ส่วนนี้ประกอบด้วยบทเรียนหลายบท:
-
1 Your first server ในบทเรียนแรกนี้ คุณจะได้เรียนรู้วิธีสร้างเซิร์ฟเวอร์ตัวแรกของคุณและตรวจสอบมันด้วยเครื่องมือ inspector ซึ่งเป็นวิธีที่มีประโยชน์ในการทดสอบและดีบักเซิร์ฟเวอร์ของคุณ ไปที่บทเรียน
-
2 Client ในบทเรียนนี้ คุณจะได้เรียนรู้วิธีเขียน client ที่สามารถเชื่อมต่อกับเซิร์ฟเวอร์ของคุณได้ ไปที่บทเรียน
-
3 Client with LLM วิธีที่ดียิ่งขึ้นในการเขียน client คือการเพิ่ม LLM เข้าไป เพื่อให้มันสามารถ "เจรจา" กับเซิร์ฟเวอร์ของคุณเกี่ยวกับสิ่งที่จะทำ ไปที่บทเรียน
-
4 Consuming a server GitHub Copilot Agent mode in Visual Studio Code ที่นี่เราจะดูการรัน MCP Server ของเราจากภายใน Visual Studio Code ไปที่บทเรียน
-
5 Consuming from a SSE (Server Sent Events) SSE เป็นมาตรฐานสำหรับการสตรีมจากเซิร์ฟเวอร์ไปยัง client ช่วยให้เซิร์ฟเวอร์ส่งข้อมูลอัปเดตแบบเรียลไทม์ไปยัง client ผ่าน HTTP ไปที่บทเรียน
-
6 HTTP Streaming with MCP (Streamable HTTP) เรียนรู้เกี่ยวกับการสตรีม HTTP สมัยใหม่ การแจ้งเตือนความคืบหน้า และวิธีการสร้าง MCP servers และ clients แบบเรียลไทม์ที่ปรับขนาดได้โดยใช้ Streamable HTTP ไปที่บทเรียน
-
7 Utilising AI Toolkit for VSCode เพื่อใช้งานและทดสอบ MCP Clients และ Servers ของคุณ ไปที่บทเรียน
-
8 Testing ที่นี่เราจะเน้นวิธีทดสอบเซิร์ฟเวอร์และ client ของเราในหลายๆ รูปแบบ ไปที่บทเรียน
-
9 Deployment บทนี้จะดูวิธีการต่างๆ ในการนำ MCP solutions ของคุณไปใช้งาน ไปที่บทเรียน
Model Context Protocol (MCP) คือโปรโตคอลเปิดที่กำหนดมาตรฐานการให้บริบทกับ LLMs คิดว่า MCP เหมือนพอร์ต USB-C สำหรับแอป AI ที่ให้วิธีเชื่อมต่อมาตรฐานระหว่างโมเดล AI กับแหล่งข้อมูลและเครื่องมือต่างๆ
เมื่อจบบทเรียนนี้ คุณจะสามารถ:
- ตั้งค่าสภาพแวดล้อมการพัฒนาสำหรับ MCP ในภาษา C#, Java, Python, TypeScript และ JavaScript
- สร้างและนำ MCP servers พื้นฐานที่มีฟีเจอร์เฉพาะ (resources, prompts, และ tools) ไปใช้งาน
- สร้างแอปโฮสต์ที่เชื่อมต่อกับ MCP servers
- ทดสอบและดีบักการใช้งาน MCP
- เข้าใจปัญหาทั่วไปในการตั้งค่าและวิธีแก้ไข
- เชื่อมต่อการใช้งาน MCP ของคุณกับบริการ LLM ที่ได้รับความนิยม
ก่อนเริ่มใช้งาน MCP สิ่งสำคัญคือการเตรียมสภาพแวดล้อมการพัฒนาและเข้าใจกระบวนการทำงานพื้นฐาน ส่วนนี้จะนำคุณผ่านขั้นตอนการตั้งค่าเริ่มต้นเพื่อให้เริ่มต้นกับ MCP ได้อย่างราบรื่น
ก่อนเริ่มพัฒนา MCP ให้แน่ใจว่าคุณมี:
- สภาพแวดล้อมการพัฒนา สำหรับภาษาที่คุณเลือกใช้ (C#, Java, Python, TypeScript หรือ JavaScript)
- IDE/Editor เช่น Visual Studio, Visual Studio Code, IntelliJ, Eclipse, PyCharm หรือโปรแกรมแก้ไขโค้ดสมัยใหม่อื่นๆ
- Package Managers เช่น NuGet, Maven/Gradle, pip หรือ npm/yarn
- API Keys สำหรับบริการ AI ที่คุณวางแผนจะใช้ในแอปโฮสต์ของคุณ
ในบทถัดไป คุณจะเห็นตัวอย่างโซลูชันที่สร้างด้วย Python, TypeScript, Java และ .NET นี่คือ SDK อย่างเป็นทางการทั้งหมดที่รองรับ
MCP มี SDK อย่างเป็นทางการสำหรับหลายภาษา:
- C# SDK - ดูแลร่วมกับ Microsoft
- Java SDK - ดูแลร่วมกับ Spring AI
- TypeScript SDK - การใช้งาน TypeScript อย่างเป็นทางการ
- Python SDK - การใช้งาน Python อย่างเป็นทางการ
- Kotlin SDK - การใช้งาน Kotlin อย่างเป็นทางการ
- Swift SDK - ดูแลร่วมกับ Loopwork AI
- Rust SDK - การใช้งาน Rust อย่างเป็นทางการ
- การตั้งค่าสภาพแวดล้อมการพัฒนา MCP ทำได้ง่ายด้วย SDK เฉพาะภาษา
- การสร้าง MCP servers เกี่ยวข้องกับการสร้างและลงทะเบียนเครื่องมือที่มี schema ชัดเจน
- MCP clients เชื่อมต่อกับเซิร์ฟเวอร์และโมเดลเพื่อใช้ความสามารถเพิ่มเติม
- การทดสอบและดีบักเป็นสิ่งจำเป็นสำหรับการใช้งาน MCP ที่น่าเชื่อถือ
- ตัวเลือกการนำไปใช้งานมีตั้งแต่การพัฒนาในเครื่องจนถึงโซลูชันบนคลาวด์
เรามีชุดตัวอย่างที่ช่วยเสริมการฝึกฝนในทุกบทเรียนในส่วนนี้ นอกจากนี้แต่ละบทยังมีแบบฝึกหัดและงานที่เกี่ยวข้อง
- Build Agents using Model Context Protocol on Azure
- Remote MCP with Azure Container Apps (Node.js/TypeScript/JavaScript)
- .NET OpenAI MCP Agent
ถัดไป: Creating your first MCP Server
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้ว่าเราจะพยายามให้ความถูกต้องสูงสุด โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นฉบับถือเป็นแหล่งข้อมูลที่ถูกต้องและเชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญด้านภาษามนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดขึ้นจากการใช้การแปลนี้