Folge diesen Schritten, um mit diesen Ressourcen zu starten:
- Forke das Repository: Klicke auf
- Klon das Repository:
git clone https://github.com/microsoft/mcp-for-beginners.git - Tritt dem Azure AI Foundry Discord bei und tausche dich mit Experten und anderen Entwicklern aus
Das Model Context Protocol (MCP) ist ein modernes Framework, das darauf ausgelegt ist, die Interaktionen zwischen KI-Modellen und Client-Anwendungen zu standardisieren. Dieses Open-Source-Curriculum bietet einen strukturierten Lernpfad mit praktischen Codebeispielen und realen Anwendungsfällen in den gängigen Programmiersprachen C#, Java, JavaScript, TypeScript und Python.
Egal, ob du KI-Entwickler, Systemarchitekt oder Softwareingenieur bist – dieser Leitfaden ist deine umfassende Ressource, um die Grundlagen und Implementierungsstrategien von MCP zu meistern.
- 📘 MCP Dokumentation – Ausführliche Tutorials und Benutzerhandbücher
- 📜 MCP Spezifikation – Protokollarchitektur und technische Referenzen
- 🧑💻 MCP GitHub Repository – Open-Source SDKs, Tools und Codebeispiele
00-03: Grundlagen
- 00. Einführung in MCP
Überblick über das Model Context Protocol und seine Bedeutung in KI-Pipelines. Mehr lesen - 01. Kernkonzepte erklärt
Tiefgehende Erklärung der zentralen MCP-Konzepte. Mehr lesen - 02. Sicherheit in MCP
Sicherheitsbedrohungen und bewährte Vorgehensweisen. Mehr lesen - 03. Erste Schritte mit MCP
Einrichtung der Umgebung, einfache Server/Clients, Integration. Mehr lesen
03.x: Praxis-Labs
- 3.1. Erster Server – Anleitung
- 3.2. Erster Client – Anleitung
- 3.3. Client mit LLM – Anleitung
- 3.4. Nutzung eines Servers mit Visual Studio Code – Anleitung
- 3.5. Erstellung eines Servers mit SSE – Anleitung
- 3.6. HTTP Streaming – Anleitung
- 3.7. Verwendung des AI Toolkits – Anleitung
- 3.8. Testen deines Servers – Anleitung
- 3.9. Deployment deines Servers – Anleitung
04-05: Praktisch & Fortgeschritten
- 04. Praktische Umsetzung
SDKs, Debugging, Testing, wiederverwendbare Prompt-Vorlagen. Mehr lesen - 05. Fortgeschrittene Themen in MCP
Multi-modale KI, Skalierung, Unternehmenseinsatz. Mehr lesen - 5.1. MCP Integration mit Azure – Anleitung
- 5.2. Multi-Modality – Anleitung
- 5.3. MCP OAuth2 Demo – Anleitung
- 5.4. Root Contexts – Anleitung
- 5.5. Routing – Anleitung
- 5.6. Sampling – Anleitung
- 5.7. Skalierung – Anleitung
- 5.8. Sicherheit – Anleitung
- 5.9. Web Search MCP – Anleitung
- 5.10. Echtzeit-Streaming – Anleitung
- 5.11. Echtzeit-Websuche – Anleitung
06-10: Community, Best Practices & Labs
- 06. Community-Beiträge – Anleitung
- 07. Erkenntnisse aus der frühen Einführung – Guide
- 08. Best Practices für MCP – Guide
- 09. MCP Fallstudien – Guide
- 10. Optimierung von KI-Workflows: Aufbau eines MCP-Servers mit AI Toolkit – Hands On Lab
Code-Implementierungen nach Sprache entdecken
Fortgeschrittene Beispiele entdecken
Um das Beste aus diesem Curriculum herauszuholen, solltest du Folgendes mitbringen:
- Grundkenntnisse in C#, Java oder Python
- Verständnis des Client-Server-Modells und von APIs
- (Optional) Vertrautheit mit Konzepten des maschinellen Lernens
Ein umfassender Lernleitfaden steht zur Verfügung, um dir eine effektive Navigation durch dieses Repository zu ermöglichen. Der Leitfaden enthält:
- Eine visuelle Curriculum-Übersicht aller behandelten Themen
- Detaillierte Aufschlüsselung der einzelnen Repository-Bereiche
- Anleitungen zur Nutzung der Beispielprojekte
- Empfohlene Lernpfade für unterschiedliche Kenntnisstufen
- Zusätzliche Ressourcen zur Ergänzung deiner Lernreise
Jede Lektion in diesem Leitfaden beinhaltet:
- Klare Erklärungen zu MCP-Konzepten
- Live-Code-Beispiele in mehreren Programmiersprachen
- Übungen zum Erstellen echter MCP-Anwendungen
- Zusätzliche Ressourcen für fortgeschrittene Lernende
Dieser Inhalt ist unter der MIT License lizenziert. Die Bedingungen findest du in der LICENSE.
Dieses Projekt freut sich über Beiträge und Vorschläge. Die meisten Beiträge erfordern, dass du einer Contributor License Agreement (CLA) zustimmst, die bestätigt, dass du das Recht hast und tatsächlich die Rechte gewährst, deinen Beitrag zu nutzen. Details findest du unter https://cla.opensource.microsoft.com.
Wenn du einen Pull Request einreichst, prüft ein CLA-Bot automatisch, ob du eine CLA bereitstellen musst, und kennzeichnet den PR entsprechend (z. B. Statusprüfung, Kommentar). Folge einfach den Anweisungen des Bots. Dies musst du nur einmal für alle Repositories mit unserer CLA tun.
Dieses Projekt hat den Microsoft Open Source Code of Conduct übernommen. Weitere Informationen findest du in den Code of Conduct FAQ oder kontaktiere opencode@microsoft.com bei weiteren Fragen oder Anmerkungen.
Unser Team bietet weitere Kurse an! Schau dir diese an:
- AI Agents For Beginners
- Generative AI for Beginners using .NET
- Generative AI for Beginners using JavaScript
- Generative AI for Beginners
- ML for Beginners
- Data Science for Beginners
- AI for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- GitHub Copilot für AI Paired Programming meistern
- GitHub Copilot für C#/.NET Entwickler meistern
- Wähle Dein eigenes Copilot-Abenteuer
Dieses Projekt kann Marken oder Logos von Projekten, Produkten oder Dienstleistungen enthalten. Die autorisierte Nutzung von Microsoft-Marken oder -Logos unterliegt den Microsoft Marken- und Markenrichtlinien und muss diesen entsprechen.
Die Verwendung von Microsoft-Marken oder -Logos in modifizierten Versionen dieses Projekts darf nicht zu Verwechslungen führen oder eine Microsoft-Unterstützung suggerieren.
Jegliche Nutzung von Marken oder Logos Dritter unterliegt den jeweiligen Richtlinien dieser Dritten.
Haftungsausschluss:
Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes Co-op Translator übersetzt. Obwohl wir um Genauigkeit bemüht sind, 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.