歡迎來到 Model Context Protocol (MCP) 工作坊！這個完整的實作工作坊結合兩項尖端技術，徹底改變 AI 應用開發的方式：
- 🔗 Model Context Protocol (MCP)：一個無縫整合 AI 工具的開放標準
- 🛠️ AI Toolkit for Visual Studio Code (AITK)：微軟強大的 AI 開發擴充套件
完成這個工作坊後，你將能打造智慧型應用程式，將 AI 模型與實際工具和服務串接起來。從自動化測試到客製化 API 整合，實務技能助你解決複雜商業挑戰。
MCP 是 AI 的 「USB-C」 — 一個連接 AI 模型與外部工具和資料來源的通用標準。
✨ 主要特色：
- 🔄 標準化整合：AI 工具連接的通用介面
- 🏛️ 彈性架構：支援本地與遠端伺服器，透過 stdio/SSE 傳輸
- 🧰 豐富生態系：工具、提示與資源整合於同一協定
- 🔒 企業級安全：內建安全與可靠性
🎯 MCP 的重要性： 就像 USB-C 解決了線材混亂，MCP 讓 AI 整合不再複雜。一個協定，無限可能。
微軟旗艦的 AI 開發擴充套件，將 VS Code 變成 AI 能量中心。
🚀 核心功能：
- 📦 模型目錄：存取 Azure AI、GitHub、Hugging Face、Ollama 等模型
- ⚡ 本地推論：ONNX 最佳化的 CPU/GPU/NPU 執行
- 🏗️ Agent Builder：視覺化 AI 代理開發，整合 MCP
- 🎭 多模態支援：文字、視覺與結構化輸出
💡 開發優勢：
- 零設定模型部署
- 視覺化提示工程
- 即時測試環境
- 無縫 MCP 伺服器整合
時長：15 分鐘
- 🛠️ 安裝並設定 AI Toolkit for VS Code
- 🗂️ 探索模型目錄（來自 GitHub、ONNX、OpenAI、Anthropic、Google 的 100+ 模型）
- 🎮 精通互動式測試環境，實時測試模型
- 🤖 使用 Agent Builder 建立你的第一個 AI 代理
- 📊 利用內建指標評估模型表現（F1、相關性、相似度、一致性）
- ⚡ 學習批次處理與多模態支援功能
🎯 學習成果：打造功能完整的 AI 代理，全面理解 AITK 能力
時長：20 分鐘
- 🧠 掌握 Model Context Protocol (MCP) 架構與概念
- 🌐 探索微軟 MCP 伺服器生態系
- 🤖 利用 Playwright MCP 伺服器打造瀏覽器自動化代理
- 🔧 將 MCP 伺服器整合進 AI Toolkit Agent Builder
- 📊 設定並測試代理中的 MCP 工具
- 🚀 匯出並部署 MCP 支援的代理到生產環境
🎯 學習成果：部署一個透過 MCP 與外部工具強化的 AI 代理
時長：20 分鐘
- 💻 使用 AI Toolkit 建立客製 MCP 伺服器
- 🐍 設定並使用最新 MCP Python SDK (v1.9.3)
- 🔍 建置並運用 MCP Inspector 進行除錯
- 🛠️ 建立具專業除錯流程的天氣 MCP 伺服器
- 🧪 在 Agent Builder 與 Inspector 環境中除錯 MCP 伺服器
🎯 學習成果：開發並除錯具現代化工具的客製 MCP 伺服器
時長：30 分鐘
- 🏗️ 建立一個真實世界的 GitHub Clone MCP 伺服器，用於開發流程
- 🔄 實作智慧型版本庫複製，包含驗證與錯誤處理
- 📁 創建智慧型目錄管理與 VS Code 整合
- 🤖 使用 GitHub Copilot Agent Mode 搭配客製 MCP 工具
- 🛡️ 套用生產級可靠性與跨平台相容性
🎯 學習成果：部署一個生產就緒的 MCP 伺服器，優化真實開發流程
用智慧自動化改造你的開發流程：
- 智慧版本庫管理：AI 驅動的程式碼審查與合併決策
- 智慧 CI/CD：根據程式碼變更自動優化管線
- 問題分類：自動化錯誤分類與指派
用 AI 強化測試自動化：
- 智慧測試生成：自動產生完整測試套件
- 視覺回歸測試：AI 驅動的 UI 變更偵測
- 效能監控：主動偵測與解決問題
打造更聰明的資料處理流程：
- 自適應 ETL 流程：自我優化資料轉換
- 異常偵測：即時資料品質監控
- 智慧路由：智能資料流管理
創造卓越的客戶互動：
- 情境感知支援：AI 代理可存取客戶歷史
- 主動問題解決：預測性客服服務
- 多通路整合：跨平台統一 AI 體驗
| 元件 | 需求 | 備註 |
|---|---|---|
| 作業系統 | Windows 10+、macOS 10.15+、Linux | 任何現代作業系統 |
| Visual Studio Code | 最新穩定版 | AITK 必備 |
| Node.js | v18.0+ 與 npm | 用於 MCP 伺服器開發 |
| Python | 3.10+ | Python MCP 伺服器選用 |
| 記憶體 | 最少 8GB RAM | 本地模型建議 16GB |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - 選用但很有幫助
- uv：現代 Python 套件管理器
- MCP Inspector：MCP 伺服器視覺化除錯工具
- Playwright：網頁自動化範例工具
完成此工作坊，你將達成：
- MCP 協定精通：深入理解架構與實作模式
- AITK 熟練度：AI Toolkit 專家級應用
- 客製伺服器開發：建置、部署與維護生產 MCP 伺服器
- 工具整合優勢：無縫連接 AI 與現有開發流程
- 問題解決應用：將技能應用於實際商業挑戰
- 設定並配置 VS Code 中的 AI Toolkit
- 設計並實作客製 MCP 伺服器
- 整合 GitHub 模型與 MCP 架構
- 建立 Playwright 自動化測試流程
- 部署 AI 代理至生產環境
- 除錯與優化 MCP 伺服器效能
- 架構企業級 AI 整合方案
- 實施 AI 應用安全最佳實踐
- 設計可擴充的 MCP 伺服器架構
- 創建特定領域的客製工具鏈
- 指導他人進行 AI 原生開發
🚀 準備好革新你的 AI 開發流程了嗎？
讓我們與 MCP 和 AI Toolkit 一起打造智慧應用的未來！
免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的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。我們對於因使用本翻譯而產生的任何誤解或誤釋不負任何責任。