Skip to content

README.md

Latest commit

 

History

History
189 lines (133 loc) · 10.7 KB

README.md

File metadata and controls

189 lines (133 loc) · 10.7 KB

Kutumia seva kutoka kwa kiendelezi cha AI Toolkit katika Visual Studio Code

Unapojenga wakala wa AI, si tu kuhusu kutoa majibu ya busara; ni pia kuhusu kumpa wakala wako uwezo wa kuchukua hatua. Hapo ndipo Model Context Protocol (MCP) inapoingia. MCP hufanya iwe rahisi kwa mawakala kufikia zana na huduma za nje kwa njia thabiti. Fikiria kama kuunganisha wakala wako kwenye kisanduku cha zana ambacho kinaweza kweli kutumia.

Tuseme umeunganisha wakala wako na seva ya MCP ya kikokotoo. Ghafla, wakala wako anaweza kufanya hesabu za kihisabati kwa kupokea tu swali kama “47 mara 89 ni ngapi?”—hakuna haja ya kuweka mantiki kwa mikono au kujenga API maalum.

Muhtasari

Somo hili linaelezea jinsi ya kuunganisha seva ya MCP ya kikokotoo na wakala kwa kutumia kiendelezi cha AI Toolkit katika Visual Studio Code, na hivyo kuwezesha wakala wako kufanya operesheni za kihisabati kama kuongeza, kutoa, kuzidisha, na kugawanya kupitia lugha ya kawaida.

AI Toolkit ni kiendelezi chenye nguvu kwa Visual Studio Code kinachorahisisha maendeleo ya mawakala wa AI. Wahandisi wa AI wanaweza kwa urahisi kujenga programu za AI kwa kuendeleza na kupima mifano ya AI ya kizazi—kwa ndani au kwenye wingu. Kiendelezi hiki kinaunga mkono mifano mingi mikubwa ya kizazi inayopatikana leo.

Kidokezo: AI Toolkit kwa sasa inaunga mkono Python na TypeScript.

Malengo ya Kujifunza

Mwisho wa somo hili, utaweza:

  • Kutumia seva ya MCP kupitia AI Toolkit.
  • Kusakinisha usanidi wa wakala ili kuwezesha kugundua na kutumia zana zinazotolewa na seva ya MCP.
  • Kutumia zana za MCP kupitia lugha ya kawaida.

Njia

Hivi ndivyo tunavyohitaji kukaribia hili kwa kiwango cha juu:

  • Unda wakala na ufafanue mfumo wake wa maelezo.
  • Unda seva ya MCP yenye zana za kikokotoo.
  • Unganisha Agent Builder na seva ya MCP.
  • Jaribu mwito wa zana za wakala kupitia lugha ya kawaida.

Vizuri, sasa kwa kuwa tumeelewa mtiririko, hebu tusakinishe wakala wa AI ili kutumia zana za nje kupitia MCP, na hivyo kuboresha uwezo wake!

Mahitaji

Zoezi: Kutumia seva

Warning

Kidokezo kwa Watumiaji wa macOS. Kwa sasa tunachunguza suala linaloathiri usakinishaji wa utegemezi kwenye macOS. Kwa sababu hiyo, watumiaji wa macOS hawataweza kukamilisha mafunzo haya kwa sasa. Tutasasisha maagizo mara tu suluhisho litakapopatikana. Asante kwa uvumilivu na uelewa wako!

Katika zoezi hili, utajenga, kuendesha, na kuboresha wakala wa AI na zana kutoka kwa seva ya MCP ndani ya Visual Studio Code kwa kutumia AI Toolkit.

-0- Hatua ya awali, ongeza mfano wa OpenAI GPT-4o kwenye My Models

Zoezi hili linatumia mfano wa GPT-4o. Mfano huu unapaswa kuongezwa kwenye My Models kabla ya kuunda wakala.

  1. Fungua kiendelezi cha AI Toolkit kutoka kwenye Activity Bar.
  2. Katika sehemu ya Catalog, chagua Models ili kufungua Model Catalog. Kuchagua Models hufungua Model Catalog kwenye kichupo kipya cha mhariri.
  3. Katika upau wa utafutaji wa Model Catalog, ingiza OpenAI GPT-4o.
  4. Bonyeza + Add ili kuongeza mfano kwenye orodha yako ya My Models. Hakikisha umechagua mfano ambao umeandaliwa na GitHub.
  5. Katika Activity Bar, hakikisha kwamba mfano wa OpenAI GPT-4o unaonekana kwenye orodha.

-1- Unda wakala

Agent (Prompt) Builder hukuwezesha kuunda na kubinafsisha mawakala wako wenye nguvu wa AI. Katika sehemu hii, utaunda wakala mpya na kupeana mfano wa kuendesha mazungumzo.

  1. Fungua kiendelezi cha AI Toolkit kutoka kwenye Activity Bar.
  2. Katika sehemu ya Tools, chagua Agent (Prompt) Builder. Kuchagua Agent (Prompt) Builder hufungua Agent (Prompt) Builder kwenye kichupo kipya cha mhariri.
  3. Bonyeza kitufe cha + New Agent. Kiendelezi kitazindua mwongozo wa usanidi kupitia Command Palette.
  4. Ingiza jina Calculator Agent na bonyeza Enter.
  5. Katika Agent (Prompt) Builder, kwa sehemu ya Model, chagua mfano wa OpenAI GPT-4o (via GitHub).

-2- Unda mfumo wa maelezo kwa wakala

Baada ya kuunda msingi wa wakala, ni wakati wa kufafanua tabia na madhumuni yake. Katika sehemu hii, utatumia kipengele cha Generate system prompt kuelezea tabia inayokusudiwa ya wakala—katika kesi hii, wakala wa kikokotoo—na kuruhusu mfano kuandika mfumo wa maelezo kwa ajili yako.

  1. Kwa sehemu ya Prompts, bonyeza kitufe cha Generate system prompt. Kitufe hiki hufungua mjenzi wa maelezo ambao hutumia AI kuunda mfumo wa maelezo kwa wakala.
  2. Katika dirisha la Generate a prompt, ingiza yafuatayo: Wewe ni msaidizi wa hesabu mwenye msaada na ufanisi. Unapopewa tatizo linalohusisha hesabu za msingi, unajibu kwa matokeo sahihi.
  3. Bonyeza kitufe cha Generate. Arifa itaonekana kwenye kona ya chini-kulia ikithibitisha kwamba mfumo wa maelezo unazalishwa. Baada ya kizazi kukamilika, maelezo yataonekana kwenye sehemu ya System prompt ya Agent (Prompt) Builder.
  4. Kagua System prompt na urekebishe ikiwa ni lazima.

-3- Unda seva ya MCP

Sasa kwa kuwa umefafanua mfumo wa maelezo wa wakala wako—unaongoza tabia na majibu yake—ni wakati wa kumpa wakala uwezo wa vitendo. Katika sehemu hii, utaunda seva ya MCP ya kikokotoo yenye zana za kutekeleza hesabu za kuongeza, kutoa, kuzidisha, na kugawanya. Seva hii itamwezesha wakala wako kufanya hesabu za wakati halisi kwa kujibu maswali ya lugha ya kawaida.

AI Toolkit imewekwa na violezo vya kurahisisha uundaji wa seva yako ya MCP. Tutatumia kiolezo cha Python kuunda seva ya MCP ya kikokotoo.

Kidokezo: AI Toolkit kwa sasa inaunga mkono Python na TypeScript.

  1. Katika sehemu ya Tools ya Agent (Prompt) Builder, bonyeza kitufe cha + MCP Server. Kiendelezi kitazindua mwongozo wa usanidi kupitia Command Palette.

  2. Chagua + Add Server.

  3. Chagua Create a New MCP Server.

  4. Chagua python-weather kama kiolezo.

  5. Chagua Default folder kuhifadhi kiolezo cha seva ya MCP.

  6. Ingiza jina lifuatalo kwa seva: Calculator

  7. Dirisha jipya la Visual Studio Code litafunguka. Chagua Yes, I trust the authors.

  8. Kutumia terminal (Terminal > New Terminal), unda mazingira halisi: python -m venv .venv

  9. Kutumia terminal, wezesha mazingira halisi:

    1. Windows - .venv\Scripts\activate
    2. macOS/Linux - source .venv/bin/activate

  10. Kutumia terminal, sakinisha utegemezi: pip install -e .[dev]

  11. Katika mwonekano wa Explorer wa Activity Bar, panua saraka ya src na uchague server.py kufungua faili kwenye mhariri.

  12. Badilisha msimbo katika faili ya server.py na yafuatayo na uhifadhi:

    """
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

-4- Endesha wakala na seva ya MCP ya kikokotoo

Sasa kwa kuwa wakala wako ana zana, ni wakati wa kuzitumia! Katika sehemu hii, utaingiza maswali kwa wakala ili kupima na kuthibitisha kama wakala anatumia zana sahihi kutoka kwa seva ya MCP ya kikokotoo.

  1. Bonyeza F5 kuanza kusuluhisha seva ya MCP. Agent (Prompt) Builder itafunguka kwenye kichupo kipya cha mhariri. Hali ya seva inaonekana kwenye terminal.
  2. Katika sehemu ya User prompt ya Agent (Prompt) Builder, ingiza swali lifuatalo: Nilinunua vitu 3 vyenye bei ya $25 kila kimoja, kisha nikatumia punguzo la $20. Niliwalipa kiasi gani?
  3. Bonyeza kitufe cha Run ili kutoa jibu la wakala.
  4. Kagua matokeo ya wakala. Mfano unapaswa kuhitimisha kwamba ulilipa $55.
  5. Hivi ndivyo kinachopaswa kutokea:
    • Wakala huchagua zana za multiply na subtract kusaidia katika hesabu.
    • Thamani za a na b zinatolewa kwa zana ya multiply.
    • Thamani za a na b zinatolewa kwa zana ya subtract.
    • Jibu kutoka kwa kila zana hutolewa katika sehemu ya Tool Response.
    • Matokeo ya mwisho kutoka kwa mfano hutolewa katika sehemu ya mwisho ya Model Response.
  6. Ingiza maswali ya ziada ili kujaribu zaidi wakala. Unaweza kubadilisha swali lililopo katika sehemu ya User prompt kwa kubofya ndani ya sehemu hiyo na kubadilisha swali lililopo.
  7. Ukimaliza kujaribu wakala, unaweza kusimamisha seva kupitia terminal kwa kuingiza CTRL/CMD+C ili kuacha.

Kazi

Jaribu kuongeza zana ya ziada kwenye faili yako ya server.py (mfano: rudisha mzizi wa mraba wa nambari). Ingiza maswali ya ziada ambayo yatamfanya wakala kutumia zana yako mpya (au zana zilizopo). Hakikisha kuanzisha upya seva ili kupakia zana mpya ulizoongeza.

Suluhisho

Suluhisho

Mambo Muhimu ya Kujifunza

Mambo muhimu kutoka kwa sura hii ni haya yafuatayo:

  • Kiendelezi cha AI Toolkit ni mteja mzuri kinachokuwezesha kutumia seva za MCP na zana zake.
  • Unaweza kuongeza zana mpya kwenye seva za MCP, kupanua uwezo wa wakala ili kukidhi mahitaji yanayobadilika.
  • AI Toolkit inajumuisha violezo (mfano, violezo vya seva za MCP za Python) kurahisisha uundaji wa zana maalum.

Rasilimali za Ziada

Kinachofuata

Kanusho:
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, inashauriwa kutumia huduma ya tafsiri ya kitaalamu ya binadamu. Hatutawajibika kwa maelewano mabaya au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.