Skip to content

README.md

Latest commit

 

History

History
151 lines (120 loc) · 5.72 KB

README.md

File metadata and controls

151 lines (120 loc) · 5.72 KB
Raw

Lecția 11: Integrarea Protocolului de Context al Modelului (MCP)

Introducere în Protocolul de Context al Modelului (MCP)

Protocolul de Context al Modelului (MCP) este un cadru de ultimă generație conceput pentru a standardiza interacțiunile dintre modelele AI și aplicațiile client. MCP servește ca o punte între modelele AI și aplicațiile care le utilizează, oferind o interfață consistentă, indiferent de implementarea modelului de bază.

Aspecte cheie ale MCP:

  • Comunicare Standardizată: MCP stabilește un limbaj comun pentru aplicații în vederea comunicării cu modelele AI
  • Gestionarea Contextului Îmbunătățită: Permite transmiterea eficientă a informațiilor contextuale către modelele AI
  • Compatibilitate Cross-platform: Funcționează pe diverse limbaje de programare, inclusiv C#, Java, JavaScript, Python și TypeScript
  • Integrare Simplă: Permite dezvoltatorilor să integreze cu ușurință diferite modele AI în aplicațiile lor

MCP este deosebit de valoros în dezvoltarea agenților AI, deoarece permite agenților să interacționeze cu diverse sisteme și surse de date printr-un protocol unificat, făcându-i mai flexibili și mai puternici.

Obiective de Învățare

  • Înțelegerea MCP și rolul său în dezvoltarea agenților AI
  • Configurarea și configurarea unui server MCP pentru integrarea cu GitHub
  • Construirea unui sistem multi-agent folosind instrumentele MCP
  • Implementarea RAG (Generare Augmentată prin Recuperare) cu Azure Cognitive Search

Cerințe Prealabile

  • Python 3.8+
  • Node.js 14+
  • Abonament Azure
  • Cont GitHub
  • Înțelegere de bază a Semantic Kernel

Instrucțiuni de Configurare

  1. Configurarea Mediului

    python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt

  2. Configurarea Serviciilor Azure

    • Creați o resursă Azure Cognitive Search
    • Configurați serviciul Azure OpenAI
    • Configurați variabilele de mediu în .env

  3. Configurarea Serverului MCP

    npm install -g @modelcontextprotocol/server-github

Structura Proiectului

11-mcp/
├── code_samples/
│   ├── github-mcp/
│   │   ├── app.py              # Main application
│   │   ├── event-descriptions.md  # Event data
│   │   └── MCP_SETUP.md        # Setup guide
│   └── mcp-agents/             # Agent-to-agent communication
│       ├── client/             # MCP client implementation
│       ├── server/             # MCP server with agents
│       └── README.md           # Advanced agent examples
├── README.md
└── requirements.txt

Componente Principale

1. Sistem Multi-Agent

  • Agent GitHub: Analiza depozitelor
  • Agent Hackathon: Recomandări de proiecte
  • Agent Evenimente: Sugestii pentru evenimente tehnologice

2. Integrarea Azure

  • Cognitive Search pentru indexarea evenimentelor
  • Azure OpenAI pentru inteligența agenților
  • Implementarea modelului RAG

3. Instrumente MCP

  • Analiza depozitelor GitHub
  • Inspecția codului
  • Extracția de metadate

Prezentare Generală a Codului

Exemplul demonstrează:

  1. Integrarea serverului MCP
  2. Orchestrarea multi-agent
  3. Integrarea Azure Cognitive Search
  4. Implementarea modelului RAG

Funcționalități cheie:

  • Analiza depozitelor GitHub în timp real
  • Recomandări inteligente de proiecte
  • Potrivirea evenimentelor folosind Azure Search
  • Răspunsuri în flux cu Chainlit

Rularea Exemplului

Pentru instrucțiuni detaliate de configurare și mai multe informații, consultați Github MCP Server Example README.

  1. Porniți serverul MCP:

    npx @modelcontextprotocol/server-github

  2. Lansați aplicația:

    chainlit run app.py -w

  3. Testați integrarea:

    Example query: "Analyze repositories for username: <github_username>"

Depanare

Probleme comune și soluții:

  1. Probleme de Conexiune MCP

    • Verificați dacă serverul este pornit
    • Verificați disponibilitatea portului
    • Confirmați tokenurile GitHub

  2. Probleme Azure Search

    • Validați șirurile de conexiune
    • Verificați existența indexului
    • Confirmați încărcarea documentelor

Pași Următori

  • Explorați instrumente suplimentare MCP
  • Implementați agenți personalizați
  • Îmbunătățiți capacitățile RAG
  • Adăugați mai multe surse de evenimente
  • Avansat: Consultați mcp-agents/ pentru exemple de comunicare între agenți

Resurse

Declinarea responsabilității:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși depunem eforturi pentru a asigura acuratețea, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă ar trebui considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite care pot apărea din utilizarea acestei traduceri.