Skip to content

README.md

Latest commit

 

History

History
220 lines (157 loc) · 24.9 KB

README.md

File metadata and controls

220 lines (157 loc) · 24.9 KB

ข้อจำกัดความรับผิดชอบเกี่ยวกับตัวอย่างโค้ด

หมายเหตุสำคัญ: ตัวอย่างโค้ดด้านล่างนี้แสดงการผสานรวม Model Context Protocol (MCP) กับฟังก์ชันการค้นหาเว็บ แม้ว่าจะปฏิบัติตามรูปแบบและโครงสร้างของ MCP SDK อย่างเป็นทางการ แต่ได้ถูกทำให้ง่ายขึ้นเพื่อวัตถุประสงค์ทางการศึกษา

ตัวอย่างเหล่านี้แสดงให้เห็น:

  1. การใช้งาน Python: การใช้งานเซิร์ฟเวอร์ FastMCP ที่ให้เครื่องมือค้นหาเว็บและเชื่อมต่อกับ API การค้นหาภายนอก ตัวอย่างนี้แสดงการจัดการอายุการใช้งานอย่างถูกต้อง การจัดการบริบท และการใช้งานเครื่องมือตามรูปแบบของ MCP Python SDK อย่างเป็นทางการ เซิร์ฟเวอร์ใช้การขนส่งแบบ Streamable HTTP ที่แนะนำ ซึ่งมาแทนที่การขนส่ง SSE แบบเก่าสำหรับการใช้งานจริง

  2. การใช้งาน JavaScript: การใช้งาน TypeScript/JavaScript โดยใช้รูปแบบ FastMCP จาก MCP TypeScript SDK อย่างเป็นทางการ เพื่อสร้างเซิร์ฟเวอร์ค้นหาพร้อมการกำหนดเครื่องมือและการเชื่อมต่อไคลเอนต์อย่างถูกต้อง ปฏิบัติตามรูปแบบที่แนะนำล่าสุดสำหรับการจัดการเซสชันและการรักษาบริบท

ตัวอย่างเหล่านี้ยังต้องการการจัดการข้อผิดพลาด การตรวจสอบสิทธิ์ และโค้ดการผสาน API เฉพาะเพิ่มเติมสำหรับการใช้งานจริง จุดสิ้นสุด API การค้นหาที่แสดง (https://api.search-service.example/search) เป็นเพียงตัวอย่างและต้องถูกแทนที่ด้วยจุดสิ้นสุดของบริการค้นหาจริง

สำหรับรายละเอียดการใช้งานอย่างครบถ้วนและแนวทางที่ทันสมัยที่สุด โปรดดูที่ ข้อกำหนด MCP อย่างเป็นทางการ และเอกสาร SDK

แนวคิดหลัก

กรอบงาน Model Context Protocol (MCP)

ในพื้นฐาน Model Context Protocol ให้วิธีมาตรฐานสำหรับโมเดล AI แอปพลิเคชัน และบริการในการแลกเปลี่ยนบริบท ในการค้นหาเว็บแบบเรียลไทม์ กรอบงานนี้มีความสำคัญสำหรับการสร้างประสบการณ์การค้นหาหลายรอบที่สอดคล้องกัน ส่วนประกอบหลักได้แก่:

  1. สถาปัตยกรรมไคลเอนต์-เซิร์ฟเวอร์: MCP กำหนดการแยกชัดเจนระหว่างไคลเอนต์ค้นหา (ผู้ร้องขอ) และเซิร์ฟเวอร์ค้นหา (ผู้ให้บริการ) ช่วยให้สามารถปรับใช้ได้อย่างยืดหยุ่น

  2. การสื่อสาร JSON-RPC: โปรโตคอลใช้ JSON-RPC สำหรับแลกเปลี่ยนข้อความ ทำให้เข้ากันได้กับเทคโนโลยีเว็บและง่ายต่อการใช้งานบนแพลตฟอร์มต่าง ๆ

  3. การจัดการบริบท: MCP กำหนดวิธีการที่มีโครงสร้างสำหรับการรักษา อัปเดต และใช้ประโยชน์จากบริบทการค้นหาผ่านหลายการโต้ตอบ

  4. การกำหนดเครื่องมือ: ความสามารถในการค้นหาถูกเปิดเผยเป็นเครื่องมือมาตรฐานที่มีพารามิเตอร์และค่าผลลัพธ์ที่กำหนดไว้อย่างชัดเจน

  5. การสนับสนุนการสตรีม: โปรโตคอลรองรับการสตรีมผลลัพธ์ ซึ่งจำเป็นสำหรับการค้นหาแบบเรียลไทม์ที่ผลลัพธ์อาจมาถึงอย่างต่อเนื่อง

รูปแบบการผสานรวมการค้นหาเว็บ

เมื่อผสานรวม MCP กับการค้นหาเว็บ จะมีรูปแบบต่าง ๆ ดังนี้:

1. การผสานรวมผู้ให้บริการค้นหาโดยตรง

graph LR
    Client[MCP Client] --> |MCP Request| Server[MCP Server]
    Server --> |API Call| SearchAPI[Search API]
    SearchAPI --> |Results| Server
    Server --> |MCP Response| Client
Loading

ในรูปแบบนี้ เซิร์ฟเวอร์ MCP จะติดต่อกับ API การค้นหาโดยตรงหลายตัว แปลงคำขอ MCP เป็นคำสั่งเฉพาะ API และจัดรูปแบบผลลัพธ์เป็นการตอบสนอง MCP

2. การค้นหาแบบรวมศูนย์พร้อมการรักษาบริบท

graph LR
    Client[MCP Client] --> |MCP Request| Federation[MCP Federation Layer]
    Federation --> |MCP Request 1| Search1[Search Provider 1]
    Federation --> |MCP Request 2| Search2[Search Provider 2]
    Federation --> |MCP Request 3| Search3[Search Provider 3]
    Search1 --> |MCP Response 1| Federation
    Search2 --> |MCP Response 2| Federation
    Search3 --> |MCP Response 3| Federation
    Federation --> |Aggregated MCP Response| Client
Loading

รูปแบบนี้กระจายคำค้นหาผ่านผู้ให้บริการค้นหาที่เข้ากันได้กับ MCP หลายราย ซึ่งแต่ละรายอาจเชี่ยวชาญในเนื้อหาหรือความสามารถการค้นหาที่แตกต่างกัน ในขณะที่รักษาบริบทแบบรวมศูนย์

3. โซ่การค้นหาที่เสริมบริบท

graph LR
    Client[MCP Client] --> |Query + Context| Server[MCP Server]
    Server --> |1. Query Analysis| NLP[NLP Service]
    NLP --> |Enhanced Query| Server
    Server --> |2. Search Execution| Search[Search Engine]
    Search --> |Raw Results| Server
    Server --> |3. Result Processing| Enhancement[Result Enhancement]
    Enhancement --> |Enhanced Results| Server
    Server --> |Final Results + Updated Context| Client
Loading

ในรูปแบบนี้ กระบวนการค้นหาจะแบ่งเป็นหลายขั้นตอน โดยบริบทจะถูกเสริมในแต่ละขั้นตอน ส่งผลให้ได้ผลลัพธ์ที่เกี่ยวข้องมากขึ้นอย่างต่อเนื่อง

ส่วนประกอบบริบทการค้นหา

ใน MCP สำหรับการค้นหาเว็บ บริบทโดยทั่วไปประกอบด้วย:

  • ประวัติคำค้นหา: คำค้นหาก่อนหน้าในเซสชัน
  • ความชอบของผู้ใช้: ภาษา ภูมิภาค การตั้งค่าการค้นหาปลอดภัย
  • ประวัติการโต้ตอบ: ผลลัพธ์ที่คลิก เวลาที่ใช้กับผลลัพธ์
  • พารามิเตอร์การค้นหา: ตัวกรอง ลำดับการจัดเรียง และตัวปรับแต่งการค้นหาอื่น ๆ
  • ความรู้เฉพาะด้าน: บริบทเฉพาะเรื่องที่เกี่ยวข้องกับการค้นหา
  • บริบทตามเวลา: ปัจจัยความเกี่ยวข้องตามช่วงเวลา
  • ความชอบแหล่งข้อมูล: แหล่งข้อมูลที่เชื่อถือหรือชื่นชอบ

กรณีใช้งานและแอปพลิเคชัน

การวิจัยและรวบรวมข้อมูล

MCP ช่วยเพิ่มประสิทธิภาพเวิร์กโฟลว์การวิจัยโดย:

  • รักษาบริบทการวิจัยข้ามเซสชันการค้นหา
  • เปิดใช้งานคำค้นหาที่ซับซ้อนและเกี่ยวข้องกับบริบทมากขึ้น
  • สนับสนุนการค้นหาจากหลายแหล่งแบบรวมศูนย์
  • ช่วยในการสกัดความรู้จากผลลัพธ์การค้นหา

การติดตามข่าวสารและแนวโน้มแบบเรียลไทม์

การค้นหาที่ขับเคลื่อนด้วย MCP มีข้อได้เปรียบสำหรับการติดตามข่าวสาร:

  • การค้นพบข่าวสารใหม่ ๆ เกือบแบบเรียลไทม์
  • การกรองข้อมูลที่เกี่ยวข้องตามบริบท
  • การติดตามหัวข้อและเอนทิตีจากหลายแหล่ง
  • การแจ้งเตือนข่าวสารส่วนบุคคลตามบริบทผู้ใช้

การท่องเว็บและวิจัยที่เสริมด้วย AI

MCP สร้างโอกาสใหม่สำหรับการท่องเว็บที่เสริมด้วย AI:

  • คำแนะนำการค้นหาตามบริบทจากกิจกรรมเบราว์เซอร์ปัจจุบัน
  • การผสานรวมการค้นหาเว็บกับผู้ช่วยที่ขับเคลื่อนด้วย LLM อย่างราบรื่น
  • การปรับปรุงการค้นหาหลายรอบโดยรักษาบริบท
  • การตรวจสอบข้อเท็จจริงและการยืนยันข้อมูลที่ดีขึ้น

แนวโน้มและนวัตกรรมในอนาคต

การพัฒนาของ MCP ในการค้นหาเว็บ

ในอนาคต เราคาดว่า MCP จะพัฒนาเพื่อรองรับ:

  • การค้นหาหลายโหมด: การผสานรวมการค้นหาข้อความ รูปภาพ เสียง และวิดีโอ พร้อมการรักษาบริบท
  • การค้นหาแบบกระจายศูนย์: สนับสนุนระบบนิเวศการค้นหาที่กระจายและรวมศูนย์
  • Search Privacy: กลไกการค้นหาที่คำนึงถึงบริบทและรักษาความเป็นส่วนตัว
  • Query Understanding: การวิเคราะห์ความหมายเชิงลึกของคำค้นหาภาษาธรรมชาติ

ความก้าวหน้าที่เป็นไปได้ในเทคโนโลยี

เทคโนโลยีใหม่ๆ ที่จะกำหนดอนาคตของการค้นหา MCP:

  1. Neural Search Architectures: ระบบค้นหาที่ใช้การฝังตัว (embedding) ซึ่งปรับแต่งสำหรับ MCP
  2. Personalized Search Context: การเรียนรู้รูปแบบการค้นหาของผู้ใช้แต่ละคนตามเวลา
  3. Knowledge Graph Integration: การค้นหาที่เสริมด้วยกราฟความรู้เฉพาะโดเมนเพื่อเพิ่มบริบท
  4. Cross-Modal Context: การรักษาบริบทข้ามรูปแบบการค้นหาต่างๆ

แบบฝึกหัดเชิงปฏิบัติ

แบบฝึกหัด 1: การตั้งค่าท่อค้นหา MCP ขั้นพื้นฐาน

ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้วิธี:

  • กำหนดค่าสภาพแวดล้อมการค้นหา MCP ขั้นพื้นฐาน
  • นำตัวจัดการบริบทไปใช้กับการค้นหาเว็บ
  • ทดสอบและตรวจสอบการรักษาบริบทในแต่ละรอบของการค้นหา

แบบฝึกหัด 2: การสร้างผู้ช่วยวิจัยด้วย MCP Search

สร้างแอปพลิเคชันครบวงจรที่:

  • ประมวลผลคำถามวิจัยภาษาธรรมชาติ
  • ดำเนินการค้นหาเว็บที่คำนึงถึงบริบท
  • สังเคราะห์ข้อมูลจากแหล่งข้อมูลหลายแห่ง
  • นำเสนอผลการวิจัยอย่างเป็นระบบ

แบบฝึกหัด 3: การใช้งาน Multi-Source Search Federation กับ MCP

แบบฝึกหัดขั้นสูงที่ครอบคลุม:

  • การส่งคำค้นหาที่คำนึงถึงบริบทไปยังเครื่องมือค้นหาหลายแห่ง
  • การจัดอันดับและรวบรวมผลลัพธ์
  • การลบผลลัพธ์ซ้ำซ้อนโดยใช้บริบท
  • การจัดการเมตาดาต้าของแต่ละแหล่งข้อมูล

แหล่งข้อมูลเพิ่มเติม

  • Model Context Protocol Specification - ข้อกำหนดอย่างเป็นทางการและเอกสารโปรโตคอลโดยละเอียด
  • Model Context Protocol Documentation - บทเรียนและคู่มือการใช้งานอย่างละเอียด
  • MCP Python SDK - การใช้งาน MCP ด้วย Python อย่างเป็นทางการ
  • MCP TypeScript SDK - การใช้งาน MCP ด้วย TypeScript อย่างเป็นทางการ
  • MCP Reference Servers - ตัวอย่างการใช้งานเซิร์ฟเวอร์ MCP
  • Bing Web Search API Documentation - API การค้นหาเว็บของ Microsoft
  • Google Custom Search JSON API - เครื่องมือค้นหาที่ปรับแต่งได้ของ Google
  • SerpAPI Documentation - API สำหรับหน้าผลลัพธ์เครื่องมือค้นหา
  • Meilisearch Documentation - เครื่องมือค้นหาแบบโอเพนซอร์ส
  • Elasticsearch Documentation - เครื่องมือค้นหาและวิเคราะห์ข้อมูลแบบกระจาย
  • LangChain Documentation - การสร้างแอปพลิเคชันด้วย LLMs

ผลลัพธ์การเรียนรู้

เมื่อจบโมดูลนี้ คุณจะสามารถ:

  • เข้าใจพื้นฐานของการค้นหาเว็บแบบเรียลไทม์และความท้าทายที่เกี่ยวข้อง
  • อธิบายได้ว่า Model Context Protocol (MCP) ช่วยเพิ่มประสิทธิภาพการค้นหาเว็บแบบเรียลไทม์อย่างไร
  • นำ MCP ไปใช้กับโซลูชันการค้นหาด้วยเฟรมเวิร์กและ API ที่ได้รับความนิยม
  • ออกแบบและปรับใช้สถาปัตยกรรมการค้นหาที่มีประสิทธิภาพและขยายตัวได้ด้วย MCP
  • ประยุกต์ใช้แนวคิด MCP กับกรณีใช้งานต่างๆ เช่น การค้นหาเชิงความหมาย ผู้ช่วยวิจัย และการท่องเว็บที่เสริมด้วย AI
  • ประเมินแนวโน้มและนวัตกรรมในอนาคตของเทคโนโลยีการค้นหาที่ใช้ MCP

ข้อควรพิจารณาด้านความน่าเชื่อถือและความปลอดภัย

เมื่อพัฒนาโซลูชันการค้นหาเว็บที่ใช้ MCP โปรดจำหลักการสำคัญเหล่านี้จากข้อกำหนด MCP:

  1. ความยินยอมและการควบคุมของผู้ใช้: ผู้ใช้ต้องให้ความยินยอมอย่างชัดเจนและเข้าใจการเข้าถึงข้อมูลและการดำเนินการทั้งหมด โดยเฉพาะอย่างยิ่งสำหรับการค้นหาเว็บที่อาจเข้าถึงแหล่งข้อมูลภายนอก

  2. ความเป็นส่วนตัวของข้อมูล: ดูแลการจัดการคำค้นหาและผลลัพธ์อย่างเหมาะสม โดยเฉพาะข้อมูลที่อาจมีความละเอียดอ่อน และใช้การควบคุมการเข้าถึงเพื่อปกป้องข้อมูลผู้ใช้

  3. ความปลอดภัยของเครื่องมือ: ดำเนินการตรวจสอบและอนุญาตเครื่องมือค้นหาอย่างเหมาะสม เนื่องจากเครื่องมือเหล่านี้อาจเป็นความเสี่ยงด้านความปลอดภัยจากการรันโค้ดที่ไม่ปลอดภัย คำอธิบายพฤติกรรมของเครื่องมือควรถูกพิจารณาว่าไม่น่าเชื่อถือหากไม่ได้มาจากเซิร์ฟเวอร์ที่เชื่อถือได้

  4. เอกสารที่ชัดเจน: จัดทำเอกสารที่ชัดเจนเกี่ยวกับความสามารถ ข้อจำกัด และข้อควรระวังด้านความปลอดภัยของการใช้งาน MCP ตามแนวทางในข้อกำหนด MCP

  5. กระบวนการยินยอมที่มั่นคง: สร้างกระบวนการยินยอมและอนุญาตที่ชัดเจน อธิบายอย่างละเอียดว่าแต่ละเครื่องมือทำงานอย่างไร ก่อนอนุญาตใช้งาน โดยเฉพาะเครื่องมือที่เชื่อมต่อกับแหล่งข้อมูลเว็บภายนอก

สำหรับรายละเอียดครบถ้วนเกี่ยวกับความปลอดภัยและความน่าเชื่อถือของ MCP โปรดดูที่ เอกสารอย่างเป็นทางการ

ต่อไปคือ

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้