Ao criar um agente de IA, não se trata apenas de gerar respostas inteligentes; é também sobre dar ao seu agente a capacidade de agir. É aqui que entra o Model Context Protocol (MCP). O MCP facilita o acesso dos agentes a ferramentas e serviços externos de forma consistente. Pense nisso como conectar o seu agente a uma caixa de ferramentas que ele pode realmente usar.
Imagine que você conecta um agente ao seu servidor MCP de calculadora. De repente, o seu agente pode realizar operações matemáticas apenas recebendo um comando como "Quanto é 47 vezes 89?"—sem necessidade de codificar lógica ou criar APIs personalizadas.
Esta lição aborda como conectar um servidor MCP de calculadora a um agente usando a extensão AI Toolkit no Visual Studio Code, permitindo que o seu agente realize operações matemáticas como adição, subtração, multiplicação e divisão através de linguagem natural.
O AI Toolkit é uma extensão poderosa para o Visual Studio Code que simplifica o desenvolvimento de agentes. Engenheiros de IA podem facilmente criar aplicações de IA desenvolvendo e testando modelos generativos de IA—localmente ou na nuvem. A extensão suporta a maioria dos principais modelos generativos disponíveis atualmente.
Nota: O AI Toolkit atualmente suporta Python e TypeScript.
Ao final desta lição, você será capaz de:
- Consumir um servidor MCP via o AI Toolkit.
- Configurar um agente para que ele descubra e utilize ferramentas fornecidas pelo servidor MCP.
- Utilizar ferramentas MCP através de linguagem natural.
Aqui está como devemos abordar isso em um nível geral:
- Criar um agente e definir o seu prompt de sistema.
- Criar um servidor MCP com ferramentas de calculadora.
- Conectar o Agent Builder ao servidor MCP.
- Testar a invocação de ferramentas do agente através de linguagem natural.
Ótimo, agora que entendemos o fluxo, vamos configurar um agente de IA para aproveitar ferramentas externas via MCP, ampliando suas capacidades!
Warning
Nota para utilizadores de macOS. Estamos atualmente a investigar um problema que afeta a instalação de dependências no macOS. Como resultado, os utilizadores de macOS não poderão concluir este tutorial por enquanto. Atualizaremos as instruções assim que uma correção estiver disponível. Obrigado pela paciência e compreensão!
Neste exercício, você irá construir, executar e aprimorar um agente de IA com ferramentas de um servidor MCP dentro do Visual Studio Code usando o AI Toolkit.
O exercício utiliza o modelo GPT-4o. O modelo deve ser adicionado aos Meus Modelos antes de criar o agente.
- Abra a extensão AI Toolkit na Barra de Atividades.
- Na seção Catálogo, selecione Modelos para abrir o Catálogo de Modelos. Selecionar Modelos abre o Catálogo de Modelos numa nova aba do editor.
- Na barra de pesquisa do Catálogo de Modelos, insira OpenAI GPT-4o.
- Clique em + Adicionar para adicionar o modelo à sua lista de Meus Modelos. Certifique-se de que selecionou o modelo Hospedado pelo GitHub.
- Na Barra de Atividades, confirme que o modelo OpenAI GPT-4o aparece na lista.
O Agent (Prompt) Builder permite criar e personalizar agentes alimentados por IA. Nesta seção, você criará um novo agente e atribuirá um modelo para alimentar a conversa.
- Abra a extensão AI Toolkit na Barra de Atividades.
- Na seção Ferramentas, selecione Agent (Prompt) Builder. Selecionar Agent (Prompt) Builder abre o Agent (Prompt) Builder numa nova aba do editor.
- Clique no botão + Novo Agente. A extensão lançará um assistente de configuração via o Command Palette.
- Insira o nome Agente Calculadora e pressione Enter.
- No Agent (Prompt) Builder, no campo Modelo, selecione o modelo OpenAI GPT-4o (via GitHub).
Com o agente configurado, é hora de definir sua personalidade e propósito. Nesta seção, você usará o recurso Gerar prompt de sistema para descrever o comportamento pretendido do agente—neste caso, um agente calculadora—e permitir que o modelo escreva o prompt de sistema para você.
- Na seção Prompts, clique no botão Gerar prompt de sistema. Este botão abre o construtor de prompts que utiliza IA para gerar um prompt de sistema para o agente.
- Na janela Gerar um prompt, insira o seguinte:
Você é um assistente de matemática útil e eficiente. Quando recebe um problema envolvendo aritmética básica, responde com o resultado correto. - Clique no botão Gerar. Uma notificação aparecerá no canto inferior direito confirmando que o prompt de sistema está sendo gerado. Assim que a geração do prompt for concluída, o prompt aparecerá no campo Prompt de sistema do Agent (Prompt) Builder.
- Revise o Prompt de sistema e modifique, se necessário.
Agora que você definiu o prompt de sistema do seu agente—orientando seu comportamento e respostas—é hora de equipar o agente com capacidades práticas. Nesta seção, você criará um servidor MCP de calculadora com ferramentas para executar cálculos de adição, subtração, multiplicação e divisão. Este servidor permitirá que o seu agente realize operações matemáticas em tempo real em resposta a comandos de linguagem natural.
O AI Toolkit está equipado com templates para facilitar a criação do seu próprio servidor MCP. Usaremos o template Python para criar o servidor MCP de calculadora.
Nota: O AI Toolkit atualmente suporta Python e TypeScript.
-
Na seção Ferramentas do Agent (Prompt) Builder, clique no botão + MCP Server. A extensão lançará um assistente de configuração via o Command Palette.
-
Selecione + Adicionar Servidor.
-
Selecione Criar um Novo Servidor MCP.
-
Selecione python-weather como o template.
-
Selecione Pasta padrão para salvar o template do servidor MCP.
-
Insira o seguinte nome para o servidor: Calculadora
-
Uma nova janela do Visual Studio Code será aberta. Selecione Sim, confio nos autores.
-
Usando o terminal (Terminal > Novo Terminal), crie um ambiente virtual:
python -m venv .venv -
Usando o terminal, ative o ambiente virtual:
- Windows -
.venv\Scripts\activate - macOS/Linux -
source .venv/bin/activate
- Windows -
-
Usando o terminal, instale as dependências:
pip install -e .[dev] -
Na Visualização do Explorador da Barra de Atividades, expanda o diretório src e selecione server.py para abrir o arquivo no editor.
-
Substitua o código no arquivo server.py pelo seguinte e salve:
""" Sample MCP Calculator Server implementation in Python. This module demonstrates how to create a simple MCP server with calculator tools that can perform basic arithmetic operations (add, subtract, multiply, divide). """ from mcp.server.fastmcp import FastMCP server = FastMCP("calculator") @server.tool() def add(a: float, b: float) -> float: """Add two numbers together and return the result.""" return a + b @server.tool() def subtract(a: float, b: float) -> float: """Subtract b from a and return the result.""" return a - b @server.tool() def multiply(a: float, b: float) -> float: """Multiply two numbers together and return the result.""" return a * b @server.tool() def divide(a: float, b: float) -> float: """ Divide a by b and return the result. Raises: ValueError: If b is zero """ if b == 0: raise ValueError("Cannot divide by zero") return a / b
Agora que o seu agente tem ferramentas, é hora de usá-las! Nesta seção, você enviará comandos ao agente para testar e validar se ele utiliza a ferramenta apropriada do servidor MCP de calculadora.
Você executará o servidor MCP de calculadora na sua máquina de desenvolvimento local via o Agent Builder como cliente MCP.
- Pressione
F5para iniciar a depuração do servidor MCP. O Agent (Prompt) Builder será aberto numa nova aba do editor. O status do servidor é visível no terminal. - No campo Prompt do utilizador do Agent (Prompt) Builder, insira o seguinte comando:
Comprei 3 itens com preço de $25 cada e depois usei um desconto de $20. Quanto paguei? - Clique no botão Executar para gerar a resposta do agente.
- Revise a saída do agente. O modelo deve concluir que você pagou $55.
- Aqui está um resumo do que deve ocorrer:
- O agente seleciona as ferramentas multiplicar e subtrair para ajudar no cálculo.
- Os valores
aebsão atribuídos para a ferramenta multiplicar. - Os valores
aebsão atribuídos para a ferramenta subtrair. - A resposta de cada ferramenta é fornecida na respectiva Resposta da Ferramenta.
- A saída final do modelo é fornecida na Resposta do Modelo.
- Envie comandos adicionais para testar ainda mais o agente. Você pode modificar o comando existente no campo Prompt do utilizador clicando no campo e substituindo o comando existente.
- Quando terminar de testar o agente, pode parar o servidor via o terminal inserindo CTRL/CMD+C para sair.
Tente adicionar uma entrada de ferramenta adicional ao seu arquivo server.py (ex: retornar a raiz quadrada de um número). Envie comandos adicionais que exijam que o agente utilize a nova ferramenta (ou ferramentas existentes). Certifique-se de reiniciar o servidor para carregar as ferramentas recém-adicionadas.
Os pontos principais deste capítulo são os seguintes:
- A extensão AI Toolkit é um ótimo cliente que permite consumir servidores MCP e suas ferramentas.
- Você pode adicionar novas ferramentas aos servidores MCP, expandindo as capacidades do agente para atender a requisitos em evolução.
- O AI Toolkit inclui templates (ex: templates de servidor MCP em Python) para simplificar a criação de ferramentas personalizadas.
- Próximo: Testar e Depurar
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.