當你在建立 AI 代理時，不只是要產生聰明的回應，更重要的是讓代理能夠採取行動。這時候就會用到 Model Context Protocol (MCP)。MCP 讓代理能以一致的方式存取外部工具和服務。可以把它想像成把你的代理接上了一個真正能用的工具箱。
假設你將代理連接到計算機 MCP 伺服器，代理就能透過像「47 乘以 89 是多少？」這樣的提示來執行數學運算，無需硬編碼邏輯或建立自訂 API。
本課程說明如何使用 Visual Studio Code 中的 AI Toolkit 擴充功能，將計算機 MCP 伺服器連接到代理，使代理能透過自然語言執行加、減、乘、除等數學運算。
AI Toolkit 是 Visual Studio Code 的強大擴充功能，簡化了代理開發流程。AI 工程師可以輕鬆地開發和測試生成式 AI 模型，無論是在本地或雲端。此擴充功能支援目前大多數主流的生成式模型。
注意：AI Toolkit 目前支援 Python 和 TypeScript。
完成本課程後，你將能夠：
- 透過 AI Toolkit 使用 MCP 伺服器。
- 配置代理設定，使其能發現並使用 MCP 伺服器提供的工具。
- 透過自然語言使用 MCP 工具。
我們需要從高層次來看這個流程：
- 建立代理並定義其系統提示。
- 建立帶有計算工具的 MCP 伺服器。
- 將 Agent Builder 連接到 MCP 伺服器。
- 透過自然語言測試代理的工具調用。
很好，了解流程後，讓我們配置 AI 代理，透過 MCP 利用外部工具，提升其功能！
在本練習中，你將使用 AI Toolkit 在 Visual Studio Code 內建立、執行並強化一個帶有 MCP 伺服器工具的 AI 代理。
本練習使用 GPT-4o 模型。請在建立代理前，先將此模型加入「我的模型」。
- 從 活動列 開啟 AI Toolkit 擴充功能。
- 在 目錄 區段選擇 模型，打開 模型目錄。選擇 模型 會在新編輯器分頁中開啟 模型目錄。
- 在 模型目錄 的搜尋欄輸入 OpenAI GPT-4o。
- 點擊 + 新增，將模型加入你的 我的模型 清單。請確認你選擇的是 GitHub 托管 的模型。
- 在 活動列 中確認 OpenAI GPT-4o 模型已出現在清單中。
Agent (Prompt) Builder 讓你建立並自訂自己的 AI 代理。在本節中，你將建立一個新代理並指定模型來驅動對話。
- 從 活動列 開啟 AI Toolkit 擴充功能。
- 在 工具 區段選擇 Agent (Prompt) Builder，會在新編輯器分頁中開啟該建構器。
- 點擊 + 新增代理 按鈕。擴充功能會透過 命令面板 啟動設定精靈。
- 輸入名稱 Calculator Agent，按下 Enter。
- 在 Agent (Prompt) Builder 的 模型 欄位，選擇 OpenAI GPT-4o (via GitHub) 模型。
代理架構完成後，接著定義其個性與目的。本節將使用 產生系統提示 功能，描述代理的預期行為（此處為計算機代理），並由模型為你撰寫系統提示。
- 在 提示 區段，點擊 產生系統提示 按鈕。此按鈕會開啟提示建構器，利用 AI 產生系統提示。
- 在 產生提示 視窗中輸入：
你是一位樂於助人且高效率的數學助理。當遇到基本算術問題時，你會回應正確結果。 - 點擊 產生 按鈕。右下角會出現通知，確認系統提示正在產生。完成後，提示會顯示在 Agent (Prompt) Builder 的 系統提示 欄位。
- 檢視系統提示，必要時進行修改。
既然已定義代理的系統提示，指導其行為與回應，接下來要為代理配備實用功能。本節將建立一個計算機 MCP 伺服器，內含執行加、減、乘、除運算的工具。此伺服器能讓代理根據自然語言提示即時執行數學運算。
AI Toolkit 提供範本，方便你建立自己的 MCP 伺服器。我們將使用 Python 範本來建立計算機 MCP 伺服器。
注意：AI Toolkit 目前支援 Python 和 TypeScript。
-
在 Agent (Prompt) Builder) 的 工具 區段，點擊 + MCP Server 按鈕。擴充功能會透過 命令面板 啟動設定精靈。
-
選擇 + 新增伺服器。
-
選擇 建立新的 MCP 伺服器。
-
選擇 python-weather 範本。
-
選擇 預設資料夾 來儲存 MCP 伺服器範本。
-
輸入伺服器名稱：Calculator
-
會開啟一個新的 Visual Studio Code 視窗，選擇 是，我信任作者。
-
使用終端機（終端機 > 新終端機）建立虛擬環境：
python -m venv .venv -
使用終端機啟動虛擬環境：
- Windows -
.venv\Scripts\activate - macOS/Linux -
source venv/bin/activate
- Windows -
-
使用終端機安裝相依套件：
pip install -e .[dev] -
在 活動列 的 檔案總管 視圖中，展開 src 目錄並選擇 server.py，在編輯器中開啟該檔案。
-
將 server.py 檔案中的程式碼替換為以下內容並儲存：
""" Sample MCP Calculator Server implementation in Python. This module demonstrates how to create a simple MCP server with calculator tools that can perform basic arithmetic operations (add, subtract, multiply, divide). """ from mcp.server.fastmcp import FastMCP server = FastMCP("calculator") @server.tool() def add(a: float, b: float) -> float: """Add two numbers together and return the result.""" return a + b @server.tool() def subtract(a: float, b: float) -> float: """Subtract b from a and return the result.""" return a - b @server.tool() def multiply(a: float, b: float) -> float: """Multiply two numbers together and return the result.""" return a * b @server.tool() def divide(a: float, b: float) -> float: """ Divide a by b and return the result. Raises: ValueError: If b is zero """ if b == 0: raise ValueError("Cannot divide by zero") return a / b
既然代理已有工具，現在就來使用它們！本節將提交提示給代理，測試並驗證代理是否能使用計算機 MCP 伺服器中的適當工具。
你將在本機開發機器上以 MCP 用戶端身份，透過 Agent Builder 執行計算機 MCP 伺服器。
- 按下
F5開始除錯 MCP 伺服器。Agent (Prompt) Builder 會在新編輯器分頁中開啟。終端機中可見伺服器狀態。 - 在 Agent (Prompt) Builder 的 使用者提示 欄位輸入：
我買了 3 件商品，每件 25 美元，然後用了 20 美元折扣。我總共付了多少錢？ - 點擊 執行 按鈕，產生代理回應。
- 檢視代理輸出。模型應該會得出你付了 55 美元 的結論。
- 以下是應該發生的流程：
- 代理選擇使用 multiply 和 subtract 工具協助計算。
- 為 multiply 工具分配相應的
a和b值。 - 為 subtract 工具分配相應的
a和b值。 - 各工具的回應會顯示在相應的 工具回應。
- 模型的最終輸出會顯示在最終的 模型回應。
- 提交更多提示以進一步測試代理。你可以點擊 使用者提示 欄位，修改現有提示。
- 測試完成後，可在 終端機 輸入 CTRL/CMD+C 停止伺服器。
嘗試在你的 server.py 檔案中新增一個工具（例如：回傳數字的平方根）。提交需要代理使用你新增工具（或現有工具）的提示。記得重新啟動伺服器以載入新工具。
本章節的重點如下：
- AI Toolkit 擴充功能是很棒的用戶端，讓你能使用 MCP 伺服器及其工具。
- 你可以為 MCP 伺服器新增工具，擴展代理的功能以符合不斷變化的需求。
- AI Toolkit 包含範本（例如 Python MCP 伺服器範本），簡化自訂工具的建立。
- 下一步：測試與除錯
免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，但請注意，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視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋負責。