README.md

Visual Studio Code için AI Toolkit uzantısından bir sunucuyu kullanma

Bir AI ajanı oluştururken, sadece akıllı yanıtlar üretmekle kalmaz, aynı zamanda ajanın harekete geçme yeteneğine sahip olması da önemlidir. İşte burada Model Context Protocol (MCP) devreye girer. MCP, ajanların dış araçlara ve servislere tutarlı bir şekilde erişmesini kolaylaştırır. Bunu, ajanın gerçekten kullanabileceği bir araç kutusuna bağlanmak gibi düşünebilirsiniz.

Diyelim ki bir ajanı hesap makinesi MCP sunucunuza bağladınız. Birdenbire, ajanınız “47 çarpı 89 nedir?” gibi bir komut alarak matematik işlemleri yapabilir—mantığı kodlamaya veya özel API’ler geliştirmeye gerek kalmaz.

Genel Bakış

Bu ders, Visual Studio Code’daki AI Toolkit uzantısı ile bir hesap makinesi MCP sunucusunu bir ajana bağlamayı ve ajanın toplama, çıkarma, çarpma ve bölme gibi matematik işlemlerini doğal dil aracılığıyla yapmasını sağlamayı kapsar.

AI Toolkit, Visual Studio Code için güçlü bir uzantıdır ve ajan geliştirmeyi kolaylaştırır. AI mühendisleri, üretken AI modellerini yerel veya bulutta geliştirip test ederek kolayca AI uygulamaları oluşturabilir. Uzantı, günümüzde mevcut olan çoğu büyük üretken modeli destekler.

Not: AI Toolkit şu anda Python ve TypeScript’i desteklemektedir.

Öğrenme Hedefleri

Bu dersin sonunda şunları yapabileceksiniz:

• AI Toolkit üzerinden bir MCP sunucusunu kullanmak.
• MCP sunucusunun sağladığı araçları keşfetmek ve kullanmak için bir ajan yapılandırması oluşturmak.
• Doğal dil aracılığıyla MCP araçlarını kullanmak.

Yaklaşım

Yüksek seviyede nasıl ilerleyeceğimiz:

• Bir ajan oluşturup sistem komutunu tanımlamak.
• Hesap makinesi araçlarına sahip bir MCP sunucusu oluşturmak.
• Agent Builder’ı MCP sunucusuna bağlamak.
• Ajanın doğal dil ile araç çağrısını test etmek.

Harika, akışı anladığımıza göre, MCP aracılığıyla dış araçları kullanacak şekilde bir AI ajanı yapılandıralım ve yeteneklerini geliştirelim!

Ön Koşullar

• Visual Studio Code
• Visual Studio Code için AI Toolkit

Alıştırma: Bir sunucuyu kullanma

Bu alıştırmada, AI Toolkit kullanarak Visual Studio Code içinde bir MCP sunucusundan araçlar alan, çalışan ve geliştiren bir AI ajanı oluşturacaksınız.

-0- Ön adım, OpenAI GPT-4o modelini My Models’e ekleyin

Alıştırma, GPT-4o modelini kullanır. Ajanı oluşturmadan önce modelin My Models listesine eklenmiş olması gerekir.

1. Activity Bar’dan AI Toolkit uzantısını açın.
2. Catalog bölümünde Models’i seçin; bu, Model Catalog’u yeni bir editör sekmesinde açar.
3. Model Catalog arama çubuğuna OpenAI GPT-4o yazın.
4. Modeli My Models listenize eklemek için + Add butonuna tıklayın. Modelin GitHub tarafından barındırılan olduğundan emin olun.
5. Activity Bar’da OpenAI GPT-4o modelinin listede göründüğünü kontrol edin.

-1- Bir ajan oluşturun

Agent (Prompt) Builder, kendi AI destekli ajanlarınızı oluşturup özelleştirmenizi sağlar. Bu bölümde yeni bir ajan oluşturup, sohbeti güçlendirmek için bir model atayacaksınız.

1. Activity Bar’dan AI Toolkit uzantısını açın.
2. Tools bölümünden Agent (Prompt) Builder’ı seçin; bu, yeni bir editör sekmesinde açılır.
3. + New Agent butonuna tıklayın. Uzantı, Command Palette aracılığıyla bir kurulum sihirbazı başlatacak.
4. Ad olarak Calculator Agent girin ve Enter tuşuna basın.
5. Agent (Prompt) Builder içinde Model alanında OpenAI GPT-4o (via GitHub) modelini seçin.

-2- Ajan için bir sistem komutu oluşturun

Ajan iskeleti hazır, şimdi kişiliğini ve amacını tanımlama zamanı. Bu bölümde, ajanınızın davranışını tanımlamak için Generate system prompt özelliğini kullanacak ve modelin sistem komutunu sizin için yazmasını sağlayacaksınız.

1. Prompts bölümünde Generate system prompt butonuna tıklayın. Bu buton, AI kullanarak ajan için sistem komutu oluşturan komut oluşturucuyu açar.
2. Generate a prompt penceresine şu metni girin: You are a helpful and efficient math assistant. When given a problem involving basic arithmetic, you respond with the correct result.
3. Generate butonuna tıklayın. Sağ alt köşede sistem komutunun oluşturulduğuna dair bir bildirim görünecek. Oluşturma tamamlandığında, komut Agent (Prompt) Builder’daki System prompt alanında görünecek.
4. System promptu inceleyin ve gerekirse düzenleyin.

-3- Bir MCP sunucusu oluşturun

Artık ajanınızın sistem komutunu belirlediniz—davranışını ve yanıtlarını yönlendiren—şimdi ajana pratik yetenekler kazandırma zamanı. Bu bölümde, toplama, çıkarma, çarpma ve bölme işlemlerini gerçekleştirecek araçlara sahip bir hesap makinesi MCP sunucusu oluşturacaksınız. Bu sunucu, ajanın doğal dil komutlarına gerçek zamanlı matematiksel yanıtlar vermesini sağlayacak.

AI Toolkit, kendi MCP sunucunuzu oluşturmayı kolaylaştıran şablonlarla donatılmıştır. Hesap makinesi MCP sunucusunu oluşturmak için Python şablonunu kullanacağız.

Not: AI Toolkit şu anda Python ve TypeScript’i desteklemektedir.

1. Agent (Prompt) Builder’daki Tools bölümünde + MCP Server butonuna tıklayın. Uzantı, Command Palette üzerinden kurulum sihirbazını başlatacak.

2. + Add Server seçeneğini seçin.

3. Create a New MCP Server seçeneğini seçin.

4. Şablon olarak python-weather seçin.

5. MCP sunucu şablonunu kaydetmek için Default folder seçin.

6. Sunucu için şu adı girin: Calculator

7. Yeni bir Visual Studio Code penceresi açılacak. Yes, I trust the authors seçeneğini seçin.

8. Terminali açın (Terminal > New Terminal) ve sanal ortam oluşturun: python -m venv .venv

9. Terminalde sanal ortamı aktif edin:

   1. Windows - .venv\Scripts\activate
   2. macOS/Linux - source venv/bin/activate

10. Terminalde bağımlılıkları yükleyin: pip install -e .[dev]

11. Activity Bar’daki Explorer görünümünde src klasörünü genişletin ve server.py dosyasını seçerek editörde açın.

12. server.py dosyasındaki kodu aşağıdaki ile değiştirin ve kaydedin:

    """
    Sample MCP Calculator Server implementation in Python.
    
    
    This module demonstrates how to create a simple MCP server with calculator tools
    that can perform basic arithmetic operations (add, subtract, multiply, divide).
    """
    
    from mcp.server.fastmcp import FastMCP
    
    server = FastMCP("calculator")
    
    @server.tool()
    def add(a: float, b: float) -> float:
        """Add two numbers together and return the result."""
        return a + b
    
    @server.tool()
    def subtract(a: float, b: float) -> float:
        """Subtract b from a and return the result."""
        return a - b
    
    @server.tool()
    def multiply(a: float, b: float) -> float:
        """Multiply two numbers together and return the result."""
        return a * b
    
    @server.tool()
    def divide(a: float, b: float) -> float:
        """
        Divide a by b and return the result.
        
        Raises:
            ValueError: If b is zero
        """
        if b == 0:
            raise ValueError("Cannot divide by zero")
        return a / b

-4- Hesap makinesi MCP sunucusu ile ajanı çalıştırın

Ajanınızın artık araçları var, kullanma zamanı! Bu bölümde, ajana komutlar göndererek ajanın hesap makinesi MCP sunucusundaki uygun aracı kullanıp kullanmadığını test edip doğrulayacaksınız.

Hesap makinesi MCP sunucusunu yerel geliştirme makinenizde Agent Builder üzerinden MCP istemcisi olarak çalıştıracaksınız.

1. F5 to start debugging the MCP server. The Agent (Prompt) Builder will open in a new editor tab. The status of the server is visible in the terminal.
2. In the User prompt field of the Agent (Prompt) Builder, enter the following prompt: I bought 3 items priced at $25 each, and then used a $20 discount. How much did I pay?
3. Click the Run button to generate the agent's response.
4. Review the agent output. The model should conclude that you paid $55.
5. Here's a breakdown of what should occur:
   • The agent selects the multiply and substract tools to aid in the calculation.
   • The respective a and b values are assigned for the multiply tool.
   • The respective a and b değerleri subtract aracı için atanmıştır.
   • Her aracın yanıtı ilgili Tool Response bölümünde verilir.
   • Modelin son çıktısı ise Model Response bölümünde sunulur.
6. Ajanı daha fazla test etmek için ek komutlar gönderin. Mevcut komutu User prompt alanına tıklayıp değiştirerek düzenleyebilirsiniz.
7. Testiniz bittiğinde, terminalden CTRL/CMD+C ile sunucuyu durdurabilirsiniz.

Ödev

server.py dosyanıza ek bir araç eklemeyi deneyin (örneğin, bir sayının karekökünü döndüren bir fonksiyon). Ajanın yeni (veya mevcut) aracı kullanmasını gerektiren ek komutlar gönderin. Yeni araçların yüklenmesi için sunucuyu yeniden başlatmayı unutmayın.

Çözüm

Solution

Önemli Noktalar

Bu bölümden çıkarılacak ana noktalar:

• AI Toolkit uzantısı, MCP Sunucularını ve araçlarını kullanmanızı sağlayan harika bir istemcidir.
• MCP sunucularına yeni araçlar ekleyerek ajanın yeteneklerini gelişen ihtiyaçlara göre genişletebilirsiniz.
• AI Toolkit, özel araçlar oluşturmayı kolaylaştıran (örneğin, Python MCP sunucu şablonları gibi) şablonlar içerir.

Ek Kaynaklar

• AI Toolkit dokümanları

Sonraki Adım

• Sonraki: Test & Hata Ayıklama

Feragatname:
Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu oluşabilecek yanlış anlamalar veya yorum hatalarından sorumlu değiliz.