Files

🔧 Modul 3: Avanceret MCP-udvikling med Microsoft Foundry Toolkit

Varighed Microsoft Foundry Toolkit Python MCP SDK Inspector

🎯 Læringsmål

Ved slutningen af dette laboratorium vil du kunne:

  • Oprette tilpassede MCP-servere ved hjælp af Microsoft Foundry Toolkit
  • Konfigurere og bruge den nyeste MCP Python SDK (v1.9.3)
  • Sætte MCP Inspector op og anvende den til fejlfinding
  • Fejlsøge MCP-servere i både Agent Builder og Inspector miljøer
  • Forstå avancerede arbejdsgange for MCP-serverudvikling

📋 Forudsætninger

  • Gennemførelse af Lab 2 (MCP Grundlæggende)
  • VS Code med Microsoft Foundry Toolkit-udvidelsen installeret
  • Python 3.10+ miljø
  • Node.js og npm til opsætning af Inspector

🏗️ Hvad du vil bygge

I dette laboratorium opretter du en Weather MCP Server, der demonstrerer:

  • Tilpasset MCP-serverimplementering
  • Integration med Microsoft Foundry Toolkit Agent Builder
  • Professionelle fejlfindingsarbejdsgange
  • Moderne MCP SDK-brugsmønstre

🔧 Oversigt over kernekomponenter

🐍 MCP Python SDK

Model Context Protocol Python SDK udgør fundamentet for at bygge tilpassede MCP-servere. Du vil bruge version 1.9.3 med forbedrede fejlfindingsmuligheder.

🔍 MCP Inspector

Et kraftfuldt fejlfindingværktøj, der giver:

  • Real-time serverovervågning
  • Visualisering af værktøjsudførelse
  • Inspektion af netværksanmodninger/-svar
  • Interaktiv testmiljø

📖 Trinvist implementering

Trin 1: Opret en WeatherAgent i Agent Builder

  1. Start Agent Builder i VS Code gennem Microsoft Foundry Toolkit-udvidelsen
  2. Opret en ny agent med følgende konfiguration:
    • Agentnavn: WeatherAgent

Agent Oprettelse

Trin 2: Initialiser MCP Server Projekt

  1. Gå til ToolsAdd Tool i Agent Builder
  2. Vælg "MCP Server" blandt de tilgængelige muligheder
  3. Vælg "Create A new MCP Server"
  4. Vælg python-weather skabelonen
  5. Navngiv din server: weather_mcp

Python Skabelonvalg

Trin 3: Åbn og undersøg projektet

  1. Åbn det genererede projekt i VS Code
  2. Gennemgå projektstrukturen:
    weather_mcp/
    ├── src/
    │   ├── __init__.py
    │   └── server.py
    ├── inspector/
    │   ├── package.json
    │   └── package-lock.json
    ├── .vscode/
    │   ├── launch.json
    │   └── tasks.json
    ├── pyproject.toml
    └── README.md
    

Trin 4: Opgrader til nyeste MCP SDK

🔍 Hvorfor opgradere? Vi ønsker at bruge den nyeste MCP SDK (v1.9.3) og Inspector service (0.14.0) for forbedrede funktioner og bedre fejlfinding.

4a. Opdater Python-afhængigheder

Rediger pyproject.toml: opdater ./code/weather_mcp/pyproject.toml

4b. Opdater Inspector-konfiguration

Rediger inspector/package.json: opdater ./code/weather_mcp/inspector/package.json

4c. Opdater Inspector-afhængigheder

Rediger inspector/package-lock.json: opdater ./code/weather_mcp/inspector/package-lock.json

📝 Bemærk: Denne fil indeholder omfattende afhængighedsdefinitioner. Nedenfor ses den essentielle struktur - den fulde indhold sikrer korrekt afhængighedsløsning.

Fuld Package Lock: Den komplette package-lock.json indeholder ca. 3000 linjer afhængighedsdefinitioner. Ovenstående viser den nøglemæssige struktur brug den leverede fil til komplet afhængighedsløsning.

Trin 5: Konfigurer VS Code fejlfinding

Bemærk: Kopier venligst filen i den angivne sti for at erstatte den tilsvarende lokale fil

5a. Opdater launch-konfiguration

Rediger .vscode/launch.json:

{
  "version": "0.2.0",
  "configurations": [
    {
      "name": "Attach to Local MCP",
      "type": "debugpy",
      "request": "attach",
      "connect": {
        "host": "localhost",
        "port": 5678
      },
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen",
      "postDebugTask": "Terminate All Tasks"
    },
    {
      "name": "Launch Inspector (Edge)",
      "type": "msedge",
      "request": "launch",
      "url": "http://localhost:6274?timeout=60000&serverUrl=http://localhost:3001/sse#tools",
      "cascadeTerminateToConfigurations": [
        "Attach to Local MCP"
      ],
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen"
    },
    {
      "name": "Launch Inspector (Chrome)",
      "type": "chrome",
      "request": "launch",
      "url": "http://localhost:6274?timeout=60000&serverUrl=http://localhost:3001/sse#tools",
      "cascadeTerminateToConfigurations": [
        "Attach to Local MCP"
      ],
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen"
    }
  ],
  "compounds": [
    {
      "name": "Debug in Agent Builder",
      "configurations": [
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Open Agent Builder",
    },
    {
      "name": "Debug in Inspector (Edge)",
      "configurations": [
        "Launch Inspector (Edge)",
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Start MCP Inspector",
      "stopAll": true
    },
    {
      "name": "Debug in Inspector (Chrome)",
      "configurations": [
        "Launch Inspector (Chrome)",
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Start MCP Inspector",
      "stopAll": true
    }
  ]
}

Rediger .vscode/tasks.json:

{
  "version": "2.0.0",
  "tasks": [
    {
      "label": "Start MCP Server",
      "type": "shell",
      "command": "python -m debugpy --listen 127.0.0.1:5678 src/__init__.py sse",
      "isBackground": true,
      "options": {
        "cwd": "${workspaceFolder}",
        "env": {
          "PORT": "3001"
        }
      },
      "problemMatcher": {
        "pattern": [
          {
            "regexp": "^.*$",
            "file": 0,
            "location": 1,
            "message": 2
          }
        ],
        "background": {
          "activeOnStart": true,
          "beginsPattern": ".*",
          "endsPattern": "Application startup complete|running"
        }
      }
    },
    {
      "label": "Start MCP Inspector",
      "type": "shell",
      "command": "npm run dev:inspector",
      "isBackground": true,
      "options": {
        "cwd": "${workspaceFolder}/inspector",
        "env": {
          "CLIENT_PORT": "6274",
          "SERVER_PORT": "6277",
        }
      },
      "problemMatcher": {
        "pattern": [
          {
            "regexp": "^.*$",
            "file": 0,
            "location": 1,
            "message": 2
          }
        ],
        "background": {
          "activeOnStart": true,
          "beginsPattern": "Starting MCP inspector",
          "endsPattern": "Proxy server listening on port"
        }
      },
      "dependsOn": [
        "Start MCP Server"
      ]
    },
    {
      "label": "Open Agent Builder",
      "type": "shell",
      "command": "echo ${input:openAgentBuilder}",
      "presentation": {
        "reveal": "never"
      },
      "dependsOn": [
        "Start MCP Server"
      ],
    },
    {
      "label": "Terminate All Tasks",
      "command": "echo ${input:terminate}",
      "type": "shell",
      "problemMatcher": []
    }
  ],
  "inputs": [
    {
      "id": "openAgentBuilder",
      "type": "command",
      "command": "ai-mlstudio.agentBuilder",
      "args": {
        "initialMCPs": [ "local-server-weather_mcp" ],
        "triggeredFrom": "vsc-tasks"
      }
    },
    {
      "id": "terminate",
      "type": "command",
      "command": "workbench.action.tasks.terminate",
      "args": "terminateAll"
    }
  ]
}

🚀 Kørsel og test af din MCP-server

Trin 6: Installer afhængigheder

Efter at have foretaget konfigurationsændringerne, kør følgende kommandoer:

Installer Python-afhængigheder:

uv sync

Installer Inspector-afhængigheder:

cd inspector
npm install

Trin 7: Fejlret med Agent Builder

  1. Tryk på F5 eller brug konfigurationen "Debug in Agent Builder"
  2. Vælg den sammensatte konfiguration fra fejlfindingspanelet
  3. Vent på, at serveren starter og Agent Builder åbnes
  4. Test din weather MCP-server med naturlige sprogforespørgsler

Indtast prompten som denne

SYSTEM_PROMPT

You are my weather assistant

USER_PROMPT

How's the weather like in Seattle

Agent Builder Fejlfindingsresultat

Trin 8: Fejlret med MCP Inspector

  1. Brug konfigurationen "Debug in Inspector" (Edge eller Chrome)
  2. Åbn Inspector-grænsefladenhttp://localhost:6274
  3. Udforsk det interaktive testmiljø:
    • Se tilgængelige værktøjer
    • Test værktøjsudførelse
    • Overvåg netværksanmodninger
    • Fejlret serverresponser

MCP Inspector Interface


🎯 Centrale læringsresultater

Ved at gennemføre dette laboratorium har du:

  • Oprettet en tilpasset MCP-server ved brug af Microsoft Foundry Toolkit-skabeloner
  • Opgraderet til den nyeste MCP SDK (v1.9.3) for forbedret funktionalitet
  • Konfigureret professionelle fejlfindingarbejdsgange for både Agent Builder og Inspector
  • Opsat MCP Inspector til interaktiv servertest
  • Behersket VS Code fejlfinding konfigurationer til MCP-udvikling

🔧 Avancerede funktioner udforsket

Funktion Beskrivelse Anvendelsesmulighed
MCP Python SDK v1.9.3 Nyeste protokolimplementering Moderne serverudvikling
MCP Inspector 0.14.0 Interaktivt fejlfindingsværktøj Real-time servertest
VS Code Fejlfinding Integreret udviklingsmiljø Professionel fejlfinding
Agent Builder Integration Direkte Microsoft Foundry Toolkit forbindelse End-to-end agent testning

📚 Yderligere ressourcer


🎉 Tillykke! Du har med succes gennemført Lab 3 og kan nu oprette, fejlfinde og implementere tilpassede MCP-servere ved brug af professionelle udviklingsarbejdsgange.

🔜 Fortsæt til næste modul

Klar til at anvende dine MCP-kompetencer i en virkelig udviklingsarbejdsgang? Fortsæt til Modul 4: Praktisk MCP-udvikling - Tilpasset GitHub-klonserver, hvor du vil:

  • Bygge en produktionklar MCP-server, der automatiserer GitHub repository-operationer
  • Implementere GitHub repository kloningsfunktionalitet via MCP
  • Integrere tilpassede MCP-servere med VS Code og GitHub Copilot Agent Mode
  • Teste og implementere tilpassede MCP-servere i produktionsmiljøer
  • Lære praktisk automatisering af arbejdsgange for udviklere

Ansvarsfraskrivelse: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.