Willkommen zum Model Context Protocol (MCP) Workshop! Dieser praxisorientierte Workshop vereint zwei Spitzentechnologien, um die Entwicklung von KI-Anwendungen zu revolutionieren:
- 🔗 Model Context Protocol (MCP): Ein offener Standard für nahtlose KI-Tool-Integration
- 🛠️ AI Toolkit für Visual Studio Code (AITK): Microsofts leistungsstarke Erweiterung für KI-Entwicklung
Am Ende dieses Workshops beherrschen Sie den Aufbau intelligenter Anwendungen, die KI-Modelle mit realen Tools und Services verbinden. Von automatisierten Tests bis zu individuellen API-Integrationen erwerben Sie praktische Fähigkeiten zur Lösung komplexer Geschäftsanforderungen.
MCP ist das „USB-C für KI“ – ein universeller Standard, der KI-Modelle mit externen Tools und Datenquellen verbindet.
✨ Hauptmerkmale:
- 🔄 Standardisierte Integration: Universelle Schnittstelle für KI-Tool-Verbindungen
- 🏛️ Flexible Architektur: Lokale & entfernte Server über stdio/SSE Transport
- 🧰 Umfangreiches Ökosystem: Tools, Prompts und Ressourcen in einem Protokoll
- 🔒 Enterprise-tauglich: Eingebaute Sicherheit und Zuverlässigkeit
🎯 Warum MCP wichtig ist:
Wie USB-C das Kabelchaos beseitigt hat, vereinfacht MCP die Komplexität von KI-Integrationen. Ein Protokoll, unendliche Möglichkeiten.
Microsofts führende KI-Entwicklungserweiterung, die VS Code in eine KI-Powerstation verwandelt.
🚀 Kernfunktionen:
- 📦 Modellkatalog: Zugriff auf Modelle von Azure AI, GitHub, Hugging Face, Ollama
- ⚡ Lokale Inferenz: ONNX-optimierte CPU/GPU/NPU-Ausführung
- 🏗️ Agent Builder: Visuelle Entwicklung von KI-Agenten mit MCP-Integration
- 🎭 Multimodal: Unterstützung für Text, Bild und strukturierte Ausgaben
💡 Vorteile für Entwickler:
- Modellbereitstellung ohne Konfiguration
- Visuelles Prompt-Engineering
- Echtzeit-Testumgebung
- Nahtlose MCP-Server-Integration
Dauer: 15 Minuten
- 🛠️ Installation und Konfiguration von AI Toolkit für VS Code
- 🗂️ Erkundung des Modellkatalogs (100+ Modelle von GitHub, ONNX, OpenAI, Anthropic, Google)
- 🎮 Beherrschung des interaktiven Playgrounds für Echtzeit-Tests
- 🤖 Bau deines ersten KI-Agenten mit Agent Builder
- 📊 Bewertung der Modellleistung mit integrierten Metriken (F1, Relevanz, Ähnlichkeit, Kohärenz)
- ⚡ Einführung in Batch-Verarbeitung und multimodale Unterstützung
🎯 Lernziel: Erstellung eines funktionsfähigen KI-Agenten mit umfassendem Verständnis der AITK-Funktionen
Dauer: 20 Minuten
- 🧠 Beherrschung der Architektur und Konzepte des Model Context Protocol (MCP)
- 🌐 Erkundung des MCP-Server-Ökosystems von Microsoft
- 🤖 Entwicklung eines Browser-Automatisierungsagenten mit Playwright MCP-Server
- 🔧 Integration von MCP-Servern in AI Toolkit Agent Builder
- 📊 Konfiguration und Test von MCP-Tools in deinen Agenten
- 🚀 Export und Bereitstellung MCP-gestützter Agenten für den Produktionseinsatz
🎯 Lernziel: Einsatz eines KI-Agenten mit erweiterten externen Tools über MCP
Dauer: 20 Minuten
- 💻 Erstellung eigener MCP-Server mit AI Toolkit
- 🐍 Konfiguration und Nutzung des aktuellen MCP Python SDK (v1.9.3)
- 🔍 Einrichtung und Verwendung des MCP Inspectors zum Debuggen
- 🛠️ Aufbau eines Weather MCP Servers mit professionellen Debugging-Workflows
- 🧪 Debugging von MCP-Servern sowohl im Agent Builder als auch im Inspector
🎯 Lernziel: Entwicklung und Debugging von eigenen MCP-Servern mit modernen Werkzeugen
Dauer: 30 Minuten
- 🏗️ Aufbau eines realen GitHub Clone MCP Servers für Entwicklungs-Workflows
- 🔄 Umsetzung intelligenter Repository-Klonung mit Validierung und Fehlerbehandlung
- 📁 Intelligente Verzeichnisverwaltung und VS Code Integration
- 🤖 Einsatz des GitHub Copilot Agent Mode mit eigenen MCP-Tools
- 🛡️ Anwendung von produktionsreifer Zuverlässigkeit und plattformübergreifender Kompatibilität
🎯 Lernziel: Bereitstellung eines produktionsreifen MCP-Servers zur Optimierung echter Entwicklungsprozesse
Verwandle deinen Entwicklungsworkflow mit intelligenter Automatisierung:
- Intelligente Repository-Verwaltung: KI-gestützte Code-Reviews und Merge-Entscheidungen
- Intelligente CI/CD: Automatisierte Pipeline-Optimierung basierend auf Codeänderungen
- Issue-Triage: Automatische Fehlerklassifikation und -zuweisung
Verbessere Tests mit KI-gestützter Automatisierung:
- Intelligente Testgenerierung: Automatische Erstellung umfassender Testsuiten
- Visuelle Regressionstests: KI-gestützte Erkennung von UI-Änderungen
- Performance-Monitoring: Proaktive Erkennung und Behebung von Problemen
Baue smartere Datenverarbeitungs-Workflows:
- Adaptive ETL-Prozesse: Selbstoptimierende Datenumwandlungen
- Anomalieerkennung: Echtzeit-Überwachung der Datenqualität
- Intelligente Steuerung: Smarte Verwaltung des Datenflusses
Schaffe herausragende Kundeninteraktionen:
- Kontextbewusster Support: KI-Agenten mit Zugriff auf Kundendaten
- Proaktive Problemlösung: Vorausschauender Kundenservice
- Multikanal-Integration: Einheitliches KI-Erlebnis über Plattformen hinweg
| Komponente | Anforderung | Hinweise |
|---|---|---|
| Betriebssystem | Windows 10+, macOS 10.15+, Linux | Beliebiges modernes OS |
| Visual Studio Code | Neueste stabile Version | Für AITK erforderlich |
| Node.js | v18.0+ und npm | Für MCP-Server-Entwicklung |
| Python | 3.10+ | Optional für Python MCP-Server |
| Arbeitsspeicher | Mindestens 8GB RAM | 16GB empfohlen für lokale Modelle |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) – Optional, aber hilfreich
- uv: Moderner Python-Paketmanager
- MCP Inspector: Visuelles Debugging-Tool für MCP-Server
- Playwright: Für Web-Automatisierungsbeispiele
Mit Abschluss dieses Workshops erlangen Sie Expertise in:
- MCP-Protokollbeherrschung: Tiefes Verständnis von Architektur und Implementierungsmustern
- AITK-Kompetenz: Expertenwissen im Umgang mit AI Toolkit für schnelle Entwicklung
- Entwicklung eigener Server: Aufbau, Bereitstellung und Wartung von produktionsreifen MCP-Servern
- Exzellente Tool-Integration: Nahtlose Verbindung von KI mit bestehenden Entwicklungsprozessen
- Anwendung von Problemlösungen: Umsetzung der erlernten Fähigkeiten in realen Geschäftsanforderungen
- Einrichtung und Konfiguration von AI Toolkit in VS Code
- Entwurf und Implementierung eigener MCP-Server
- Integration von GitHub-Modellen in MCP-Architektur
- Aufbau automatisierter Testworkflows mit Playwright
- Bereitstellung von KI-Agenten für den Produktionseinsatz
- Debugging und Optimierung der MCP-Server-Leistung
- Architektur von KI-Integrationen auf Unternehmensebene
- Umsetzung von Sicherheitsbest-practices für KI-Anwendungen
- Entwurf skalierbarer MCP-Server-Architekturen
- Erstellung maßgeschneiderter Toolchains für spezielle Anwendungsbereiche
- Mentoring anderer in KI-nativer Entwicklung
🚀 Bereit, deinen KI-Entwicklungsworkflow zu revolutionieren?
Lass uns gemeinsam die Zukunft intelligenter Anwendungen mit MCP und AI Toolkit gestalten!
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache ist als maßgebliche Quelle zu betrachten. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.