microsoft--mcp-for-beginners/translations/et/05-AdvancedTopics/mcp-root-contexts/README.md

MCP Põhikontekstid

Põhikontekstid on Model Context Protocoli (MCP) oluline osa, mis pakuvad püsivat kihti vestluste ajaloo ja jagatud oleku säilitamiseks mitme päringu ja sessiooni jooksul.

Sissejuhatus

Selles õppetükis uurime, kuidas luua, hallata ja kasutada MCP põhikontekste.

Õppeeesmärgid

Selle õppetüki lõpuks oskate:

• Mõista põhikontekstide eesmärki ja struktuuri
• Luua ja hallata põhikontekste MCP klienditeekide abil
• Rakendada põhikontekste .NET-, Java-, JavaScript- ja Python-rakendustes
• Kasutada põhikontekste mitme pöördega vestlusteks ja oleku haldamiseks
• Rakendada parimaid tavasid põhikontekstide haldamiseks

Põhikontekstide mõistmine

Põhikontekstid toimivad konteineritena, mis hoiavad seotud interaktsioonide ajalugu ja olekut. Need võimaldavad:

• Vestluse püsivust: Säilitada sidusaid mitme pöördega vestlusi
• Mälu haldamist: Salvestada ja taastada teavet interaktsioonide vahel
• Oleku haldamist: Jälgida edenemist keerukates töövoogudes
• Konteksti jagamist: Võimaldada mitmel kliendil juurdepääsu samale vestluse olekule

MCP-s on põhikontekstidel järgmised peamised omadused:

• Igal põhikontekstil on unikaalne identifikaator.
• Need võivad sisaldada vestluse ajalugu, kasutaja eelistusi ja muud metaandmeid.
• Neid saab luua, kasutada ja arhiveerida vastavalt vajadusele.
• Need toetavad peeneteralist juurdepääsu kontrolli ja õigusi.

Põhikonteksti elutsükkel

flowchart TD
    A[Create Root Context] --> B[Initialize with Metadata]
    B --> C[Send Requests with Context ID]
    C --> D[Update Context with Results]
    D --> C
    D --> E[Archive Context When Complete]

Põhikontekstidega töötamine

Siin on näide, kuidas luua ja hallata põhikontekste.

C# Rakendus

// .NET Example: Root Context Management
using Microsoft.Mcp.Client;
using System;
using System.Threading.Tasks;
using System.Collections.Generic;

public class RootContextExample
{
    private readonly IMcpClient _client;
    private readonly IRootContextManager _contextManager;
    
    public RootContextExample(IMcpClient client, IRootContextManager contextManager)
    {
        _client = client;
        _contextManager = contextManager;
    }
    
    public async Task DemonstrateRootContextAsync()
    {
        // 1. Create a new root context
        var contextResult = await _contextManager.CreateRootContextAsync(new RootContextCreateOptions
        {
            Name = "Customer Support Session",
            Metadata = new Dictionary<string, string>
            {
                ["CustomerName"] = "Acme Corporation",
                ["PriorityLevel"] = "High",
                ["Domain"] = "Cloud Services"
            }
        });
        
        string contextId = contextResult.ContextId;
        Console.WriteLine($"Created root context with ID: {contextId}");
        
        // 2. First interaction using the context
        var response1 = await _client.SendPromptAsync(
            "I'm having issues scaling my web service deployment in the cloud.", 
            new SendPromptOptions { RootContextId = contextId }
        );
        
        Console.WriteLine($"First response: {response1.GeneratedText}");
        
        // Second interaction - the model will have access to the previous conversation
        var response2 = await _client.SendPromptAsync(
            "Yes, we're using containerized deployments with Kubernetes.", 
            new SendPromptOptions { RootContextId = contextId }
        );
        
        Console.WriteLine($"Second response: {response2.GeneratedText}");
        
        // 3. Add metadata to the context based on conversation
        await _contextManager.UpdateContextMetadataAsync(contextId, new Dictionary<string, string>
        {
            ["TechnicalEnvironment"] = "Kubernetes",
            ["IssueType"] = "Scaling"
        });
        
        // 4. Get context information
        var contextInfo = await _contextManager.GetRootContextInfoAsync(contextId);
        
        Console.WriteLine("Context Information:");
        Console.WriteLine($"- Name: {contextInfo.Name}");
        Console.WriteLine($"- Created: {contextInfo.CreatedAt}");
        Console.WriteLine($"- Messages: {contextInfo.MessageCount}");
        
        // 5. When the conversation is complete, archive the context
        await _contextManager.ArchiveRootContextAsync(contextId);
        Console.WriteLine($"Archived context {contextId}");
    }
}

Eelnevas koodis oleme:

1. Loonud põhikonteksti klienditoe sessiooni jaoks.
2. Saatnud mitu sõnumit selles kontekstis, võimaldades mudelil olekut säilitada.
3. Uuendanud konteksti vestluse põhjal asjakohaste metaandmetega.
4. Taastanud konteksti teabe, et mõista vestluse ajalugu.
5. Arhiveerinud konteksti, kui vestlus oli lõppenud.

Näide: Põhikonteksti rakendamine finantsanalüüsiks

Selles näites loome põhikonteksti finantsanalüüsi sessiooni jaoks, näidates, kuidas säilitada olekut mitme interaktsiooni jooksul.

Java Rakendus

// Java Example: Root Context Implementation
package com.example.mcp.contexts;

import com.mcp.client.McpClient;
import com.mcp.client.ContextManager;
import com.mcp.models.RootContext;
import com.mcp.models.McpResponse;

import java.util.HashMap;
import java.util.Map;
import java.util.UUID;

public class RootContextsDemo {
    private final McpClient client;
    private final ContextManager contextManager;
    
    public RootContextsDemo(String serverUrl) {
        this.client = new McpClient.Builder()
            .setServerUrl(serverUrl)
            .build();
            
        this.contextManager = new ContextManager(client);
    }
    
    public void demonstrateRootContext() throws Exception {
        // Create context metadata
        Map<String, String> metadata = new HashMap<>();
        metadata.put("projectName", "Financial Analysis");
        metadata.put("userRole", "Financial Analyst");
        metadata.put("dataSource", "Q1 2025 Financial Reports");
        
        // 1. Create a new root context
        RootContext context = contextManager.createRootContext("Financial Analysis Session", metadata);
        String contextId = context.getId();
        
        System.out.println("Created context: " + contextId);
        
        // 2. First interaction
        McpResponse response1 = client.sendPrompt(
            "Analyze the trends in Q1 financial data for our technology division",
            contextId
        );
        
        System.out.println("First response: " + response1.getGeneratedText());
        
        // 3. Update context with important information gained from response
        contextManager.addContextMetadata(contextId, 
            Map.of("identifiedTrend", "Increasing cloud infrastructure costs"));
        
        // Second interaction - using the same context
        McpResponse response2 = client.sendPrompt(
            "What's driving the increase in cloud infrastructure costs?",
            contextId
        );
        
        System.out.println("Second response: " + response2.getGeneratedText());
        
        // 4. Generate a summary of the analysis session
        McpResponse summaryResponse = client.sendPrompt(
            "Summarize our analysis of the technology division financials in 3-5 key points",
            contextId
        );
        
        // Store the summary in context metadata
        contextManager.addContextMetadata(contextId, 
            Map.of("analysisSummary", summaryResponse.getGeneratedText()));
            
        // Get updated context information
        RootContext updatedContext = contextManager.getRootContext(contextId);
        
        System.out.println("Context Information:");
        System.out.println("- Created: " + updatedContext.getCreatedAt());
        System.out.println("- Last Updated: " + updatedContext.getLastUpdatedAt());
        System.out.println("- Analysis Summary: " + 
            updatedContext.getMetadata().get("analysisSummary"));
            
        // 5. Archive context when done
        contextManager.archiveContext(contextId);
        System.out.println("Context archived");
    }
}

Eelnevas koodis oleme:

1. Loonud põhikonteksti finantsanalüüsi sessiooni jaoks.
2. Saatnud mitu sõnumit selles kontekstis, võimaldades mudelil olekut säilitada.
3. Uuendanud konteksti vestluse põhjal asjakohaste metaandmetega.
4. Loonud analüüsi sessiooni kokkuvõtte ja salvestanud selle konteksti metaandmetesse.
5. Arhiveerinud konteksti, kui vestlus oli lõppenud.

Näide: Põhikonteksti haldamine

Põhikontekstide tõhus haldamine on vestluse ajaloo ja oleku säilitamiseks ülioluline. Allpool on näide, kuidas rakendada põhikonteksti haldamist.

JavaScript Rakendus

// JavaScript Example: Managing MCP Root Contexts
const { McpClient, RootContextManager } = require('@mcp/client');

class ContextSession {
  constructor(serverUrl, apiKey = null) {
    // Initialize the MCP client
    this.client = new McpClient({
      serverUrl,
      apiKey
    });
    
    // Initialize context manager
    this.contextManager = new RootContextManager(this.client);
  }
  
  /**
   * Create a new conversation context
   * @param {string} sessionName - Name of the conversation session
   * @param {Object} metadata - Additional metadata for the context
   * @returns {Promise<string>} - Context ID
   */
  async createConversationContext(sessionName, metadata = {}) {
    try {
      const contextResult = await this.contextManager.createRootContext({
        name: sessionName,
        metadata: {
          ...metadata,
          createdAt: new Date().toISOString(),
          status: 'active'
        }
      });
      
      console.log(`Created root context '${sessionName}' with ID: ${contextResult.id}`);
      return contextResult.id;
    } catch (error) {
      console.error('Error creating root context:', error);
      throw error;
    }
  }
  
  /**
   * Send a message in an existing context
   * @param {string} contextId - The root context ID
   * @param {string} message - The user's message
   * @param {Object} options - Additional options
   * @returns {Promise<Object>} - Response data
   */
  async sendMessage(contextId, message, options = {}) {
    try {
      // Send the message using the specified context
      const response = await this.client.sendPrompt(message, {
        rootContextId: contextId,
        temperature: options.temperature || 0.7,
        allowedTools: options.allowedTools || []
      });
      
      // Optionally store important insights from the conversation
      if (options.storeInsights) {
        await this.storeConversationInsights(contextId, message, response.generatedText);
      }
      
      return {
        message: response.generatedText,
        toolCalls: response.toolCalls || [],
        contextId
      };
    } catch (error) {
      console.error(`Error sending message in context ${contextId}:`, error);
      throw error;
    }
  }
  
  /**
   * Store important insights from a conversation
   * @param {string} contextId - The root context ID
   * @param {string} userMessage - User's message
   * @param {string} aiResponse - AI's response
   */
  async storeConversationInsights(contextId, userMessage, aiResponse) {
    try {
      // Extract potential insights (in a real app, this would be more sophisticated)
      const combinedText = userMessage + "\n" + aiResponse;
      
      // Simple heuristic to identify potential insights
      const insightWords = ["important", "key point", "remember", "significant", "crucial"];
      
      const potentialInsights = combinedText
        .split(".")
        .filter(sentence => 
          insightWords.some(word => sentence.toLowerCase().includes(word))
        )
        .map(sentence => sentence.trim())
        .filter(sentence => sentence.length > 10);
      
      // Store insights in context metadata
      if (potentialInsights.length > 0) {
        const insights = {};
        potentialInsights.forEach((insight, index) => {
          insights[`insight_${Date.now()}_${index}`] = insight;
        });
        
        await this.contextManager.updateContextMetadata(contextId, insights);
        console.log(`Stored ${potentialInsights.length} insights in context ${contextId}`);
      }
    } catch (error) {
      console.warn('Error storing conversation insights:', error);
      // Non-critical error, so just log warning
    }
  }
  
  /**
   * Get summary information about a context
   * @param {string} contextId - The root context ID
   * @returns {Promise<Object>} - Context information
   */
  async getContextInfo(contextId) {
    try {
      const contextInfo = await this.contextManager.getContextInfo(contextId);
      
      return {
        id: contextInfo.id,
        name: contextInfo.name,
        created: new Date(contextInfo.createdAt).toLocaleString(),
        lastUpdated: new Date(contextInfo.lastUpdatedAt).toLocaleString(),
        messageCount: contextInfo.messageCount,
        metadata: contextInfo.metadata,
        status: contextInfo.status
      };
    } catch (error) {
      console.error(`Error getting context info for ${contextId}:`, error);
      throw error;
    }
  }
  
  /**
   * Generate a summary of the conversation in a context
   * @param {string} contextId - The root context ID
   * @returns {Promise<string>} - Generated summary
   */
  async generateContextSummary(contextId) {
    try {
      // Ask the model to generate a summary of the conversation so far
      const response = await this.client.sendPrompt(
        "Please summarize our conversation so far in 3-4 sentences, highlighting the main points discussed.",
        { rootContextId: contextId, temperature: 0.3 }
      );
      
      // Store the summary in context metadata
      await this.contextManager.updateContextMetadata(contextId, {
        conversationSummary: response.generatedText,
        summarizedAt: new Date().toISOString()
      });
      
      return response.generatedText;
    } catch (error) {
      console.error(`Error generating context summary for ${contextId}:`, error);
      throw error;
    }
  }
  
  /**
   * Archive a context when it's no longer needed
   * @param {string} contextId - The root context ID
   * @returns {Promise<Object>} - Result of the archive operation
   */
  async archiveContext(contextId) {
    try {
      // Generate a final summary before archiving
      const summary = await this.generateContextSummary(contextId);
      
      // Archive the context
      await this.contextManager.archiveContext(contextId);
      
      return {
        status: "archived",
        contextId,
        summary
      };
    } catch (error) {
      console.error(`Error archiving context ${contextId}:`, error);
      throw error;
    }
  }
}

// Example usage
async function demonstrateContextSession() {
  const session = new ContextSession('https://mcp-server-example.com');
  
  try {
    // 1. Create a new context for a product support conversation
    const contextId = await session.createConversationContext(
      'Product Support - Database Performance',
      {
        customer: 'Globex Corporation',
        product: 'Enterprise Database',
        severity: 'Medium',
        supportAgent: 'AI Assistant'
      }
    );
    
    // 2. First message in the conversation
    const response1 = await session.sendMessage(
      contextId,
      "I'm experiencing slow query performance on our database cluster after the latest update.",
      { storeInsights: true }
    );
    console.log('Response 1:', response1.message);
    
    // Follow-up message in the same context
    const response2 = await session.sendMessage(
      contextId,
      "Yes, we've already checked the indexes and they seem to be properly configured.",
      { storeInsights: true }
    );
    console.log('Response 2:', response2.message);
    
    // 3. Get information about the context
    const contextInfo = await session.getContextInfo(contextId);
    console.log('Context Information:', contextInfo);
    
    // 4. Generate and display conversation summary
    const summary = await session.generateContextSummary(contextId);
    console.log('Conversation Summary:', summary);
    
    // 5. Archive the context when done
    const archiveResult = await session.archiveContext(contextId);
    console.log('Archive Result:', archiveResult);
    
    // 6. Handle any errors gracefully
  } catch (error) {
    console.error('Error in context session demonstration:', error);
  }
}

demonstrateContextSession();

Eelnevas koodis oleme:

1. Loonud põhikonteksti toote toe vestluse jaoks funktsiooniga createConversationContext. Antud juhul on kontekst seotud andmebaasi jõudlusprobleemidega.

2. Saatnud mitu sõnumit selles kontekstis, võimaldades mudelil olekut säilitada funktsiooniga sendMessage. Saadetud sõnumid käsitlevad aeglase päringu jõudlust ja indeksi konfiguratsiooni.

3. Uuendanud konteksti vestluse põhjal asjakohaste metaandmetega.

4. Loonud vestluse kokkuvõtte ja salvestanud selle konteksti metaandmetesse funktsiooniga generateContextSummary.

5. Arhiveerinud konteksti, kui vestlus oli lõppenud, funktsiooniga archiveContext.

6. Käsitlenud vigu sujuvalt, et tagada töökindlus.

Põhikontekst mitme pöördega abistamiseks

Selles näites loome põhikonteksti mitme pöördega abistamise sessiooni jaoks, näidates, kuidas säilitada olekut mitme interaktsiooni jooksul.

Python Rakendus

# Python Example: Root Context for Multi-Turn Assistance
import asyncio
from datetime import datetime
from mcp_client import McpClient, RootContextManager

class AssistantSession:
    def __init__(self, server_url, api_key=None):
        self.client = McpClient(server_url=server_url, api_key=api_key)
        self.context_manager = RootContextManager(self.client)
    
    async def create_session(self, name, user_info=None):
        """Create a new root context for an assistant session"""
        metadata = {
            "session_type": "assistant",
            "created_at": datetime.now().isoformat(),
        }
        
        # Add user information if provided
        if user_info:
            metadata.update({f"user_{k}": v for k, v in user_info.items()})
            
        # Create the root context
        context = await self.context_manager.create_root_context(name, metadata)
        return context.id
    
    async def send_message(self, context_id, message, tools=None):
        """Send a message within a root context"""
        # Create options with context ID
        options = {
            "root_context_id": context_id
        }
        
        # Add tools if specified
        if tools:
            options["allowed_tools"] = tools
        
        # Send the prompt within the context
        response = await self.client.send_prompt(message, options)
        
        # Update context metadata with conversation progress
        await self.context_manager.update_context_metadata(
            context_id,
            {
                f"message_{datetime.now().timestamp()}": message[:50] + "...",
                "last_interaction": datetime.now().isoformat()
            }
        )
        
        return response
    
    async def get_conversation_history(self, context_id):
        """Retrieve conversation history from a context"""
        context_info = await self.context_manager.get_context_info(context_id)
        messages = await self.client.get_context_messages(context_id)
        
        return {
            "context_info": context_info,
            "messages": messages
        }
    
    async def end_session(self, context_id):
        """End an assistant session by archiving the context"""
        # Generate a summary prompt first
        summary_response = await self.client.send_prompt(
            "Please summarize our conversation and any key points or decisions made.",
            {"root_context_id": context_id}
        )
        
        # Store summary in metadata
        await self.context_manager.update_context_metadata(
            context_id,
            {
                "summary": summary_response.generated_text,
                "ended_at": datetime.now().isoformat(),
                "status": "completed"
            }
        )
        
        # Archive the context
        await self.context_manager.archive_context(context_id)
        
        return {
            "status": "completed",
            "summary": summary_response.generated_text
        }

# Example usage
async def demo_assistant_session():
    assistant = AssistantSession("https://mcp-server-example.com")
    
    # 1. Create session
    context_id = await assistant.create_session(
        "Technical Support Session",
        {"name": "Alex", "technical_level": "advanced", "product": "Cloud Services"}
    )
    print(f"Created session with context ID: {context_id}")
    
    # 2. First interaction
    response1 = await assistant.send_message(
        context_id, 
        "I'm having trouble with the auto-scaling feature in your cloud platform.",
        ["documentation_search", "diagnostic_tool"]
    )
    print(f"Response 1: {response1.generated_text}")
    
    # Second interaction in the same context
    response2 = await assistant.send_message(
        context_id,
        "Yes, I've already checked the configuration settings you mentioned, but it's still not working."
    )
    print(f"Response 2: {response2.generated_text}")
    
    # 3. Get history
    history = await assistant.get_conversation_history(context_id)
    print(f"Session has {len(history['messages'])} messages")
    
    # 4. End session
    end_result = await assistant.end_session(context_id)
    print(f"Session ended with summary: {end_result['summary']}")

if __name__ == "__main__":
    asyncio.run(demo_assistant_session())

Eelnevas koodis oleme:

1. Loonud põhikonteksti tehnilise toe sessiooni jaoks funktsiooniga create_session. Kontekst sisaldab kasutaja teavet, nagu nimi ja tehniline tase.

2. Saatnud mitu sõnumit selles kontekstis, võimaldades mudelil olekut säilitada funktsiooniga send_message. Saadetud sõnumid käsitlevad probleeme automaatse skaleerimise funktsiooniga.

3. Taastanud vestluse ajaloo funktsiooniga get_conversation_history, mis pakub konteksti teavet ja sõnumeid.

4. Lõpetanud sessiooni, arhiveerides konteksti ja luues kokkuvõtte funktsiooniga end_session. Kokkuvõte hõlmab vestluse peamisi punkte.

Põhikonteksti parimad tavad

Siin on mõned parimad tavad põhikontekstide tõhusaks haldamiseks:

• Loo fokuseeritud kontekstid: Loo eraldi põhikontekstid erinevate vestluse eesmärkide või valdkondade jaoks, et säilitada selgus.

• Määra aegumispoliitikad: Rakenda poliitikaid vanade kontekstide arhiveerimiseks või kustutamiseks, et hallata salvestusruumi ja järgida andmete säilitamise poliitikaid.

• Salvesta asjakohased metaandmed: Kasuta konteksti metaandmeid, et salvestada olulist teavet vestluse kohta, mis võib hiljem kasulik olla.

• Kasuta konteksti ID-sid järjekindlalt: Kui kontekst on loodud, kasuta selle ID-d järjekindlalt kõigi seotud päringute jaoks, et säilitada järjepidevus.

• Loo kokkuvõtteid: Kui kontekst muutub suureks, kaalu kokkuvõtete loomist, et jäädvustada olulist teavet ja hallata konteksti suurust.

• Rakenda juurdepääsu kontrolli: Mitme kasutajaga süsteemide puhul rakenda korralikku juurdepääsu kontrolli, et tagada vestluskontekstide privaatsus ja turvalisus.

• Käsitle konteksti piiranguid: Ole teadlik konteksti suuruse piirangutest ja rakenda strateegiaid väga pikkade vestluste haldamiseks.

• Arhiveeri, kui valmis: Arhiveeri kontekstid, kui vestlused on lõppenud, et vabastada ressursse ja säilitada vestluse ajalugu.

Mis edasi

• 5.5 Suunamine

---

Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti tõlgenduste eest.