Ikuti langkah-langkah ini untuk memulai menggunakan sumber daya ini:
- Fork Repository: Klik
- Clone Repository:
git clone https://github.com/microsoft/mcp-for-beginners.git - Bergabung Dengan
Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
Lebih suka Clone Secara Lokal?
Repositori ini mencakup lebih dari 50+ terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk melakukan clone tanpa terjemahan, gunakan sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/mcp-for-beginners.git cd mcp-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/mcp-for-beginners.git cd mcp-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Ini memberikan Anda semua yang dibutuhkan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.
Selamat datang di perjalanan Anda memasuki Model Context Protocol! Jika Anda pernah bertanya-tanya bagaimana aplikasi AI berkomunikasi dengan berbagai alat dan layanan, Anda akan menemukan solusi elegan yang mengubah cara para pengembang membangun sistem cerdas.
Bayangkan MCP sebagai penerjemah universal untuk aplikasi AI — seperti bagaimana port USB memungkinkan Anda menghubungkan perangkat apa pun ke komputer Anda, MCP memungkinkan model AI terhubung ke alat atau layanan apa pun secara standar. Apakah Anda sedang membangun chatbot pertama Anda atau mengerjakan workflow AI yang kompleks, memahami MCP akan memberi Anda kekuatan untuk menciptakan aplikasi yang lebih mampu dan fleksibel.
Kurikulum ini dirancang dengan kesabaran dan perhatian untuk perjalanan belajar Anda. Kami akan mulai dengan konsep sederhana yang sudah Anda pahami dan secara bertahap membangun keahlian Anda melalui latihan langsung dengan bahasa pemrograman favorit Anda. Setiap langkah menyertakan penjelasan yang jelas, contoh praktis, dan banyak dorongan sepanjang perjalanan.
Saat Anda menyelesaikan perjalanan ini, Anda akan memiliki kepercayaan diri untuk membangun server MCP Anda sendiri, mengintegrasikannya dengan platform AI populer, dan memahami bagaimana teknologi ini membentuk masa depan pengembangan AI. Mari kita mulai petualangan menarik ini bersama-sama!
Kurikulum ini selaras dengan Spesifikasi MCP 2025-11-25 (rilis stabil terbaru). Spesifikasi MCP menggunakan versi berbasis tanggal (format YYYY-MM-DD) untuk memastikan pelacakan versi protokol yang jelas.
Sumber daya ini akan semakin berharga seiring meningkatnya pemahaman Anda, tapi jangan merasa terbebani untuk membacanya sekaligus. Mulailah dengan bagian yang paling menarik bagi Anda!
- 📘 Dokumentasi MCP – Ini adalah sumber utama Anda untuk tutorial langkah demi langkah dan panduan pengguna. Dokumentasi dibuat dengan pemula dalam pikiran, menyediakan contoh jelas yang bisa Anda ikuti sesuai kecepatan Anda.
- 📜 Spesifikasi MCP – Anggap ini sebagai manual referensi lengkap Anda. Saat Anda melalui kurikulum, Anda akan sering kembali ke sini untuk mencari detail khusus dan mengeksplorasi fitur lanjutan.
- 📜 Versi Spesifikasi MCP – Berisi informasi tentang riwayat versi protokol dan bagaimana MCP menggunakan versi berbasis tanggal (format YYYY-MM-DD).
- 🧑💻 Repositori MCP GitHub – Di sini Anda akan menemukan SDK, alat, dan contoh kode dalam berbagai bahasa pemrograman. Ini seperti gudang harta karun contoh praktis dan komponen siap pakai.
- 🌐 Komunitas MCP – Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi mengenai MCP. Ini adalah komunitas yang mendukung di mana pertanyaan diterima dan pengetahuan dibagikan secara bebas.
Di akhir kurikulum ini, Anda akan merasa percaya diri dan bersemangat dengan kemampuan baru Anda. Berikut yang akan Anda capai:
• Memahami dasar-dasar MCP: Anda akan menangkap apa itu Model Context Protocol dan mengapa ini merevolusi cara aplikasi AI bekerja bersama, menggunakan analogi dan contoh yang masuk akal.
• Membangun server MCP pertama Anda: Anda akan membuat server MCP yang berfungsi dalam bahasa pemrograman pilihan Anda, mulai dari contoh sederhana dan meningkatkan keahlian secara bertahap.
• Menghubungkan model AI ke alat nyata: Anda akan belajar bagaimana menjembatani kesenjangan antara model AI dan layanan nyata, memberi aplikasi Anda kemampuan baru yang kuat.
• Menerapkan praktik keamanan terbaik: Anda akan mengerti bagaimana menjaga implementasi MCP tetap aman dan terjaga, melindungi aplikasi serta penggunanya.
• Menyebarkan dengan percaya diri: Anda akan tahu cara membawa proyek MCP Anda dari pengembangan ke produksi, dengan strategi penyebaran yang praktis dan efektif di dunia nyata.
• Bergabung dengan komunitas MCP: Anda akan menjadi bagian dari komunitas pengembang yang berkembang yang membentuk masa depan pengembangan aplikasi AI.
Sebelum kita menelusuri detail MCP, mari pastikan Anda nyaman dengan beberapa konsep dasar. Jangan khawatir jika Anda bukan ahli di bidang ini — kami akan menjelaskan semua yang Anda butuhkan seiring perjalanan!
Bayangkan protokol seperti aturan dalam sebuah percakapan. Saat Anda menelepon teman, kalian berdua tahu untuk mengucapkan "halo" saat menjawab, bergiliran berbicara, dan mengucapkan "selamat tinggal" saat selesai. Program komputer juga memerlukan aturan serupa untuk berkomunikasi dengan efektif.
MCP adalah protokol — seperangkat aturan yang disepakati yang membantu model AI dan aplikasi melakukan "percakapan" yang produktif dengan alat dan layanan. Sama seperti aturan percakapan membuat komunikasi manusia lebih lancar, MCP membuat komunikasi aplikasi AI jauh lebih andal dan kuat.
Anda sudah menggunakan hubungan klien-server setiap hari! Saat Anda menggunakan browser web (klien) untuk mengunjungi situs web, Anda terhubung ke server web yang mengirimkan konten halaman. Browser tahu cara meminta informasi, dan server tahu cara menanggapi.
Dalam MCP, kita punya hubungan serupa: model AI bertindak sebagai klien yang meminta informasi atau tindakan, sementara server MCP menyediakan kemampuan tersebut. Ini seperti memiliki asisten yang membantu (server) yang dapat diminta AI untuk melakukan tugas tertentu.
Bayangkan jika setiap pabrik mobil menggunakan pompa bensin dengan bentuk berbeda — Anda memerlukan adaptor berbeda untuk setiap mobil! Standarisasi berarti menyepakati pendekatan bersama agar semuanya bekerja dengan mulus bersama.
MCP menyediakan standarisasi ini untuk aplikasi AI. Alih-alih setiap model AI memerlukan kode khusus untuk bekerja dengan setiap alat, MCP menciptakan cara universal bagi mereka untuk berkomunikasi. Ini berarti pengembang dapat membangun alat sekali saja dan membuatnya bekerja dengan banyak sistem AI berbeda.
Perjalanan MCP Anda disusun dengan cermat untuk membangun kepercayaan diri dan keterampilan secara bertahap. Setiap fase memperkenalkan konsep baru sambil memperkuat apa yang sudah Anda pelajari.
Di sinilah petualangan Anda dimulai! Kami akan memperkenalkan konsep MCP menggunakan analogi yang familiar dan contoh sederhana. Anda akan memahami apa itu MCP, mengapa MCP ada, dan bagaimana MCP masuk ke dunia pengembangan AI yang lebih luas.
• Modul 0 - Pengantar MCP: Kami akan mulai dengan mengeksplorasi apa itu MCP dan mengapa ini sangat penting untuk aplikasi AI modern. Anda akan melihat contoh nyata MCP dalam aksi dan memahami bagaimana ini menyelesaikan masalah umum yang dihadapi pengembang.
• Modul 1 - Penjelasan Konsep Inti: Di sini Anda akan mempelajari blok bangunan utama MCP. Kami akan menggunakan banyak analogi dan contoh visual agar konsep ini terasa alami dan mudah dimengerti.
• Modul 2 - Keamanan dalam MCP: Keamanan mungkin terdengar menakutkan, tapi kami akan menunjukkan bagaimana MCP memiliki fitur keamanan bawaan dan mengajari Anda praktik terbaik untuk melindungi aplikasi Anda dari awal.
Sekarang keseruan yang sebenarnya dimulai! Anda akan mendapatkan pengalaman langsung membangun server dan klien MCP yang sesungguhnya. Jangan khawatir - kami akan memulai dengan sederhana dan membimbing Anda melalui setiap langkah.
Modul ini mencakup beberapa panduan praktek yang memungkinkan Anda berlatih dalam bahasa pemrograman pilihan Anda. Anda akan membuat server pertama Anda, membangun klien untuk terhubung ke sana, dan bahkan mengintegrasikan dengan alat pengembangan populer seperti VS Code.
Setiap panduan menyertakan contoh kode lengkap, tips pemecahan masalah, dan penjelasan mengapa kami membuat pilihan desain tertentu. Pada akhir fase ini, Anda akan memiliki implementasi MCP yang berfungsi dan dapat Anda banggakan!
Dengan dasar-dasar yang dikuasai, Anda siap menjelajahi fitur MCP yang lebih canggih. Kami akan membahas strategi implementasi praktis, teknik debugging, dan topik lanjutan seperti integrasi AI multi-modal.
Anda juga akan belajar bagaimana menskalakan implementasi MCP untuk penggunaan produksi dan mengintegrasikan dengan platform cloud seperti Azure. Modul-modul ini mempersiapkan Anda untuk membangun solusi MCP yang mampu menangani tuntutan dunia nyata.
Fase terakhir berfokus pada bergabung dengan komunitas MCP dan mengkhususkan diri di area yang paling Anda minati. Anda akan belajar cara berkontribusi pada proyek MCP open-source, mengimplementasikan pola autentikasi tingkat lanjut, dan membangun solusi komprehensif yang terintegrasi dengan basis data.
Modul 11 layak mendapat perhatian khusus - ini adalah jalur belajar praktek lengkap dengan 13 lab yang mengajarkan cara membangun server MCP siap produksi dengan integrasi PostgreSQL. Seperti proyek akhir yang menyatukan semua yang telah Anda pelajari!
| Modul | Topik | Deskripsi | Tautan |
|---|---|---|---|
| Modul 0-3: Dasar-Dasar | |||
| 00 | Pengenalan MCP | Gambaran umum Model Context Protocol dan signifikansinya dalam pipeline AI | Baca selengkapnya |
| 01 | Penjelasan Konsep Inti | Eksplorasi mendalam konsep inti MCP | Baca selengkapnya |
| 02 | Keamanan dalam MCP | Ancaman keamanan dan praktik terbaik | Baca selengkapnya |
| 03 | Memulai dengan MCP | Persiapan lingkungan, server/klien dasar, integrasi | Baca selengkapnya |
| Modul 3: Membangun Server & Klien Pertama Anda | |||
| 3.1 | Server Pertama | Membuat server MCP pertama Anda | Panduan |
| 3.2 | Klien Pertama | Mengembangkan klien MCP dasar | Panduan |
| 3.3 | Klien dengan LLM | Integrasi model bahasa besar | Panduan |
| 3.4 | Integrasi VS Code | Menggunakan server MCP di VS Code | Panduan |
| 3.5 | Server stdio | Membuat server menggunakan transport stdio | Panduan |
| 3.6 | Streaming HTTP | Mengimplementasikan streaming HTTP di MCP | Panduan |
| 3.7 | AI Toolkit | Menggunakan AI Toolkit dengan MCP | Panduan |
| 3.8 | Pengujian | Menguji implementasi server MCP Anda | Panduan |
| 3.9 | Penyebaran | Mendistribusikan server MCP ke produksi | Panduan |
| 3.10 | Penggunaan server lanjutan | Menggunakan server tingkat lanjut untuk fitur canggih dan arsitektur lebih baik | Panduan |
| 3.11 | Autentikasi sederhana | Bab yang menunjukkan autentikasi dari awal dan RBAC | Panduan |
| 3.12 | Host MCP | Mengonfigurasi Claude Desktop, Cursor, Cline, dan host MCP lainnya | Panduan |
| 3.13 | MCP Inspector | Debug dan uji server MCP dengan alat Inspector | Panduan |
| 3.14 | Sampling | Menggunakan sampling untuk berkolaborasi dengan klien | Panduan |
| 3.15 | Aplikasi MCP | Membangun aplikasi MCP | Panduan |
| Modul 4-5: Praktis & Lanjutan | |||
| 04 | Implementasi Praktis | SDK, debugging, pengujian, template prompt yang dapat digunakan kembali | Baca selengkapnya |
| 4.1 | Paginasi | Menangani hasil besar dengan paginasi berbasis kursor | Panduan |
| 05 | Topik Lanjutan di MCP | AI multi-modal, skalabilitas, penggunaan enterprise | Baca selengkapnya |
| 5.1 | Integrasi Azure | Integrasi MCP dengan Azure | Panduan |
| 5.2 | Multi-modalitas | Bekerja dengan berbagai modalitas | Panduan |
| 5.3 | Demo OAuth2 | Mengimplementasikan autentikasi OAuth2 | Panduan |
| 5.4 | Konteks Root | Memahami dan mengimplementasikan konteks root | Panduan |
| 5.5 | Routing | Strategi routing MCP | Panduan |
| 5.6 | Sampling | Teknik sampling dalam MCP | Panduan |
| 5.7 | Skalasi | Menskalakan implementasi MCP | Panduan |
| 5.8 | Keamanan | Pertimbangan keamanan lanjutan | Panduan |
| 5.9 | Pencarian Web | Mengimplementasikan kemampuan pencarian web | Panduan |
| 5.10 | Streaming Real-time | Membangun fungsi streaming real-time | Panduan |
| 5.11 | Pencarian Real-time | Mengimplementasikan pencarian real-time | Panduan |
| 5.12 | Auth Entra ID | Autentikasi dengan Microsoft Entra ID | Panduan |
| 5.13 | Integrasi Foundry | Integrasi dengan Azure AI Foundry | Panduan |
| 5.14 | Rekayasa Konteks | Teknik untuk rekayasa konteks yang efektif | Panduan |
| 5.15 | Transportasi Kustom MCP | Implementasi transportasi kustom | Panduan |
| 5.16 | Fitur Protokol | Notifikasi kemajuan, pembatalan, template sumber daya | Panduan |
| 5.17 | Penalaran Multi-Agen Adversarial | Dua agen berdebat sisi berlawanan menggunakan alat MCP bersama, dinilai oleh agen hakim | Panduan |
| Modul 6-10: Komunitas & Praktik Terbaik | |||
| 06 | Kontribusi Komunitas | Cara berkontribusi pada ekosistem MCP | Panduan |
| 07 | Wawasan dari Pengadopsi Awal | Kisah implementasi dunia nyata | Panduan |
| 08 | Praktik Terbaik untuk MCP | Performa, toleransi kesalahan, ketahanan | Panduan |
| 09 | Studi Kasus MCP | Contoh implementasi praktis | Panduan |
| 10 | Workshop Praktek | Membangun Server MCP dengan AI Toolkit | Lab |
| Modul 11: Lab Praktek Server MCP | |||
| 11 | Integrasi Basis Data Server MCP | Jalur belajar praktek 13 lab lengkap untuk integrasi PostgreSQL | Lab-lab |
| 11.1 | Pengenalan | Gambaran MCP dengan integrasi basis data dan kasus penggunaan analitik ritel | Lab 00 |
| 11.2 | Arsitektur Inti | Memahami arsitektur server MCP, lapisan basis data, dan pola keamanan | Lab 01 |
| 11.3 | Keamanan & Multi-Tenancy | Keamanan Tingkat Baris, autentikasi, dan akses data multi-penyewa | Lab 02 |
| 11.4 | Persiapan Lingkungan | Menyiapkan lingkungan pengembangan, Docker, sumber daya Azure | Lab 03 |
| 11.5 | Desain Basis Data | Setup PostgreSQL, desain skema ritel, dan data contoh | Lab 04 |
| 11.6 | Implementasi Server MCP | Membangun server FastMCP dengan integrasi basis data | Lab 05 |
| 11.7 | Pengembangan Alat | Membuat alat query basis data dan introspeksi skema | Lab 06 |
| 11.8 | Pencarian Semantik | Mengimplementasikan embedding vektor dengan Azure OpenAI dan pgvector | Lab 07 |
| 11.9 | Pengujian & Debugging | Strategi pengujian, alat debugging, dan pendekatan validasi | Lab 08 |
| 11.10 | Integrasi VS Code | Mengonfigurasi integrasi VS Code MCP dan penggunaan AI Chat | Lab 09 |
| 11.11 | Strategi Penyebaran | Penyebaran Docker, Azure Container Apps, dan pertimbangan skalasi | Lab 10 |
| 11.12 | Monitoring | Application Insights, pencatatan, pemantauan performa | Lab 11 |
| 11.13 | Praktik Terbaik | Optimasi performa, penguatan keamanan, dan tips produksi | Lab 12 |
Salah satu bagian paling menarik dalam belajar MCP adalah melihat keterampilan coding Anda berkembang secara bertahap. Kami merancang contoh kode kami agar mulai dari yang sederhana dan menjadi lebih canggih seiring semakin dalamnya pemahaman Anda. Berikut cara kami memperkenalkan konsep—dengan kode yang mudah dipahami tapi menunjukkan prinsip MCP nyata, Anda tidak hanya akan memahami apa yang dilakukan kode ini, tetapi juga mengapa strukturnya seperti itu dan bagaimana ia cocok dalam aplikasi MCP yang lebih besar.
| Bahasa | Deskripsi | Tautan |
|---|---|---|
| C# | Contoh Server MCP | Lihat Kode |
| Java | Kalkulator MCP | Lihat Kode |
| JavaScript | Demo MCP | Lihat Kode |
| Python | Server MCP | Lihat Kode |
| TypeScript | Contoh MCP | Lihat Kode |
| Rust | Contoh MCP | Lihat Kode |
| Bahasa | Deskripsi | Tautan |
|---|---|---|
| C# | Contoh Lanjutan | Lihat Kode |
| Java dengan Spring | Contoh Container App | Lihat Kode |
| JavaScript | Contoh Lanjutan | Lihat Kode |
| Python | Implementasi Kompleks | Lihat Kode |
| TypeScript | Contoh Kontainer | Lihat Kode |
Untuk mendapatkan hasil maksimal dari kurikulum ini, Anda harus memiliki:
-
Pengetahuan dasar pemrograman dalam setidaknya salah satu dari bahasa berikut: C#, Java, JavaScript, Python, atau TypeScript
-
Pemahaman tentang model client-server dan API
-
Familiaritas dengan konsep REST dan HTTP
-
(Opsional) Latar belakang dalam konsep AI/ML
-
Bergabung dengan diskusi komunitas kami untuk dukungan
Repositori ini mencakup beberapa sumber daya untuk membantu Anda menavigasi dan belajar secara efektif:
Panduan Belajar yang komprehensif tersedia untuk membantu Anda menavigasi repositori ini secara efektif. Peta kurikulum visual ini menunjukkan bagaimana semua topik terhubung dan memberikan panduan tentang cara menggunakan proyek contoh dengan efektif. Ini sangat membantu jika Anda adalah pembelajar visual yang suka melihat gambaran besar.
Panduan ini mencakup:
- Peta kurikulum visual yang menampilkan semua topik yang dibahas
- Rincian setiap bagian repositori
- Panduan cara menggunakan proyek contoh
- Jalur belajar yang direkomendasikan untuk berbagai tingkat keterampilan
- Sumber daya tambahan untuk melengkapi perjalanan pembelajaran Anda
Kami memelihara Changelog yang mendetail untuk melacak semua pembaruan penting pada materi kurikulum, sehingga Anda dapat tetap mengikuti perbaikan dan penambahan terbaru.
- Penambahan konten baru
- Perubahan struktur
- Peningkatan fitur
- Pembaruan dokumentasi
Setiap pelajaran dalam panduan ini mencakup:
- Penjelasan jelas tentang konsep MCP
- Contoh kode langsung dalam beberapa bahasa
- Latihan untuk membangun aplikasi MCP sesungguhnya
- Sumber daya tambahan untuk pembelajar tingkat lanjut
Mari belajar tentang Model Context Protocol (MCP), sebuah kerangka kerja mutakhir yang dirancang untuk menstandarisasi interaksi antara model AI dan aplikasi klien. Melalui sesi ramah pemula ini, kami akan memperkenalkan Anda ke MCP dan membimbing Anda membuat server MCP pertama Anda.
JavaScript: https://aka.ms/letslearnmcp-javascript
Selamat! Anda baru saja mengambil langkah pertama dalam perjalanan menarik yang akan memperluas kemampuan pemrograman Anda dan menghubungkan Anda dengan perkembangan terbaru dalam pengembangan AI.
Dengan membaca pengantar ini, Anda sudah mulai membangun dasar pengetahuan MCP Anda. Anda memahami apa itu MCP, mengapa penting, dan bagaimana kurikulum ini akan mendukung perjalanan belajar Anda. Itu pencapaian besar dan awal dari keahlian Anda dalam teknologi penting ini.
Saat Anda melanjutkan modul-modul, ingatlah bahwa setiap ahli dulu adalah pemula. Konsep yang mungkin terlihat rumit sekarang akan menjadi hal yang biasa saat Anda berlatih dan menerapkannya. Setiap langkah kecil membangun kemampuan kuat yang akan berguna sepanjang karier pengembangan Anda.
Anda bergabung dengan komunitas pembelajar dan ahli yang bersemangat tentang MCP dan siap membantu orang lain berhasil. Apakah Anda terjebak dalam tantangan pemrograman atau senang berbagi terobosan, komunitas ini ada untuk mendukung perjalanan Anda.
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI, bergabunglah dengan para pembelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan diterima dan pengetahuan dibagikan secara bebas.
Jika Anda memiliki masukan produk atau menemukan kesalahan saat membangun, kunjungi:
Petualangan MCP Anda dimulai sekarang! Mulailah dengan Modul 0 untuk tenggelam dalam pengalaman MCP praktis pertama Anda, atau jelajahi proyek contoh untuk melihat apa yang akan Anda buat. Ingat—setiap ahli kali pertama memulai dari posisi Anda sekarang, dan dengan kesabaran dan latihan, Anda akan terkesan dengan apa yang bisa Anda capai.
Selamat datang di dunia pengembangan Model Context Protocol. Mari kita buat sesuatu yang luar biasa bersama!
Kurikulum ini menjadi lebih kuat dengan kontribusi dari pembelajar seperti Anda! Baik Anda memperbaiki kesalahan ketik, menyarankan penjelasan yang lebih jelas, atau menambahkan contoh baru, kontribusi Anda membantu pemula lain berhasil.
Terima kasih kepada Microsoft Valued Professional Shivam Goyal atas kontribusi contoh kode.
Proses kontribusi dirancang agar ramah dan mendukung. Sebagian besar kontribusi memerlukan Contributor License Agreement (CLA), namun alat otomatis akan memandu Anda melalui proses dengan lancar.
Seluruh kurikulum ini tersedia di bawah lisensi MIT LICENSE, artinya Anda dapat menggunakan, memodifikasi, dan membaginya secara bebas. Ini mendukung misi kami untuk membuat pengetahuan MCP dapat diakses oleh pengembang di mana saja.
Proyek ini menyambut kontribusi dan saran. Sebagian besar kontribusi mengharuskan Anda menyetujui Contributor License Agreement (CLA) yang menyatakan bahwa Anda memiliki hak, dan memang memberikan, hak kepada kami untuk menggunakan kontribusi Anda. Untuk detail, kunjungi https://cla.opensource.microsoft.com.
Saat Anda mengirimkan pull request, bot CLA akan secara otomatis menentukan apakah Anda perlu memberikan CLA dan menandai PR sesuai (misalnya, pemeriksaan status, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukan ini sekali di semua repositori yang menggunakan CLA kami.
Proyek ini telah mengadopsi Microsoft Open Source Code of Conduct. Untuk informasi lebih lanjut lihat FAQ Code of Conduct atau hubungi opencode@microsoft.com untuk pertanyaan atau komentar tambahan.
Siap memulai perjalanan MCP Anda? Mulailah dengan Modul 00 - Pengenalan MCP dan ambil langkah pertama Anda ke dunia pengembangan Model Context Protocol!
Tim kami juga memproduksi kursus lainnya! Lihat:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berusaha untuk memberikan terjemahan yang akurat, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau salah tafsir yang timbul dari penggunaan terjemahan ini.