Scenario 3: 在 VS Code 編輯器內使用 MCP Server 查看文件

概覽

在這個情境中，你將學習如何利用 MCP server，直接將 Microsoft Learn 文件帶入 Visual Studio Code 環境。你不用再不斷切換瀏覽器分頁搜尋文件，而是可以在編輯器內直接存取、搜尋和參考官方文件。這種方式能簡化工作流程，讓你更專注，並能無縫結合像 GitHub Copilot 這類工具。

在 VS Code 內搜尋及閱讀文件，無需離開編碼環境。
直接參考文件並插入連結到 README 或課程檔案。
同時使用 GitHub Copilot 和 MCP，打造流暢的 AI 驅動文件工作流程。

學習目標

完成本章後，你將了解如何在 VS Code 中設定及使用 MCP server，以提升文件及開發流程。你將能：

配置工作區以使用 MCP server 查詢文件。
直接在 VS Code 內搜尋並插入文件內容。
結合 GitHub Copilot 與 MCP 的力量，打造更高效的 AI 輔助工作流程。

這些技能能幫助你保持專注、提升文件品質，並提高作為開發者或技術作家的生產力。

解決方案

為了實現編輯器內的文件存取，你將依序完成一系列步驟，將 MCP server 與 VS Code 及 GitHub Copilot 整合。此方案非常適合課程作者、文件撰寫者和開發者，讓你在編輯器內工作時能同時處理文件與 Copilot。

在撰寫課程或專案文件時，快速新增 README 的參考連結。
使用 Copilot 產生程式碼，並用 MCP 立即查找並引用相關文件。
保持專注於編輯器，提升生產力。

逐步指南

開始前，請依照以下步驟操作。每個步驟都可以從資源資料夾加入截圖，方便視覺化說明流程。

新增 MCP 設定檔：
在你的專案根目錄，建立一個 .vscode/mcp.json 檔案，並加入以下設定：
```
{
  "servers": {
    "LearnDocsMCP": {
      "url": "https://learn.microsoft.com/api/mcp"
    }
  }
}
```
此設定告訴 VS Code 如何連接到 Microsoft Learn Docs MCP server。
打開 GitHub Copilot Chat 面板：
如果尚未安裝 GitHub Copilot 擴充套件，請前往 VS Code 的 Extensions 視窗安裝。你也可以直接從 Visual Studio Code Marketplace 下載。安裝後，從側邊欄打開 Copilot Chat 面板。
啟用 agent 模式並確認工具：
在 Copilot Chat 面板中啟用 agent 模式。

啟用後，確認 MCP server 已列為可用工具之一。這確保 Copilot agent 能存取文件伺服器，取得相關資訊。
開始新聊天並提示 agent：
在 Copilot Chat 面板開啟新聊天，現在你可以向 agent 提出文件相關問題。agent 會利用 MCP server 直接在編輯器內抓取並顯示相關 Microsoft Learn 文件。
- 「我想為主題 X 制定一個學習計劃，計劃持續 8 週，請為每週建議應學習的內容。」
即時查詢：

以下是一則來自 Azure AI Foundry Discord #get-help 頻道的即時查詢（查看原始訊息）：

「我想了解如何部署多代理解決方案，這些 AI 代理是在 Azure AI Foundry 開發的。我發現沒有直接部署方法，例如 Copilot Studio 頻道。那麼，企業用戶要如何部署這類方案以互動並完成工作？
有很多文章或部落格說可以用 Azure Bot 服務作為 MS Teams 與 Azure AI Foundry 代理之間的橋樑。如果我設定一個 Azure Bot，透過 Azure Function 連接到 Azure AI Foundry 的 Orchestrator Agent 來執行編排，這樣可行嗎？還是我需要為多代理方案中的每個 AI 代理分別建立 Azure Function，在 Bot framework 端做編排？歡迎其他建議。」

agent 會回應相關文件連結與摘要，你可以直接插入到 markdown 檔案或用作程式碼中的參考。