（點擊上方圖片觀看本課程影片）
歡迎來到 Model Context Protocol (MCP) 工作坊！這是一個全面的實作課程，結合兩項尖端技術，徹底改變 AI 應用開發方式：
- 🔗 Model Context Protocol (MCP)：一個開放標準，用於無縫整合 AI 工具
- 🛠️ Visual Studio Code 的 AI Toolkit (AITK)：微軟強大的 AI 開發擴展工具
完成本工作坊後，你將掌握構建智慧應用的技巧，能夠將 AI 模型與現實世界的工具和服務相結合。從自動化測試到自訂 API 整合，你將獲得解決複雜業務挑戰的實用技能。
MCP 是 AI 領域的 "USB-C"——一個連接 AI 模型與外部工具和數據源的通用標準。
✨ 主要特性：
- 🔄 標準化整合：為 AI 工具連接提供通用介面
- 🏛️ 靈活架構：通過 stdio/SSE 傳輸支持本地和遠端伺服器
- 🧰 豐富生態系統：工具、提示和資源集於一體
- 🔒 企業級準備：內建安全性與可靠性
🎯 MCP 的重要性：
就像 USB-C 消除了線纜混亂，MCP 消除了 AI 整合的複雜性。一個協議，無限可能。
微軟的旗艦 AI 開發擴展工具，將 VS Code 轉變為 AI 開發的強大平台。
🚀 核心功能：
- 📦 模型目錄：訪問來自 Azure AI、GitHub、Hugging Face、Ollama 的模型
- ⚡ 本地推理：基於 ONNX 的 CPU/GPU/NPU 優化執行
- 🏗️ 代理構建器：可視化 AI 代理開發，支持 MCP 整合
- 🎭 多模態支持：文本、視覺和結構化輸出
💡 開發優勢：
- 零配置模型部署
- 可視化提示工程
- 實時測試操作台
- 無縫整合 MCP 伺服器
時長：15 分鐘
- 🛠️ 安裝並配置 AI Toolkit for VS Code
- 🗂️ 探索模型目錄（來自 GitHub、ONNX、OpenAI、Anthropic、Google 的 100+ 模型）
- 🎮 掌握互動操作台，進行實時模型測試
- 🤖 使用代理構建器建立你的第一個 AI 代理
- 📊 使用內建指標（F1、相關性、相似性、一致性）評估模型性能
- ⚡ 學習批量處理和多模態支持功能
🎯 學習成果：建立一個功能性 AI 代理，全面了解 AITK 的功能
時長：20 分鐘
- 🧠 掌握 Model Context Protocol (MCP) 的架構與概念
- 🌐 探索微軟的 MCP 伺服器生態系統
- 🤖 使用 Playwright MCP 伺服器構建瀏覽器自動化代理
- 🔧 將 MCP 伺服器整合到 AI Toolkit 代理構建器中
- 📊 配置並測試代理中的 MCP 工具
- 🚀 將基於 MCP 的代理導出並部署到生產環境
🎯 學習成果：部署一個通過外部工具增強的 AI 代理
時長：20 分鐘
- 💻 使用 AI Toolkit 創建自訂 MCP 伺服器
- 🐍 配置並使用最新的 MCP Python SDK (v1.9.3)
- 🔍 設置並使用 MCP Inspector 進行除錯
- 🛠️ 使用專業除錯工作流程構建一個天氣 MCP 伺服器
- 🧪 在代理構建器和 Inspector 環境中除錯 MCP 伺服器
🎯 學習成果：使用現代工具開發並除錯自訂 MCP 伺服器
時長：30 分鐘
- 🏗️ 為開發工作流構建一個實用的 GitHub Clone MCP 伺服器
- 🔄 實現智能倉庫克隆，包含驗證與錯誤處理
- 📁 創建智能目錄管理與 VS Code 整合
- 🤖 使用 GitHub Copilot 代理模式與自訂 MCP 工具
- 🛡️ 應用生產級可靠性與跨平台兼容性
🎯 學習成果：部署一個生產級 MCP 伺服器，優化實際開發工作流
透過智能自動化改造你的開發工作流：
- 智能倉庫管理：AI 驅動的代碼審查與合併決策
- 智能 CI/CD：基於代碼變更的自動化管道優化
- 問題分類：自動化錯誤分類與分配
透過 AI 驅動的自動化提升測試效率：
- 智能測試生成：自動創建全面的測試套件
- 視覺回歸測試：AI 驅動的 UI 變更檢測
- 性能監控：主動識別與解決問題
構建更智能的數據處理工作流：
- 自適應 ETL 流程：自我優化的數據轉換
- 異常檢測：實時數據質量監控
- 智能路由：智能化數據流管理
創造卓越的客戶互動：
- 情境感知支持：具備客戶歷史訪問能力的 AI 代理
- 主動問題解決：預測性客戶服務
- 多渠道整合：跨平台統一的 AI 體驗
| 組件 | 要求 | 備註 |
|---|---|---|
| 作業系統 | Windows 10+、macOS 10.15+、Linux | 任意現代作業系統 |
| Visual Studio Code | 最新穩定版本 | 必須安裝 AITK |
| Node.js | v18.0+ 和 npm | 用於 MCP 伺服器開發 |
| Python | 3.10+ | 選用於 Python MCP 伺服器 |
| 記憶體 | 最低 8GB RAM | 本地模型建議 16GB |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - 選用但有幫助
- uv：現代 Python 套件管理器
- MCP Inspector：MCP 伺服器的可視化除錯工具
- Playwright：用於網頁自動化範例
完成本工作坊後，你將掌握以下技能：
- MCP 協議掌握：深入理解架構與實作模式
- AITK 熟練度：專家級使用 AI Toolkit 進行快速開發
- 自訂伺服器開發：構建、部署並維護生產級 MCP 伺服器
- 工具整合能力：無縫連接 AI 與現有開發工作流
- 問題解決應用：將所學技能應用於實際業務挑戰
- 設置並配置 AI Toolkit in VS Code
- 設計並實作自訂 MCP 伺服器
- 將 GitHub 模型整合到 MCP 架構中
- 使用 Playwright 構建自動化測試工作流
- 部署 AI 代理到生產環境
- 除錯並優化 MCP 伺服器性能
- 架構企業級 AI 整合方案
- 實施 AI 應用的安全最佳實踐
- 設計可擴展的 MCP 伺服器架構
- 為特定領域創建自訂工具鏈
- 指導他人進行 AI 原生開發
🚀 準備好徹底改變你的 AI 開發工作流程了嗎？
讓我們一起使用 MCP 和 AI Toolkit 構建智慧應用的未來！
免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。