(Kliknite na zgornjo sliko za ogled videa tega lekcija)
Dobrodošli na Model Context Protocol (MCP) delavnici! Ta obsežna praktična delavnica združuje dve najsodobnejši tehnologiji za revolucijo razvoja AI aplikacij:
- 🔗 Model Context Protocol (MCP): odprt standard za brezhibno integracijo AI orodij
- 🛠️ AI Toolkit za Visual Studio Code (AITK): močna Microsoftova razširitev za razvoj AI
Ob koncu delavnice boste obvladali umetnost gradnje inteligentnih aplikacij, ki povezujejo AI modele z resničnimi orodji in storitvami. Od avtomatiziranega testiranja do prilagojenih integracij API-jev boste pridobili praktične spretnosti za reševanje kompleksnih poslovnih izzivov.
MCP je "USB-C za AI" – univerzalni standard, ki povezuje AI modele z zunanjimi orodji in podatkovnimi viri.
✨ Ključne lastnosti:
- 🔄 Standardizirana integracija: univerzalni vmesnik za povezave AI-orodij
- 🏛️ Fleksibilna arhitektura: lokalni in oddaljeni strežniki prek stdio/SSE transporta
- 🧰 Bogat ekosistem: orodja, pozivi in viri v enem protokolu
- 🔒 Pripravljen za podjetja: vgrajena varnost in zanesljivost
🎯 Zakaj je MCP pomemben: Tako kot je USB-C odpravil zmedo s kabli, MCP poenostavlja integracije AI. En protokol, neskončne možnosti.
Microsoftova vodilna razširitev za razvoj AI, ki spremeni VS Code v AI močnico.
🚀 Osnovne zmogljivosti:
- 📦 Katalog modelov: dostop do modelov iz Azure AI, GitHub, Hugging Face, Ollama
- ⚡ Lokalna inferenca: ONNX optimizirano izvajanje na CPU/GPU/NPU
- 🏗️ Agent Builder: vizualni razvoj AI agentov z integracijo MCP
- 🎭 Večmodalnost: podpora besedilu, vidu in strukturiranemu izhodu
💡 Prednosti razvoja:
- Nastavitev modela brez konfiguracije
- Vizualno oblikovanje pozivov
- Igralna površina za sprotno testiranje
- Brezhibna integracija MCP strežnika
Trajanje: 15 minut
- 🛠️ Namestitev in konfiguracija AI Toolkit za VS Code
- 🗂️ Raziskovanje kataloga modelov (100+ modelov iz GitHub, ONNX, OpenAI, Anthropic, Google)
- 🎮 Obvladovanje interaktivne igralne površine za sprotno testiranje modelov
- 🤖 Izgradnja prvega AI agenta z Agent Builder
- 📊 Vrednotenje zmogljivosti modelov z vgrajenimi metričnimi podatki (F1, relevantnost, podobnost, skladnost)
- ⚡ Učenje zmogljivosti grupne obdelave in večmodalne podpore
🎯 Učni izid: Ustvarite funkcionalnega AI agenta s poglobljenim razumevanjem zmogljivosti AITK
Trajanje: 20 minut
- 🧠 Obvladovanje arhitekture in konceptov Model Context Protocol (MCP)
- 🌐 Raziskovanje Microsoftovega MCP ekosistema strežnikov
- 🤖 Izgradnja agenta za avtomatizacijo brskalnika z uporabo Playwright MCP strežnika
- 🔧 Integracija MCP strežnikov z AI Toolkit Agent Builderjem
- 📊 Konfiguracija in testiranje MCP orodij v vaših agentih
- 🚀 Izvoz in uvajanje agentov, podprtih z MCP, za produkcijsko uporabo
🎯 Učni izid: Uvedite AI agenta, z dodatno močjo zunanjih orodij prek MCP
Trajanje: 20 minut
- 💻 Ustvarjanje prilagojenih MCP strežnikov z AI Toolkit
- 🐍 Konfiguracija in uporaba najnovejše MCP Python SDK (v1.9.3)
- 🔍 Nastavitev in uporaba MCP Inspectorja za odpravljanje napak
- 🛠️ Izgradnja Weather MCP strežnika s profesionalnimi delovnimi tokovi za odpravljanje napak
- 🧪 Odpravljanje napak MCP strežnikov tako v Agent Builderju kot v okolju Inspector
🎯 Učni izid: Razvijajte in odpravljajte napake na prilagojenih MCP strežnikih z modernimi orodji
Trajanje: 30 minut
- 🏗️ Izgradnja resničnega GitHub Clone MCP strežnika za razvojne delovne tokove
- 🔄 Implementacija pametnega podvajanja repozitorijev z validacijo in ravnanjem z napakami
- 📁 Ustvarjanje inteligentnega upravljanja imenikov in integracija z VS Code
- 🤖 Uporaba GitHub Copilot Agent Mode z lastnimi MCP orodji
- 🛡️ Uporaba zanesljivosti primerne za produkcijo in združljivosti med platformami
🎯 Učni izid: Uvedite produkcijsko pripravljen MCP strežnik, ki poenostavi resnične razvojne delovne tokove
Preoblikujte svoj razvojni delovni tok z inteligentno avtomatizacijo:
- Pametno upravljanje repozitorijev: AI-podprt pregled kode in odločitve o združevanju
- Inteligentni CI/CD: avtomatska optimizacija pipeline na podlagi sprememb kode
- Triage težav: samodejna klasifikacija in dodeljevanje napak
Izboljšajte testiranje z AI-podprto avtomatizacijo:
- Inteligentna generacija testov: samodejno ustvarjanje celovitih testnih kompletov
- Vizualno regresijsko testiranje: AI-podprt zaznavanje sprememb UI
- Nadzor zmogljivosti: proaktivno odkrivanje in reševanje težav
Ustvarite pametnejše delovne tokove za obdelavo podatkov:
- Adaptivni ETL procesi: samonastavljive transformacije podatkov
- Zaznavanje anomalij: spremljanje kakovosti podatkov v realnem času
- Inteligentno usmerjanje: pametno upravljanje podatkovnih tokov
Ustvarite izjemne interakcije s strankami:
- Podpora, ki razume kontekst: AI agenti z dostopom do zgodovine strank
- Proaktivna rešitev težav: napovedna storitev za stranke
- Integracija več kanalov: enotna AI izkušnja na različnih platformah
| Komponenta | Zahteva | Opombe |
|---|---|---|
| Operacijski sistem | Windows 10+, macOS 10.15+, Linux | Katerekoli sodobni OS |
| Visual Studio Code | Najnovejša stabilna verzija | Potrebno za AITK |
| Node.js | v18.0+ in npm | Za razvoj MCP strežnikov |
| Python | 3.10+ | Izbirno za Python MCP strežnike |
| Pomnilnik | vsaj 8GB RAM | Priporočeno 16GB za lokalne modele |
- AI Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - Izbirno, a koristno
- uv: sodoben upravljalec Python paketov
- MCP Inspector: vizualno orodje za odpravljanje napak na MCP strežnikih
- Playwright: za primere spletne avtomatizacije
S zaključkom te delavnice boste dosegli obvladovanje:
- Obvladovanje MCP protokola: poglobljeno razumevanje arhitekture in vzorcev implementacije
- Strokovnost za AITK: ekspertna uporaba AI Toolkit za hitro razvijanje
- Razvoj prilagojenih strežnikov: izgradnja, uvajanje in vzdrževanje produkcijskih MCP strežnikov
- Odličnost integracije orodij: brezhibna povezava AI z obstoječimi razvojnimi procesi
- Uporaba za reševanje problemov: uporaba pridobljenih znanj za resnične poslovne izzive
- Namestitev in konfiguracija AI Toolkit v VS Code
- Oblikovanje in izvajanje prilagojenih MCP strežnikov
- Integracija GitHub modelov z MCP arhitekturo
- Izgradnja avtomatiziranih testnih delovnih tokov s Playwright
- Uvajanje AI agentov za produkcijsko uporabo
- Odpravljanje napak in optimizacija MCP strežniške zmogljivosti
- Arhitektura integracij AI na ravni podjetja
- Izvajanje najboljših praks varnosti za AI aplikacije
- Oblikovanje razširljivih MCP strežniških arhitektur
- Ustvarjanje prilagojenih orodnih verig za specifična področja
- Mentorstvo pri razvoju naravnemu AI
- MCP specifikacija (2025-11-25)
- AI Toolkit GitHub repozitorij
- Zbirka vzorčnih MCP strežnikov
- Vodnik najboljših praks
- OWASP MCP Top 10 - varnostne najboljše prakse
🚀 Pripravljeni na revolucijo svojega AI razvojnega procesa?
Zgradimo skupaj prihodnost inteligentnih aplikacij z MCP in AI Toolkit!
Nadaljujte na: Modul 11: MCP Server praktične delavnice
Omejitev odgovornosti: Ta dokument je bil preveden z uporabo storitve za avtomatski prevod Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatski prevodi vsebujejo napake ali netočnosti. Izvirni dokument v izvirnem jeziku velja za avtoritativni vir. Za kritične informacije priporočamo strokoven človeški prevod. Ne odgovarjamo za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda.