Witamy na Model Context Protocol (MCP) Workshop! Ten kompleksowy warsztat praktyczny łączy dwie nowoczesne technologie, które zrewolucjonizują tworzenie aplikacji AI:
- 🔗 Model Context Protocol (MCP): otwarty standard do bezproblemowej integracji narzędzi AI
- 🛠️ AI Toolkit for Visual Studio Code (AITK): potężne rozszerzenie Microsoftu do rozwoju AI
Na koniec warsztatu opanujesz sztukę tworzenia inteligentnych aplikacji łączących modele AI z rzeczywistymi narzędziami i usługami. Od automatycznych testów po niestandardowe integracje API – zdobędziesz praktyczne umiejętności rozwiązywania złożonych problemów biznesowych.
MCP to „USB-C dla AI” – uniwersalny standard łączący modele AI z zewnętrznymi narzędziami i źródłami danych.
✨ Kluczowe cechy:
- 🔄 Standaryzowana integracja: uniwersalny interfejs do łączenia narzędzi AI
- 🏛️ Elastyczna architektura: serwery lokalne i zdalne przez transport stdio/SSE
- 🧰 Bogaty ekosystem: narzędzia, podpowiedzi i zasoby w jednym protokole
- 🔒 Gotowość korporacyjna: wbudowane zabezpieczenia i niezawodność
🎯 Dlaczego MCP jest ważny: Tak jak USB-C wyeliminował bałagan z kablami, MCP upraszcza integracje AI. Jeden protokół, nieskończone możliwości.
Flagowe rozszerzenie Microsoftu do rozwoju AI, które zmienia VS Code w potężne narzędzie AI.
🚀 Główne możliwości:
- 📦 Katalog modeli: dostęp do modeli z Azure AI, GitHub, Hugging Face, Ollama
- ⚡ Lokalne wnioskowanie: zoptymalizowane ONNX dla CPU/GPU/NPU
- 🏗️ Agent Builder: wizualne tworzenie agentów AI z integracją MCP
- 🎭 Multi-modalność: wsparcie tekstu, obrazu i danych strukturalnych
💡 Korzyści dla deweloperów:
- Wdrażanie modeli bez konfiguracji
- Wizualne projektowanie podpowiedzi
- Plac zabaw do testów w czasie rzeczywistym
- Płynna integracja z serwerem MCP
Czas trwania: 15 minut
- 🛠️ Instalacja i konfiguracja AI Toolkit dla VS Code
- 🗂️ Poznanie Model Catalog (ponad 100 modeli z GitHub, ONNX, OpenAI, Anthropic, Google)
- 🎮 Opanowanie Interactive Playground do testów modeli w czasie rzeczywistym
- 🤖 Budowa pierwszego agenta AI z Agent Builder
- 📊 Ocena wydajności modeli za pomocą wbudowanych metryk (F1, trafność, podobieństwo, spójność)
- ⚡ Nauka przetwarzania wsadowego i obsługi multi-modalnej
🎯 Efekt nauki: Stworzenie funkcjonalnego agenta AI z pełnym zrozumieniem możliwości AITK
Czas trwania: 20 minut
- 🧠 Poznanie architektury i koncepcji Model Context Protocol (MCP)
- 🌐 Zapoznanie się z ekosystemem serwerów MCP Microsoftu
- 🤖 Budowa agenta do automatyzacji przeglądarki z użyciem Playwright MCP server
- 🔧 Integracja serwerów MCP z Agent Builder AI Toolkit
- 📊 Konfiguracja i testowanie narzędzi MCP w agentach
- 🚀 Eksport i wdrożenie agentów MCP do produkcji
🎯 Efekt nauki: Wdrożenie agenta AI wzbogaconego o zewnętrzne narzędzia przez MCP
Czas trwania: 20 minut
- 💻 Tworzenie własnych serwerów MCP z AI Toolkit
- 🐍 Konfiguracja i użycie najnowszego MCP Python SDK (v1.9.3)
- 🔍 Ustawienie i korzystanie z MCP Inspector do debugowania
- 🛠️ Budowa Weather MCP Server z profesjonalnymi procesami debugowania
- 🧪 Debugowanie serwerów MCP w Agent Builder i Inspector
🎯 Efekt nauki: Tworzenie i debugowanie własnych serwerów MCP z nowoczesnymi narzędziami
Czas trwania: 30 minut
- 🏗️ Budowa rzeczywistego serwera GitHub Clone MCP dla przepływów pracy developerskich
- 🔄 Implementacja inteligentnego klonowania repozytoriów z walidacją i obsługą błędów
- 📁 Tworzenie inteligentnego zarządzania katalogami i integracja z VS Code
- 🤖 Użycie GitHub Copilot Agent Mode z niestandardowymi narzędziami MCP
- 🛡️ Zapewnienie niezawodności produkcyjnej i kompatybilności międzyplatformowej
🎯 Efekt nauki: Wdrożenie produkcyjnego serwera MCP usprawniającego rzeczywiste przepływy pracy
Zmień swój workflow developerski dzięki inteligentnej automatyzacji:
- Inteligentne zarządzanie repozytoriami: AI wspiera przegląd kodu i decyzje o scalaniu
- Inteligentne CI/CD: automatyczna optymalizacja pipeline’ów na podstawie zmian w kodzie
- Triaging zgłoszeń: automatyczna klasyfikacja i przypisywanie błędów
Podnieś jakość testów dzięki automatyzacji AI:
- Inteligentne generowanie testów: automatyczne tworzenie kompleksowych zestawów testowych
- Testy regresji wizualnej: wykrywanie zmian UI wspomagane AI
- Monitorowanie wydajności: proaktywne wykrywanie i rozwiązywanie problemów
Buduj mądrzejsze przepływy danych:
- Adaptacyjne procesy ETL: samonaprawiające się transformacje danych
- Wykrywanie anomalii: monitorowanie jakości danych w czasie rzeczywistym
- Inteligentne kierowanie danych: zarządzanie przepływem danych
Twórz wyjątkowe interakcje z klientami:
- Wsparcie z kontekstem: agenci AI z dostępem do historii klienta
- Proaktywne rozwiązywanie problemów: przewidywanie potrzeb obsługi klienta
- Integracja wielokanałowa: jednolite doświadczenie AI na różnych platformach
| Komponent | Wymaganie | Uwagi |
|---|---|---|
| System operacyjny | Windows 10+, macOS 10.15+, Linux | Dowolny nowoczesny OS |
| Visual Studio Code | Najnowsza stabilna wersja | Wymagane do AITK |
| Node.js | v18.0+ i npm | Do tworzenia serwerów MCP |
| Python | 3.10+ | Opcjonalnie do serwerów MCP w Pythonie |
| Pamięć | Minimum 8GB RAM | 16GB zalecane dla lokalnych modeli |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) – opcjonalnie, ale pomocne
- uv: nowoczesny menedżer pakietów Python
- MCP Inspector: wizualne narzędzie do debugowania serwerów MCP
- Playwright: do przykładów automatyzacji webowej
Po ukończeniu warsztatu osiągniesz biegłość w:
- Mistrzostwo protokołu MCP: dogłębne zrozumienie architektury i wzorców implementacji
- Biegłość w AITK: eksperckie wykorzystanie AI Toolkit do szybkiego rozwoju
- Tworzenie niestandardowych serwerów: budowa, wdrażanie i utrzymanie produkcyjnych serwerów MCP
- Doskonałość integracji narzędzi: płynne łączenie AI z istniejącymi workflow developerskimi
- Zastosowanie rozwiązań problemów: wykorzystanie umiejętności do realnych wyzwań biznesowych
- Konfiguracja i uruchomienie AI Toolkit w VS Code
- Projektowanie i implementacja niestandardowych serwerów MCP
- Integracja modeli GitHub z architekturą MCP
- Budowa automatycznych workflow testowych z Playwright
- Wdrażanie agentów AI do produkcji
- Debugowanie i optymalizacja wydajności serwerów MCP
- Projektowanie integracji AI na skalę przedsiębiorstwa
- Wdrażanie najlepszych praktyk bezpieczeństwa w aplikacjach AI
- Projektowanie skalowalnych architektur serwerów MCP
- Tworzenie niestandardowych łańcuchów narzędzi dla konkretnych dziedzin
- Mentoring innych w rozwoju natywnym AI
🚀 Gotowy zrewolucjonizować swój workflow rozwoju AI?
Zbudujmy razem przyszłość inteligentnych aplikacji z MCP i AI Toolkit!
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczeń AI Co-op Translator. Chociaż dokładamy starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.