伺服器的可視化除錯工具
- Playwright：用於網頁自動化範例
完成此工作坊後，您將掌握以下技能：
- MCP 協議掌握：深入了解架構和實作模式
- AITK 熟練度：專家級使用 AI Toolkit 進行快速開發
- 自訂伺服器開發：建立、部署和維護生產級 MCP 伺服器
- 工具整合卓越：無縫連接 AI 與現有開發工作流程
- 問題解決應用：將所學技能應用於真實商業挑戰
- 設置並配置 AI Toolkit in VS Code
- 設計並實作自訂 MCP 伺服器
- 整合 GitHub 模型與 MCP 架構
- 使用 Playwright 建立自動化測試工作流程
- 部署 AI 代理到生產環境
- 除錯並優化 MCP 伺服器性能
- 架構企業級 AI 整合
- 為 AI 應用實作安全性最佳實踐
- 設計可擴展的 MCP 伺服器架構
- 為特定領域建立自訂工具鏈
- 指導他人進行 AI 原生開發
🚀 準備好徹底改變您的 AI 開發工作流程了嗎？
讓我們一起使用 MCP 和 AI Toolkit 建立智能應用程式的未來！
免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。