MCP Root Contexts

Root contexts เป็นแนวคิดพื้นฐานใน Model Context Protocol ที่ให้ชั้นข้อมูลถาวรสำหรับเก็บประวัติการสนทนาและสถานะที่ใช้ร่วมกันระหว่างคำขอและเซสชันหลายๆ ครั้ง

บทนำ

ในบทเรียนนี้ เราจะเรียนรู้วิธีสร้าง จัดการ และใช้งาน root contexts ใน MCP

วัตถุประสงค์การเรียนรู้

เมื่อจบบทเรียนนี้ คุณจะสามารถ:

เข้าใจวัตถุประสงค์และโครงสร้างของ root contexts
สร้างและจัดการ root contexts โดยใช้ไลบรารีลูกค้า MCP
นำ root contexts ไปใช้ในแอปพลิเคชัน .NET, Java, JavaScript และ Python
ใช้ root contexts สำหรับการสนทนาแบบหลายรอบและการจัดการสถานะ
นำแนวทางปฏิบัติที่ดีที่สุดสำหรับการจัดการ root contexts ไปใช้

ความเข้าใจเกี่ยวกับ Root Contexts

Root contexts ทำหน้าที่เป็นภาชนะที่เก็บประวัติและสถานะของชุดการโต้ตอบที่เกี่ยวข้องกัน ช่วยให้:

การรักษาการสนทนา: รักษาการสนทนาแบบหลายรอบให้สอดคล้องกัน
การจัดการหน่วยความจำ: เก็บและดึงข้อมูลข้ามการโต้ตอบ
การจัดการสถานะ: ติดตามความคืบหน้าในเวิร์กโฟลว์ที่ซับซ้อน
การแชร์บริบท: อนุญาตให้ลูกค้าหลายรายเข้าถึงสถานะการสนทนาเดียวกันได้

ใน MCP, root contexts มีลักษณะสำคัญดังนี้:

แต่ละ root context มีตัวระบุที่ไม่ซ้ำกัน
สามารถเก็บประวัติการสนทนา, ความชอบของผู้ใช้ และเมตาดาต้าอื่นๆ
สามารถสร้าง, เข้าถึง และเก็บถาวรได้ตามต้องการ
รองรับการควบคุมการเข้าถึงและสิทธิ์อย่างละเอียด

วงจรชีวิตของ Root Context

flowchart TD
    A[Create Root Context] --> B[Initialize with Metadata]
    B --> C[Send Requests with Context ID]
    C --> D[Update Context with Results]
    D --> C
    D --> E[Archive Context When Complete]

การทำงานกับ Root Contexts

ตัวอย่างนี้แสดงวิธีสร้างและจัดการ root contexts

การใช้งานใน C#

// .NET Example: Root Context Management
using Microsoft.Mcp.Client;
using System;
using System.Threading.Tasks;
using System.Collections.Generic;

public class RootContextExample
{
    private readonly IMcpClient _client;
    private readonly IRootContextManager _contextManager;
    
    public RootContextExample(IMcpClient client, IRootContextManager contextManager)
    {
        _client = client;
        _contextManager = contextManager;
    }
    
    public async Task DemonstrateRootContextAsync()
    {
        // 1. Create a new root context
        var contextResult = await _contextManager.CreateRootContextAsync(new RootContextCreateOptions
        {
            Name = "Customer Support Session",
            Metadata = new Dictionary<string, string>
            {
                ["CustomerName"] = "Acme Corporation",
                ["PriorityLevel"] = "High",
                ["Domain"] = "Cloud Services"
            }
        });
        
        string contextId = contextResult.ContextId;
        Console.WriteLine($"Created root context with ID: {contextId}");
        
        // 2. First interaction using the context
        var response1 = await _client.SendPromptAsync(
            "I'm having issues scaling my web service deployment in the cloud.", 
            new SendPromptOptions { RootContextId = contextId }
        );
        
        Console.WriteLine($"First response: {response1.GeneratedText}");
        
        // Second interaction - the model will have access to the previous conversation
        var response2 = await _client.SendPromptAsync(
            "Yes, we're using containerized deployments with Kubernetes.", 
            new SendPromptOptions { RootContextId = contextId }
        );
        
        Console.WriteLine($"Second response: {response2.GeneratedText}");
        
        // 3. Add metadata to the context based on conversation
        await _contextManager.UpdateContextMetadataAsync(contextId, new Dictionary<string, string>
        {
            ["TechnicalEnvironment"] = "Kubernetes",
            ["IssueType"] = "Scaling"
        });
        
        // 4. Get context information
        var contextInfo = await _contextManager.GetRootContextInfoAsync(contextId);
        
        Console.WriteLine("Context Information:");
        Console.WriteLine($"- Name: {contextInfo.Name}");
        Console.WriteLine($"- Created: {contextInfo.CreatedAt}");
        Console.WriteLine($"- Messages: {contextInfo.MessageCount}");
        
        // 5. When the conversation is complete, archive the context
        await _contextManager.ArchiveRootContextAsync(contextId);
        Console.WriteLine($"Archived context {contextId}");
    }
}

ในโค้ดข้างต้น เราได้:

สร้าง root context สำหรับเซสชันสนับสนุนลูกค้า
ส่งข้อความหลายข้อความภายในบริบทนั้น เพื่อให้โมเดลสามารถรักษาสถานะได้
อัปเดตบริบทด้วยเมตาดาต้าที่เกี่ยวข้องตามการสนทนา
ดึงข้อมูลบริบทเพื่อเข้าใจประวัติการสนทนา
เก็บถาวรบริบทเมื่อการสนทนาสิ้นสุดลง

ตัวอย่าง: การใช้งาน Root Context สำหรับการวิเคราะห์การเงิน

ในตัวอย่างนี้ เราจะสร้าง root context สำหรับเซสชันวิเคราะห์การเงิน เพื่อแสดงวิธีรักษาสถานะข้ามการโต้ตอบหลายครั้ง

การใช้งานใน Java

// Java Example: Root Context Implementation
package com.example.mcp.contexts;

import com.mcp.client.McpClient;
import com.mcp.client.ContextManager;
import com.mcp.models.RootContext;
import com.mcp.models.McpResponse;

import java.util.HashMap;
import java.util.Map;
import java.util.UUID;

public class RootContextsDemo {
    private final McpClient client;
    private final ContextManager contextManager;
    
    public RootContextsDemo(String serverUrl) {
        this.client = new McpClient.Builder()
            .setServerUrl(serverUrl)
            .build();
            
        this.contextManager = new ContextManager(client);
    }
    
    public void demonstrateRootContext() throws Exception {
        // Create context metadata
        Map<String, String> metadata = new HashMap<>();
        metadata.put("projectName", "Financial Analysis");
        metadata.put("userRole", "Financial Analyst");
        metadata.put("dataSource", "Q1 2025 Financial Reports");
        
        // 1. Create a new root context
        RootContext context = contextManager.createRootContext("Financial Analysis Session", metadata);
        String contextId = context.getId();
        
        System.out.println("Created context: " + contextId);
        
        // 2. First interaction
        McpResponse response1 = client.sendPrompt(
            "Analyze the trends in Q1 financial data for our technology division",
            contextId
        );
        
        System.out.println("First response: " + response1.getGeneratedText());
        
        // 3. Update context with important information gained from response
        contextManager.addContextMetadata(contextId, 
            Map.of("identifiedTrend", "Increasing cloud infrastructure costs"));
        
        // Second interaction - using the same context
        McpResponse response2 = client.sendPrompt(
            "What's driving the increase in cloud infrastructure costs?",
            contextId
        );
        
        System.out.println("Second response: " + response2.getGeneratedText());
        
        // 4. Generate a summary of the analysis session
        McpResponse summaryResponse = client.sendPrompt(
            "Summarize our analysis of the technology division financials in 3-5 key points",
            contextId
        );
        
        // Store the summary in context metadata
        contextManager.addContextMetadata(contextId, 
            Map.of("analysisSummary", summaryResponse.getGeneratedText()));
            
        // Get updated context information
        RootContext updatedContext = contextManager.getRootContext(contextId);
        
        System.out.println("Context Information:");
        System.out.println("- Created: " + updatedContext.getCreatedAt());
        System.out.println("- Last Updated: " + updatedContext.getLastUpdatedAt());
        System.out.println("- Analysis Summary: " + 
            updatedContext.getMetadata().get("analysisSummary"));
            
        // 5. Archive context when done
        contextManager.archiveContext(contextId);
        System.out.println("Context archived");
    }
}

ในโค้ดข้างต้น เราได้:

สร้าง root context สำหรับเซสชันวิเคราะห์การเงิน
ส่งข้อความหลายข้อความภายในบริบทนั้น เพื่อให้โมเดลสามารถรักษาสถานะได้
อัปเดตบริบทด้วยเมตาดาต้าที่เกี่ยวข้องตามการสนทนา
สร้างสรุปของเซสชันวิเคราะห์และเก็บไว้ในเมตาดาต้าของบริบท
เก็บถาวรบริบทเมื่อการสนทนาสิ้นสุดลง

ตัวอย่าง: การจัดการ Root Context

การจัดการ root contexts อย่างมีประสิทธิภาพเป็นสิ่งสำคัญสำหรับการรักษาประวัติการสนทนาและสถานะ ด้านล่างเป็นตัวอย่างการใช้งานการจัดการ root context

การใช้งานใน JavaScript

// JavaScript Example: Managing MCP Root Contexts
const { McpClient, RootContextManager } = require('@mcp/client');

class ContextSession {
  constructor(serverUrl, apiKey = null) {
    // Initialize the MCP client
    this.client = new McpClient({
      serverUrl,
      apiKey
    });
    
    // Initialize context manager
    this.contextManager = new RootContextManager(this.client);
  }
  
  /**
   * Create a new conversation context
   * @param {string} sessionName - Name of the conversation session
   * @param {Object} metadata - Additional metadata for the context
   * @returns {Promise<string>} - Context ID
   */
  async createConversationContext(sessionName, metadata = {}) {
    try {
      const contextResult = await this.contextManager.createRootContext({
        name: sessionName,
        metadata: {
          ...metadata,
          createdAt: new Date().toISOString(),
          status: 'active'
        }
      });
      
      console.log(`Created root context '${sessionName}' with ID: ${contextResult.id}`);
      return contextResult.id;
    } catch (error) {
      console.error('Error creating root context:', error);
      throw error;
    }
  }
  
  /**
   * Send a message in an existing context
   * @param {string} contextId - The root context ID
   * @param {string} message - The user's message
   * @param {Object} options - Additional options
   * @returns {Promise<Object>} - Response data
   */
  async sendMessage(contextId, message, options = {}) {
    try {
      // Send the message using the specified context
      const response = await this.client.sendPrompt(message, {
        rootContextId: contextId,
        temperature: options.temperature || 0.7,
        allowedTools: options.allowedTools || []
      });
      
      // Optionally store important insights from the conversation
      if (options.storeInsights) {
        await this.storeConversationInsights(contextId, message, response.generatedText);
      }
      
      return {
        message: response.generatedText,
        toolCalls: response.toolCalls || [],
        contextId
      };
    } catch (error) {
      console.error(`Error sending message in context ${contextId}:`, error);
      throw error;
    }
  }
  
  /**
   * Store important insights from a conversation
   * @param {string} contextId - The root context ID
   * @param {string} userMessage - User's message
   * @param {string} aiResponse - AI's response
   */
  async storeConversationInsights(contextId, userMessage, aiResponse) {
    try {
      // Extract potential insights (in a real app, this would be more sophisticated)
      const combinedText = userMessage + "\n" + aiResponse;
      
      // Simple heuristic to identify potential insights
      const insightWords = ["important", "key point", "remember", "significant", "crucial"];
      
      const potentialInsights = combinedText
        .split(".")
        .filter(sentence => 
          insightWords.some(word => sentence.toLowerCase().includes(word))
        )
        .map(sentence => sentence.trim())
        .filter(sentence => sentence.length > 10);
      
      // Store insights in context metadata
      if (potentialInsights.length > 0) {
        const insights = {};
        potentialInsights.forEach((insight, index) => {
          insights[`insight_${Date.now()}_${index}`] = insight;
        });
        
        await this.contextManager.updateContextMetadata(contextId, insights);
        console.log(`Stored ${potentialInsights.length} insights in context ${contextId}`);
      }
    } catch (error) {
      console.warn('Error storing conversation insights:', error);
      // Non-critical error, so just log warning
    }
  }
  
  /**
   * Get summary information about a context
   * @param {string} contextId - The root context ID
   * @returns {Promise<Object>} - Context information
   */
  async getContextInfo(contextId) {
    try {
      const contextInfo = await this.contextManager.getContextInfo(contextId);
      
      return {
        id: contextInfo.id,
        name: contextInfo.name,
        created: new Date(contextInfo.createdAt).toLocaleString(),
        lastUpdated: new Date(contextInfo.lastUpdatedAt).toLocaleString(),
        messageCount: contextInfo.messageCount,
        metadata: contextInfo.metadata,
        status: contextInfo.status
      };
    } catch (error) {
      console.error(`Error getting context info for ${contextId}:`, error);
      throw error;
    }
  }
  
  /**
   * Generate a summary of the conversation in a context
   * @param {string} contextId - The root context ID
   * @returns {Promise<string>} - Generated summary
   */
  async generateContextSummary(contextId) {
    try {
      // Ask the model to generate a summary of the conversation so far
      const response = await this.client.sendPrompt(
        "Please summarize our conversation so far in 3-4 sentences, highlighting the main points discussed.",
        { rootContextId: contextId, temperature: 0.3 }
      );
      
      // Store the summary in context metadata
      await this.contextManager.updateContextMetadata(contextId, {
        conversationSummary: response.generatedText,
        summarizedAt: new Date().toISOString()
      });
      
      return response.generatedText;
    } catch (error) {
      console.error(`Error generating context summary for ${contextId}:`, error);
      throw error;
    }
  }
  
  /**
   * Archive a context when it's no longer needed
   * @param {string} contextId - The root context ID
   * @returns {Promise<Object>} - Result of the archive operation
   */
  async archiveContext(contextId) {
    try {
      // Generate a final summary before archiving
      const summary = await this.generateContextSummary(contextId);
      
      // Archive the context
      await this.contextManager.archiveContext(contextId);
      
      return {
        status: "archived",
        contextId,
        summary
      };
    } catch (error) {
      console.error(`Error archiving context ${contextId}:`, error);
      throw error;
    }
  }
}

// Example usage
async function demonstrateContextSession() {
  const session = new ContextSession('https://mcp-server-example.com');
  
  try {
    // 1. Create a new context for a product support conversation
    const contextId = await session.createConversationContext(
      'Product Support - Database Performance',
      {
        customer: 'Globex Corporation',
        product: 'Enterprise Database',
        severity: 'Medium',
        supportAgent: 'AI Assistant'
      }
    );
    
    // 2. First message in the conversation
    const response1 = await session.sendMessage(
      contextId,
      "I'm experiencing slow query performance on our database cluster after the latest update.",
      { storeInsights: true }
    );
    console.log('Response 1:', response1.message);
    
    // Follow-up message in the same context
    const response2 = await session.sendMessage(
      contextId,
      "Yes, we've already checked the indexes and they seem to be properly configured.",
      { storeInsights: true }
    );
    console.log('Response 2:', response2.message);
    
    // 3. Get information about the context
    const contextInfo = await session.getContextInfo(contextId);
    console.log('Context Information:', contextInfo);
    
    // 4. Generate and display conversation summary
    const summary = await session.generateContextSummary(contextId);
    console.log('Conversation Summary:', summary);
    
    // 5. Archive the context when done
    const archiveResult = await session.archiveContext(contextId);
    console.log('Archive Result:', archiveResult);
    
    // 6. Handle any errors gracefully
  } catch (error) {
    console.error('Error in context session demonstration:', error);
  }
}

demonstrateContextSession();

ในโค้ดข้างต้น เราได้:

สร้าง root context สำหรับการสนทนาสนับสนุนผลิตภัณฑ์ด้วยฟังก์ชัน createConversationContext ในกรณีนี้ บริบทเกี่ยวกับปัญหาประสิทธิภาพฐานข้อมูล
ส่งข้อความหลายข้อความภายในบริบทนั้น เพื่อให้โมเดลสามารถรักษาสถานะด้วยฟังก์ชัน sendMessage ข้อความที่ส่งเกี่ยวกับประสิทธิภาพการค้นหาช้าและการตั้งค่าอินเด็กซ์
อัปเดตบริบทด้วยเมตาดาต้าที่เกี่ยวข้องตามการสนทนา
สร้างสรุปของการสนทนาและเก็บไว้ในเมตาดาต้าของบริบทด้วยฟังก์ชัน generateContextSummary
เก็บถาวรบริบทเมื่อการสนทนาสิ้นสุดด้วยฟังก์ชัน archiveContext
จัดการข้อผิดพลาดอย่างเหมาะสมเพื่อความมั่นคง

Root Context สำหรับการช่วยเหลือแบบหลายรอบ

ในตัวอย่างนี้ เราจะสร้าง root context สำหรับเซสชันช่วยเหลือแบบหลายรอบ เพื่อแสดงวิธีรักษาสถานะข้ามการโต้ตอบหลายครั้ง

การใช้งานใน Python

# Python Example: Root Context for Multi-Turn Assistance
import asyncio
from datetime import datetime
from mcp_client import McpClient, RootContextManager

class AssistantSession:
    def __init__(self, server_url, api_key=None):
        self.client = McpClient(server_url=server_url, api_key=api_key)
        self.context_manager = RootContextManager(self.client)
    
    async def create_session(self, name, user_info=None):
        """Create a new root context for an assistant session"""
        metadata = {
            "session_type": "assistant",
            "created_at": datetime.now().isoformat(),
        }
        
        # Add user information if provided
        if user_info:
            metadata.update({f"user_{k}": v for k, v in user_info.items()})
            
        # Create the root context
        context = await self.context_manager.create_root_context(name, metadata)
        return context.id
    
    async def send_message(self, context_id, message, tools=None):
        """Send a message within a root context"""
        # Create options with context ID
        options = {
            "root_context_id": context_id
        }
        
        # Add tools if specified
        if tools:
            options["allowed_tools"] = tools
        
        # Send the prompt within the context
        response = await self.client.send_prompt(message, options)
        
        # Update context metadata with conversation progress
        await self.context_manager.update_context_metadata(
            context_id,
            {
                f"message_{datetime.now().timestamp()}": message[:50] + "...",
                "last_interaction": datetime.now().isoformat()
            }
        )
        
        return response
    
    async def get_conversation_history(self, context_id):
        """Retrieve conversation history from a context"""
        context_info = await self.context_manager.get_context_info(context_id)
        messages = await self.client.get_context_messages(context_id)
        
        return {
            "context_info": context_info,
            "messages": messages
        }
    
    async def end_session(self, context_id):
        """End an assistant session by archiving the context"""
        # Generate a summary prompt first
        summary_response = await self.client.send_prompt(
            "Please summarize our conversation and any key points or decisions made.",
            {"root_context_id": context_id}
        )
        
        # Store summary in metadata
        await self.context_manager.update_context_metadata(
            context_id,
            {
                "summary": summary_response.generated_text,
                "ended_at": datetime.now().isoformat(),
                "status": "completed"
            }
        )
        
        # Archive the context
        await self.context_manager.archive_context(context_id)
        
        return {
            "status": "completed",
            "summary": summary_response.generated_text
        }

# Example usage
async def demo_assistant_session():
    assistant = AssistantSession("https://mcp-server-example.com")
    
    # 1. Create session
    context_id = await assistant.create_session(
        "Technical Support Session",
        {"name": "Alex", "technical_level": "advanced", "product": "Cloud Services"}
    )
    print(f"Created session with context ID: {context_id}")
    
    # 2. First interaction
    response1 = await assistant.send_message(
        context_id, 
        "I'm having trouble with the auto-scaling feature in your cloud platform.",
        ["documentation_search", "diagnostic_tool"]
    )
    print(f"Response 1: {response1.generated_text}")
    
    # Second interaction in the same context
    response2 = await assistant.send_message(
        context_id,
        "Yes, I've already checked the configuration settings you mentioned, but it's still not working."
    )
    print(f"Response 2: {response2.generated_text}")
    
    # 3. Get history
    history = await assistant.get_conversation_history(context_id)
    print(f"Session has {len(history['messages'])} messages")
    
    # 4. End session
    end_result = await assistant.end_session(context_id)
    print(f"Session ended with summary: {end_result['summary']}")

if __name__ == "__main__":
    asyncio.run(demo_assistant_session())

ในโค้ดข้างต้น เราได้:

สร้าง root context สำหรับเซสชันสนับสนุนทางเทคนิคด้วยฟังก์ชัน create_session บริบทประกอบด้วยข้อมูลผู้ใช้ เช่น ชื่อและระดับความรู้ทางเทคนิค
ส่งข้อความหลายข้อความภายในบริบทนั้น เพื่อให้โมเดลสามารถรักษาสถานะด้วยฟังก์ชัน send_message ข้อความที่ส่งเกี่ยวกับปัญหาฟีเจอร์ auto-scaling
ดึงประวัติการสนทนาด้วยฟังก์ชัน get_conversation_history ซึ่งให้ข้อมูลบริบทและข้อความ
สิ้นสุดเซสชันโดยเก็บถาวรบริบทและสร้างสรุปด้วยฟังก์ชัน end_session สรุปจะจับประเด็นสำคัญจากการสนทนา

แนวทางปฏิบัติที่ดีที่สุดสำหรับ Root Context

นี่คือแนวทางปฏิบัติที่ดีที่สุดสำหรับการจัดการ root contexts อย่างมีประสิทธิภาพ:

สร้างบริบทที่เน้นจุดประสงค์ชัดเจน: สร้าง root contexts แยกตามวัตถุประสงค์หรือโดเมนของการสนทนาเพื่อความชัดเจน
ตั้งนโยบายหมดอายุ: ใช้นโยบายในการเก็บถาวรหรือการลบบริบทเก่าเพื่อจัดการพื้นที่จัดเก็บและปฏิบัติตามนโยบายการเก็บข้อมูล
เก็บเมตาดาต้าที่เกี่ยวข้อง: ใช้เมตาดาต้าของบริบทเพื่อเก็บข้อมูลสำคัญเกี่ยวกับการสนทนาที่อาจมีประโยชน์ในภายหลัง
ใช้ ID บริบทอย่างสม่ำเสมอ: เมื่อสร้างบริบทแล้ว ให้ใช้ ID นั้นอย่างต่อเนื่องสำหรับคำขอที่เกี่ยวข้องทั้งหมดเพื่อรักษาความต่อเนื่อง
สร้างสรุป: เมื่อบริบทมีขนาดใหญ่ ควรพิจารณาสร้างสรุปเพื่อจับข้อมูลสำคัญในขณะที่จัดการขนาดบริบท
ใช้การควบคุมการเข้าถึง: สำหรับระบบที่มีผู้ใช้หลายคน ควรใช้การควบคุมการเข้าถึงที่เหมาะสมเพื่อรักษาความเป็นส่วนตัวและความปลอดภัยของบริบทการสนทนา
จัดการข้อจำกัดของบริบท: ตระหนักถึงข้อจำกัดของขนาดบริบทและวางแผนกลยุทธ์สำหรับการจัดการการสนทนายาวๆ
เก็บถาวรเมื่อเสร็จสิ้น: เก็บถาวรบริบทเมื่อการสนทนาสิ้นสุดเพื่อคืนทรัพยากรในขณะที่ยังเก็บประวัติการสนทนาไว้

ต่อไปคืออะไร

5.5 Routing

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

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

MCP Root Contexts

บทนำ

วัตถุประสงค์การเรียนรู้

ความเข้าใจเกี่ยวกับ Root Contexts

วงจรชีวิตของ Root Context

การทำงานกับ Root Contexts

การใช้งานใน C#

ตัวอย่าง: การใช้งาน Root Context สำหรับการวิเคราะห์การเงิน

การใช้งานใน Java

ตัวอย่าง: การจัดการ Root Context

การใช้งานใน JavaScript

Root Context สำหรับการช่วยเหลือแบบหลายรอบ

การใช้งานใน Python

แนวทางปฏิบัติที่ดีที่สุดสำหรับ Root Context

ต่อไปคืออะไร

FilesExpand file tree

README.md

Latest commit

History

README.md

File metadata and controls

MCP Root Contexts

บทนำ

วัตถุประสงค์การเรียนรู้

ความเข้าใจเกี่ยวกับ Root Contexts

วงจรชีวิตของ Root Context

การทำงานกับ Root Contexts

การใช้งานใน C#

ตัวอย่าง: การใช้งาน Root Context สำหรับการวิเคราะห์การเงิน

การใช้งานใน Java

ตัวอย่าง: การจัดการ Root Context

การใช้งานใน JavaScript

Root Context สำหรับการช่วยเหลือแบบหลายรอบ

การใช้งานใน Python

แนวทางปฏิบัติที่ดีที่สุดสำหรับ Root Context

ต่อไปคืออะไร