入门
（点击上方图片观看本课视频）
本部分包含以下几节课程：
- 1. 您的第一个服务器：在第一节课中，您将学习如何创建第一个服务器，并使用检查工具对其进行检查，这是测试和调试服务器的宝贵方法，进入课程
- 2. 客户端：在本节课中，您将学习如何编写一个可以连接到服务器的客户端，进入课程
- 3. 带有 LLM 的客户端：通过向客户端添加 LLM，使其能够与服务器“协商”操作，这是更好的客户端编写方式，进入课程
- 4. 在 Visual Studio Code 中以 GitHub Copilot Agent 模式运行服务器：本节将介绍如何在 Visual Studio Code 中运行 MCP 服务器，进入课程
- 5. 使用 SSE（服务器发送事件）进行消费：SSE 是一种服务器到客户端的流式传输标准，允许服务器通过 HTTP 向客户端推送实时更新，进入课程
- 6. 使用 MCP 的 HTTP 流式传输（可流式 HTTP）：了解现代 HTTP 流式传输、进度通知，以及如何使用可流式 HTTP 实现可扩展的实时 MCP 服务器和客户端，进入课程
- 7. 利用 VSCode 的 AI 工具包：学习如何消费和测试 MCP 客户端和服务器，进入课程
- 8. 测试：本节将特别关注如何以不同方式测试服务器和客户端，进入课程
- 9. 部署：本章将探讨部署 MCP 解决方案的不同方法，进入课程
Model Context Protocol（MCP）是一种开放协议，用于标准化应用程序向 LLM 提供上下文的方式。可以将 MCP 想象成 AI 应用程序的 USB-C 接口——它为 AI 模型连接到不同数据源和工具提供了一种标准化方式。
学习目标
完成本课程后，您将能够：
- 为 C#、Java、Python、TypeScript 和 JavaScript 设置 MCP 开发环境
- 构建和部署具有自定义功能（资源、提示和工具）的基础 MCP 服务器
- 创建连接到 MCP 服务器的主机应用程序
- 测试和调试 MCP 实现
- 理解常见的设置挑战及其解决方案
- 将 MCP 实现连接到流行的 LLM 服务
设置您的 MCP 环境
在开始使用 MCP 之前，准备好开发环境并了解基本工作流程非常重要。本节将指导您完成初始设置步骤，以确保顺利开始使用 MCP。
前置条件
在开始 MCP 开发之前，请确保您具备以下条件：
- 开发环境：支持您选择的语言（C#、Java、Python、TypeScript 或 JavaScript）
- IDE/编辑器：Visual Studio、Visual Studio Code、IntelliJ、Eclipse、PyCharm 或其他现代代码编辑器
- 包管理器：NuGet、Maven/Gradle、pip 或 npm/yarn
- API 密钥：用于您计划在主机应用程序中使用的 AI 服务
官方 SDK
在接下来的章节中，您将看到使用 Python、TypeScript、Java 和 .NET 构建的解决方案。以下是所有官方支持的 SDK。
MCP 为多种语言提供了官方 SDK：
- C# SDK - 与 Microsoft 合作维护
- Java SDK - 与 Spring AI 合作维护
- TypeScript SDK - 官方 TypeScript 实现
- Python SDK - 官方 Python 实现
- Kotlin SDK - 官方 Kotlin 实现
- Swift SDK - 与 Loopwork AI 合作维护
- Rust SDK - 官方 Rust 实现
关键要点
- 使用语言特定的 SDK 设置 MCP 开发环境非常简单
- 构建 MCP 服务器需要创建并注册具有清晰架构的工具
- MCP 客户端连接到服务器和模型以利用扩展功能
- 测试和调试对于可靠的 MCP 实现至关重要
- 部署选项包括本地开发和基于云的解决方案
实践
我们提供了一组示例，补充了本部分所有章节中的练习。此外，每章还包含自己的练习和作业。
其他资源
- 在 Azure 上使用 Model Context Protocol 构建代理
- 使用 Azure 容器应用程序远程 MCP（Node.js/TypeScript/JavaScript）
- .NET OpenAI MCP Agent
下一步
下一步：创建您的第一个 MCP 服务器
免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。