本節包含多個課程：
-
1 你的第一台伺服器，在這堂課中，你會學到如何建立你的第一台伺服器，並使用檢查工具來檢視它，這是測試和除錯伺服器的好方法，前往課程
-
2 用戶端，在這堂課中，你會學到如何撰寫一個可以連接到你的伺服器的用戶端，前往課程
-
3 帶有 LLM 的用戶端，更進階的用戶端寫法是加入 LLM，讓它可以和你的伺服器「協商」要做什麼，前往課程
-
4 在 Visual Studio Code 中使用伺服器 GitHub Copilot Agent 模式。這裡我們會介紹如何在 Visual Studio Code 裡執行 MCP Server，前往課程
-
5 從 SSE (Server Sent Events) 消費資料 SSE 是一種伺服器到用戶端的串流標準，允許伺服器透過 HTTP 推送即時更新給用戶端，前往課程
-
6 使用 MCP 的 HTTP 串流（可串流的 HTTP）。了解現代 HTTP 串流、進度通知，以及如何使用可串流的 HTTP 實作可擴展的即時 MCP 伺服器和用戶端，前往課程
-
7 利用 AI Toolkit for VSCode 來使用和測試你的 MCP 用戶端和伺服器，前往課程
-
8 測試。這裡我們會特別著重如何用不同方式測試我們的伺服器和用戶端，前往課程
-
9 部署。本章會探討部署 MCP 解決方案的不同方法，前往課程
Model Context Protocol (MCP) 是一個開放協議，標準化應用程式如何提供上下文給 LLM。你可以把 MCP 想像成 AI 應用的 USB-C 連接埠——它提供一個標準化的方式，讓 AI 模型可以連接到不同的資料來源和工具。
完成本課後，你將能夠：
- 建立 MCP 在 C#、Java、Python、TypeScript 和 JavaScript 的開發環境
- 建置並部署具有自訂功能（資源、提示和工具）的基本 MCP 伺服器
- 建立可連接 MCP 伺服器的主機應用程式
- 測試和除錯 MCP 實作
- 了解常見設定挑戰及其解決方案
- 將你的 MCP 實作連接到熱門的 LLM 服務
在開始使用 MCP 之前，準備好開發環境並了解基本工作流程非常重要。本節將帶你完成初步設定步驟，確保你能順利開始 MCP。
在投入 MCP 開發前，請確保你已具備：
- 開發環境：針對你選擇的語言（C#、Java、Python、TypeScript 或 JavaScript）
- IDE/編輯器：Visual Studio、Visual Studio Code、IntelliJ、Eclipse、PyCharm 或任何現代程式碼編輯器
- 套件管理工具：NuGet、Maven/Gradle、pip 或 npm/yarn
- API 金鑰：用於你計劃在主機應用程式中使用的任何 AI 服務
接下來的章節你會看到使用 Python、TypeScript、Java 和 .NET 建置的解決方案。以下是所有官方支援的 SDK。
MCP 提供多種語言的官方 SDK：
- C# SDK - 與 Microsoft 合作維護
- Java SDK - 與 Spring AI 合作維護
- TypeScript SDK - 官方 TypeScript 實作
- Python SDK - 官方 Python 實作
- Kotlin SDK - 官方 Kotlin 實作
- Swift SDK - 與 Loopwork AI 合作維護
- Rust SDK - 官方 Rust 實作
- 使用語言專屬 SDK，MCP 開發環境的設定相當簡單
- 建置 MCP 伺服器需建立並註冊帶有明確結構的工具
- MCP 用戶端連接伺服器和模型以擴展功能
- 測試和除錯是確保 MCP 實作可靠的重要步驟
- 部署選項從本地開發到雲端解決方案皆有涵蓋
我們準備了一組範例，搭配本節各章節的練習。此外，每個章節也有自己的練習和作業。
- Build Agents using Model Context Protocol on Azure
- Remote MCP with Azure Container Apps (Node.js/TypeScript/JavaScript)
- .NET OpenAI MCP Agent
免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件之母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生之任何誤解或誤譯負責。