Files
2026-07-13 13:31:35 +08:00

8.5 KiB
Raw Permalink Blame History

Zaawansowane tematy MCP

Zaawansowany MCP: Bezpieczni, skalowalni i multimodalni agenci AI

(Kliknij powyższy obraz, aby obejrzeć wideo z tej lekcji)

Ten rozdział obejmuje serię zaawansowanych tematów dotyczących implementacji Model Context Protocol (MCP), w tym integrację multimodalną, skalowalność, najlepsze praktyki bezpieczeństwa oraz integrację w przedsiębiorstwach. Te tematy są kluczowe dla budowy solidnych i gotowych do produkcji aplikacji MCP, które mogą sprostać wymaganiom nowoczesnych systemów AI.

Przegląd

Ta lekcja bada zaawansowane koncepcje implementacji Model Context Protocol, koncentrując się na integracji multimodalnej, skalowalności, najlepszych praktykach bezpieczeństwa i integracji korporacyjnej. Tematy te są niezbędne do tworzenia wysokiej klasy aplikacji MCP, które mogą obsługiwać złożone wymagania w środowiskach biznesowych.

Cele nauki

Po zakończeniu tej lekcji będziesz w stanie:

  • Implementować funkcje multimodalne w ramach MCP
  • Projektować skalowalne architektury MCP na potrzeby scenariuszy o dużym zapotrzebowaniu
  • Stosować najlepsze praktyki bezpieczeństwa zgodne z zasadami bezpieczeństwa MCP
  • Integracja MCP z przedsiębiorczymi systemami i frameworkami AI
  • Optymalizować wydajność i niezawodność w środowiskach produkcyjnych

Lekcje i przykładowe projekty

Link Tytuł Opis
5.1 Integracja z Azure Integracja z Azure Naucz się, jak integrować swój serwer MCP na platformie Azure
5.2 Przykład multimodalny Przykłady multimodalne MCP Przykłady dla odpowiedzi audio, obrazów i multimodalnych
5.3 MCP OAuth2 przykład Demo MCP OAuth2 Minimalna aplikacja Spring Boot demonstrująca OAuth2 z MCP, zarówno jako serwer autoryzacji jak i zasobów. Pokazuje bezpieczne wydawanie tokenów, chronione końcówki, wdrożenie w Azure Container Apps oraz integrację z API Management.
5.4 Root Contexts Konteksty główne Dowiedz się więcej o kontekstach głównych i jak je implementować
5.5 Routing Routing Poznaj różne typy routingu
5.6 Sampling Sampling Naucz się, jak pracować z próbkowaniem
5.7 Skalowanie Skalowanie Dowiedz się o skalowaniu
5.8 Bezpieczeństwo Bezpieczeństwo Zabezpiecz swój serwer MCP
5.9 Przykład wyszukiwania w sieci MCP Wyszukiwanie w sieci MCP Serwer i klient Python MCP integrujący się z SerpAPI do wyszukiwania w sieci, wiadomości, produktów oraz Q&A w czasie rzeczywistym. Demonstruje orkiestrację wielu narzędzi, integrację z zewnętrznym API i solidne obsługiwanie błędów.
5.10 Transmisja strumieniowa w czasie rzeczywistym Streaming Transmisja danych w czasie rzeczywistym stała się nieodzowna w dzisiejszym świecie napędzanym danymi, gdzie firmy i aplikacje wymagają natychmiastowego dostępu do informacji, by podejmować szybkie decyzje.
5.11 Wyszukiwanie w sieci w czasie rzeczywistym Wyszukiwanie w sieci Real-time web search, jak MCP przekształca wyszukiwanie w sieci w czasie rzeczywistym, oferując ustandaryzowane podejście do zarządzania kontekstem pomiędzy modelami AI, silnikami wyszukiwania i aplikacjami.
5.12 Uwierzytelnianie Entra ID dla serwerów Model Context Protocol Uwierzytelnianie Entra ID Microsoft Entra ID zapewnia solidne rozwiązanie zarządzania tożsamością i dostępem w chmurze, pomagając zagwarantować, że tylko autoryzowani użytkownicy i aplikacje mogą komunikować się z Twoim serwerem MCP.
5.13 Integracja agenta Microsoft Foundry Integracja Microsoft Foundry Naucz się integrować serwery Model Context Protocol z agentami Microsoft Foundry, co umożliwia potężną orkiestrację narzędzi i funkcje AI dla przedsiębiorstw z ustandaryzowanymi połączeniami do zewnętrznych źródeł danych.
5.14 Inżynieria kontekstu Inżynieria kontekstu Przyszłe możliwości technik inżynierii kontekstu dla serwerów MCP, w tym optymalizacja kontekstu, dynamiczne zarządzanie kontekstem i strategie efektywnego prompt engineering w ramach MCP.
5.15 Własny transport MCP Własny transport Naucz się implementować własne mechanizmy transportu dla specjalistycznych scenariuszy komunikacji MCP.
5.16 Głębokie zanurzenie w funkcje protokołu Funkcje protokołu Opanuj zaawansowane funkcje protokołu, w tym powiadomienia o postępie, anulowanie żądań, szablony zasobów i wzorce obsługi błędów.
5.17 Adwersarialne rozumowanie wieloagentowe Agenci adwersarialni Użyj dwóch agentów o przeciwstawnych stanowiskach, współdzielących zestaw narzędzi MCP, aby wychwytywać halucynacje, ujawniać przypadki graniczne oraz generować lepiej skalibrowane wyniki poprzez strukturalną debatę.

Nowość w specyfikacji MCP z dnia 2025-11-25: Specyfikacja zawiera teraz eksperymentalne wsparcie dla Zadań (operacji długotrwałych z monitorowaniem postępu), Adnotacji narzędzi (metadane o zachowaniu narzędzi dla bezpieczeństwa), URL Mode Elicitation (żądanie określonych treści URL od klientów) oraz rozszerzonych Roots (do zarządzania kontekstem przestrzeni roboczej). Pełne szczegóły znajdują się w changelog specyfikacji MCP.

Dodatkowe odniesienia

Dla najnowszych informacji o zaawansowanych tematach MCP, zobacz:

Kluczowe wnioski

  • Implementacje multimodalne MCP rozszerzają możliwości AI poza przetwarzanie tekstu
  • Skalowalność jest niezbędna w zastosowaniach korporacyjnych i może być realizowana poprzez skalowanie poziome i pionowe
  • Kompleksowe środki bezpieczeństwa chronią dane i zapewniają odpowiednią kontrolę dostępu
  • Integracje korporacyjne z platformami takimi jak Azure OpenAI i Microsoft AI Foundry wzmacniają możliwości MCP
  • Zaawansowane implementacje MCP korzystają z optymalizowanych architektur i starannego zarządzania zasobami

Ćwiczenie

Zaprojektuj implementację MCP klasy korporacyjnej dla konkretnego przypadku użycia:

  1. Zidentyfikuj wymagania multimodalne dla swojego przypadku użycia
  2. Nakreśl kontrole bezpieczeństwa potrzebne do ochrony danych wrażliwych
  3. Zaprojektuj skalowalną architekturę zdolną do obsługi zmiennego obciążenia
  4. Zaplanuj punkty integracji z przedsiębiorczymi systemami AI
  5. Udokumentuj potencjalne wąskie gardła wydajności i strategie ich łagodzenia

Dodatkowe zasoby


Co dalej

Przeglądaj lekcje w tym module, zaczynając od: 5.1 Integracja MCP

Po ukończeniu tego modułu kontynuuj: Moduł 6: Wkłady społeczności


Zastrzeżenie: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Choć dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w jego języku źródłowym należy uznawać za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.