(Kliknij obrazek powyżej, aby obejrzeć wideo z tej lekcji)
Witamy na Warsztatach Model Context Protocol (MCP)! Ten kompleksowy warsztat praktyczny łączy dwie nowoczesne technologie, które rewolucjonizują rozwój aplikacji AI:
- 🔗 Model Context Protocol (MCP): Otwarty standard dla bezproblemowej integracji narzędzi AI
- 🛠️ AI Toolkit dla Visual Studio Code (AITK): Potężne rozszerzenie Microsoftu do tworzenia aplikacji AI
Po ukończeniu tego warsztatu opanujesz sztukę budowania inteligentnych aplikacji, które łączą modele AI z rzeczywistymi narzędziami i usługami. Od automatycznego testowania po niestandardowe integracje API – zdobędziesz praktyczne umiejętności rozwiązywania złożonych wyzwań biznesowych.
MCP to "USB-C dla AI" – uniwersalny standard łączący modele AI z zewnętrznymi narzędziami i źródłami danych.
✨ Kluczowe Funkcje:
- 🔄 Standaryzowana Integracja: Uniwersalny interfejs do łączenia narzędzi AI
- 🏛️ Elastyczna Architektura: Lokalne i zdalne serwery przez stdio/SSE
- 🧰 Bogaty Ekosystem: Narzędzia, podpowiedzi i zasoby w jednym protokole
- 🔒 Gotowość dla Przedsiębiorstw: Wbudowane bezpieczeństwo i niezawodność
🎯 Dlaczego MCP jest ważne: Podobnie jak USB-C wyeliminowało chaos kabli, MCP eliminuje złożoność integracji AI. Jeden protokół, nieskończone możliwości.
Flagowe rozszerzenie Microsoftu do tworzenia aplikacji AI, które przekształca VS Code w potężne narzędzie AI.
🚀 Kluczowe Możliwości:
- 📦 Katalog Modeli: Dostęp do modeli z Azure AI, GitHub, Hugging Face, Ollama
- ⚡ Lokalne Wnioskowanie: Wykorzystanie ONNX na CPU/GPU/NPU
- 🏗️ Agent Builder: Wizualne tworzenie agentów AI z integracją MCP
- 🎭 Multi-Modalność: Obsługa tekstu, obrazu i danych strukturalnych
💡 Korzyści dla Twórców:
- Wdrożenie modeli bez konfiguracji
- Wizualne projektowanie podpowiedzi
- Interaktywne środowisko testowe
- Bezproblemowa integracja z serwerami MCP
Czas trwania: 15 minut
- 🛠️ Instalacja i konfiguracja AI Toolkit dla VS Code
- 🗂️ Eksploracja Katalogu Modeli (ponad 100 modeli z GitHub, ONNX, OpenAI, Anthropic, Google)
- 🎮 Opanowanie Interaktywnego Środowiska Testowego do testowania modeli w czasie rzeczywistym
- 🤖 Tworzenie pierwszego agenta AI za pomocą Agent Builder
- 📊 Ocena wydajności modeli za pomocą wbudowanych metryk (F1, trafność, podobieństwo, spójność)
- ⚡ Nauka przetwarzania wsadowego i obsługi multi-modalności
🎯 Efekt nauki: Stworzenie funkcjonalnego agenta AI z pełnym zrozumieniem możliwości AITK
Czas trwania: 20 minut
- 🧠 Opanowanie architektury i koncepcji Model Context Protocol (MCP)
- 🌐 Eksploracja ekosystemu serwerów MCP Microsoftu
- 🤖 Tworzenie agenta automatyzacji przeglądarki za pomocą serwera MCP Playwright
- 🔧 Integracja serwerów MCP z Agent Builder w AI Toolkit
- 📊 Konfiguracja i testowanie narzędzi MCP w agentach
- 🚀 Eksport i wdrożenie agentów zasilanych MCP do produkcji
🎯 Efekt nauki: Wdrożenie agenta AI wzbogaconego o zewnętrzne narzędzia dzięki MCP
Czas trwania: 20 minut
- 💻 Tworzenie niestandardowych serwerów MCP za pomocą AI Toolkit
- 🐍 Konfiguracja i użycie najnowszego MCP Python SDK (v1.9.3)
- 🔍 Ustawienie i wykorzystanie MCP Inspector do debugowania
- 🛠️ Budowa serwera MCP Pogody z profesjonalnymi przepływami debugowania
- 🧪 Debugowanie serwerów MCP w środowiskach Agent Builder i Inspector
🎯 Efekt nauki: Tworzenie i debugowanie niestandardowych serwerów MCP za pomocą nowoczesnych narzędzi
Czas trwania: 30 minut
- 🏗️ Tworzenie rzeczywistego serwera MCP Klonowania GitHub dla przepływów pracy deweloperskiej
- 🔄 Implementacja inteligentnego klonowania repozytoriów z walidacją i obsługą błędów
- 📁 Tworzenie inteligentnego zarządzania katalogami i integracji z VS Code
- 🤖 Wykorzystanie trybu agenta GitHub Copilot z niestandardowymi narzędziami MCP
- 🛡️ Zastosowanie niezawodności gotowej do produkcji i kompatybilności międzyplatformowej
🎯 Efekt nauki: Wdrożenie gotowego do produkcji serwera MCP, który usprawnia rzeczywiste przepływy pracy deweloperskiej
Przekształć swój przepływ pracy dzięki inteligentnej automatyzacji:
- Inteligentne Zarządzanie Repozytoriami: Recenzje kodu i decyzje o scalaniu napędzane AI
- Inteligentne CI/CD: Automatyczna optymalizacja pipeline'ów na podstawie zmian w kodzie
- Klasyfikacja Problemów: Automatyczne przypisywanie i klasyfikacja błędów
Podnieś poziom testowania dzięki automatyzacji napędzanej AI:
- Inteligentne Generowanie Testów: Automatyczne tworzenie kompleksowych zestawów testów
- Testy Wizualnej Regresji: Wykrywanie zmian w interfejsie użytkownika za pomocą AI
- Monitorowanie Wydajności: Proaktywne identyfikowanie i rozwiązywanie problemów
Twórz inteligentniejsze przepływy przetwarzania danych:
- Adaptacyjne Procesy ETL: Samooptymalizujące się transformacje danych
- Wykrywanie Anomalii: Monitorowanie jakości danych w czasie rzeczywistym
- Inteligentne Kierowanie: Inteligentne zarządzanie przepływem danych
Twórz wyjątkowe interakcje z klientami:
- Wsparcie Świadome Kontekstu: Agenci AI z dostępem do historii klienta
- Proaktywne Rozwiązywanie Problemów: Predykcyjna obsługa klienta
- Integracja Wielokanałowa: Ujednolicone doświadczenie AI na różnych platformach
| Komponent | Wymaganie | Uwagi |
|---|---|---|
| System Operacyjny | Windows 10+, macOS 10.15+, Linux | Dowolny nowoczesny system operacyjny |
| Visual Studio Code | Najnowsza stabilna wersja | Wymagane dla AITK |
| Node.js | v18.0+ i npm | Do tworzenia serwerów MCP |
| Python | 3.10+ | Opcjonalne dla serwerów MCP w Pythonie |
| Pamięć | Minimum 8GB RAM | 16GB zalecane dla lokalnych modeli |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) – Opcjonalne, ale przydatne
- uv: Nowoczesny menedżer pakietów Python
- MCP Inspector: Wizualne narzędzie do debugowania serwerów MCP
- Playwright: Do przykładów automatyzacji przeglądarki
Po ukończeniu tego warsztatu osiągniesz biegłość w:
- Mistrzostwo w Protokole MCP: Dogłębne zrozumienie architektury i wzorców implementacji
- Biegłość w AITK: Eksperckie wykorzystanie AI Toolkit do szybkiego rozwoju
- Tworzenie Niestandardowych Serwerów: Budowa, wdrażanie i utrzymanie serwerów MCP
- Integracja Narzędzi: Bezproblemowe łączenie AI z istniejącymi przepływami pracy
- Zastosowanie Rozwiązań: Wykorzystanie zdobytych umiejętności do rozwiązywania rzeczywistych wyzwań biznesowych
- Konfiguracja AI Toolkit w VS Code
- Projektowanie i implementacja niestandardowych serwerów MCP
- Integracja modeli GitHub z architekturą MCP
- Tworzenie zautomatyzowanych przepływów testowych z Playwright
- Wdrożenie agentów AI do produkcji
- Debugowanie i optymalizacja wydajności serwerów MCP
- Projektowanie integracji AI na skalę przedsiębiorstwa
- Wdrażanie najlepszych praktyk bezpieczeństwa dla aplikacji AI
- Projektowanie skalowalnych architektur serwerów MCP
- Tworzenie niestandardowych łańcuchów narzędzi dla specyficznych dziedzin
- Mentoring w zakresie rozwoju aplikacji AI
- Specyfikacja MCP
- Repozytorium GitHub AI Toolkit
- Kolekcja Przykładowych Serwerów MCP
- Przewodnik Najlepszych Praktyk
🚀 Gotowy, aby zrewolucjonizować swój przepływ pracy z AI?
Budujmy razem przyszłość inteligentnych aplikacji z MCP i AI Toolkit!
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.