Denne praktiske guiden viser ti Microsoft MCP-servere som aktivt endrer måten utviklere jobber med AI-assistenter på. I stedet for bare å forklare hva MCP-servere kan gjøre, viser vi deg servere som allerede gjør en reell forskjell i daglige utviklingsarbeidsflyter hos Microsoft og andre steder.
Hver server i denne guiden er valgt basert på faktisk bruk og tilbakemeldinger fra utviklere. Du vil ikke bare finne ut hva hver server gjør, men også hvorfor det er viktig og hvordan du får mest mulig ut av den i dine egne prosjekter. Enten du er helt ny til MCP eller ønsker å utvide ditt eksisterende oppsett, representerer disse serverne noen av de mest praktiske og effektive verktøyene i Microsoft-økosystemet.
💡 Rask start-tips
Ny til MCP? Ikke bekymre deg! Denne guiden er laget for å være nybegynnervennlig. Vi forklarer begreper underveis, og du kan alltid gå tilbake til våre moduler Introduksjon til MCP og Kjernebegreper for mer bakgrunn.
Denne omfattende guiden utforsker ti Microsoft MCP-servere som revolusjonerer hvordan utviklere samhandler med AI-assistenter og eksterne verktøy. Fra Azure-ressursstyring til dokumentbehandling, viser disse serverne kraften i Model Context Protocol for å skape sømløse og produktive utviklingsarbeidsflyter.
Når du er ferdig med denne guiden, vil du:
- Forstå hvordan MCP-servere øker utviklerproduktiviteten
- Lære om Microsofts mest innflytelsesrike MCP-serverimplementasjoner
- Oppdage praktiske bruksområder for hver server
- Vite hvordan du setter opp og konfigurerer disse serverne i VS Code og Visual Studio
- Utforske det bredere MCP-økosystemet og fremtidige retninger
Som nybegynner innen Model Context Protocol (MCP) lurer du kanskje på: "Hva er egentlig en MCP-server, og hvorfor skal jeg bry meg?" La oss starte med en enkel analogi.
Tenk på MCP-servere som spesialiserte assistenter som hjelper AI-kodekompisen din (som GitHub Copilot) med å koble til eksterne verktøy og tjenester. Akkurat som du bruker forskjellige apper på telefonen til ulike oppgaver – én for vær, én for navigasjon, én for bank – gir MCP-servere AI-assistenten din muligheten til å samhandle med ulike utviklingsverktøy og tjenester.
Før MCP-servere, hvis du ville:
- Sjekke Azure-ressursene dine
- Opprette en GitHub-issue
- Spørre databasen din
- Søke i dokumentasjon
Måtte du stoppe koding, åpne en nettleser, navigere til riktig nettside og utføre disse oppgavene manuelt. Denne konstante kontekstbyttingen bryter flyten din og reduserer produktiviteten.
Med MCP-servere kan du bli i utviklingsmiljøet ditt (VS Code, Visual Studio osv.) og bare be AI-assistenten om å håndtere disse oppgavene. For eksempel:
I stedet for denne tradisjonelle arbeidsflyten:
- Stopp koding
- Åpne nettleser
- Gå til Azure-portalen
- Sjekk detaljer om lagringskonto
- Gå tilbake til VS Code
- Fortsett å kode
Kan du nå gjøre dette:
- Spør AI: "Hva er status på mine Azure-lagringskontoer?"
- Fortsett å kode med informasjonen du får
- Ikke mer bytting mellom flere apper
- Behold fokus på koden du skriver
- Reduser mental belastning ved å håndtere ulike verktøy
- I stedet for å huske SQL-syntaks, beskriv hva slags data du trenger
- I stedet for å huske Azure CLI-kommandoer, forklar hva du ønsker å oppnå
- La AI håndtere de tekniske detaljene mens du fokuserer på logikken
- Lag kraftige arbeidsflyter ved å kombinere ulike tjenester
- Eksempel: "Hent alle nylige GitHub-issues og opprett tilsvarende Azure DevOps-arbeidselementer"
- Bygg automatisering uten å skrive kompliserte skript
- Dra nytte av servere bygget av Microsoft, GitHub og andre selskaper
- Kombiner verktøy fra ulike leverandører sømløst
- Bli med i et standardisert økosystem som fungerer på tvers av ulike AI-assistenter
- Start med ferdigbygde servere for å forstå konseptene
- Bygg gradvis dine egne servere etter hvert som du blir mer komfortabel
- Bruk tilgjengelige SDK-er og dokumentasjon som veiledning
La oss si at du er ny innen webutvikling og jobber med ditt første prosjekt. Slik kan MCP-servere hjelpe:
Tradisjonell tilnærming:
1. Code a feature
2. Open browser → Navigate to GitHub
3. Create an issue for testing
4. Open another tab → Check Azure docs for deployment
5. Open third tab → Look up database connection examples
6. Return to VS Code
7. Try to remember what you were doing
Med MCP-servere:
1. Code a feature
2. Ask AI: "Create a GitHub issue for testing this login feature"
3. Ask AI: "How do I deploy this to Azure according to the docs?"
4. Ask AI: "Show me the best way to connect to my database"
5. Continue coding with all the information you need
MCP blir en bransjestandard, noe som betyr:
- Konsistens: Lik opplevelse på tvers av verktøy og selskaper
- Interoperabilitet: Servere fra ulike leverandører fungerer sammen
- Fremtidssikring: Ferdigheter og oppsett kan brukes på tvers av ulike AI-assistenter
- Fellesskap: Stort økosystem med delt kunnskap og ressurser
I denne guiden utforsker vi 10 Microsoft MCP-servere som er spesielt nyttige for utviklere på alle nivåer. Hver server er designet for å:
- Løse vanlige utviklingsutfordringer
- Redusere repeterende oppgaver
- Forbedre kodekvalitet
- Øke læringsmuligheter
💡 Læringstips
Hvis du er helt ny til MCP, start med våre moduler Introduksjon til MCP og Kjernebegreper. Kom så tilbake hit for å se disse konseptene i praksis med ekte Microsoft-verktøy.
For mer kontekst om MCPs betydning, sjekk ut Maria Naggagas innlegg: Connect Once, Integrate Anywhere with MCP.
Å sette opp disse MCP-serverne er enkelt hvis du bruker Visual Studio Code eller Visual Studio 2022 med GitHub Copilot.
Slik går du frem i VS Code:
- Aktiver Agent Mode: I VS Code, bytt til Agent mode i Copilot Chat-vinduet
- Konfigurer MCP-servere: Legg til serverkonfigurasjoner i VS Code sin settings.json-fil
- Start servere: Klikk på "Start"-knappen for hver server du vil bruke
- Velg verktøy: Velg hvilke MCP-servere som skal aktiveres for økten din
For detaljerte oppsettinstruksjoner, se VS Code MCP-dokumentasjonen.
💡 Profftips: Administrer MCP-servere som en ekspert!
VS Code Extensions-visningen har nå et praktisk nytt brukergrensesnitt for å administrere installerte MCP-servere! Du får rask tilgang til å starte, stoppe og administrere alle installerte MCP-servere via en enkel og tydelig grensesnitt. Prøv det ut!
For Visual Studio 2022 (versjon 17.14 eller nyere):
- Aktiver Agent Mode: Klikk på "Ask"-menyen i GitHub Copilot Chat-vinduet og velg "Agent"
- Lag konfigurasjonsfil: Opprett en
.mcp.json-fil i løsningsmappen din (anbefalt plassering:<SOLUTIONDIR>\.mcp.json) - Konfigurer servere: Legg til MCP-serverkonfigurasjoner med standard MCP-format
- Godkjenn verktøy: Når du blir spurt, godkjenn verktøyene du vil bruke med riktige tillatelser
For detaljerte Visual Studio-oppsettinstruksjoner, se Visual Studio MCP-dokumentasjonen.
Hver MCP-server har egne konfigurasjonskrav (tilkoblingsstrenger, autentisering osv.), men oppsettmønsteret er likt i begge IDE-er.
Hva den gjør: Microsoft Learn Docs MCP Server er en skybasert tjeneste som gir AI-assistenter sanntidstilgang til offisiell Microsoft-dokumentasjon via Model Context Protocol. Den kobler til https://learn.microsoft.com/api/mcp og muliggjør semantisk søk på tvers av Microsoft Learn, Azure-dokumentasjon, Microsoft 365-dokumentasjon og andre offisielle Microsoft-kilder.
Hvorfor den er nyttig: Selv om det kan virke som "bare dokumentasjon", er denne serveren faktisk avgjørende for alle utviklere som bruker Microsoft-teknologier. En av de største klagene fra .NET-utviklere om AI-kodeassistenter er at de ikke er oppdatert på de nyeste .NET- og C#-utgivelsene. Microsoft Learn Docs MCP Server løser dette ved å gi sanntidstilgang til den mest oppdaterte dokumentasjonen, API-referanser og beste praksis. Enten du jobber med de nyeste Azure SDK-ene, utforsker nye C# 13-funksjoner eller implementerer banebrytende .NET Aspire-mønstre, sikrer denne serveren at AI-assistenten din har tilgang til autoritativ og oppdatert informasjon for å generere korrekt og moderne kode.
Bruk i praksis: "Hva er az cli-kommandoene for å opprette en Azure container app i henhold til offisiell Microsoft Learn-dokumentasjon?" eller "Hvordan konfigurerer jeg Entity Framework med dependency injection i ASP.NET Core?" Eller hva med "Gå gjennom denne koden for å sikre at den følger ytelsesanbefalingene i Microsoft Learn-dokumentasjonen." Serveren gir omfattende dekning av Microsoft Learn, Azure-dokumenter og Microsoft 365-dokumentasjon ved hjelp av avansert semantisk søk for å finne den mest kontekstuelle relevante informasjonen. Den returnerer opptil 10 høykvalitets innholdsbiter med artikkeltitler og URL-er, og henter alltid den nyeste Microsoft-dokumentasjonen så snart den publiseres.
Utvalgt eksempel: Serveren eksponerer verktøyet microsoft_docs_search som utfører semantisk søk mot Microsofts offisielle tekniske dokumentasjon. Når den er konfigurert, kan du stille spørsmål som "Hvordan implementerer jeg JWT-autentisering i ASP.NET Core?" og få detaljerte, offisielle svar med kildelenker. Søke-kvaliteten er eksepsjonell fordi den forstår kontekst – å spørre om "containers" i en Azure-kontekst vil returnere dokumentasjon om Azure Container Instances, mens samme begrep i en .NET-kontekst gir relevant informasjon om C#-samlinger.
Dette er spesielt nyttig for raskt endrende eller nylig oppdaterte biblioteker og bruksområder. For eksempel, i noen nylige kodeprosjekter ønsket jeg å utnytte funksjoner i de nyeste utgivelsene av .NET Aspire og Microsoft.Extensions.AI. Ved å inkludere Microsoft Learn Docs MCP-serveren kunne jeg dra nytte av ikke bare API-dokumentasjon, men også veiledninger og anbefalinger som nettopp var publisert.
💡 Proff tips
Selv verktøyvennlige modeller trenger oppmuntring for å bruke MCP-verktøy! Vurder å legge til en systemprompt eller copilot-instructions.md som: "Du har tilgang til
microsoft.docs.mcp– bruk dette verktøyet for å søke i Microsofts nyeste offisielle dokumentasjon når du håndterer spørsmål om Microsoft-teknologier som C#, Azure, ASP.NET Core eller Entity Framework."For et godt eksempel på dette i praksis, sjekk ut C# .NET Janitor chat mode fra Awesome GitHub Copilot-repositoriet. Denne modusen bruker spesielt Microsoft Learn Docs MCP-serveren for å hjelpe til med å rydde opp og modernisere C#-kode ved å bruke de nyeste mønstrene og beste praksisene.
Hva den gjør: Azure MCP Server er en omfattende samling av over 15 spesialiserte Azure-tjenestekoblinger som bringer hele Azure-økosystemet inn i AI-arbeidsflyten din. Dette er ikke bare en enkelt server – det er en kraftig samling som inkluderer ressursstyring, databasekoblinger (PostgreSQL, SQL Server), Azure Monitor logganalyse med KQL, Cosmos DB-integrasjon og mye mer.
Hvorfor den er nyttig: Utover bare å administrere Azure-ressurser, forbedrer denne serveren kodekvaliteten betydelig når du jobber med Azure SDK-er. Når du bruker Azure MCP i Agent-modus, hjelper den deg ikke bare med å skrive kode – den hjelper deg med å skrive bedre Azure-kode som følger gjeldende autentiseringsmønstre, beste praksis for feilhåndtering, og utnytter de nyeste SDK-funksjonene. I stedet for å få generisk kode som kanskje fungerer, får du kode som følger Azures anbefalte mønstre for produksjonsarbeidsbelastninger.
Nøkkelmoduler inkluderer:
- 🗄️ Databasekoblinger: Direkte tilgang via naturlig språk til Azure Database for PostgreSQL og SQL Server
- 📊 Azure Monitor: KQL-basert logganalyse og operasjonelle innsikter
- 🌐 Ressursstyring: Full livssyklusadministrasjon av Azure-ressurser
- 🔐 Autentisering: DefaultAzureCredential og mønstre for administrert identitet
- 📦 Lagringstjenester: Operasjoner for Blob Storage, Queue Storage og Table Storage
- 🚀 Container-tjenester: Azure Container Apps, Container Instances og AKS-administrasjon
- Og mange flere spesialiserte koblinger
Bruk i praksis: "List opp mine Azure-lagringskontoer", "Spørr Log Analytics-arbeidsområdet mitt for feil siste time", eller "Hjelp meg med å bygge en Azure-applikasjon i Node.js med riktig autentisering"
Fullt demoeksempel: Her er en komplett gjennomgang som viser kraften i å kombinere Azure MCP med GitHub Copilot for Azure-utvidelsen i VS Code. Når du har begge installert og skriver:
"Lag et Python-skript som laster opp en fil til Azure Blob Storage ved bruk av DefaultAzureCredential-autentisering. Skriptet skal koble til min Azure-lagringskonto kalt 'mycompanystorage', laste opp til en container kalt 'documents', lage en testfil med gjeldende tidsstempel for opplasting, håndtere feil på en ryddig måte og gi informativ tilbakemelding, følge Azures beste praksis for autentisering og feilhåndtering, inkludere kommentarer som forklarer hvordan DefaultAzureCredential fungerer, og gjøre skriptet godt strukturert med riktige funksjoner og dokumentasjon."
Azure MCP Server vil generere et komplett, produksjonsklart Python-skript som:
- Bruker den nyeste Azure Blob Storage SDK med riktige asynkrone mønstre
- Implementerer DefaultAzureCredential med en grundig forklaring av fallback-kjeden
- Inkluderer robust feilhåndtering med spesifikke Azure-unntakstyper
- Følger Azure SDKs beste praksis for ressursstyring og tilkoblingshåndtering
- Gir detaljert logging og informativ konsollutskrift
- Lager et godt strukturert skript med funksjoner, dokumentasjon og typehint
Det som gjør dette bemerkelsesverdig er at uten Azure MCP kan du få generisk blob storage-kode som fungerer, men som ikke følger dagens Azure-mønstre. Med Azure MCP får du kode som utnytter de nyeste autentiseringsmetodene, håndterer Azure-spesifikke feilsituasjoner, og følger Microsofts anbefalte praksis for produksjonsapplikasjoner.
Utvalgt eksempel: Jeg har slitt med å huske de spesifikke kommandoene for az og azd CLI-ene for ad-hoc bruk. Det er alltid en to-trinns prosess for meg: først slå opp syntaksen, så kjøre kommandoen. Jeg ender ofte opp med å bare gå inn i portalen og klikke rundt for å få jobben gjort fordi jeg ikke vil innrømme at jeg ikke husker CLI-syntaksen. Å kunne bare beskrive hva jeg vil er fantastisk, og enda bedre å kunne gjøre det uten å forlate IDE-en min!
Det finnes en flott liste over bruksområder i Azure MCP repository for å komme i gang. For omfattende oppsettveiledninger og avanserte konfigurasjonsmuligheter, sjekk ut den offisielle Azure MCP-dokumentasjonen.
Hva den gjør: Den offisielle GitHub MCP Server tilbyr sømløs integrasjon med hele GitHubs økosystem, med både hostet ekstern tilgang og lokale Docker-distribusjonsmuligheter. Dette handler ikke bare om grunnleggende repository-operasjoner – det er et komplett verktøysett som inkluderer GitHub Actions-administrasjon, pull request-arbeidsflyter, issue-sporing, sikkerhetsskanning, varsler og avanserte automatiseringsmuligheter.
Hvorfor den er nyttig: Denne serveren endrer måten du samhandler med GitHub på ved å bringe hele plattformopplevelsen direkte inn i utviklingsmiljøet ditt. I stedet for å stadig bytte mellom VS Code og GitHub.com for prosjektstyring, kodegjennomganger og CI/CD-overvåking, kan du håndtere alt via naturlige språkkommandoer mens du holder fokus på koden din.
ℹ️ Merk: Ulike typer 'agenter'
Ikke forveksle denne GitHub MCP Server med GitHubs Coding Agent (AI-agenten du kan tildele issues for automatiserte kodeoppgaver). GitHub MCP Server fungerer i VS Codes Agent-modus for å tilby GitHub API-integrasjon, mens GitHubs Coding Agent er en separat funksjon som oppretter pull requests når den er tildelt GitHub-issues.
Nøkkelfunksjoner inkluderer:
- ⚙️ GitHub Actions: Fullstendig CI/CD-pipeline-administrasjon, overvåking av arbeidsflyter og håndtering av artefakter
- 🔀 Pull Requests: Opprett, gjennomgå, slå sammen og administrer PR-er med omfattende statussporing
- 🐛 Issues: Full livssyklusadministrasjon av issues, kommentering, merking og tildeling
- 🔒 Sikkerhet: Varsler for kodeskanning, hemmelighetsdeteksjon og Dependabot-integrasjon
- 🔔 Varsler: Smart varslingshåndtering og kontroll over repository-abonnementer
- 📁 Repository-administrasjon: Filoperasjoner, branch-håndtering og repository-administrasjon
- 👥 Samarbeid: Bruker- og organisasjonssøk, teamadministrasjon og tilgangskontroll
Bruk i praksis: "Opprett en pull request fra feature-branchen min", "Vis meg alle mislykkede CI-kjøringer denne uken", "List opp åpne sikkerhetsvarsler for mine repositories", eller "Finn alle issues tildelt meg på tvers av mine organisasjoner"
Fullt demoeksempel: Her er en kraftfull arbeidsflyt som demonstrerer GitHub MCP Servers muligheter:
"Jeg må forberede sprintgjennomgangen vår. Vis meg alle pull requests jeg har opprettet denne uken, sjekk status på CI/CD-pipelinen vår, lag en oppsummering av eventuelle sikkerhetsvarsler vi må ta tak i, og hjelp meg med å utarbeide utgivelsesnotater basert på sammenslåtte PR-er med 'feature'-etiketten."
GitHub MCP Server vil:
- Spørre opp dine nylige pull requests med detaljert statusinformasjon
- Analysere arbeidsflytkjøringer og fremheve eventuelle feil eller ytelsesproblemer
- Kompilere resultater fra sikkerhetsskanning og prioritere kritiske varsler
- Generere omfattende utgivelsesnotater ved å hente informasjon fra sammenslåtte PR-er
- Gi handlingsrettede neste steg for sprintplanlegging og utgivelsesforberedelser
Utvalgt eksempel: Jeg elsker å bruke dette til kodegjennomgangsarbeidsflyter. I stedet for å hoppe mellom VS Code, GitHub-varsler og pull request-sider, kan jeg si "Vis meg alle PR-er som venter på min gjennomgang" og deretter "Legg til en kommentar på PR #123 som spør om feilhåndteringen i autentiseringsmetoden." Serveren håndterer GitHub API-kallene, holder kontekst om diskusjonen, og hjelper meg til og med med å formulere mer konstruktive gjennomgangskommentarer.
Autentiseringsmuligheter: Serveren støtter både OAuth (sømløst i VS Code) og Personal Access Tokens, med konfigurerbare verktøysett for å aktivere kun den GitHub-funksjonaliteten du trenger. Du kan kjøre den som en ekstern hostet tjeneste for rask oppsett eller lokalt via Docker for full kontroll.
💡 Profftips
Aktiver kun de verktøysettene du trenger ved å konfigurere
--toolsets-parameteren i MCP-serverinnstillingene dine for å redusere kontekststørrelse og forbedre AI-verktøyvalg. For eksempel, legg til"--toolsets", "repos,issues,pull_requests,actions"i MCP-konfigurasjonsargumentene dine for kjerneutviklingsarbeidsflyter, eller bruk"--toolsets", "notifications, security"hvis du hovedsakelig ønsker GitHub-overvåkingsmuligheter.
Hva den gjør: Knytter til Azure DevOps-tjenester for omfattende prosjektstyring, arbeidselementsporing, byggpipeline-administrasjon og repository-operasjoner.
Hvorfor den er nyttig: For team som bruker Azure DevOps som sin primære DevOps-plattform, eliminerer denne MCP-serveren behovet for stadig å bytte mellom utviklingsmiljøet og Azure DevOps webgrensesnitt. Du kan administrere arbeidselementer, sjekke byggstatus, spørringer i repositories og håndtere prosjektstyringsoppgaver direkte fra AI-assistenten din.
Bruk i praksis: "Vis meg alle aktive arbeidselementer i nåværende sprint for WebApp-prosjektet", "Opprett en feilrapport for innloggingsproblemet jeg nettopp fant", eller "Sjekk status på byggpipelinene våre og vis meg eventuelle nylige feil"
Utvalgt eksempel: Du kan enkelt sjekke status for teamets nåværende sprint med en enkel forespørsel som "Vis meg alle aktive arbeidselementer i nåværende sprint for WebApp-prosjektet" eller "Opprett en feilrapport for innloggingsproblemet jeg nettopp fant" uten å forlate utviklingsmiljøet ditt.
Hva det gjør: MarkItDown er en omfattende dokumentkonverteringsserver som omformer ulike filformater til høykvalitets Markdown, optimalisert for LLM-bruk og tekstanalysestrømmer.
Hvorfor det er nyttig: Uunnværlig for moderne dokumentasjonsarbeidsflyter! MarkItDown håndterer et imponerende utvalg av filformater samtidig som den bevarer viktig dokumentstruktur som overskrifter, lister, tabeller og lenker. I motsetning til enkle tekstuttrekksverktøy fokuserer den på å bevare semantisk mening og formatering som er verdifull både for AI-behandling og menneskelig lesbarhet.
Støttede filformater:
- Office-dokumenter: PDF, PowerPoint (PPTX), Word (DOCX), Excel (XLSX/XLS)
- Mediefiler: Bilder (med EXIF-metadata og OCR), lyd (med EXIF-metadata og tale-transkripsjon)
- Nettinnhold: HTML, RSS-feeder, YouTube-URLer, Wikipedia-sider
- Dataformater: CSV, JSON, XML, ZIP-filer (behandler innhold rekursivt)
- Publiseringsformater: EPub, Jupyter-notatbøker (.ipynb)
- E-post: Outlook-meldinger (.msg)
- Avansert: Azure Document Intelligence-integrasjon for forbedret PDF-behandling
Avanserte funksjoner: MarkItDown støtter LLM-drevne bildetekster (når den får tilgang til en OpenAI-klient), Azure Document Intelligence for forbedret PDF-behandling, lydtranskripsjon for taleinnhold, og et pluginsystem for å utvide til flere filformater.
Bruk i praksis: "Konverter denne PowerPoint-presentasjonen til Markdown for dokumentasjonsnettstedet vårt", "Trekk ut tekst fra denne PDF-en med riktig overskriftsstruktur", eller "Omform denne Excel-regnearket til et lesbart tabellformat"
Utvalgt eksempel: For å sitere MarkItDown-dokumentasjonen:
Markdown er svært nær ren tekst, med minimal markup eller formatering, men gir likevel en måte å representere viktig dokumentstruktur på. Vanlige LLM-er, som OpenAIs GPT-4o, "snakker" naturlig Markdown, og inkluderer ofte Markdown i svarene sine uten å bli bedt om det. Dette tyder på at de er trent på store mengder Markdown-formatert tekst, og forstår det godt. Som en ekstra fordel er Markdown-konvensjoner også svært token-effektive.
MarkItDown er veldig flink til å bevare dokumentstruktur, noe som er viktig for AI-arbeidsflyter. For eksempel, når den konverterer en PowerPoint-presentasjon, beholder den lysbildenes organisering med riktige overskrifter, trekker ut tabeller som Markdown-tabeller, inkluderer alternativ tekst for bilder, og behandler til og med foredragsholdernotater. Diagrammer konverteres til lesbare datatabeller, og den resulterende Markdown-en opprettholder den logiske flyten i den opprinnelige presentasjonen. Dette gjør den perfekt for å mate presentasjonsinnhold inn i AI-systemer eller lage dokumentasjon fra eksisterende lysbilder.
Hva det gjør: Gir samtaletilgang til SQL Server-databaser (lokalt, Azure SQL eller Fabric)
Hvorfor det er nyttig: Ligner på PostgreSQL-server, men for Microsoft SQL-økosystemet. Koble til med en enkel tilkoblingsstreng og start spørringer med naturlig språk – ikke mer bytting av kontekst!
Bruk i praksis: "Finn alle ordre som ikke er fullført de siste 30 dagene" oversettes til passende SQL-spørringer og returnerer formaterte resultater
Utvalgt eksempel: Når du har satt opp databasetilkoblingen, kan du begynne å ha samtaler med dataene dine med en gang. Blogginnlegget viser dette med et enkelt spørsmål: "hvilken database er du koblet til?" MCP-serveren svarer ved å kalle opp riktig databasetool, koble til SQL Server-instansen din, og returnere detaljer om gjeldende databasetilkobling – alt uten å skrive en eneste SQL-linje. Serveren støtter omfattende databaseoperasjoner fra skjema-administrasjon til datamanipulering, alt gjennom naturlige språkkommandoer. For fullstendige oppsettinstruksjoner og konfigurasjonseksempler med VS Code og Claude Desktop, se: Introducing MSSQL MCP Server (Preview).
Hva det gjør: Lar AI-agenter samhandle med nettsider for testing og automatisering
ℹ️ Driver GitHub Copilot
Playwright MCP Server driver GitHub Copilots Coding Agent, og gir den nettleserfunksjonalitet! Les mer om denne funksjonen.
Hvorfor det er nyttig: Perfekt for automatisert testing styrt av naturlige språkbeskrivelser. AI kan navigere på nettsteder, fylle ut skjemaer og hente ut data gjennom strukturerte tilgjengelighetssnapshots – dette er utrolig kraftfullt!
Bruk i praksis: "Test innloggingsflyten og verifiser at dashbordet lastes riktig" eller "Generer en test som søker etter produkter og validerer resultatsiden" – alt uten å trenge tilgang til applikasjonens kildekode
Utvalgt eksempel: Min kollega Debbie O'Brien har gjort en fantastisk jobb med Playwright MCP Server i det siste! For eksempel viste hun nylig hvordan man kan generere komplette Playwright-tester uten engang å ha tilgang til applikasjonens kildekode. I hennes scenario ba hun Copilot lage en test for en film-søkeapp: naviger til siden, søk etter "Garfield," og verifiser at filmen vises i resultatene. MCP startet en nettleserøkt, utforsket sidestrukturen ved hjelp av DOM-snapshots, fant riktige selektorer, og genererte en fullt fungerende TypeScript-test som bestod på første forsøk.
Det som gjør dette virkelig kraftfullt er at det bygger bro mellom naturlige språk-instruksjoner og kjørbar testkode. Tradisjonelle metoder krever enten manuell testskriving eller tilgang til kodebasen for kontekst. Men med Playwright MCP kan du teste eksterne nettsteder, klientapplikasjoner, eller jobbe i black-box testscenarier der kode ikke er tilgjengelig.
Hva det gjør: Administrerer Microsoft Dev Box-miljøer via naturlig språk
Hvorfor det er nyttig: Forenkler administrasjon av utviklingsmiljøer enormt! Opprett, konfigurer og administrer utviklingsmiljøer uten å måtte huske spesifikke kommandoer.
Bruk i praksis: "Sett opp en ny Dev Box med siste .NET SDK og konfigurer den for prosjektet vårt", "Sjekk status på alle mine utviklingsmiljøer", eller "Lag et standardisert demo-miljø for teamets presentasjoner"
Utvalgt eksempel: Jeg er stor fan av å bruke Dev Box til personlig utvikling. Mitt aha-øyeblikk var da James Montemagno forklarte hvor bra Dev Box er for konferansedemoer, siden den har en superrask ethernet-tilkobling uansett hvilken konferanse / hotell / fly-WiFi jeg måtte bruke. Faktisk øvde jeg nylig på konferansedemo mens laptopen min var koblet til telefonens hotspot på en buss fra Brugge til Antwerpen! Men neste steg for meg er å utforske mer team-administrasjon av flere utviklingsmiljøer og standardiserte demo-miljøer. En annen stor brukssak jeg har hørt fra kunder og kolleger, er selvfølgelig å bruke Dev Box for forhåndskonfigurerte utviklingsmiljøer. I begge tilfeller lar bruk av en MCP for å konfigurere og administrere Dev Boxes deg bruke naturlig språk, samtidig som du holder deg i utviklingsmiljøet ditt.
Hva den gjør: Azure AI Foundry MCP Server gir utviklere omfattende tilgang til Azures AI-økosystem, inkludert modellkataloger, distribusjonsstyring, kunnskapsindeksering med Azure AI Search og evalueringsverktøy. Denne eksperimentelle serveren bygger bro mellom AI-utvikling og Azures kraftige AI-infrastruktur, og gjør det enklere å bygge, distribuere og evaluere AI-applikasjoner.
Hvorfor den er nyttig: Denne serveren endrer måten du jobber med Azure AI-tjenester på ved å bringe AI-funksjonalitet på bedriftsnivå direkte inn i utviklingsarbeidsflyten din. I stedet for å veksle mellom Azure-portalen, dokumentasjon og IDE-en din, kan du oppdage modeller, distribuere tjenester, administrere kunnskapsbaser og evaluere AI-ytelse gjennom naturlige språkkommandoer. Den er spesielt kraftig for utviklere som bygger RAG (Retrieval-Augmented Generation)-applikasjoner, håndterer distribusjoner med flere modeller eller implementerer omfattende AI-evalueringspipelines.
Nøkkelfunksjoner for utviklere:
- 🔍 Modelloppdagelse og distribusjon: Utforsk Azure AI Foundrys modellkatalog, få detaljert modellinformasjon med kodeeksempler, og distribuer modeller til Azure AI Services
- 📚 Kunnskapsadministrasjon: Opprett og administrer Azure AI Search-indekser, legg til dokumenter, konfigurer indekseringsverktøy og bygg avanserte RAG-systemer
- ⚡ Integrasjon med AI-agenter: Koble til Azure AI Agents, spør eksisterende agenter og evaluer agenters ytelse i produksjonsscenarier
- 📊 Evalueringsrammeverk: Kjør omfattende tekst- og agentevalueringer, generer markdown-rapporter og implementer kvalitetssikring for AI-applikasjoner
- 🚀 Prototyping-verktøy: Få oppsettsinstruksjoner for GitHub-basert prototyping og tilgang til Azure AI Foundry Labs for banebrytende forskningsmodeller
Reelle utviklerbruk: "Distribuer en Phi-4-modell til Azure AI Services for applikasjonen min", "Opprett en ny søkeindeks for dokumentasjons-RAG-systemet mitt", "Evaluer agentens svar opp mot kvalitetsmål", eller "Finn den beste resonneringsmodellen for mine komplekse analysetasker"
Fullt demo-scenario: Her er en kraftfull AI-utviklingsarbeidsflyt:
"Jeg bygger en kundestøtteagent. Hjelp meg med å finne en god resonneringsmodell fra katalogen, distribuer den til Azure AI Services, opprett en kunnskapsbase fra dokumentasjonen vår, sett opp et evalueringsrammeverk for å teste svarenes kvalitet, og hjelp meg deretter med å prototype integrasjonen med GitHub-token for testing."
Azure AI Foundry MCP Server vil:
- Spørre modellkatalogen for å anbefale optimale resonneringsmodeller basert på dine krav
- Gi distribusjonskommandoer og kvoteinformasjon for ditt foretrukne Azure-område
- Sette opp Azure AI Search-indekser med riktig skjema for dokumentasjonen din
- Konfigurere evalueringspipelines med kvalitetsmål og sikkerhetssjekker
- Generere prototypkode med GitHub-autentisering for umiddelbar testing
- Gi omfattende oppsettsveiledninger tilpasset din teknologistabel
Fremhevet eksempel: Som utvikler har jeg hatt problemer med å holde oversikt over de ulike LLM-modellene som finnes. Jeg kjenner til noen hovedmodeller, men har følt at jeg går glipp av produktivitets- og effektivitetsgevinster. Og tokens og kvoter er stressende og vanskelige å håndtere – jeg vet aldri om jeg velger riktig modell for oppgaven eller bruker budsjettet ineffektivt. Jeg hørte nettopp om denne MCP-serveren fra James Montemagno da jeg spurte kolleger om anbefalinger for MCP-servere til dette innlegget, og jeg gleder meg til å ta den i bruk! Modelloppdagelsesfunksjonene virker spesielt imponerende for noen som meg som ønsker å utforske utover de vanlige modellene og finne modeller optimalisert for spesifikke oppgaver. Evalueringsrammeverket bør hjelpe meg med å bekrefte at jeg faktisk får bedre resultater, ikke bare prøver noe nytt for sakens skyld.
ℹ️ Eksperimentell status
Denne MCP-serveren er eksperimentell og under aktiv utvikling. Funksjoner og API-er kan endres. Perfekt for å utforske Azure AI-muligheter og bygge prototyper, men vurder stabilitetskrav for produksjonsbruk.
Hva den gjør: Gir utviklere nødvendige verktøy for å bygge AI-agenter og applikasjoner som integreres med Microsoft 365 og Microsoft 365 Copilot, inkludert skjema-validering, henting av kodeeksempler og feilsøkingshjelp.
Hvorfor den er nyttig: Utvikling for Microsoft 365 og Copilot innebærer komplekse manifest-skjemaer og spesifikke utviklingsmønstre. Denne MCP-serveren bringer viktige utviklingsressurser direkte inn i kodeomgivelsene dine, og hjelper deg med å validere skjemaer, finne kodeeksempler og feilsøke vanlige problemer uten å måtte slå opp i dokumentasjonen hele tiden.
Reell bruk: "Valider agentmanifestet mitt og rett eventuelle skjema-feil", "Vis meg kodeeksempler for å implementere en Microsoft Graph API-plugin", eller "Hjelp meg med å feilsøke autentiseringsproblemer i Teams-appen min"
Fremhevet eksempel: Jeg tok kontakt med vennen min John Miller etter å ha snakket med ham på Build om M365 Agents, og han anbefalte denne MCP-en. Dette kan være flott for utviklere som er nye med M365 Agents, siden den tilbyr maler, kodeeksempler og grunnstruktur for å komme i gang uten å drukne i dokumentasjon. Skjema-valideringsfunksjonene virker spesielt nyttige for å unngå manifeststrukturfeil som kan føre til mange timers feilsøking.
💡 Profftips
Bruk denne serveren sammen med Microsoft Learn Docs MCP Server for omfattende støtte i M365-utvikling – den ene gir offisiell dokumentasjon, mens denne tilbyr praktiske utviklingsverktøy og feilsøkingshjelp.
Model Context Protocol (MCP) endrer måten utviklere samhandler med AI-assistenter og eksterne verktøy på. Disse 10 Microsoft MCP-serverne viser kraften i standardisert AI-integrasjon, som muliggjør sømløse arbeidsflyter som holder utviklere i flytsonen samtidig som de får tilgang til kraftige eksterne funksjoner.
Fra den omfattende integrasjonen med Azure-økosystemet til spesialiserte verktøy som Playwright for nettleserautomatisering og MarkItDown for dokumentbehandling, demonstrerer disse serverne hvordan MCP kan øke produktiviteten på tvers av ulike utviklingsscenarier. Den standardiserte protokollen sikrer at disse verktøyene fungerer sømløst sammen og skaper en helhetlig utvikleropplevelse.
Ettersom MCP-økosystemet fortsetter å utvikle seg, vil det å være engasjert i fellesskapet, utforske nye servere og bygge tilpassede løsninger være nøkkelen til å maksimere utviklingsproduktiviteten. Den åpne standarden i MCP betyr at du kan kombinere verktøy fra ulike leverandører for å skape den perfekte arbeidsflyten for dine spesifikke behov.
- Official Microsoft MCP Repository
- MCP Community & Documentation
- VS Code MCP Documentation
- Visual Studio MCP Documentation
- Azure MCP Documentation
- Let's Learn – MCP Events
- Awesome GitHub Copilot Customizations
- C# MCP SDK
- MCP Dev Days Live 29th/30th July or watch on Demand
- Installer og konfigurer: Sett opp en av MCP-serverne i VS Code-miljøet ditt og test grunnleggende funksjonalitet.
- Arbeidsflytintegrasjon: Design en utviklingsarbeidsflyt som kombinerer minst tre forskjellige MCP-servere.
- Planlegging av egendefinert server: Identifiser en oppgave i din daglige utviklingsrutine som kan ha nytte av en egendefinert MCP-server, og lag en spesifikasjon for den.
- Ytelsesanalyse: Sammenlign effektiviteten ved bruk av MCP-servere mot tradisjonelle metoder for vanlige utviklingsoppgaver.
- Sikkerhetsvurdering: Vurder sikkerhetsimplikasjonene ved bruk av MCP-servere i utviklingsmiljøet ditt og foreslå beste praksis.
Neste: Best Practices
Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi streber etter nøyaktighet, vennligst vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det opprinnelige dokumentet på originalspråket skal anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.