README.md

Nutzung eines Servers aus der AI Toolkit-Erweiterung für Visual Studio Code

Beim Erstellen eines KI-Agenten geht es nicht nur darum, intelligente Antworten zu generieren; es geht auch darum, dem Agenten die Fähigkeit zu geben, aktiv zu handeln. Genau hier kommt das Model Context Protocol (MCP) ins Spiel. MCP erleichtert es Agenten, konsistent auf externe Werkzeuge und Dienste zuzugreifen. Man kann es sich vorstellen wie das Anschließen des Agenten an einen Werkzeugkasten, den er wirklich nutzen kann.

Angenommen, Sie verbinden einen Agenten mit Ihrem Rechner-MCP-Server. Plötzlich kann Ihr Agent mathematische Operationen durchführen, indem er einfach eine Eingabe wie „Was ist 47 mal 89?“ erhält – ohne dass Sie Logik fest codieren oder eigene APIs erstellen müssen.

Überblick

Diese Lektion zeigt, wie man einen Rechner-MCP-Server mit einem Agenten über die AI Toolkit-Erweiterung in Visual Studio Code verbindet, sodass Ihr Agent mathematische Operationen wie Addition, Subtraktion, Multiplikation und Division in natürlicher Sprache ausführen kann.

AI Toolkit ist eine leistungsstarke Erweiterung für Visual Studio Code, die die Agentenentwicklung vereinfacht. AI Engineers können damit KI-Anwendungen leicht entwickeln und generative KI-Modelle lokal oder in der Cloud testen. Die Erweiterung unterstützt die meisten heute verfügbaren großen generativen Modelle.

Hinweis: Das AI Toolkit unterstützt derzeit Python und TypeScript.

Lernziele

Am Ende dieser Lektion können Sie:

• Einen MCP-Server über das AI Toolkit nutzen.
• Eine Agentenkonfiguration einrichten, damit der Agent Werkzeuge vom MCP-Server finden und verwenden kann.
• MCP-Werkzeuge über natürliche Sprache verwenden.

Vorgehensweise

So gehen wir auf hoher Ebene vor:

• Einen Agenten erstellen und dessen Systemprompt definieren.
• Einen MCP-Server mit Rechner-Werkzeugen erstellen.
• Den Agent Builder mit dem MCP-Server verbinden.
• Die Werkzeugaufrufe des Agenten über natürliche Sprache testen.

Super, da wir den Ablauf kennen, konfigurieren wir jetzt einen KI-Agenten, der externe Werkzeuge über MCP nutzt und so seine Fähigkeiten erweitert!

Voraussetzungen

• Visual Studio Code
• AI Toolkit für Visual Studio Code

Übung: Nutzung eines Servers

In dieser Übung bauen, starten und erweitern Sie einen KI-Agenten mit Werkzeugen von einem MCP-Server innerhalb von Visual Studio Code mit dem AI Toolkit.

-0- Vorbereitung: Fügen Sie das OpenAI GPT-4o Modell zu My Models hinzu

Die Übung nutzt das GPT-4o Modell. Dieses sollte vor der Erstellung des Agenten zu My Models hinzugefügt werden.

1. Öffnen Sie die AI Toolkit-Erweiterung über die Activity Bar.
2. Wählen Sie im Bereich Catalog die Option Models, um den Model Catalog zu öffnen. Das Öffnen von Models öffnet den Model Catalog in einem neuen Editor-Tab.
3. Geben Sie im Suchfeld des Model Catalog OpenAI GPT-4o ein.
4. Klicken Sie auf + Add, um das Modell zu Ihrer My Models-Liste hinzuzufügen. Achten Sie darauf, dass Sie das Modell auswählen, das Hosted by GitHub ist.
5. Vergewissern Sie sich in der Activity Bar, dass das OpenAI GPT-4o Modell in der Liste erscheint.

-1- Einen Agenten erstellen

Der Agent (Prompt) Builder ermöglicht es Ihnen, eigene KI-gestützte Agenten zu erstellen und anzupassen. In diesem Abschnitt erstellen Sie einen neuen Agenten und wählen ein Modell für die Unterhaltung aus.

1. Öffnen Sie die AI Toolkit-Erweiterung über die Activity Bar.
2. Wählen Sie im Bereich Tools den Agent (Prompt) Builder aus. Das Öffnen des Agent (Prompt) Builder öffnet diesen in einem neuen Editor-Tab.
3. Klicken Sie auf die Schaltfläche + New Agent. Die Erweiterung startet einen Setup-Assistenten über die Command Palette.
4. Geben Sie den Namen Calculator Agent ein und drücken Sie Enter.
5. Wählen Sie im Agent (Prompt) Builder im Feld Model das Modell OpenAI GPT-4o (via GitHub) aus.

-2- Einen Systemprompt für den Agenten erstellen

Nachdem der Agent erstellt ist, definieren Sie nun seine Persönlichkeit und seinen Zweck. In diesem Abschnitt verwenden Sie die Funktion Generate system prompt, um das gewünschte Verhalten des Agenten zu beschreiben – in diesem Fall als Rechner-Agent – und das Modell den Systemprompt für Sie erstellen zu lassen.

1. Klicken Sie im Abschnitt Prompts auf die Schaltfläche Generate system prompt. Diese öffnet den Prompt-Builder, der KI nutzt, um einen Systemprompt für den Agenten zu generieren.
2. Geben Sie im Fenster Generate a prompt Folgendes ein: You are a helpful and efficient math assistant. When given a problem involving basic arithmetic, you respond with the correct result.
3. Klicken Sie auf Generate. Unten rechts erscheint eine Benachrichtigung, dass der Systemprompt generiert wird. Sobald die Generierung abgeschlossen ist, erscheint der Prompt im Feld System prompt des Agent (Prompt) Builder.
4. Überprüfen Sie den System prompt und passen Sie ihn bei Bedarf an.

-3- Einen MCP-Server erstellen

Nachdem Sie den Systemprompt definiert haben, der das Verhalten und die Antworten des Agenten steuert, statten Sie den Agenten jetzt mit praktischen Fähigkeiten aus. In diesem Abschnitt erstellen Sie einen Rechner-MCP-Server mit Werkzeugen für Addition, Subtraktion, Multiplikation und Division. Dieser Server ermöglicht es Ihrem Agenten, in Echtzeit mathematische Operationen als Antwort auf natürliche Sprache auszuführen.

Das AI Toolkit bietet Vorlagen, die das Erstellen eigener MCP-Server erleichtern. Wir verwenden die Python-Vorlage für den Rechner-MCP-Server.

Hinweis: Das AI Toolkit unterstützt derzeit Python und TypeScript.

1. Klicken Sie im Bereich Tools des Agent (Prompt) Builder auf die Schaltfläche + MCP Server. Die Erweiterung startet einen Setup-Assistenten über die Command Palette.

2. Wählen Sie + Add Server.

3. Wählen Sie Create a New MCP Server.

4. Wählen Sie die Vorlage python-weather aus.

5. Wählen Sie Default folder, um die MCP-Server-Vorlage zu speichern.

6. Geben Sie folgenden Namen für den Server ein: Calculator

7. Ein neues Visual Studio Code-Fenster öffnet sich. Wählen Sie Yes, I trust the authors.

8. Erstellen Sie im Terminal (Terminal > New Terminal) eine virtuelle Umgebung: python -m venv .venv

9. Aktivieren Sie die virtuelle Umgebung im Terminal:

   1. Windows – .venv\Scripts\activate
   2. macOS/Linux – source venv/bin/activate

10. Installieren Sie die Abhängigkeiten im Terminal: pip install -e .[dev]

11. Erweitern Sie im Explorer-Bereich der Activity Bar das Verzeichnis src und öffnen Sie die Datei server.py.

12. Ersetzen Sie den Code in der Datei server.py durch den folgenden und speichern Sie:

    """
    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

-4- Den Agenten mit dem Rechner-MCP-Server ausführen

Da Ihr Agent jetzt Werkzeuge hat, ist es Zeit, diese zu nutzen! In diesem Abschnitt senden Sie Eingaben an den Agenten, um zu testen und zu überprüfen, ob er die passenden Werkzeuge des Rechner-MCP-Servers verwendet.

Sie führen den Rechner-MCP-Server auf Ihrer lokalen Entwicklungsmaschine über den Agent Builder als MCP-Client aus.

1. Drücken Sie `F5`` to start debugging the MCP server. The Agent (Prompt) Builder will open in a new editor tab. The status of the server is visible in the terminal.
2. In the User prompt field of the Agent (Prompt) Builder, enter the following prompt: I bought 3 items priced at $25 each, and then used a $20 discount. How much did I pay?
3. Click the Run button to generate the agent's response.
4. Review the agent output. The model should conclude that you paid $55.
5. Here's a breakdown of what should occur:
   • The agent selects the multiply and substract tools to aid in the calculation.
   • The respective a and b values are assigned for the multiply tool.
   • The respective a and b Werte werden für das Werkzeug subtract zugewiesen.
   • Die Antwort jedes Werkzeugs wird in der jeweiligen Tool Response angezeigt.
   • Die endgültige Ausgabe des Modells erscheint in der abschließenden Model Response.
6. Geben Sie weitere Eingaben ein, um den Agenten weiter zu testen. Sie können den bestehenden Prompt im Feld User prompt durch Anklicken und Ersetzen ändern.
7. Wenn Sie mit dem Testen fertig sind, können Sie den Server über das Terminal mit CTRL/CMD+C beenden.

Aufgabe

Versuchen Sie, einen zusätzlichen Werkzeugeintrag in Ihre server.py-Datei hinzuzufügen (z. B. die Quadratwurzel einer Zahl berechnen). Geben Sie weitere Eingaben ein, die den Agenten dazu bringen, Ihr neues Werkzeug (oder vorhandene Werkzeuge) zu verwenden. Vergessen Sie nicht, den Server neu zu starten, damit die neuen Werkzeuge geladen werden.

Lösung

Lösung

Wichtige Erkenntnisse

Folgendes nehmen Sie aus diesem Kapitel mit:

• Die AI Toolkit-Erweiterung ist ein großartiger Client, mit dem Sie MCP-Server und deren Werkzeuge nutzen können.
• Sie können MCP-Server um neue Werkzeuge erweitern und so die Fähigkeiten des Agenten an sich ändernde Anforderungen anpassen.
• Das AI Toolkit enthält Vorlagen (z. B. Python MCP-Server-Vorlagen), die das Erstellen eigener Werkzeuge vereinfachen.

Zusätzliche Ressourcen

• AI Toolkit Dokumentation

Was kommt als Nächstes

• Weiter: Testing & Debugging

Haftungsausschluss:
Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes Co-op Translator übersetzt. Obwohl wir auf Genauigkeit achten, bitten wir zu beachten, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache gilt als maßgebliche Quelle. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die durch die Nutzung dieser Übersetzung entstehen.