(Kliknij obrazek powyżej, aby obejrzeć wideo z tej lekcji)
Ta lekcja skupia się na tym, jak zaangażować się w społeczność MCP, przyczynić się do rozwoju ekosystemu MCP i przestrzegać najlepszych praktyk w zakresie współpracy. Zrozumienie, jak uczestniczyć w projektach open-source MCP, jest kluczowe dla tych, którzy chcą kształtować przyszłość tej technologii.
Po ukończeniu tej lekcji będziesz w stanie:
- Zrozumieć strukturę społeczności i ekosystemu MCP
- Efektywnie uczestniczyć w forach i dyskusjach społeczności MCP
- Wnosić wkład do repozytoriów open-source MCP
- Tworzyć i udostępniać niestandardowe narzędzia i serwery MCP
- Przestrzegać najlepszych praktyk w zakresie rozwoju i współpracy MCP
- Odkrywać zasoby i frameworki społecznościowe dla rozwoju MCP
Ekosystem MCP składa się z różnych komponentów i uczestników, którzy współpracują, aby rozwijać protokół.
- Opiekunowie głównego protokołu: Oficjalna organizacja Model Context Protocol na GitHubie utrzymuje główne specyfikacje MCP i implementacje referencyjne.
- Twórcy narzędzi: Osoby i zespoły tworzące narzędzia i serwery MCP.
- Dostawcy integracji: Firmy integrujące MCP w swoich produktach i usługach.
- Użytkownicy końcowi: Deweloperzy i organizacje korzystające z MCP w swoich aplikacjach.
- Współtwórcy: Członkowie społeczności, którzy wnoszą kod, dokumentację lub inne zasoby.
- Organizacja MCP na GitHubie
- Dokumentacja MCP
- Specyfikacja MCP
- Dyskusje na GitHubie
- Repozytorium przykładów i serwerów MCP
- Klienci MCP - Lista klientów wspierających integracje MCP.
- Społecznościowe serwery MCP - Rosnąca lista serwerów MCP tworzonych przez społeczność.
- Awesome MCP Servers - Kuratorowana lista serwerów MCP.
- PulseMCP - Centrum społeczności i newsletter do odkrywania zasobów MCP.
- Serwer Discord - Łącz się z deweloperami MCP.
- Implementacje SDK dla różnych języków.
- Posty na blogach i samouczki.
Ekosystem MCP przyjmuje różne rodzaje wkładów:
-
Wkłady w kod:
- Ulepszenia głównego protokołu
- Poprawki błędów
- Implementacje narzędzi i serwerów
- Biblioteki klientów/serwerów w różnych językach
-
Dokumentacja:
- Ulepszanie istniejącej dokumentacji
- Tworzenie samouczków i przewodników
- Tłumaczenie dokumentacji
- Tworzenie przykładów i aplikacji demonstracyjnych
-
Wsparcie społeczności:
- Odpowiadanie na pytania na forach i w dyskusjach
- Testowanie i zgłaszanie problemów
- Organizowanie wydarzeń społecznościowych
- Mentoring nowych współtwórców
Aby wnieść wkład do głównego protokołu MCP lub oficjalnych implementacji, postępuj zgodnie z zasadami opisanymi w oficjalnych wytycznych dotyczących wkładu:
- Prostota i minimalizm: Specyfikacja MCP utrzymuje wysokie standardy dla dodawania nowych koncepcji. Łatwiej jest coś dodać do specyfikacji niż usunąć.
- Podejście konkretne: Zmiany w specyfikacji powinny opierać się na konkretnych wyzwaniach implementacyjnych, a nie na spekulacyjnych pomysłach.
- Etapy propozycji:
- Definiowanie: Zbadanie problemu i potwierdzenie, że inni użytkownicy MCP napotykają podobny problem.
- Prototypowanie: Zbudowanie przykładowego rozwiązania i demonstracja jego praktycznego zastosowania.
- Pisanie: Na podstawie prototypu napisanie propozycji specyfikacji.
# Fork the repository
git clone https://github.com/YOUR-USERNAME/modelcontextprotocol.git
cd modelcontextprotocol
# Install dependencies
npm install
# For schema changes, validate and generate schema.json:
npm run check:schema:ts
npm run generate:schema
# For documentation changes
npm run check:docs
npm run format
# Preview documentation locally (optional):
npm run serve:docs// Original code with bug in the typescript-sdk
export function validateResource(resource: unknown): resource is MCPResource {
if (!resource || typeof resource !== 'object') {
return false;
}
// Bug: Missing property validation
// Current implementation:
const hasName = 'name' in resource;
const hasSchema = 'schema' in resource;
return hasName && hasSchema;
}
// Fixed implementation in a contribution
export function validateResource(resource: unknown): resource is MCPResource {
if (!resource || typeof resource !== 'object') {
return false;
}
// Improved validation
const hasName = 'name' in resource && typeof (resource as MCPResource).name === 'string';
const hasSchema = 'schema' in resource && typeof (resource as MCPResource).schema === 'object';
const hasDescription = !('description' in resource) || typeof (resource as MCPResource).description === 'string';
return hasName && hasSchema && hasDescription;
}# Example contribution: A CSV data processing tool for the MCP standard library
from mcp_tools import Tool, ToolRequest, ToolResponse, ToolExecutionException
import pandas as pd
import io
import json
from typing import Dict, Any, List, Optional
class CsvProcessingTool(Tool):
"""
Tool for processing and analyzing CSV data.
This tool allows models to extract information from CSV files,
run basic analysis, and convert data between formats.
"""
def get_name(self):
return "csvProcessor"
def get_description(self):
return "Processes and analyzes CSV data"
def get_schema(self):
return {
"type": "object",
"properties": {
"csvData": {
"type": "string",
"description": "CSV data as a string"
},
"csvUrl": {
"type": "string",
"description": "URL to a CSV file (alternative to csvData)"
},
"operation": {
"type": "string",
"enum": ["summary", "filter", "transform", "convert"],
"description": "Operation to perform on the CSV data"
},
"filterColumn": {
"type": "string",
"description": "Column to filter by (for filter operation)"
},
"filterValue": {
"type": "string",
"description": "Value to filter for (for filter operation)"
},
"outputFormat": {
"type": "string",
"enum": ["json", "csv", "markdown"],
"default": "json",
"description": "Output format for the processed data"
}
},
"oneOf": [
{"required": ["csvData", "operation"]},
{"required": ["csvUrl", "operation"]}
]
}
async def execute_async(self, request: ToolRequest) -> ToolResponse:
try:
# Extract parameters
operation = request.parameters.get("operation")
output_format = request.parameters.get("outputFormat", "json")
# Get CSV data from either direct data or URL
df = await self._get_dataframe(request)
# Process based on requested operation
result = {}
if operation == "summary":
result = self._generate_summary(df)
elif operation == "filter":
column = request.parameters.get("filterColumn")
value = request.parameters.get("filterValue")
if not column:
raise ToolExecutionException("filterColumn is required for filter operation")
result = self._filter_data(df, column, value)
elif operation == "transform":
result = self._transform_data(df, request.parameters)
elif operation == "convert":
result = self._convert_format(df, output_format)
else:
raise ToolExecutionException(f"Unknown operation: {operation}")
return ToolResponse(result=result)
except Exception as e:
raise ToolExecutionException(f"CSV processing failed: {str(e)}")
async def _get_dataframe(self, request: ToolRequest) -> pd.DataFrame:
"""Gets a pandas DataFrame from either CSV data or URL"""
if "csvData" in request.parameters:
csv_data = request.parameters.get("csvData")
return pd.read_csv(io.StringIO(csv_data))
elif "csvUrl" in request.parameters:
csv_url = request.parameters.get("csvUrl")
return pd.read_csv(csv_url)
else:
raise ToolExecutionException("Either csvData or csvUrl must be provided")
def _generate_summary(self, df: pd.DataFrame) -> Dict[str, Any]:
"""Generates a summary of the CSV data"""
return {
"columns": df.columns.tolist(),
"rowCount": len(df),
"columnCount": len(df.columns),
"numericColumns": df.select_dtypes(include=['number']).columns.tolist(),
"categoricalColumns": df.select_dtypes(include=['object']).columns.tolist(),
"sampleRows": json.loads(df.head(5).to_json(orient="records")),
"statistics": json.loads(df.describe().to_json())
}
def _filter_data(self, df: pd.DataFrame, column: str, value: str) -> Dict[str, Any]:
"""Filters the DataFrame by a column value"""
if column not in df.columns:
raise ToolExecutionException(f"Column '{column}' not found")
filtered_df = df[df[column].astype(str).str.contains(value)]
return {
"originalRowCount": len(df),
"filteredRowCount": len(filtered_df),
"data": json.loads(filtered_df.to_json(orient="records"))
}
def _transform_data(self, df: pd.DataFrame, params: Dict[str, Any]) -> Dict[str, Any]:
"""Transforms the data based on parameters"""
# Implementation would include various transformations
return {
"status": "success",
"message": "Transformation applied"
}
def _convert_format(self, df: pd.DataFrame, format: str) -> Dict[str, Any]:
"""Converts the DataFrame to different formats"""
if format == "json":
return {
"data": json.loads(df.to_json(orient="records")),
"format": "json"
}
elif format == "csv":
return {
"data": df.to_csv(index=False),
"format": "csv"
}
elif format == "markdown":
return {
"data": df.to_markdown(),
"format": "markdown"
}
else:
raise ToolExecutionException(f"Unsupported output format: {format}")Aby Twój wkład w projekty MCP był udany:
- Zacznij od małych rzeczy: Rozpocznij od dokumentacji, poprawek błędów lub drobnych ulepszeń.
- Przestrzegaj wytycznych stylu: Stosuj się do stylu kodowania i konwencji projektu.
- Pisz testy: Dołącz testy jednostkowe do swoich wkładów w kod.
- Dokumentuj swoją pracę: Dodaj jasną dokumentację dla nowych funkcji lub zmian.
- Składaj ukierunkowane PR-y: Skup swoje pull requesty na jednym problemie lub funkcji.
- Reaguj na opinie: Bądź otwarty na uwagi dotyczące Twoich wkładów.
# Clone the repository
git clone https://github.com/modelcontextprotocol/typescript-sdk.git
cd typescript-sdk
# Create a new branch for your contribution
git checkout -b feature/my-contribution
# Make your changes
# ...
# Run tests to ensure your changes don't break existing functionality
npm test
# Commit your changes with a descriptive message
git commit -am "Fix validation in resource handler"
# Push your branch to your fork
git push origin feature/my-contribution
# Create a pull request from your branch to the main repository
# Then engage with feedback and iterate on your PR as neededJednym z najcenniejszych sposobów na wkład w ekosystem MCP jest tworzenie i udostępnianie niestandardowych serwerów MCP. Społeczność stworzyła już setki serwerów dla różnych usług i przypadków użycia.
Dostępnych jest kilka frameworków, które upraszczają rozwój serwerów MCP:
-
Oficjalne SDK:
-
Frameworki społecznościowe:
- MCP-Framework - Buduj serwery MCP szybko i elegancko w TypeScript.
- MCP Declarative Java SDK - Serwery MCP oparte na adnotacjach w Javie.
- Quarkus MCP Server SDK - Framework Java dla serwerów MCP.
- Next.js MCP Server Template - Projekt startowy Next.js dla serwerów MCP.
// Create a new .NET library project
// dotnet new classlib -n McpFinanceTools
using Microsoft.Mcp.Tools;
using System.Threading.Tasks;
using System.Net.Http;
using System.Text.Json;
namespace McpFinanceTools
{
// Stock quote tool
public class StockQuoteTool : IMcpTool
{
private readonly HttpClient _httpClient;
public StockQuoteTool(HttpClient httpClient = null)
{
_httpClient = httpClient ?? new HttpClient();
}
public string Name => "stockQuote";
public string Description => "Gets current stock quotes for specified symbols";
public object GetSchema()
{
return new {
type = "object",
properties = new {
symbol = new {
type = "string",
description = "Stock symbol (e.g., MSFT, AAPL)"
},
includeHistory = new {
type = "boolean",
description = "Whether to include historical data",
default = false
}
},
required = new[] { "symbol" }
};
}
public async Task<ToolResponse> ExecuteAsync(ToolRequest request)
{
// Extract parameters
string symbol = request.Parameters.GetProperty("symbol").GetString();
bool includeHistory = false;
if (request.Parameters.TryGetProperty("includeHistory", out var historyProp))
{
includeHistory = historyProp.GetBoolean();
}
// Call external API (example)
var quoteResult = await GetStockQuoteAsync(symbol);
// Add historical data if requested
if (includeHistory)
{
var historyData = await GetStockHistoryAsync(symbol);
quoteResult.Add("history", historyData);
}
// Return formatted result
return new ToolResponse {
Result = JsonSerializer.SerializeToElement(quoteResult)
};
}
private async Task<Dictionary<string, object>> GetStockQuoteAsync(string symbol)
{
// Implementation would call a real stock API
// This is a simplified example
return new Dictionary<string, object>
{
["symbol"] = symbol,
["price"] = 123.45,
["change"] = 2.5,
["percentChange"] = 1.2,
["lastUpdated"] = DateTime.UtcNow
};
}
private async Task<object> GetStockHistoryAsync(string symbol)
{
// Implementation would get historical data
// Simplified example
return new[]
{
new { date = DateTime.Now.AddDays(-7).Date, price = 120.25 },
new { date = DateTime.Now.AddDays(-6).Date, price = 122.50 },
new { date = DateTime.Now.AddDays(-5).Date, price = 121.75 }
// More historical data...
};
}
}
}
// Create package and publish to NuGet
// dotnet pack -c Release
// dotnet nuget push bin/Release/McpFinanceTools.1.0.0.nupkg -s https://api.nuget.org/v3/index.json -k YOUR_API_KEY// pom.xml configuration for a shareable MCP tool package
<!--
<project>
<groupId>com.example</groupId>
<artifactId>mcp-weather-tools</artifactId>
<version>1.0.0</version>
<dependencies>
<dependency>
<groupId>com.mcp</groupId>
<artifactId>mcp-server</artifactId>
<version>1.0.0</version>
</dependency>
</dependencies>
<distributionManagement>
<repository>
<id>github</id>
<name>GitHub Packages</name>
<url>https://maven.pkg.github.com/username/mcp-weather-tools</url>
</repository>
</distributionManagement>
</project>
-->
package com.example.mcp.weather;
import com.mcp.tools.Tool;
import com.mcp.tools.ToolRequest;
import com.mcp.tools.ToolResponse;
import com.mcp.tools.ToolExecutionException;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.net.URI;
import java.util.HashMap;
import java.util.Map;
public class WeatherForecastTool implements Tool {
private final HttpClient httpClient;
private final String apiKey;
public WeatherForecastTool(String apiKey) {
this.httpClient = HttpClient.newHttpClient();
this.apiKey = apiKey;
}
@Override
public String getName() {
return "weatherForecast";
}
@Override
public String getDescription() {
return "Gets weather forecast for a specified location";
}
@Override
public Object getSchema() {
Map<String, Object> schema = new HashMap<>();
// Schema definition...
return schema;
}
@Override
public ToolResponse execute(ToolRequest request) {
try {
String location = request.getParameters().get("location").asText();
int days = request.getParameters().has("days") ?
request.getParameters().get("days").asInt() : 3;
// Call weather API
Map<String, Object> forecast = getForecast(location, days);
// Build response
return new ToolResponse.Builder()
.setResult(forecast)
.build();
} catch (Exception ex) {
throw new ToolExecutionException("Weather forecast failed: " + ex.getMessage(), ex);
}
}
private Map<String, Object> getForecast(String location, int days) {
// Implementation would call weather API
// Simplified example
Map<String, Object> result = new HashMap<>();
// Add forecast data...
return result;
}
}
// Build and publish using Maven
// mvn clean package
// mvn deploy# Directory structure for a PyPI package:
# mcp_nlp_tools/
# ├── LICENSE
# ├── README.md
# ├── setup.py
# ├── mcp_nlp_tools/
# │ ├── __init__.py
# │ ├── sentiment_tool.py
# │ └── translation_tool.py
# Example setup.py
"""
from setuptools import setup, find_packages
setup(
name="mcp_nlp_tools",
version="0.1.0",
packages=find_packages(),
install_requires=[
"mcp_server>=1.0.0",
"transformers>=4.0.0",
"torch>=1.8.0"
],
author="Your Name",
author_email="your.email@example.com",
description="MCP tools for natural language processing tasks",
long_description=open("README.md").read(),
long_description_content_type="text/markdown",
url="https://github.com/username/mcp_nlp_tools",
classifiers=[
"Programming Language :: Python :: 3",
"License :: OSI Approved :: MIT License",
"Operating System :: OS Independent",
],
python_requires=">=3.8",
)
"""
# Example NLP tool implementation (sentiment_tool.py)
from mcp_tools import Tool, ToolRequest, ToolResponse, ToolExecutionException
from transformers import pipeline
import torch
class SentimentAnalysisTool(Tool):
"""MCP tool for sentiment analysis of text"""
def __init__(self, model_name="distilbert-base-uncased-finetuned-sst-2-english"):
# Load the sentiment analysis model
self.sentiment_analyzer = pipeline("sentiment-analysis", model=model_name)
def get_name(self):
return "sentimentAnalysis"
def get_description(self):
return "Analyzes the sentiment of text, classifying it as positive or negative"
def get_schema(self):
return {
"type": "object",
"properties": {
"text": {
"type": "string",
"description": "The text to analyze for sentiment"
},
"includeScore": {
"type": "boolean",
"description": "Whether to include confidence scores",
"default": True
}
},
"required": ["text"]
}
async def execute_async(self, request: ToolRequest) -> ToolResponse:
try:
# Extract parameters
text = request.parameters.get("text")
include_score = request.parameters.get("includeScore", True)
# Analyze sentiment
sentiment_result = self.sentiment_analyzer(text)[0]
# Format result
result = {
"sentiment": sentiment_result["label"],
"text": text
}
if include_score:
result["score"] = sentiment_result["score"]
# Return result
return ToolResponse(result=result)
except Exception as e:
raise ToolExecutionException(f"Sentiment analysis failed: {str(e)}")
# To publish:
# python setup.py sdist bdist_wheel
# python -m twine upload dist/*Podczas udostępniania narzędzi MCP społeczności:
-
Kompletna dokumentacja:
- Opisz cel, sposób użycia i przykłady.
- Wyjaśnij parametry i wartości zwracane.
- Udokumentuj wszelkie zewnętrzne zależności.
-
Obsługa błędów:
- Zaimplementuj solidną obsługę błędów.
- Zapewnij przydatne komunikaty o błędach.
- Obsługuj przypadki brzegowe.
-
Wydajność:
- Optymalizuj pod kątem szybkości i zużycia zasobów.
- Wdrażaj mechanizmy buforowania, gdy to konieczne.
- Uwzględnij skalowalność.
-
Bezpieczeństwo:
- Używaj bezpiecznych kluczy API i uwierzytelniania.
- Waliduj i sanitizuj dane wejściowe.
- Wdrażaj ograniczenia liczby żądań dla zewnętrznych wywołań API.
-
Testowanie:
- Uwzględnij kompleksowe pokrycie testami.
- Testuj różne typy danych wejściowych i przypadki brzegowe.
- Udokumentuj procedury testowe.
Efektywna współpraca jest kluczowa dla rozwoju ekosystemu MCP.
- Problemy i dyskusje na GitHubie
- Microsoft Tech Community
- Kanały Discord i Slack
- Stack Overflow (tagi:
model-context-protocollubmcp)
Podczas przeglądania wkładów MCP:
- Jasność: Czy kod jest jasny i dobrze udokumentowany?
- Poprawność: Czy działa zgodnie z oczekiwaniami?
- Spójność: Czy przestrzega konwencji projektu?
- Kompletność: Czy zawiera testy i dokumentację?
- Bezpieczeństwo: Czy istnieją jakiekolwiek obawy dotyczące bezpieczeństwa?
Podczas tworzenia dla MCP:
- Wersjonowanie protokołu: Przestrzegaj wersji protokołu MCP, którą obsługuje Twoje narzędzie.
- Zgodność klientów: Uwzględnij wsteczną kompatybilność.
- Zgodność serwerów: Przestrzegaj wytycznych dotyczących implementacji serwerów.
- Zmiany łamiące: Wyraźnie dokumentuj wszelkie zmiany łamiące.
# Example schema for a community tool registry API
from fastapi import FastAPI, HTTPException, Depends
from pydantic import BaseModel, Field, HttpUrl
from typing import List, Optional
import datetime
import uuid
# Models for the tool registry
class ToolSchema(BaseModel):
"""JSON Schema for a tool"""
type: str
properties: dict
required: List[str] = []
class ToolRegistration(BaseModel):
"""Information for registering a tool"""
name: str = Field(..., description="Unique name for the tool")
description: str = Field(..., description="Description of what the tool does")
version: str = Field(..., description="Semantic version of the tool")
schema: ToolSchema = Field(..., description="JSON Schema for tool parameters")
author: str = Field(..., description="Author of the tool")
repository: Optional[HttpUrl] = Field(None, description="Repository URL")
documentation: Optional[HttpUrl] = Field(None, description="Documentation URL")
package: Optional[HttpUrl] = Field(None, description="Package URL")
tags: List[str] = Field(default_factory=list, description="Tags for categorization")
examples: List[dict] = Field(default_factory=list, description="Example usage")
class Tool(ToolRegistration):
"""Tool with registry metadata"""
id: uuid.UUID = Field(default_factory=uuid.uuid4)
created_at: datetime.datetime = Field(default_factory=datetime.datetime.now)
updated_at: datetime.datetime = Field(default_factory=datetime.datetime.now)
downloads: int = Field(default=0)
rating: float = Field(default=0.0)
ratings_count: int = Field(default=0)
# FastAPI application for the registry
app = FastAPI(title="MCP Tool Registry")
# In-memory database for this example
tools_db = {}
@app.post("/tools", response_model=Tool)
async def register_tool(tool: ToolRegistration):
"""Register a new tool in the registry"""
if tool.name in tools_db:
raise HTTPException(status_code=400, detail=f"Tool '{tool.name}' already exists")
new_tool = Tool(**tool.dict())
tools_db[tool.name] = new_tool
return new_tool
@app.get("/tools", response_model=List[Tool])
async def list_tools(tag: Optional[str] = None):
"""List all registered tools, optionally filtered by tag"""
if tag:
return [tool for tool in tools_db.values() if tag in tool.tags]
return list(tools_db.values())
@app.get("/tools/{tool_name}", response_model=Tool)
async def get_tool(tool_name: str):
"""Get information about a specific tool"""
if tool_name not in tools_db:
raise HTTPException(status_code=404, detail=f"Tool '{tool_name}' not found")
return tools_db[tool_name]
@app.delete("/tools/{tool_name}")
async def delete_tool(tool_name: str):
"""Delete a tool from the registry"""
if tool_name not in tools_db:
raise HTTPException(status_code=404, detail=f"Tool '{tool_name}' not found")
del tools_db[tool_name]
return {"message": f"Tool '{tool_name}' deleted"}- Społeczność MCP jest zróżnicowana i otwarta na różne rodzaje wkładów.
- Wkład w MCP może obejmować ulepszenia głównego protokołu, jak i niestandardowe narzędzia.
- Przestrzeganie wytycznych dotyczących wkładu zwiększa szanse na zaakceptowanie Twojego PR.
- Tworzenie i udostępnianie narzędzi MCP to cenny sposób na rozwój ekosystemu.
- Współpraca społecznościowa jest kluczowa dla rozwoju i ulepszania MCP.
- Zidentyfikuj obszar w ekosystemie MCP, w którym możesz wnieść wkład, bazując na swoich umiejętnościach i zainteresowaniach.
- Sforkuj repozytorium MCP i skonfiguruj lokalne środowisko deweloperskie.
- Stwórz małe ulepszenie, poprawkę błędu lub narzędzie, które przyniesie korzyść społeczności.
- Udokumentuj swój wkład, dodając odpowiednie testy i dokumentację.
- Złóż pull request do odpowiedniego repozytorium.
Następne: Lekcje z wczesnej adopcji
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.