Skip to content

Latest commit

 

History

History
402 lines (330 loc) · 12.6 KB

File metadata and controls

402 lines (330 loc) · 12.6 KB

🔧 Modul 3: Avanceret MCP-udvikling med AI Toolkit

Duration AI Toolkit Python MCP SDK Inspector

🎯 Læringsmål

Når du er færdig med dette lab, vil du kunne:

  • ✅ Oprette tilpassede MCP-servere ved hjælp af AI Toolkit
  • ✅ Konfigurere og bruge den nyeste MCP Python SDK (v1.9.3)
  • ✅ Opsætte og anvende MCP Inspector til fejlfinding
  • ✅ Fejlsøge MCP-servere i både Agent Builder og Inspector-miljøer
  • ✅ Forstå avancerede arbejdsgange for MCP-serverudvikling

📋 Forudsætninger

  • Gennemført Lab 2 (MCP Fundamentals)
  • VS Code med AI Toolkit-udvidelsen installeret
  • Python 3.10+ miljø
  • Node.js og npm til opsætning af Inspector

🏗️ Hvad du vil bygge

I dette lab opretter du en Weather MCP Server, som demonstrerer:

  • Tilpasset MCP-serverimplementering
  • Integration med AI Toolkit Agent Builder
  • Professionelle fejlsøgningsarbejdsgange
  • Moderne MCP SDK-brugsmønstre

🔧 Oversigt over kernekomponenter

🐍 MCP Python SDK

Model Context Protocol Python SDK udgør fundamentet for at bygge tilpassede MCP-servere. Du bruger version 1.9.3 med forbedrede fejlsøgningsfunktioner.

🔍 MCP Inspector

Et kraftfuldt fejlsøgningsværktøj, som tilbyder:

  • Realtids overvågning af servere
  • Visualisering af værktøjsudførelse
  • Inspektion af netværksanmodninger/-svar
  • Interaktiv testmiljø

📖 Trin-for-trin implementering

Trin 1: Opret en WeatherAgent i Agent Builder

  1. Start Agent Builder i VS Code via AI Toolkit-udvidelsen
  2. Opret en ny agent med følgende konfiguration:
    • Agentnavn: WeatherAgent

Agent Creation

Trin 2: Initialiser MCP Server-projekt

  1. Gå til ToolsAdd Tool i Agent Builder
  2. Vælg "MCP Server" blandt de tilgængelige muligheder
  3. Vælg "Create A new MCP Server"
  4. Vælg skabelonen python-weather
  5. Navngiv din server: weather_mcp

Python Template Selection

Trin 3: Åbn og gennemgå projektet

  1. Åbn det genererede projekt i VS Code
  2. Gennemgå projektstrukturen:
    weather_mcp/
    ├── src/
    │   ├── __init__.py
    │   └── server.py
    ├── inspector/
    │   ├── package.json
    │   └── package-lock.json
    ├── .vscode/
    │   ├── launch.json
    │   └── tasks.json
    ├── pyproject.toml
    └── README.md
    

Trin 4: Opgrader til nyeste MCP SDK

🔍 Hvorfor opgradere? Vi ønsker at bruge den nyeste MCP SDK (v1.9.3) og Inspector-service (0.14.0) for at få forbedrede funktioner og bedre fejlsøgning.

4a. Opdater Python-afhængigheder

Rediger pyproject.toml: update ./code/weather_mcp/pyproject.toml

4b. Update Inspector Configuration

Edit inspector/package.json: update ./code/weather_mcp/inspector/package.json

4c. Update Inspector Dependencies

Edit inspector/package-lock.json: update ./code/weather_mcp/inspector/package-lock.json

📝 Note: This file contains extensive dependency definitions. Below is the essential structure - the full content ensures proper dependency resolution.

⚡ Full Package Lock: The complete package-lock.json contains ~3000 lines of dependency definitions. The above shows the key structure - use the provided file for complete dependency resolution.

Step 5: Configure VS Code Debugging

Note: Please copy the file in the specified path to replace the corresponding local file

5a. Update Launch Configuration

Edit .vscode/launch.json:

{
  "version": "0.2.0",
  "configurations": [
    {
      "name": "Attach to Local MCP",
      "type": "debugpy",
      "request": "attach",
      "connect": {
        "host": "localhost",
        "port": 5678
      },
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen",
      "postDebugTask": "Terminate All Tasks"
    },
    {
      "name": "Launch Inspector (Edge)",
      "type": "msedge",
      "request": "launch",
      "url": "http://localhost:6274?timeout=60000&serverUrl=http://localhost:3001/sse#tools",
      "cascadeTerminateToConfigurations": [
        "Attach to Local MCP"
      ],
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen"
    },
    {
      "name": "Launch Inspector (Chrome)",
      "type": "chrome",
      "request": "launch",
      "url": "http://localhost:6274?timeout=60000&serverUrl=http://localhost:3001/sse#tools",
      "cascadeTerminateToConfigurations": [
        "Attach to Local MCP"
      ],
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen"
    }
  ],
  "compounds": [
    {
      "name": "Debug in Agent Builder",
      "configurations": [
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Open Agent Builder",
    },
    {
      "name": "Debug in Inspector (Edge)",
      "configurations": [
        "Launch Inspector (Edge)",
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Start MCP Inspector",
      "stopAll": true
    },
    {
      "name": "Debug in Inspector (Chrome)",
      "configurations": [
        "Launch Inspector (Chrome)",
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Start MCP Inspector",
      "stopAll": true
    }
  ]
}

Rediger .vscode/tasks.json:

{
  "version": "2.0.0",
  "tasks": [
    {
      "label": "Start MCP Server",
      "type": "shell",
      "command": "python -m debugpy --listen 127.0.0.1:5678 src/__init__.py sse",
      "isBackground": true,
      "options": {
        "cwd": "${workspaceFolder}",
        "env": {
          "PORT": "3001"
        }
      },
      "problemMatcher": {
        "pattern": [
          {
            "regexp": "^.*$",
            "file": 0,
            "location": 1,
            "message": 2
          }
        ],
        "background": {
          "activeOnStart": true,
          "beginsPattern": ".*",
          "endsPattern": "Application startup complete|running"
        }
      }
    },
    {
      "label": "Start MCP Inspector",
      "type": "shell",
      "command": "npm run dev:inspector",
      "isBackground": true,
      "options": {
        "cwd": "${workspaceFolder}/inspector",
        "env": {
          "CLIENT_PORT": "6274",
          "SERVER_PORT": "6277",
        }
      },
      "problemMatcher": {
        "pattern": [
          {
            "regexp": "^.*$",
            "file": 0,
            "location": 1,
            "message": 2
          }
        ],
        "background": {
          "activeOnStart": true,
          "beginsPattern": "Starting MCP inspector",
          "endsPattern": "Proxy server listening on port"
        }
      },
      "dependsOn": [
        "Start MCP Server"
      ]
    },
    {
      "label": "Open Agent Builder",
      "type": "shell",
      "command": "echo ${input:openAgentBuilder}",
      "presentation": {
        "reveal": "never"
      },
      "dependsOn": [
        "Start MCP Server"
      ],
    },
    {
      "label": "Terminate All Tasks",
      "command": "echo ${input:terminate}",
      "type": "shell",
      "problemMatcher": []
    }
  ],
  "inputs": [
    {
      "id": "openAgentBuilder",
      "type": "command",
      "command": "ai-mlstudio.agentBuilder",
      "args": {
        "initialMCPs": [ "local-server-weather_mcp" ],
        "triggeredFrom": "vsc-tasks"
      }
    },
    {
      "id": "terminate",
      "type": "command",
      "command": "workbench.action.tasks.terminate",
      "args": "terminateAll"
    }
  ]
}

🚀 Kørsel og test af din MCP-server

Trin 6: Installer afhængigheder

Efter konfigurationsændringerne, kør følgende kommandoer:

Installer Python-afhængigheder:

uv sync

Installer Inspector-afhængigheder:

cd inspector
npm install

Trin 7: Fejlsøg med Agent Builder

  1. Tryk på F5 eller brug konfigurationen "Debug in Agent Builder"
  2. Vælg compound-konfigurationen i debug-panelet
  3. Vent på at serveren starter og Agent Builder åbner
  4. Test din Weather MCP Server med naturlige sprogforespørgsler

Indtast prompt som denne

SYSTEM_PROMPT

You are my weather assistant

USER_PROMPT

How's the weather like in Seattle

Agent Builder Debug Result

Trin 8: Fejlsøg med MCP Inspector

  1. Brug konfigurationen "Debug in Inspector" (Edge eller Chrome)
  2. Åbn Inspector-grænsefladenhttp://localhost:6274
  3. Udforsk det interaktive testmiljø:
    • Se tilgængelige værktøjer
    • Test værktøjsudførelse
    • Overvåg netværksanmodninger
    • Fejlsøg serverrespons

MCP Inspector Interface


🎯 Vigtige læringsresultater

Ved at gennemføre dette lab har du:

  • Oprettet en tilpasset MCP-server ved hjælp af AI Toolkit-skabeloner
  • Opgraderet til den nyeste MCP SDK (v1.9.3) for forbedret funktionalitet
  • Konfigureret professionelle fejlsøgningsarbejdsgange for både Agent Builder og Inspector
  • Opsat MCP Inspector til interaktiv servertest
  • Behersket VS Code fejlsøgningskonfigurationer til MCP-udvikling

🔧 Avancerede funktioner udforsket

Funktion Beskrivelse Anvendelsestilfælde
MCP Python SDK v1.9.3 Nyeste protokolimplementering Moderne serverudvikling
MCP Inspector 0.14.0 Interaktivt fejlsøgningsværktøj Realtids servertest
VS Code Debugging Integreret udviklingsmiljø Professionel fejlsøgningsworkflow
Agent Builder Integration Direkte AI Toolkit-forbindelse End-to-end agenttest

📚 Yderligere ressourcer


🎉 Tillykke! Du har nu gennemført Lab 3 og kan oprette, fejlsøge og implementere tilpassede MCP-servere med professionelle udviklingsarbejdsgange.

🔜 Fortsæt til næste modul

Klar til at anvende dine MCP-færdigheder i en reel udviklingsworkflow? Fortsæt til Modul 4: Praktisk MCP-udvikling - Custom GitHub Clone Server, hvor du vil:

  • Bygge en produktionsklar MCP-server, der automatiserer GitHub-repositorieoperationer
  • Implementere GitHub-repositorie-kloning via MCP
  • Integrere tilpassede MCP-servere med VS Code og GitHub Copilot Agent Mode
  • Teste og implementere tilpassede MCP-servere i produktionsmiljøer
  • Lære praktisk workflow-automatisering for udviklere

Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål bør betragtes som den autoritative kilde. For vigtig information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.