Skip to content

Latest commit

 

History

History
382 lines (288 loc) · 15.9 KB

File metadata and controls

382 lines (288 loc) · 15.9 KB

🌐 Modul 2: Osnove MCP sa AI Toolkit-om

Duration Difficulty Prerequisites

📋 Ciljevi učenja

Na kraju ovog modula bićete u stanju da:

  • ✅ Razumete arhitekturu i prednosti Model Context Protocol-a (MCP)
  • ✅ Istražite Microsoftov MCP server ekosistem
  • ✅ Integrirate MCP servere sa AI Toolkit Agent Builder-om
  • ✅ Napravite funkcionalnog agenta za automatizaciju pretraživača koristeći Playwright MCP
  • ✅ Konfigurišete i testirate MCP alate unutar vaših agenata
  • ✅ Izvezete i implementirate agente koji koriste MCP za produkciju

🎯 Nastavak na Modul 1

U Modulu 1 smo savladali osnove AI Toolkita i kreirali našeg prvog Python agenta. Sada ćemo osnažiti vaše agente povezivanjem sa spoljnim alatima i servisima putem revolucionarnog Model Context Protocol-a (MCP).

Zamislite to kao prelazak sa običnog kalkulatora na pravi računar – vaši AI agenti će dobiti mogućnosti da:

  • 🌐 Pregledaju i interaguju sa veb sajtovima
  • 📁 Pristupaju i manipulišu fajlovima
  • 🔧 Integrisu se sa poslovnim sistemima
  • 📊 Procesuiraju podatke u realnom vremenu sa API-ja

🧠 Razumevanje Model Context Protocol-a (MCP)

🔍 Šta je MCP?

Model Context Protocol (MCP) je "USB-C za AI aplikacije" – revolucionarni otvoreni standard koji povezuje velike jezičke modele (LLM) sa spoljnim alatima, izvorima podataka i servisima. Baš kao što je USB-C rešio haos sa kablovima jedinstvenim konektorom, MCP uklanja složenost integracije AI sa jednim standardizovanim protokolom.

🎯 Problem koji MCP rešava

Pre MCP-a:

  • 🔧 Specifične integracije za svaki alat
  • 🔄 Zaključavanje kod dobavljača sa vlasničkim rešenjima
  • 🔒 Bezbednosni propusti usled ad-hoc veza
  • ⏱️ Mesece razvoja za osnovne integracije

Sa MCP-om:

  • ⚡ Plug-and-play integracija alata
  • 🔄 Arhitektura nezavisna od dobavljača
  • 🛡️ Ugrađene najbolje bezbednosne prakse
  • 🚀 Dodavanje novih funkcionalnosti za nekoliko minuta

🏗️ Detaljna arhitektura MCP-a

MCP koristi klijent-server arhitekturu koja stvara siguran i skalabilan ekosistem:

graph TB
    A[AI Application/Agent] --> B[MCP Client]
    B --> C[MCP Server 1: Files]
    B --> D[MCP Server 2: Web APIs]
    B --> E[MCP Server 3: Database]
    B --> F[MCP Server N: Custom Tools]
    
    C --> G[Local File System]
    D --> H[External APIs]
    E --> I[Database Systems]
    F --> J[Enterprise Systems]
Loading

🔧 Glavne komponente:

Komponenta Uloga Primeri
MCP Hosts Aplikacije koje koriste MCP servise Claude Desktop, VS Code, AI Toolkit
MCP Clients Protokol handleri (1:1 sa serverima) Ugrađeni u host aplikacije
MCP Servers Izlažu funkcionalnosti preko standardnog protokola Playwright, Files, Azure, GitHub
Transport Layer Metode komunikacije stdio, HTTP, WebSockets

🏢 Microsoftov MCP Server Ekosistem

Microsoft predvodi MCP ekosistem sa sveobuhvatnim paketom enterprise servera koji rešavaju stvarne poslovne potrebe.

🌟 Istaknuti Microsoft MCP Serveri

1. ☁️ Azure MCP Server

🔗 Repository: azure/azure-mcp
🎯 Svrha: Sveobuhvatno upravljanje Azure resursima sa AI integracijom

✨ Ključne karakteristike:

  • Deklarativno upravljanje infrastrukturom
  • Monitoring resursa u realnom vremenu
  • Preporuke za optimizaciju troškova
  • Provera usklađenosti bezbednosti

🚀 Primeri upotrebe:

  • Infrastructure-as-Code sa AI podrškom
  • Automatsko skaliranje resursa
  • Optimizacija troškova u oblaku
  • Automatizacija DevOps procesa

2. 📊 Microsoft Dataverse MCP

📚 Dokumentacija: Microsoft Dataverse Integration
🎯 Svrha: Prirodno jezičko sučelje za poslovne podatke

✨ Ključne karakteristike:

  • Prirodno jezičke upite baze podataka
  • Razumevanje poslovnog konteksta
  • Prilagođeni predlošci za promptove
  • Upravljanje podacima na enterprise nivou

🚀 Primeri upotrebe:

  • Izveštavanje poslovne inteligencije
  • Analiza podataka o kupcima
  • Uvidi u prodajni pipeline
  • Upiti vezani za usklađenost podataka

3. 🌐 Playwright MCP Server

🔗 Repository: microsoft/playwright-mcp
🎯 Svrha: Automatizacija pretraživača i interakcija sa webom

✨ Ključne karakteristike:

  • Automatizacija na više pretraživača (Chrome, Firefox, Safari)
  • Inteligentno prepoznavanje elemenata
  • Pravljenje screenshot-ova i PDF-ova
  • Praćenje mrežnog saobraćaja

🚀 Primeri upotrebe:

  • Automatizovani testni tokovi
  • Web scraping i ekstrakcija podataka
  • Praćenje UI/UX performansi
  • Automatizacija konkurentske analize

4. 📁 Files MCP Server

🔗 Repository: microsoft/files-mcp-server
🎯 Svrha: Inteligentne operacije nad fajl sistemom

✨ Ključne karakteristike:

  • Deklarativno upravljanje fajlovima
  • Sinhronizacija sadržaja
  • Integracija sa verzionim sistemima
  • Ekstrakcija metapodataka

🚀 Primeri upotrebe:

  • Upravljanje dokumentacijom
  • Organizacija kodnih repozitorijuma
  • Tokovi objavljivanja sadržaja
  • Rukovanje fajlovima u data pipeline-u

5. 📝 MarkItDown MCP Server

🔗 Repository: microsoft/markitdown
🎯 Svrha: Napredna obrada i manipulacija Markdown fajlova

✨ Ključne karakteristike:

  • Detaljno parsiranje Markdown-a
  • Konverzija formata (MD ↔ HTML ↔ PDF)
  • Analiza strukture sadržaja
  • Obrada šablona

🚀 Primeri upotrebe:

  • Tokovi tehničke dokumentacije
  • Sistemi za upravljanje sadržajem
  • Generisanje izveštaja
  • Automatizacija baza znanja

6. 📈 Clarity MCP Server

📦 Paket: @microsoft/clarity-mcp-server
🎯 Svrha: Web analitika i uvidi u ponašanje korisnika

✨ Ključne karakteristike:

  • Analiza podataka toplinskih mapa
  • Snimci korisničkih sesija
  • Merenje performansi
  • Analiza konverzionih tokova

🚀 Primeri upotrebe:

  • Optimizacija veb sajtova
  • Istraživanje korisničkog iskustva
  • A/B testiranje
  • Dashboard-i za poslovnu inteligenciju

🌍 Zajednički ekosistem

Pored Microsoftovih servera, MCP ekosistem uključuje:

  • 🐙 GitHub MCP: Upravljanje repozitorijumima i analiza koda
  • 🗄️ Database MCPs: Integracije za PostgreSQL, MySQL, MongoDB
  • ☁️ Cloud Provider MCPs: Alati za AWS, GCP, Digital Ocean
  • 📧 Communication MCPs: Integracije sa Slack, Teams, Email

🛠️ Praktična vežba: Kreiranje agenta za automatizaciju pretraživača

🎯 Cilj projekta: Napraviti inteligentnog agenta za automatizaciju pretraživača koristeći Playwright MCP server, koji može da pretražuje sajtove, izvlači informacije i izvodi složene web interakcije.

🚀 Faza 1: Postavljanje osnove agenta

Korak 1: Inicijalizujte svog agenta

  1. Otvorite AI Toolkit Agent Builder
  2. Kreirajte novog agenta sa sledećom konfiguracijom:
    • Ime: BrowserAgent
    • Model: Choose GPT-4o

BrowserAgent

🔧 Phase 2: MCP Integration Workflow

Step 3: Add MCP Server Integration

  1. Navigate to Tools Section in Agent Builder
  2. Click "Add Tool" to open the integration menu
  3. Select "MCP Server" from available options

AddMCP

🔍 Understanding Tool Types:

  • Built-in Tools: Pre-configured AI Toolkit functions
  • MCP Servers: External service integrations
  • Custom APIs: Your own service endpoints
  • Function Calling: Direct model function access

Step 4: MCP Server Selection

  1. Choose "MCP Server" option to proceed AddMCPServer

  2. Browse MCP Catalog to explore available integrations MCPCatalog

🎮 Phase 3: Playwright MCP Configuration

Step 5: Select and Configure Playwright

  1. Click "Use Featured MCP Servers" to access Microsoft's verified servers
  2. Select "Playwright" from the featured list
  3. Accept Default MCP ID or customize for your environment

MCPID

Step 6: Enable Playwright Capabilities

🔑 Critical Step: Select ALL available Playwright methods for maximum functionality

Tools

🛠️ Essential Playwright Tools:

  • Navigation: goto, goBack, goForward, reload
  • Interaction: click, fill, press, hover, drag
  • Extraction: textContent, innerHTML, getAttribute
  • Validation: isVisible, isEnabled, waitForSelector
  • Capture: screenshot, pdf, video
  • Network: setExtraHTTPHeaders, route, waitForResponse

Korak 7: Proverite uspešnost integracije

✅ Indikatori uspeha:

  • Svi alati su vidljivi u Agent Builder interfejsu
  • Nema poruka o greškama u panelu za integraciju
  • Status Playwright servera pokazuje "Connected"

AgentTools

🔧 Rešavanje čestih problema:

  • Veza nije uspostavljena: Proverite internet konekciju i podešavanja firewall-a
  • Nedostaju alati: Proverite da li su sve funkcionalnosti izabrane prilikom podešavanja
  • Greške sa dozvolama: Proverite da li VS Code ima neophodne sistemske dozvole

🎯 Faza 4: Napredno kreiranje promptova

Korak 8: Dizajnirajte inteligentne sistemske promptove

Napravite složene promptove koji koriste sve mogućnosti Playwright-a:

# Web Automation Expert System Prompt

## Core Identity
You are an advanced web automation specialist with deep expertise in browser automation, web scraping, and user experience analysis. You have access to Playwright tools for comprehensive browser control.

## Capabilities & Approach
### Navigation Strategy
- Always start with screenshots to understand page layout
- Use semantic selectors (text content, labels) when possible
- Implement wait strategies for dynamic content
- Handle single-page applications (SPAs) effectively

### Error Handling
- Retry failed operations with exponential backoff
- Provide clear error descriptions and solutions
- Suggest alternative approaches when primary methods fail
- Always capture diagnostic screenshots on errors

### Data Extraction
- Extract structured data in JSON format when possible
- Provide confidence scores for extracted information
- Validate data completeness and accuracy
- Handle pagination and infinite scroll scenarios

### Reporting
- Include step-by-step execution logs
- Provide before/after screenshots for verification
- Suggest optimizations and alternative approaches
- Document any limitations or edge cases encountered

## Ethical Guidelines
- Respect robots.txt and rate limiting
- Avoid overloading target servers
- Only extract publicly available information
- Follow website terms of service

Korak 9: Kreirajte dinamične korisničke promptove

Dizajnirajte promptove koji demonstriraju različite funkcionalnosti:

🌐 Primer web analize:

Navigate to github.com/kinfey and provide a comprehensive analysis including:
1. Repository structure and organization
2. Recent activity and contribution patterns  
3. Documentation quality assessment
4. Technology stack identification
5. Community engagement metrics
6. Notable projects and their purposes

Include screenshots at key steps and provide actionable insights.

Prompt

🚀 Faza 5: Izvršenje i testiranje

Korak 10: Pokrenite prvu automatizaciju

  1. Kliknite "Run" da pokrenete sekvencu automatizacije
  2. Pratite izvršenje u realnom vremenu:
    • Chrome pretraživač se automatski pokreće
    • Agent posećuje ciljanu veb stranicu
    • Screenshot-ovi se prave za svaki važan korak
    • Rezultati analize se prikazuju uživo

Browser

Korak 11: Analizirajte rezultate i uvide

Pregledajte detaljnu analizu u Agent Builder interfejsu:

Result

🌟 Faza 6: Napredne mogućnosti i implementacija

Korak 12: Izvoz i produkciona implementacija

Agent Builder podržava različite opcije implementacije:

Code

🎓 Sažetak Modula 2 i naredni koraci

🏆 Postignuće otključano: Majstor MCP integracije

✅ Savladane veštine:

  • Razumevanje arhitekture i prednosti MCP-a
  • Snalaženje u Microsoftovom MCP server ekosistemu
  • Integracija Playwright MCP-a sa AI Toolkit-om
  • Izgradnja naprednih agenata za automatizaciju pretraživača
  • Napredno kreiranje promptova za web automatizaciju

📚 Dodatni resursi

🎉 Čestitamo! Uspešno ste savladali MCP integraciju i sada možete da pravite produkciono spremne AI agente sa mogućnostima spoljnjih alata!

🔜 Nastavite na sledeći modul

Spremni da podignete svoje MCP veštine na viši nivo? Pređite na Modul 3: Napredni MCP razvoj sa AI Toolkit-om gde ćete naučiti kako da:

  • Kreirate sopstvene prilagođene MCP servere
  • Konfigurišete i koristite najnoviji MCP Python SDK
  • Postavite MCP Inspector za debagovanje
  • Savladate napredne tokove razvoja MCP servera
  • Izgradite Weather MCP Server od nule

Одрицање од одговорности:
Овај документ је преведен коришћењем АИ преводилачке услуге Co-op Translator. Иако настојимо да превод буде тачан, имајте у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешна тумачења настала коришћењем овог превода.