(點擊上方圖片觀看本課程的影片)
本章節包含以下幾個課程:
-
1 您的第一個伺服器,在第一課中,您將學習如何建立您的第一個伺服器,並使用檢視工具進行檢查,這是一種測試和除錯伺服器的寶貴方式,前往課程
-
2 客戶端,在本課程中,您將學習如何撰寫一個可以連接到伺服器的客戶端,前往課程
-
3 使用 LLM 的客戶端,更好的客戶端撰寫方式是加入 LLM,使其能與伺服器進行「協商」以決定執行的操作,前往課程
-
4 在 Visual Studio Code 中以 GitHub Copilot Agent 模式使用伺服器。在這裡,我們將探討如何在 Visual Studio Code 中執行 MCP 伺服器,前往課程
-
5 stdio 傳輸伺服器,stdio 傳輸是目前規範中推薦的 MCP 伺服器與客戶端通信的標準,提供安全的子程序通信,前往課程
-
6 使用 MCP 進行 HTTP 串流(可串流的 HTTP)。了解現代 HTTP 串流、進度通知,以及如何使用可串流的 HTTP 實現可擴展的即時 MCP 伺服器和客戶端,前往課程
-
7 利用 VSCode 的 AI 工具包來使用和測試您的 MCP 客戶端和伺服器,前往課程
-
8 測試,本課程將特別著重於如何以不同方式測試伺服器和客戶端,前往課程
-
9 部署,本章節將探討部署 MCP 解決方案的不同方式,前往課程
Model Context Protocol (MCP) 是一種開放協議,標準化應用程式如何向 LLM 提供上下文。可以將 MCP 想像成 AI 應用程式的 USB-C 接口——它提供了一種標準化的方式來連接 AI 模型與不同的數據來源和工具。
完成本課程後,您將能夠:
- 為 MCP 在 C#、Java、Python、TypeScript 和 JavaScript 中設置開發環境
- 建立並部署具有自訂功能(資源、提示和工具)的基本 MCP 伺服器
- 創建能夠連接 MCP 伺服器的主機應用程式
- 測試和除錯 MCP 實現
- 理解常見的設置挑戰及其解決方案
- 將您的 MCP 實現連接到流行的 LLM 服務
在開始使用 MCP 之前,準備好開發環境並了解基本工作流程非常重要。本章節將指導您完成初始設置步驟,以確保順利開始使用 MCP。
在進入 MCP 開發之前,請確保您已準備好:
- 開發環境:適用於您選擇的語言(C#、Java、Python、TypeScript 或 JavaScript)
- IDE/編輯器:Visual Studio、Visual Studio Code、IntelliJ、Eclipse、PyCharm 或任何現代代碼編輯器
- 套件管理工具:NuGet、Maven/Gradle、pip 或 npm/yarn
- API 金鑰:用於您計劃在主機應用程式中使用的 AI 服務
在接下來的章節中,您將看到使用 Python、TypeScript、Java 和 .NET 建立的解決方案。以下是所有官方支持的 SDK。
MCP 提供多種語言的官方 SDK:
- C# SDK - 與 Microsoft 合作維護
- Java SDK - 與 Spring AI 合作維護
- TypeScript SDK - 官方 TypeScript 實現
- Python SDK - 官方 Python 實現
- Kotlin SDK - 官方 Kotlin 實現
- Swift SDK - 與 Loopwork AI 合作維護
- Rust SDK - 官方 Rust 實現
- 使用語言特定的 SDK 設置 MCP 開發環境非常簡單
- 建立 MCP 伺服器需要創建並註冊具有清晰架構的工具
- MCP 客戶端連接到伺服器和模型以利用擴展功能
- 測試和除錯對於可靠的 MCP 實現至關重要
- 部署選項包括本地開發和基於雲的解決方案
我們提供了一組範例,補充本章節中所有課程的練習。此外,每個章節也有自己的練習和作業。
- 在 Azure 上使用 Model Context Protocol 建立代理
- 使用 Azure 容器應用程式進行遠程 MCP(Node.js/TypeScript/JavaScript)
- .NET OpenAI MCP Agent
下一步:建立您的第一個 MCP 伺服器
免責聲明:
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯,請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊,建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
