README.md

การปรับปรุงเวิร์กโฟลว์ AI: การสร้าง MCP Server ด้วย AI Toolkit

🎯 ภาพรวม

(คลิกที่ภาพด้านบนเพื่อดูวิดีโอของบทเรียนนี้)

ยินดีต้อนรับสู่ Model Context Protocol (MCP) Workshop! เวิร์กช็อปแบบลงมือปฏิบัติจริงนี้รวมเทคโนโลยีล้ำสมัยสองอย่างเพื่อปฏิวัติการพัฒนาแอปพลิเคชัน AI:

• 🔗 Model Context Protocol (MCP): มาตรฐานเปิดสำหรับการผสานรวม AI และเครื่องมืออย่างไร้รอยต่อ
• 🛠️ AI Toolkit for Visual Studio Code (AITK): ส่วนขยายการพัฒนา AI ที่ทรงพลังจาก Microsoft

🎓 สิ่งที่คุณจะได้เรียนรู้

เมื่อจบเวิร์กช็อปนี้ คุณจะเชี่ยวชาญการสร้างแอปพลิเคชันอัจฉริยะที่เชื่อมโยงโมเดล AI กับเครื่องมือและบริการในโลกจริง ตั้งแต่การทดสอบอัตโนมัติไปจนถึงการผสานรวม API แบบกำหนดเอง คุณจะได้รับทักษะที่สามารถแก้ปัญหาทางธุรกิจที่ซับซ้อนได้

🏗️ เทคโนโลยีที่ใช้

🔌 Model Context Protocol (MCP)

MCP คือ "USB-C สำหรับ AI" - มาตรฐานสากลที่เชื่อมต่อโมเดล AI กับเครื่องมือและแหล่งข้อมูลภายนอก

✨ คุณสมบัติเด่น:

• 🔄 การผสานรวมมาตรฐาน: อินเทอร์เฟซสากลสำหรับการเชื่อมต่อ AI และเครื่องมือ
• 🏛️ สถาปัตยกรรมที่ยืดหยุ่น: รองรับเซิร์ฟเวอร์ทั้งแบบโลคอลและรีโมตผ่าน stdio/SSE
• 🧰 ระบบนิเวศที่หลากหลาย: รวมเครื่องมือ, prompts และทรัพยากรในโปรโตคอลเดียว
• 🔒 พร้อมใช้งานในองค์กร: มีระบบความปลอดภัยและความน่าเชื่อถือในตัว

🎯 ทำไม MCP ถึงสำคัญ: เหมือนกับที่ USB-C ช่วยลดความยุ่งยากของสายเคเบิล MCP ช่วยลดความซับซ้อนของการผสานรวม AI หนึ่งโปรโตคอล แต่มีความเป็นไปได้ไม่สิ้นสุด

🤖 AI Toolkit for Visual Studio Code (AITK)

ส่วนขยายการพัฒนา AI ชั้นนำของ Microsoft ที่เปลี่ยน VS Code ให้กลายเป็นศูนย์กลางพลังงาน AI

🚀 ความสามารถหลัก:

• 📦 Model Catalog: เข้าถึงโมเดลจาก Azure AI, GitHub, Hugging Face, Ollama
• ⚡ Local Inference: การประมวลผลที่ปรับแต่งด้วย ONNX สำหรับ CPU/GPU/NPU
• 🏗️ Agent Builder: การพัฒนา AI agent แบบภาพพร้อมการผสาน MCP
• 🎭 Multi-Modal: รองรับข้อความ, ภาพ และผลลัพธ์แบบโครงสร้าง

💡 ประโยชน์ในการพัฒนา:

• การปรับใช้โมเดลแบบไม่ต้องตั้งค่า
• การออกแบบ prompt แบบภาพ
• สนามทดสอบแบบเรียลไทม์
• การผสาน MCP server อย่างไร้รอยต่อ

📚 เส้นทางการเรียนรู้

🚀 โมดูล 1: พื้นฐาน AI Toolkit

ระยะเวลา: 15 นาที

• 🛠️ ติดตั้งและตั้งค่า AI Toolkit สำหรับ VS Code
• 🗂️ สำรวจ Model Catalog (โมเดลกว่า 100+ จาก GitHub, ONNX, OpenAI, Anthropic, Google)
• 🎮 เรียนรู้การใช้งาน Interactive Playground สำหรับการทดสอบโมเดลแบบเรียลไทม์
• 🤖 สร้าง AI agent ตัวแรกของคุณด้วย Agent Builder
• 📊 ประเมินประสิทธิภาพโมเดลด้วยเมตริกในตัว (F1, ความเกี่ยวข้อง, ความคล้ายคลึง, ความสอดคล้อง)
• ⚡ เรียนรู้ความสามารถในการประมวลผลแบบแบตช์และการรองรับหลายรูปแบบ

🎯 ผลลัพธ์การเรียนรู้: สร้าง AI agent ที่ใช้งานได้พร้อมความเข้าใจในความสามารถของ AITK

🌐 โมดูล 2: พื้นฐาน MCP กับ AI Toolkit

ระยะเวลา: 20 นาที

• 🧠 เรียนรู้สถาปัตยกรรมและแนวคิดของ Model Context Protocol (MCP)
• 🌐 สำรวจระบบนิเวศ MCP server ของ Microsoft
• 🤖 สร้าง browser automation agent ด้วย Playwright MCP server
• 🔧 ผสาน MCP servers กับ AI Toolkit Agent Builder
• 📊 ตั้งค่าและทดสอบเครื่องมือ MCP ภายใน agents ของคุณ
• 🚀 ส่งออกและปรับใช้ agents ที่ขับเคลื่อนด้วย MCP สำหรับการใช้งานจริง

🎯 ผลลัพธ์การเรียนรู้: ปรับใช้ AI agent ที่เสริมพลังด้วยเครื่องมือภายนอกผ่าน MCP

🔧 โมดูล 3: การพัฒนา MCP ขั้นสูงด้วย AI Toolkit

ระยะเวลา: 20 นาที

• 💻 สร้าง MCP servers แบบกำหนดเองด้วย AI Toolkit
• 🐍 ตั้งค่าและใช้งาน MCP Python SDK เวอร์ชันล่าสุด (v1.9.3)
• 🔍 ตั้งค่าและใช้งาน MCP Inspector สำหรับการดีบัก
• 🛠️ สร้าง Weather MCP Server พร้อมเวิร์กโฟลว์การดีบักระดับมืออาชีพ
• 🧪 ดีบัก MCP servers ในทั้ง Agent Builder และ Inspector

🎯 ผลลัพธ์การเรียนรู้: พัฒนาและดีบัก MCP servers แบบกำหนดเองด้วยเครื่องมือที่ทันสมัย

🐙 โมดูล 4: การพัฒนา MCP ในทางปฏิบัติ - Custom GitHub Clone Server

ระยะเวลา: 30 นาที

• 🏗️ สร้าง GitHub Clone MCP Server สำหรับเวิร์กโฟลว์การพัฒนา
• 🔄 ใช้การโคลน repository อัจฉริยะพร้อมการตรวจสอบและจัดการข้อผิดพลาด
• 📁 สร้างการจัดการไดเรกทอรีอัจฉริยะและการผสาน VS Code
• 🤖 ใช้ GitHub Copilot Agent Mode กับเครื่องมือ MCP แบบกำหนดเอง
• 🛡️ ใช้ความน่าเชื่อถือระดับการผลิตและความเข้ากันได้ข้ามแพลตฟอร์ม

🎯 ผลลัพธ์การเรียนรู้: ปรับใช้ MCP server ระดับการผลิตที่ช่วยปรับปรุงเวิร์กโฟลว์การพัฒนา

💡 การใช้งานจริงและผลกระทบ

🏢 กรณีการใช้งานในองค์กร

🔄 การทำงานอัตโนมัติใน DevOps

เปลี่ยนเวิร์กโฟลว์การพัฒนาด้วยระบบอัตโนมัติอัจฉริยะ:

• การจัดการ Repository อัจฉริยะ: การตรวจสอบโค้ดและการตัดสินใจ merge โดย AI
• CI/CD อัจฉริยะ: การปรับปรุง pipeline อัตโนมัติตามการเปลี่ยนแปลงโค้ด
• การจัดการปัญหา: การจัดประเภทและมอบหมายบั๊กอัตโนมัติ

🧪 การปฏิวัติการประกันคุณภาพ

ยกระดับการทดสอบด้วยระบบอัตโนมัติที่ขับเคลื่อนด้วย AI:

• การสร้างการทดสอบอัจฉริยะ: สร้างชุดการทดสอบที่ครอบคลุมโดยอัตโนมัติ
• การทดสอบการเปลี่ยนแปลง UI: การตรวจจับการเปลี่ยนแปลง UI ด้วย AI
• การตรวจสอบประสิทธิภาพ: การระบุและแก้ไขปัญหาเชิงรุก

📊 ความฉลาดในกระบวนการข้อมูล

สร้างเวิร์กโฟลว์การประมวลผลข้อมูลที่ชาญฉลาด:

• กระบวนการ ETL แบบปรับตัว: การแปลงข้อมูลที่ปรับตัวเองได้
• การตรวจจับความผิดปกติ: การตรวจสอบคุณภาพข้อมูลแบบเรียลไทม์
• การจัดการการไหลของข้อมูลอัจฉริยะ: การจัดการการไหลของข้อมูลอย่างชาญฉลาด

🎧 การปรับปรุงประสบการณ์ลูกค้า

สร้างการโต้ตอบกับลูกค้าที่โดดเด่น:

• การสนับสนุนที่เข้าใจบริบท: AI agents ที่เข้าถึงประวัติลูกค้า
• การแก้ปัญหาเชิงรุก: การบริการลูกค้าเชิงคาดการณ์
• การผสานหลายช่องทาง: ประสบการณ์ AI ที่รวมเป็นหนึ่งในทุกแพลตฟอร์ม

🛠️ ข้อกำหนดและการตั้งค่า

💻 ข้อกำหนดของระบบ

ส่วนประกอบ	ข้อกำหนด	หมายเหตุ
ระบบปฏิบัติการ	Windows 10+, macOS 10.15+, Linux	ระบบปฏิบัติการสมัยใหม่ใดก็ได้
Visual Studio Code	เวอร์ชันเสถียรล่าสุด	จำเป็นสำหรับ AITK
Node.js	v18.0+ และ npm	สำหรับการพัฒนา MCP server
Python	3.10+	ตัวเลือกสำหรับ MCP servers ที่ใช้ Python
หน่วยความจำ	RAM 8GB ขั้นต่ำ	แนะนำ 16GB สำหรับโมเดลโลคอล

🔧 สภาพแวดล้อมการพัฒนา

ส่วนขยาย VS Code ที่แนะนำ

• AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
• Python (ms-python.python)
• Python Debugger (ms-python.debugpy)
• GitHub Copilot (GitHub.copilot) - ตัวเลือกแต่มีประโยชน์

เครื่องมือเสริม

• uv: ตัวจัดการแพ็กเกจ Python สมัยใหม่
• MCP Inspector: เครื่องมือดีบักแบบภาพสำหรับ MCP servers
• Playwright: สำหรับตัวอย่างการทำงานอัตโนมัติบนเว็บ

🎖️ ผลลัพธ์การเรียนรู้และเส้นทางการรับรอง

🏆 เช็กลิสต์ความเชี่ยวชาญ

เมื่อจบเวิร์กช็อปนี้ คุณจะเชี่ยวชาญใน:

🎯 ความสามารถหลัก

• ความเชี่ยวชาญในโปรโตคอล MCP: ความเข้าใจเชิงลึกในสถาปัตยกรรมและรูปแบบการใช้งาน
• ความชำนาญใน AITK: การใช้งาน AI Toolkit ระดับผู้เชี่ยวชาญสำหรับการพัฒนาอย่างรวดเร็ว
• การพัฒนาเซิร์ฟเวอร์แบบกำหนดเอง: สร้าง, ปรับใช้ และดูแล MCP servers ระดับการผลิต
• ความเป็นเลิศในการผสานเครื่องมือ: เชื่อมต่อ AI กับเวิร์กโฟลว์การพัฒนาที่มีอยู่
• การประยุกต์แก้ปัญหา: ใช้ทักษะที่เรียนรู้เพื่อแก้ปัญหาทางธุรกิจจริง

🔧 ทักษะทางเทคนิค

• ตั้งค่าและกำหนดค่า AI Toolkit ใน VS Code
• ออกแบบและพัฒนา MCP servers แบบกำหนดเอง
• ผสานโมเดล GitHub กับสถาปัตยกรรม MCP
• สร้างเวิร์กโฟลว์การทดสอบอัตโนมัติด้วย Playwright
• ปรับใช้ AI agents สำหรับการใช้งานจริง
• ดีบักและปรับปรุงประสิทธิภาพ MCP server

🚀 ความสามารถขั้นสูง

• ออกแบบการผสาน AI ระดับองค์กร
• ใช้แนวปฏิบัติที่ดีที่สุดด้านความปลอดภัยสำหรับแอปพลิเคชัน AI
• ออกแบบสถาปัตยกรรม MCP server ที่ปรับขยายได้
• สร้างชุดเครื่องมือแบบกำหนดเองสำหรับโดเมนเฉพาะ
• เป็นที่ปรึกษาให้ผู้อื่นในด้านการพัฒนา AI-native

📖 ทรัพยากรเพิ่มเติม

• MCP Specification
• AI Toolkit GitHub Repository
• Sample MCP Servers Collection
• Best Practices Guide

---

🚀 พร้อมที่จะปฏิวัติเวิร์กโฟลว์การพัฒนา AI ของคุณหรือยัง?

มาสร้างอนาคตของแอปพลิเคชันอัจฉริยะไปด้วยกันด้วย MCP และ AI Toolkit!

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์มืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้