mirrors/microsoft--mcp-for-beginners

Fork 0

Files

T

wehub-resource-sync c275ba2868 chore: import upstream snapshot with attribution

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

8.6 KiB

Raw Permalink Blame History

🐙 模組 4：實踐 MCP 開發 - 自訂 GitHub 複製伺服器

⚡ 快速開始： 在短短 30 分鐘內，建置一個生產-ready MCP 伺服器，自動化 GitHub 儲存庫的複製及 VS Code 整合！

🎯 學習目標

完成此實驗後，您將能夠：

✅ 建立適用於真實開發流程的自訂 MCP 伺服器
✅ 透過 MCP 實作 GitHub 儲存庫的複製功能
✅ 將自訂 MCP 伺服器與 VS Code 及 Agent Builder 整合
✅ 在自訂 MCP 工具中使用 GitHub Copilot Agent 模式
✅ 在生產環境中測試與部署自訂 MCP 伺服器

📋 預備知識

完成實驗 1-3（MCP 基礎與進階開發）
GitHub Copilot 訂閱（可免費註冊）
安裝有 Microsoft Foundry Toolkit 和 GitHub Copilot 擴充功能的 VS Code
安裝並配置 Git CLI

🏗️ 專案概覽

真實世界開發挑戰

作為開發人員，我們經常使用 GitHub 來複製儲存庫並在 VS Code 或 VS Code Insiders 打開。這個手動過程包含：

開啟終端機 / 命令提示字元
移動到目標目錄
執行 git clone 指令
在複製的目錄中開啟 VS Code

我們的 MCP 解決方案將這流程簡化為一條智慧指令！

您將建置的內容

一個 GitHub 複製 MCP 伺服器 (git_mcp_server)，提供：

功能	說明	好處
🔄 智慧型儲存庫複製	驗證後複製 GitHub 儲存庫	自動錯誤檢查
📁 智慧目錄管理	安全檢查並建立目錄	防止覆寫
🚀 跨平台 VS Code 整合	在 VS Code/Insiders 開啟專案	流程無縫銜接
🛡️ 強健錯誤處理	處理網路、權限與路徑問題	生產環境可靠性

📖 實作步驟詳解

步驟 1：在 Agent Builder 建立 GitHub Agent

透過 Microsoft Foundry Toolkit 擴充功能啟動 Agent Builder
以以下設定建立新 agent：
```
Agent Name: GitHubAgent
```
初始化自訂 MCP 伺服器：
- 導覽至 工具 → 新增工具 → MCP 伺服器
- 選擇 “建立新 MCP 伺服器”
- 選擇 Python 範本 以獲得最大彈性
- 伺服器名稱： git_mcp_server

步驟 2：設定 GitHub Copilot Agent 模式

在 VS Code 開啟 GitHub Copilot（Ctrl/Cmd + Shift + P → “GitHub Copilot: Open”）
於 Copilot 介面中選擇 Agent 模型
挑選 Claude 3.7 模型以增強推理能力
啟用 MCP 整合以使用工具

💡 專家提示： Claude 3.7 對開發流程與錯誤處理模式有卓越理解能力。

步驟 3：實作 MCP 伺服器核心功能

請使用以下詳細提示搭配 GitHub Copilot Agent 模式：

Create two MCP tools with the following comprehensive requirements:

🔧 TOOL A: clone_repository
Requirements:
- Clone any GitHub repository to a specified local folder
- Return the absolute path of the successfully cloned project
- Implement comprehensive validation:
  ✓ Check if target directory already exists (return error if exists)
  ✓ Validate GitHub URL format (https://github.com/user/repo)
  ✓ Verify git command availability (prompt installation if missing)
  ✓ Handle network connectivity issues
  ✓ Provide clear error messages for all failure scenarios

🚀 TOOL B: open_in_vscode
Requirements:
- Open specified folder in VS Code or VS Code Insiders
- Cross-platform compatibility (Windows/Linux/macOS)
- Use direct application launch (not terminal commands)
- Auto-detect available VS Code installations
- Handle cases where VS Code is not installed
- Provide user-friendly error messages

Additional Requirements:
- Follow MCP 1.9.3 best practices
- Include proper type hints and documentation
- Implement logging for debugging purposes
- Add input validation for all parameters
- Include comprehensive error handling

步驟 4：測試您的 MCP 伺服器

4a. 在 Agent Builder 中測試

啟動 Agent Builder 的偵錯設定
使用以下系統提示設定您的 agent：

SYSTEM_PROMPT:
You are my intelligent coding repository assistant. You help developers efficiently clone GitHub repositories and set up their development environment. Always provide clear feedback about operations and handle errors gracefully.

以真實用戶場景進行測試：

USER_PROMPT EXAMPLES:

Scenario : Basic Clone and Open
"Clone {Your GitHub Repo link such as https://github.com/kinfey/GHCAgentWorkshop
 } and save to {The global path you specify}, then open it with VS Code Insiders"

預期結果：

✅ 成功複製並回報路徑
✅ 自動啟動 VS Code
✅ 無效場景顯示清楚錯誤資訊
✅ 正確處理邊緣狀況

4b. 在 MCP Inspector 測試

🎉 恭喜！ 您已成功建置出實用且具生產準備度的 MCP 伺服器，解決了真實開發流程中的挑戰。您的自訂 GitHub 複製伺服器展示了 MCP 在自動化與提升開發者生產力的強大能力。

🏆 成就解鎖：

✅ MCP 開發者 - 建立自訂 MCP 伺服器
✅ 流程自動化專家 - 流程優化
✅ 整合高手 - 連接多種開發工具
✅ 生產準備 - 建置可部署解決方案

🎓 實驗課程完成：您的 Model Context Protocol 之旅

親愛的實驗課程學員，

恭喜您完成 Model Context Protocol 實驗課程的全部四個模組！從理解 Microsoft Foundry Toolkit 基本概念，到建立能解決真實開發挑戰的生產-ready MCP 伺服器，您一路走來相當紮實。

🚀 您的學習路徑回顧：

模組 1：您開始探索 Microsoft Foundry Toolkit 的基礎、模型測試與建立首個 AI agent。

模組 2：您學習了 MCP 架構，整合 Playwright MCP，並建立首個瀏覽器自動化 agent。

模組 3：您進階至自訂 MCP 伺服器開發，打造氣象 MCP 伺服器並掌握偵錯工具。

模組 4：您將所學運用於建置實務的 GitHub 儲存庫流程自動化工具。

🌟 您的精通技能：

✅ Microsoft Foundry Toolkit 生態系統：模型、agent 與整合範例
✅ MCP 架構：客戶端-伺服器設計、傳輸協定與安全性
✅ 開發者工具：從 Playground、Inspector 到生產部署
✅ 自訂開發：建置、測試與部署自主的 MCP 伺服器
✅ 實務應用：利用 AI 解決真實工作流程挑戰

🔮 您的下一步：

建立您自己的 MCP 伺服器：應用這些技術自動化您的獨特流程
加入 MCP 社群：分享您的作品並向他人學習
探索進階整合：將 MCP 伺服器連接至企業系統
參與開源貢獻：協助完善 MCP 工具與文件

別忘了，這個實驗課程只是起點。Model Context Protocol 生態系統正迅速演進，您已具備站在 AI 驅動開發工具前沿的能力。

感謝您的參與與學習熱忱！

希望這次體驗能激發您未來打造與互動 AI 工具的更多靈感。

祝編碼愉快！

接下來的步驟

恭喜您完成模組 10 的所有實驗！

返回：模組 10 總覽
繼續前往：模組 11：MCP 伺服器動手實驗

免責聲明：本文件由 AI 翻譯服務 Co-op Translator 翻譯而成。雖然我們致力於確保準確性，但請注意，機器自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議進行專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋承擔責任。

8.6 KiB Raw Permalink Blame History Unescape Escape