Model Context Protocol (MCP) pro začátečníky - studijní průvodce

Tento studijní průvodce poskytuje přehled struktury a obsahu repozitáře pro kurz "Model Context Protocol (MCP) pro začátečníky". Použijte tento průvodce k efektivní orientaci v repozitáři a maximálnímu využití dostupných zdrojů.

Přehled repozitáře

Model Context Protocol (MCP) je standardizovaný rámec pro interakce mezi AI modely a klientskými aplikacemi. Původně vytvořený společností Anthropic, nyní je MCP spravován širší komunitou MCP prostřednictvím oficiální organizace GitHub. Tento repozitář poskytuje komplexní učební plán s praktickými ukázkami kódu v C#, Java, JavaScript, Python a TypeScript, určený pro vývojáře AI, systémové architekty a softwarové inženýry.

Vizualizace učebního plánu

mindmap
  root((MCP pro začátečníky))
    00. Úvod
      ::icon(fa fa-book)
      (Přehled protokolu)
      (Výhody standardizace)
      (Reálné scénáře použití)
      (Základy integrace AI)
    01. Základní pojmy
      ::icon(fa fa-puzzle-piece)
      (Klient-server architektura)
      (Komponenty protokolu)
      (Vzory zasílání zpráv)
      (Přenosové mechanismy)
      (Úkoly - experimentální)
      (Anotace nástrojů)
    02. Zabezpečení
      ::icon(fa fa-shield)
      (Hrozby specifické pro AI)
      (Nejlepší praktiky 2025)
      (Bezpečnost obsahu Azure)
      (Autentizace a autorizace)
      (Microsoft Prompt Shields)
      (OWASP MCP Top 10)
      (Workshop zabezpečení Sherpa)
    03. Začínáme
      ::icon(fa fa-rocket)
      (První implementace serveru)
      (Vývoj klienta)
      (Integrace LLM klienta)
      (Rozšíření VS Code)
      (Nastavení SSE serveru)
      (HTTP streamování)
      (Integrace AI nástrojů)
      (Testovací frameworky)
      (Pokročilé použití serveru)
      (Jednoduchá autentizace)
      (Strategie nasazení)
      (Nastavení MCP hostitelů)
      (MCP inspektor)
    04. Praktická implementace
      ::icon(fa fa-code)
      (SDK pro více jazyků)
      (Testování a ladění)
      (Šablony promptů)
      (Ukázkové projekty)
      (Produkční vzory)
      (Strategie stránkování)
    05. Pokročilá témata
      ::icon(fa fa-graduation-cap)
      (Konstrukce kontextu)
      (Integrace Foundry agenta)
      (Multi-modální AI workflow)
      (OAuth2 autentizace)
      (Vyhledávání v reálném čase)
      (Streamingové protokoly)
      (Kořenové kontexty)
      (Strategie směrování)
      (Techniky vzorkování)
      (Řešení škálování)
      (Zpevnění bezpečnosti)
      (Integrace Entra ID)
      (Webové vyhledávání MCP)
      (Hluboký rozbor funkcí protokolu)
      (Adversariální multi-agentní uvažování)
      
    06. Komunita
      ::icon(fa fa-users)
      (Příspěvky kódu)
      (Dokumentace)
      (Ekosystém MCP klientů)
      (Registr MCP serverů)
      (Nástroje pro generování obrázků)
      (Spolupráce na GitHubu)
    07. Rané přijetí
      ::icon(fa fa-lightbulb)
      (Produkční nasazení)
      (Microsoft MCP servery)
      (Služba Azure MCP)
      (Podnikové případové studie)
      (Budoucí plán)
    08. Nejlepší praktiky
      ::icon(fa fa-check)
      (Optimalizace výkonu)
      (Odolnost vůči chybám)
      (Odolnost systému)
      (Monitorování a observabilita)
    09. Případové studie
      ::icon(fa fa-file-text)
      (Azure API Management)
      (AI cestovní agent)
      (Integrace Azure DevOps)
      (Dokumentace MCP)
      (Registr MCP na GitHubu)
      (Integrace VS Code)
      (Reálné implementace)
    10. Praktický workshop
      ::icon(fa fa-laptop)
      (Základy MCP serveru)
      (Pokročilý vývoj)
      (Integrace AI nástrojů)
      (Produkční nasazení)
      (Struktura 4-laboratoří)
    11. Laboratoře integrace databází
      ::icon(fa fa-database)
      (Integrace PostgreSQL)
      (Případ použití retailové analytiky)
      (Řízení přístupu na úrovni řádků)
      (Sémantické vyhledávání)
      (Produkční nasazení)
      (Struktura 13-laboratoří)
      (Praktické učení)
    12. Nástroje
      ::icon(fa fa-wrench)
      (MCP v aplikaci Copilot)

Struktura repozitáře

Repozitář je rozdělen do dvanácti hlavních sekcí, z nichž každá se zaměřuje na různé aspekty MCP:

Úvod (00-Introduction/)
- Přehled Model Context Protocol
- Proč je standardizace důležitá v AI pipelinech
- Praktické případy použití a přínosy
Základní koncepty (01-CoreConcepts/)
- Architektura klient-server
- Klíčové komponenty protokolu
- Vzory zasílání zpráv v MCP
Bezpečnost (02-Security/)
- Bezpečnostní hrozby v systémech založených na MCP
- Nejlepší postupy zabezpečení implementací
- Strategie autentizace a autorizace
- Komplexní bezpečnostní dokumentace:
  - MCP Security Best Practices 2025
  - Průvodce implementací Azure Content Safety
  - MCP bezpečnostní kontroly a techniky
  - Rychlá reference nejlepších bezpečnostních praktik MCP
- Klíčová bezpečnostní témata:
  - útoky typu prompt injection a nákaza nástrojů
  - únosy relací a problémy zmateného zástupce
  - zranitelnosti při průchodu tokenů
  - nadměrná oprávnění a řízení přístupu
  - zabezpečení dodavatelských řetězců pro AI komponenty
  - integrace Microsoft Prompt Shields
Začínáme (03-GettingStarted/)
- Nastavení a konfigurace prostředí
- Vytváření základních MCP serverů a klientů
- Integrace se stávajícími aplikacemi
- Obsahuje sekce pro:
  - První implementaci serveru
  - Vývoj klienta
  - Integraci LLM klienta
  - Integraci VS Code
  - SSE server (Server-Sent Events)
  - Pokročilé použití serveru
  - HTTP streamování
  - Integraci AI Toolkit
  - Strategie testování
  - Pokyny k nasazení
Praktická implementace (04-PracticalImplementation/)
- Používání SDK v různých programovacích jazycích
- Ladění, testování a ověřování
- Tvorba znovupoužitelných šablon promptů a pracovních postupů
- Vzorové projekty s příklady implementace
Pokročilá témata (05-AdvancedTopics/)
- Techniky kontextového inženýrství
- Integrace agenta Foundry
- Více-modální AI pracovní postupy
- Ukázky autentizace OAuth2
- Real-time vyhledávání
- Real-time streamování
- Implementace root kontextů
- Směrovací strategie
- Techniky vzorkování
- Přístupy k škálování
- Bezpečnostní úvahy
- Integrace bezpečnosti Entra ID
- Webové vyhledávání
- Adversariální multi-agentní uvažování (debatní vzory)
Příspěvky komunity (06-CommunityContributions/)
- Jak přispívat kódem a dokumentací
- Spolupráce přes GitHub
- Vylepšení a zpětná vazba vedená komunitou
- Používání různých MCP klientů (Claude Desktop, Cline, VSCode)
- Práce s populárními MCP servery včetně generování obrázků
Lekce z raného adopce (07-LessonsfromEarlyAdoption/)
- Reálné implementace a úspěšné příběhy
- Vývoj a nasazení řešení založených na MCP
- Trendy a budoucí roadmapa
- Průvodce Microsoft MCP servery: Kompletní průvodce 10 produkčně připravenými Microsoft MCP servery včetně:
  - Microsoft Learn Docs MCP Server
  - Azure MCP Server (15+ specializovaných konektorů)
  - GitHub MCP Server
  - Azure DevOps MCP Server
  - MarkItDown MCP Server
  - SQL Server MCP Server
  - Playwright MCP Server
  - Dev Box MCP Server
  - Microsoft Foundry MCP Server
  - Microsoft 365 Agents Toolkit MCP Server
Nejlepší postupy (08-BestPractices/)
- Ladění výkonu a optimalizace
- Návrh odolných MCP systémů
- Strategie testování a odolnosti
Případové studie (09-CaseStudy/)
- Sedm komplexních případových studií demonstrujících všestrannost MCP v různých scénářích:
- Azure AI Travel Agents: Více-agentní orchestrace s Azure OpenAI a AI Search
- Integrace Azure DevOps: Automatizace pracovních procesů s aktualizacemi dat z YouTube
- Real-time získávání dokumentace: Python konzolový klient s HTTP streamováním
- Interaktivní generátor studijních plánů: Chainlit webová aplikace s konverzační AI
- Dokumentace v editoru: Integrace VS Code s pracovními postupy GitHub Copilot
- Azure API Management: Podniková API integrace s tvorbou MCP serveru
- GitHub MCP Registry: Vývoj ekosystému a platforma pro agentické integrace
- Příklady implementace pokrývající podnikové integrace, produktivitu vývojářů a rozvoj ekosystému
Praktický workshop (10-StreamliningAIWorkflowsBuildingAnMCPServerWithAIToolkit/)
- Komplexní praktický workshop kombinující MCP s AI Toolkit
- Vytváření inteligentních aplikací propojujících AI modely s reálnými nástroji
- Praktické moduly pokrývající základy, vývoj vlastního serveru a strategie nasazení do produkce
- Struktura laboratoří:
  - Laboratoř 1: Základy MCP serveru
  - Laboratoř 2: Pokročilý vývoj MCP serveru
  - Laboratoř 3: Integrace AI Toolkit
  - Laboratoř 4: Produkční nasazení a škálování
- Výukový přístup založený na laboratořích s krok za krokem instrukcemi
Laboratoře integrace MCP serveru s databází (11-MCPServerHandsOnLabs/)
- Komplexní výuková cesta se 13 laboratořemi pro stavbu produkčně připravených MCP serverů s integrací PostgreSQL
- Reálná implementace retailové analytiky pomocí případu použití Zava Retail
- Vzorové firemní postupy včetně Row Level Security (RLS), sémantického vyhledávání a multi-tenant přístupu k datům
- Kompletní struktura laboratoří:
  - Laboratoře 00-03: Základy - Úvod, architektura, bezpečnost, nastavení prostředí
  - Laboratoře 04-06: Stavba MCP serveru - Návrh databáze, implementace MCP serveru, vývoj nástrojů
  - Laboratoře 07-09: Pokročilé funkce - Sémantické vyhledávání, testování a ladění, integrace VS Code
  - Laboratoře 10-12: Produkce a nejlepší praktiky - Nasazení, monitoring, optimalizace
- Použité technologie: FastMCP framework, PostgreSQL, Azure OpenAI, Azure Container Apps, Application Insights
- Výsledky učení: Produkčně připravené MCP servery, vzory integrace databází, AI řízená analytika, podniková bezpečnost
Nástroje (12-tooling/)
- Naučte se používat MCP v aplikaci Copilot a dalších nástrojích

Další zdroje

Repozitář obsahuje podpůrné zdroje:

Složka obrázků: Obsahuje diagramy a ilustrace používané v kurzu
Překlady: Podpora více jazyků s automatickými překlady dokumentace
Oficiální zdroje MCP:

Jak používat tento repozitář

Sekvenční učení: Postupujte kapitolami v pořadí (00 až 11) pro strukturované učení.
Jazykově specifické zaměření: Pokud vás zajímá konkrétní programovací jazyk, prozkoumejte adresáře s ukázkami pro implementace ve vámi preferovaném jazyce.
Praktická implementace: Začněte sekcí "Začínáme" pro nastavení prostředí a vytvoření prvního MCP serveru a klienta.
Pokročilé zkoumání: Jakmile zvládnete základy, ponořte se do pokročilých témat pro rozšíření znalostí.
Zapojení komunity: Přidejte se ke komunitě MCP přes GitHub diskuse a Discord kanály pro spojení s experty a dalšími vývojáři.

MCP klienti a nástroje

Kurz pokrývá různé MCP klienty a nástroje:

Oficiální klienti:
- Visual Studio Code
- MCP ve Visual Studio Code
- Claude Desktop
- Claude ve VSCode
- Claude API
Klienti komunity:
- Cline (terminálový)
- Cursor (editor kódu)
- ChatMCP
- Windsurf
Nástroje pro správu MCP:
- MCP CLI
- MCP Manager
- MCP Linker
- MCP Router

Oblíbené MCP servery

Repozitář představuje různé MCP servery, včetně:

Oficiální Microsoft MCP servery:
- Microsoft Learn Docs MCP Server
- Azure MCP Server (15+ specializovaných konektorů)
- GitHub MCP Server
- Azure DevOps MCP Server
- MarkItDown MCP Server
- SQL Server MCP Server
- Playwright MCP Server
- Dev Box MCP Server
- Microsoft Foundry MCP Server
- Microsoft 365 Agents Toolkit MCP Server
Oficiální referenční servery:
- Filesystem
- Fetch
- Memory
- Sequential Thinking
Generování obrázků:
- Azure OpenAI DALL-E 3
- Stable Diffusion WebUI
- Replicate
Vývojové nástroje:
- Git MCP
- Terminal Control
- Code Assistant
Specializované servery:
- Salesforce
- Microsoft Teams
- Jira & Confluence

Přispívání

Tento repozitář vítá příspěvky od komunity. Viz sekce Příspěvky komunity pro pokyny, jak efektivně přispívat do ekosystému MCP.

Tento studijní průvodce byl naposledy aktualizován 5. února 2026, reflektuje nejnovější MCP specifikaci z 25. listopadu 2025 a poskytuje přehled repozitáře k tomuto datu. Obsah repozitáře může být po tomto datu aktualizován.

Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.

14 KiB Raw Permalink Blame History