wehub-resource-sync
8.9 KiB
精簡 AI 工作流程：使用 Microsoft Foundry Toolkit 建立 MCP 伺服器
🎯 概覽
（點擊上方圖片觀看本課程影片）
歡迎來到 Model Context Protocol (MCP) 工作坊！這個全面的實作工作坊結合了兩項先進技術，徹底改造 AI 應用開發：
- 🔗 Model Context Protocol (MCP)：為 AI 工具整合打造的開放標準
- 🛠️ Microsoft Foundry Toolkit VS Code 擴充套件：微軟強大的 AI 開發擴充功能
🎓 你將學到什麼
完成本工作坊後，你將掌握打造智慧型應用程式的技巧，能將 AI 模型與真實世界工具和服務連結。從自動測試到客製化 API 整合，學會解決複雜的商業挑戰。
🏗️ 技術棧
🔌 Model Context Protocol (MCP)
MCP 是 AI 的 「USB-C」 — 一個連接 AI 模型與外部工具和資料源的通用標準。
✨ 主要特點：
- 🔄 標準化整合：AI 工具連接的通用介面
- 🏛️ 彈性架構：透過 stdio/SSE 傳輸支援本地及遠端伺服器
- 🧰 豐富生態系：工具、提示詞和資源合而為一的協定
- 🔒 企業級準備：內建安全性與可靠性
🎯 MCP 的重要性：
就像 USB-C 消除纜線混亂一樣，MCP 消除 AI 整合的複雜度。單一協定，無限可能。
🤖 Microsoft Foundry Toolkit VS Code 擴充套件
微軟的旗艦 AI 開發擴充，把 VS Code 變成 AI 強大平台。
🚀 核心能力：
- 📦 模型目錄：存取 Azure AI、GitHub、Hugging Face、Ollama 等模型
- ⚡ 本地推論：利用 ONNX 最佳化 CPU/GPU/NPU 執行
- 🏗️ Agent Builder：支援 MCP 整合的視覺化 AI 代理開發
- 🎭 多模態：支援文字、視覺與結構化輸出
💡 開發優勢：
- 零設定模型部署
- 視覺化提示詞工程
- 即時測試操場
- 無縫整合 MCP 伺服器
📚 學習歷程
🚀 模組 1：Microsoft Foundry Toolkit 基礎
時長：15 分鐘
- 🛠️ 安裝與配置 Microsoft Foundry Toolkit for VS Code
- 🗂️ 探索模型目錄（GitHub、ONNX、OpenAI、Anthropic、Google 超過 100 個模型）
- 🎮 掌握實時模型測試的互動操場
- 🤖 使用 Agent Builder 建立首個 AI 代理
- 📊 內建指標評估模型效能（F1、相關性、相似度、連貫性）
- ⚡ 學習批次處理與多模態支援功能
🎯 學習成果：建立完整功能 AI 代理，深入了解 Microsoft Foundry Toolkit 能力
🌐 模組 2：MCP 與 Microsoft Foundry Toolkit 基礎
時長：20 分鐘
- 🧠 掌握 Model Context Protocol (MCP) 架構與概念
- 🌐 探索微軟 MCP 伺服器生態系
- 🤖 使用 Playwright MCP 伺服器建立瀏覽器自動化代理
- 🔧 Integrate MCP 伺服器與 Microsoft Foundry Toolkit Agent Builder
- 📊 配置並測試代理中的 MCP 工具
- 🚀 匯出並部署 MCP 強化代理用於生產環境
🎯 學習成果：部署一個透過 MCP 與外部工具強化的 AI 代理
🔧 模組 3：Microsoft Foundry Toolkit 的進階 MCP 開發
時長：20 分鐘
- 💻 使用 Microsoft Foundry Toolkit 建立自訂 MCP 伺服器
- 🐍 配置並使用最新 MCP Python SDK (v1.9.3)
- 🔍 設定並使用 MCP Inspector 進行除錯
- 🛠️ 建立具專業除錯流程的天氣 MCP 伺服器
- 🧪 在 Agent Builder 與 Inspector 環境中除錯 MCP 伺服器
🎯 學習成果：使用現代工具開發及除錯自訂 MCP 伺服器
🐙 模組 4：實務 MCP 開發 - 自訂 GitHub Clone 伺服器
時長：30 分鐘
- 🏗️ 建立實務上的 GitHub Clone MCP 伺服器以加速開發工作流程
- 🔄 實作具驗證與錯誤處理的智慧型倉庫克隆
- 📁 建立智慧化目錄管理與 VS Code 整合
- 🤖 使用配合自訂 MCP 工具的 GitHub Copilot 代理模式
- 🛡️ 採用生產等級的可靠性及跨平台相容性
🎯 學習成果：部署實務生產用的 MCP 伺服器，簡化真實開發工作流程
💡 實際應用與影響
🏢 企業應用案例
🔄 DevOps 自動化
透過智能自動化轉型開發工作流程：
- 智慧型倉庫管理：AI 驅動的程式碼審查與合併決策
- 智慧 CI/CD：根據程式碼變更自動優化管線
- 議題分級：自動分類及指派缺陷
🧪 品質保證革新
提升測試效率與品質：
- 智慧測試生成：自動建立全面測試套件
- 視覺回歸測試：AI 驅動的 UI 變更偵測
- 效能監控：主動問題偵測與修復
📊 資料流程智慧
打造更聰明的資料處理流程：
- 自適應 ETL 流程：自我優化資料轉換
- 異常偵測：即時資料品質監控
- 智慧路由：智能管理資料流向
🎧 客戶體驗提升
創造卓越客戶互動：
- 情境感知支援：AI 代理可以存取顧客歷史
- 先發制人解決問題：預測式客服
- 多通路整合：跨平台的統一 AI 體驗
🛠️ 前置條件與設定
💻 系統需求
| 元件 | 需求 | 備註 |
|---|---|---|
| 作業系統 | Windows 10+、macOS 10.15+、Linux | 任何現代作業系統 |
| Visual Studio Code | 最新穩定版 | Microsoft Foundry Toolkit 所需 |
| Node.js | v18.0+ 與 npm | 用於 MCP 伺服器開發 |
| Python | 3.10+ | 選用，Python MCP 伺服器使用 |
| 記憶體 | 最少 8GB RAM | 為本地模型建議 16GB |
🔧 開發環境
推薦 VS Code 擴充套件
- Microsoft Foundry Toolkit (ms-windows-ai-studio.windows-ai-studio)
- Python (ms-python.python)
- Python Debugger (ms-python.debugpy)
- GitHub Copilot (GitHub.copilot) - 選用但有幫助
選用工具
- uv：現代 Python 套件管理器
- MCP Inspector：MCP 伺服器視覺除錯工具
- Playwright：用於網頁自動化範例
🎖️ 學習成果與認證路徑
🏆 技能掌握檢核表
完成本工作坊後，你將在以下領域達到精通：
🎯 核心能力
- MCP 協定精通：深入理解架構及實作模式
- Microsoft Foundry Toolkit 熟練：熟練使用快速開發
- 自訂伺服器開發：建立、部署及維護生產 MCP 伺服器
- 工具整合卓越：無縫結合 AI 與既有開發流程
- 問題解決應用：運用學得技能解決商業挑戰
🔧 技術技能
- 設定及配置 VS Code 內的 Microsoft Foundry Toolkit
- 設計並實作自訂 MCP 伺服器
- 將 GitHub 模型整合入 MCP 架構
- 使用 Playwright 建立自動化測試流程
- 部署 AI 代理至生產環境
- 除錯並優化 MCP 伺服器效能
🚀 進階能力
- 設計企業級 AI 集成架構
- 實作 AI 應用安全最佳實踐
- 設計可擴展 MCP 伺服器架構
- 建立特定領域的自訂工具鏈
- 指導他人進行 AI 原生開發
📖 補充資源
🚀 準備好革新你的 AI 開發流程了嗎？
讓我們一起用 MCP 和 Microsoft Foundry Toolkit 建構智慧型應用的未來！
接下來
繼續前往：模組 11：MCP 伺服器實作實驗
免責聲明： 本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，但請注意，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，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。