(ဤမှတ်စု၏ဗီဒီယိုကိုကြည့်ရန် အပေါ်ဓာတ်ပုံကိုနှိပ်ပါ)
Model Context Protocol (MCP) Workshop သို့ ကြိုဆိုပါသည်! ဤလက်တွေ့အလုပ်ရုံဆွေးနွေးပွဲသည် AI အက်ပ်လီကေးရှင်းဖန်တီးမှုကို ပြောင်းလဲပေးမည့် နောက်ဆုံးပေါ်နည်းပညာနှစ်ခုကို ပေါင်းစပ်ထားပါသည်-
- 🔗 Model Context Protocol (MCP): AI ကိရိယာများနှင့် ပေါင်းသင်းမှုအတွက် အဆင်ပြေလွယ်ကူသော အဆက်အသွယ်ပုံစံဖော်ပြမှု
- 🛠️ AI Toolkit for Visual Studio Code (AITK): Microsoft ၏ အင်အားကြီး AI ဖန်တီးမှုတိုးချဲ့မှု
ဤအလုပ်ရုံဆွေးနွေးပွဲပြီးဆုံးသောအချိန်တွင် သင်သည် AI မော်ဒယ်များကို လက်တွေ့ကိရိယာများနှင့် ဝန်ဆောင်မှုများနှင့် ဖက်စပ်၍ ထူးခြားသော အက်ပ်များကို တည်ဆောက်နိုင်ပါမည်။ အလိုအလျောက် စမ်းသပ်မှုမှ စ၍ ကိုယ်တိုင်ထုတ် API ပေါင်းစည်းမှုများအထိ ရရှိနိုင်မည့် ဆော့ဖ်ဝဲလ်ကိရိယာများကို လေ့လာပါမည်။
MCP သည် "USB-C အတူတူ AI အတွက်" ဖြစ်ပြီး AI မော်ဒယ်များကို ပြင်ပကိရိယာများနှင့် ဒေတာရင်းမြစ်များနှင့် ချိတ်ဆက်ပေးသည့် တစ်ခုတည်းသော စံမြတ် အဆက်အသွယ်ဖြစ်သည်။
✨ အဓိကအင်္ဂါရပ်များ:
- 🔄 စံအဆက်အသွယ် ပေါင်းစည်းမှု: AI ကိရိယာများနှင့် ချိတ်ဆက်ရန် စံသတ်မှတ်ထားသော အင်တာဖေ့စ်
- 🏛️ တှေ့ပြန်နိုင်သော ဖွဲ့စည်းပုံ: stdio/SSE ပို့ဆောင်မှု အသုံးပြုကာ ဒေသীয়နှင့် အဝေးဆာဗာများ
- 🧰 စုံလင်သော စနစ်ပတ်ဝန်းကျင်: ကိရိယာများ၊ ပြုစုမှု၊ အရင်းအမြစ်များ စုပေါင်းထားခြင်း
- 🔒 စက်မှု လိုအပ်ချက်များနှင့် ကိုက်ညီမှု: လုံခြုံရေးနှင့် ယုံကြည်စိတ်ချရမှု
🎯 MCP ထူးခြားချက်: USB-C ကေဘယ်ဂျာရွေ့လျားမှု ပြဿနာများကို ဖြေရှင်းလိုက်သလို MCP က AI ပေါင်းစည်းမှု အားလုံးကို ရိုးရှင်းစေသည်။ Protocol တစ်ခုတည်းနဲ့ အခွင့်အလမ်း များစွာဖြစ်တည်နိုင်ပါသည်။
Microsoft ၏ ဦးဆောင် AI ဖန်တီးရေး တိုးချဲ့မှုဖြစ်ပြီး VS Code ကို AI ပါဝါရည်မြှင့်ပေးသော စနစ်တစ်ခုဖြစ်သည်။
🚀 အဓိက စွမ်းဆောင်ရည်များ:
- 📦 မော်ဒယ်စာရင်း: Azure AI, GitHub, Hugging Face, Ollama မှ မော်ဒယ်များ ဝင်ရောက်အသုံးပြုနိုင်မှု
- ⚡ ဒေသတွင်း ခန့်မှန်းခြေခြင်း: ONNX ကို အထူးထိန်းသိမ်းထားသော CPU/GPU/NPU ဖြင့် တည်ဆောင်မှု
- 🏗️ အေးဂျင့် တည်ဆောက်သူ: MCP ပေါင်းစည်းမှုဖြင့် ရုပ်ပိုင်းဆိုင်ရာ AI အေးဂျင့်ဖန်တီးမှု
- 🎭 အမျိုးမျိုးမော်ဒယ်: စာသား၊ မြင်ကွင်းနှင့် ဖွဲ့စည်းတည်ဆောက်မှုပေးခြင်း ထောက်ပံ့မှု
💡 ဖန်တီးမှု အကျိုးကျေးဇူးများ:
- မော်ဒယ် မလိုက်ရွေး တပ်ဆင်နိုင်မှု
- အမြင်ရှု့တံတား တည်ဆောက်မှုစနစ်
- ပွဲနက်အချိန် စမ်းသပ်မှု မြှင့်တင်ရေး
- MCP ဆာဗာနှင့် အဆက်မပြတ်ပေါင်းစည်းမှု
ကြာမြင့်ချိန်: 15 မိနစ်
- 🛠️ VS Code အတွက် AI Toolkit တပ်ဆင် ပြင်ဆင်ခြင်း
- 🗂️ မော်ဒယ်စာရင်း (GitHub, ONNX, OpenAI, Anthropic, Google မှ မော်ဒယ် ၁၀၀+)
- 🎮 ပွဲနက် စမ်းသပ်မှု အထောက်အကူပြု အင်တာဖေ့စ် အသုံးပြုခြင်း
- 🤖 ပထမဆုံး AI အေးဂျင့် Agent Builder ဖြင့် ဖန်တီးခြင်း
- 📊 မော်ဒယ် စွမ်းဆောင်ရည်ကို Built-in သတ်မှတ်ချက်များဖြင့် အကဲဖြတ်ခြင်း (F1, သက်ဆိုင်မှု၊ ဆင်တူမှု၊ သဘောတူမှု)
- ⚡ ကျစ်လစ်သော ပုံစံအလိုက် ပြုလုပ်ခြင်းနှင့် မော်ဒယ်အမျိုးမျိုးမော်ဒယ် ထောက်ပံ့ရေး လေ့လာခြင်း
🎯 သင်ယူ၍ရမည့် ရလဒ်: AITK ၏စွမ်းရည်များကို အထူးပြုသော လက်တွေ့ AI အေးဂျင့် တစ်ခု ဖန်တီးနိုင်ခြင်း
ကြာမြင့်ချိန်: 20 မိနစ်
- 🧠 Model Context Protocol (MCP) ၏ ဖွဲ့စည်းပုံ နှင့် အယူအဆများ လေ့လာခြင်း
- 🌐 Microsoft ၏ MCP ဆာဗာ စနစ်တွင် ရှာဖွေသင်ယူခြင်း
- 🤖 Playwright MCP ဆာဗာ အသုံးပြုကာ ဘရောက်ဇာ အော်တိုမှေးရွေးကွယ်အေးဂျင့် တည်ဆောက်ခြင်း
- 🔧 MCP ဆာဗာများကို AI Toolkit Agent Builder နှင့် ပေါင်းစည်းခြင်း
- 📊 MCP ကိရိယာများ အေးဂျင့်များအတွင်း စမ်းသပ် အတည်ပြုခြင်း
- 🚀 MCP လုပ်ဆောင်မှုပေါ်တွင် အေးဂျင့်များ တင်သွင်း၊ ထုတ်လုပ်ခြင်း
🎯 သင်ယူ၍ရမည့် ရလဒ်: MCP ဖြင့် ပြင်ပကိရိယာများနှင့် ပေါင်းစပ်ထားသော AI အေးဂျင့် တစ်ခု ထုတ်လုပ်နိုင်ခြင်း
ကြာမြင့်ချိန်: 20 မိနစ်
- 💻 AI Toolkit ကို အသုံးပြုကာ ကိုယ်ပိုင် MCP ဆာဗာ တည်ဆောက်ခြင်း
- 🐍 MCP Python SDK (v1.9.3) ကို ပြင်ဆင် အသုံးပြုခြင်း
- 🔍 Troubleshooting အတွက် MCP Inspector ချိန်ညှိ အသုံးပြုခြင်း
- 🛠️ Weather MCP ဆာဗာ တည်ဆောက်၍ ဝါရင့် debugging လုပ်ငန်းစဉ်များ ဆောင်ရွက်ခြင်း
- 🧪 Agent Builder နှင့် Inspector ပတ်ဝန်းကျင်များတွင် MCP ဆာဗာများကို ကြားဖြတ်မှု ပြုလုပ်ခြင်း
🎯 သင်ယူ၍ရမည့် ရလဒ်: နောက်ဆုံးပေါ်ကိရိယာများနှင့် ကိုယ်ပိုင် MCP ဆာဗာများ ဖန်တီး၊ သေချာစွာ စစ်ဆေးပြင်ဆင်နိုင်ခြင်း
ကြာမြင့်ချိန်: 30 မိနစ်
- 🏗️ အပြင်လောက GitHub Clone MCP ဆာဗာ တည်ဆောက်ခြင်း အတွက် ပုံမှန်အလုပ်စဉ်များ လုပ်ဆောင်ရန်
- 🔄 Repository cloning ဖြည့်စွက်မှုနှင့် အမှားစစ်ဆေးမှုများ ထည့်သွင်းပြုလုပ်ခြင်း
- 📁 ဉာဏ်ရည်စွမ်း directory မန်နေဂ်မင့် နှင့် VS Code ပေါင်းစပ်မှု ဖြည့်ဆည်းခြင်း
- 🤖 GitHub Copilot Agent Mode ကို ကိုယ်ပိုင် MCP ကိရိယာများဖြင့် အသုံးပြုခြင်း
- 🛡️ ထုတ်လုပ်မှုအဆင့် အတွက်ယုံကြည်စိတ်ချရမှုနှင့် platform များအကြား လိုက်ဖက်စေမှု ဖြည့်ဆည်းခြင်း
🎯 သင်ယူ၍ရမည့် ရလဒ်: တည်ဆောက်မှု လုပ်ငန်းစဉ်ကိုပိုမို လိမ့်ချ၊ လမ်းညွှန်ပေးနိုင်သော ထုတ်လုပ်မှုအဆင့် MCP ဆာဗာ တစ်ခု တည်ဆောက်နိုင်ခြင်း
တိုးတက်သော လုပ်ငန်းစဉ်များအတွက် ဉာဏ်ရည်အသုံးပြု လုပ်ငန်းစဉ်အလိုအလျောက်ပြုလုပ်မှု-
- Smart Repository Management: AI အခြေခံ ကုဒ်စစ်တမ်းနှင့် ပေါင်းစပ်ခြင်း ဆုံးဖြတ်ချက်များ
- Intelligent CI/CD: ကိုဒ်ပြောင်းလဲမှုအခြေခံ အလိုအလျောက် pipeline တိုးတက်မှု
- Issue Triage: အမှားများ အလိုအလျောက် သတ်မှတ် ခွဲခြား ပေးပို့ခြင်း
AI အခြေခံ စမ်းသပ်မှု အလိုအလျောက် ပြုလုပ်မှုများ –
- Intelligent Test Generation: အပြည့်အစုံ စမ်းသပ်မှုအစီအစဉ်များ ကို အလိုအလျောက် ဖန်တီးခြင်း
- Visual Regression Testing: UI ပြောင်းလဲမှုကို AI ဖြင့် တွေ့ရှိနိုင်မှု
- Performance Monitoring: ပြဿနာများကို အားမပြတ် ရှာဖွေမှတ်သားခြင်းနှင့် ဖြေရှင်းခြင်း
ခိုင်မာသော ဒေတာ လုပ်ငန်းစဉ်များ တည်ဆောက်ရေး-
- Adaptive ETL Processes: မိမိလိုအပ်သည့်အတိုင်းဒေတာ ပြုပြင်ပြောင်းလဲမှု
- Anomaly Detection: Real-time ဒေတာ အရည်အသွေး ကြည့်ကောင်းစောင့်ကြည့်မှု
- Intelligent Routing: ဉာဏ်ရည်ကြီး data ပြေးလမ်းစီမံခန့်ခွဲမှု
ထူးခြားသော ဖောက်သည် အချိန်ဖြေဆိုမှုလုပ်ငန်းစဉ်များ-
- Context-Aware Support: ဖောက်သည်သမိုင်းကြောင်းကို ဝင်ရောက်နိုင်သော AI အေးဂျင့်များ
- Proactive Issue Resolution: ကြိုတင် ခန့်မှန်းဖြေရှင်းပေးခြင်း
- Multi-Channel Integration: AI အတွေ့အကြုံများကို များစွာသော ပလက်ဖောင်းများတွင် ပေါင်းစပ်ခြင်း
| အစိတ်အပိုင်း | လိုအပ်ချက် | မှတ်ချက်များ |
|---|---|---|
| အော်ပရိတ်စနစ် | Windows 10+၊ macOS 10.15+၊ Linux | မည်သည့်နောက်ဆုံးပေါ် OS မဆို |
| Visual Studio Code | နောက်ဆုံးပေါ်တည်ငြိမ်မှုဗားရှင်း | AITK အတွက် လိုအပ်သည် |
| Node.js | v18.0+ နှင့် npm | MCP ဆာဗာ ဖန်တီးရန် |
| Python | 3.10+ | Python MCP ဆာဗာများအတွက် အလိုအလျောက် ရွေးချယ်၍ အသုံးပြုနိုင်သည့် |
| မှတ်ဉာဏ် | အနည်းဆုံး 8GB RAM | ဒေသတွင်း မော်ဒယ်များအတွက် 16GB အကြံပြုသည် |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - ရွေးချယ်အသုံးပြုနိုင်သော်လည်း အကူအညီဆောင်
- uv: နောက်ဆုံးပေါ် Python ကိရိယာ စီမံခန့်ခွဲရေး စနစ်
- MCP Inspector: MCP ဆာဗာများအတွက် Visual debugging ကိရိယာ
- Playwright: Web automation ဥပမာများအတွက်
ဤ အလုပ်ရုံဆွေးနွေးပွဲပြီးဆုံးပြီးနောက် သင်သည် ကျွမ်းကျင်မှုများ ရရှိမည်-
- MCP Protocol ကျွမ်းကျင်မှု: ဖွဲ့စည်းပုံနှင့် အကောင်အထည်ဖော်နည်းများ ရှင်းလင်းစွာ နားလည်မှု
- AITK ကျွမ်းကျင်မှု: AI Toolkit ကို နှစ်မြှုပ်ခြင်းမဲ့ ဖန်တီးမှု ကျွမ်းကျင်အဆင့်
- ကိုယ်ပိုင် ဆာဗာ ဖန်တီးမှု: MCP ဆာဗာများ ဖန်တီး၊ တပ်ဆင်နှင့် ထိန်းသိမ်းနိုင်ခြင်း
- ကိရိယာ ပေါင်းစည်းမှု ကျွမ်းကျင်မှု: AI နှင့် အခြား အလုပ်စဉ်များ ပေါင်းစပ်ခြင်း
- ပြဿနာဖြေရှင်းမှု ကိရိယာအသုံးပြုမှု: လုပ်ငန်းအခက်အခဲများကို လျှောက်ထားဆောင်ရွက်နိုင်ခြင်း
- VS Code တွင် AI Toolkit ပြင်ဆင်ခြင်းနှင့် တပ်ဆင်ခြင်း
- ကိုယ်ပိုင် MCP ဆာဗာ ဖန်တီးခြင်း
- GitHub မော်ဒယ်များကို MCP ဖွဲ့စည်းပုံနှင့် ပေါင်းစည်းခြင်း
- Playwright ဖြင့် အလိုအလျောက် စမ်းသပ်မှုလုပ်ငန်းစဉ်ဖန်တီးခြင်း
- ထုတ်လုပ်မှုအတွက် AI အေးဂျင့်များ တင်သွင်းခြင်း
- MCP ဆာဗာ စနစ် ပေါ်အောင် debug နှင့် ထိန်းသိမ်းခြင်း
- စက်မှုအဆင့် AI ပေါင်းစပ်မှုများ ဖန်တီးနိုင်ခြင်း
- AI အပလီကေးရှင်းများအတွက် လုံခြုံရေး စံသတ်မှတ်ချက်များကို တာဝန်ယူ ဆောင်ရွက်နိုင်ခြင်း
- MCP ဆာဗာအတွက် စကေးအောင် ဖွဲ့စည်းပုံများ ဒီဇိုင်းဆွဲနိုင်ခြင်း
- အထူး နယ်ပယ်များအတွက် ကိုယ်ပိုင် ကိရိယာ စနစ်များ ဖန်တီးနိုင်ခြင်း
- AI Native ဖန်တီးရေးတွင် အခြားသူများကို ဦးဆောင် လမ်းပြနိုင်ခြင်း
- MCP Specification (2025-11-25)
- AI Toolkit GitHub Repository
- Sample MCP Servers Collection
- Best Practices Guide
- OWASP MCP Top 10 - လုံခြုံရေး စံသတ်မှတ်ချက်များ
🚀 သင့် AI ဖန်တီးမှု လုပ်ငန်းစဉ်ကို ပြောင်းလဲလိုပါသလား?
MCP နှင့် AI Toolkit ကို အသုံးပြုကာ ထူးခြားသော အက်ပ်များ၏ အနာဂတ်ကို မဖြစ်မနေ တည်ဆောက်ကြပါစို့!
ဆက်လက်သွားရန်: Module 11: MCP Server Hands-On Labs
အသိပေးချက်
ဤစာတမ်းကို AI ဘာသာပြန်မှုဝန်ဆောင်မှု Co-op Translator အသုံးပြု၍ ဘာသာပြန်ထားသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားသော်လည်း အလိုအလျောက် ဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် မေတ္တာရပ်ခံပါသည်။ မူလစာတမ်းကို ဘာသာစကားမူရင်းဖြင့်သာ အတည်ပြုရန် သတ်မှတ်ထားသော အရင်းအမြစ်အဖြစ်ယူဆရန် လိုအပ်ပါသည်။ အရေးကြီးသော သတင်းအချက်အလက်များအတွက် လုပ်ငန်းအတွေ့အကြုံရှိ လူ့ဘာသာပြန်ခြင်းကိုအကြံပြု드립니다။ ဤဘာသာပြန်မှုကို အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်လာသော နားလည်မှုမှားခြင်း သို့မဟုတ် ဘာသာရပ်ဆိုင်ရာ မမှန်ကန်မှုများအတွက် ငါတို့ တာဝန်မရှိပါ။