本學習指南概述了「模型上下文協議 (MCP) 初學者」課程的倉庫結構與內容。請利用此指南高效瀏覽倉庫，充分利用可用資源。
模型上下文協議 (MCP) 是一個標準化框架，用於 AI 模型與客戶端應用之間的交互。MCP 最初由 Anthropic 創建，現由更廣泛的 MCP 社群通過官方 GitHub 組織進行維護。本倉庫提供了全面的課程，包括 C#、Java、JavaScript、Python 和 TypeScript 的實操代碼範例，專為 AI 開發者、系統架構師和軟體工程師設計。
mindmap
root((MCP for Beginners))
00. Introduction
::icon(fa fa-book)
(Protocol Overview)
(Standardization Benefits)
(Real-world Use Cases)
(AI Integration Fundamentals)
01. Core Concepts
::icon(fa fa-puzzle-piece)
(Client-Server Architecture)
(Protocol Components)
(Messaging Patterns)
(Transport Mechanisms)
02. Security
::icon(fa fa-shield)
(AI-Specific Threats)
(Best Practices 2025)
(Azure Content Safety)
(Auth & Authorization)
(Microsoft Prompt Shields)
03. Getting Started
::icon(fa fa-rocket)
(First Server Implementation)
(Client Development)
(LLM Client Integration)
(VS Code Extensions)
(SSE Server Setup)
(HTTP Streaming)
(AI Toolkit Integration)
(Testing Frameworks)
(Deployment Strategies)
04. Practical Implementation
::icon(fa fa-code)
(Multi-Language SDKs)
(Testing & Debugging)
(Prompt Templates)
(Sample Projects)
(Production Patterns)
05. Advanced Topics
::icon(fa fa-graduation-cap)
(Context Engineering)
(Foundry Agent Integration)
(Multi-modal AI Workflows)
(OAuth2 Authentication)
(Real-time Search)
(Streaming Protocols)
(Root Contexts)
(Routing Strategies)
(Sampling Techniques)
(Scaling Solutions)
(Security Hardening)
(Entra ID Integration)
(Web Search MCP)
06. Community
::icon(fa fa-users)
(Code Contributions)
(Documentation)
(MCP Client Ecosystem)
(MCP Server Registry)
(Image Generation Tools)
(GitHub Collaboration)
07. Early Adoption
::icon(fa fa-lightbulb)
(Production Deployments)
(Microsoft MCP Servers)
(Azure MCP Service)
(Enterprise Case Studies)
(Future Roadmap)
08. Best Practices
::icon(fa fa-check)
(Performance Optimization)
(Fault Tolerance)
(System Resilience)
(Monitoring & Observability)
09. Case Studies
::icon(fa fa-file-text)
(Azure API Management)
(AI Travel Agent)
(Azure DevOps Integration)
(Documentation MCP)
(GitHub MCP Registry)
(VS Code Integration)
(Real-world Implementations)
10. Hands-on Workshop
::icon(fa fa-laptop)
(MCP Server Fundamentals)
(Advanced Development)
(AI Toolkit Integration)
(Production Deployment)
(4-Lab Structure)
倉庫分為十個主要部分，每部分專注於 MCP 的不同方面：
-
簡介 (00-Introduction/)
- MCP 概述
- 標準化在 AI 流程中的重要性
- 實際應用案例與優勢
-
核心概念 (01-CoreConcepts/)
- 客戶端-伺服器架構
- 關鍵協議組件
- MCP 中的消息模式
-
安全性 (02-Security/)
- MCP 系統中的安全威脅
- 實施安全性的最佳實踐
- 身份驗證與授權策略
- 全面的安全文檔：
- MCP 安全最佳實踐 2025
- Azure 內容安全實施指南
- MCP 安全控制與技術
- MCP 快速參考最佳實踐
- 關鍵安全主題：
- 提示注入與工具中毒攻擊
- 會話劫持與混淆代理問題
- Token 傳遞漏洞
- 過度權限與訪問控制
- AI 元件的供應鏈安全
- Microsoft Prompt Shields 集成
-
入門 (03-GettingStarted/)
- 環境設置與配置
- 創建基本的 MCP 伺服器與客戶端
- 與現有應用的集成
- 包括以下部分：
- 第一個伺服器實現
- 客戶端開發
- LLM 客戶端集成
- VS Code 集成
- 伺服器發送事件 (SSE) 伺服器
- HTTP 流式傳輸
- AI 工具包集成
- 測試策略
- 部署指南
-
實踐實現 (04-PracticalImplementation/)
- 使用不同編程語言的 SDK
- 調試、測試與驗證技術
- 編寫可重用的提示模板與工作流程
- 包含實現範例的示例項目
-
進階主題 (05-AdvancedTopics/)
- 上下文工程技術
- Foundry 代理集成
- 多模態 AI 工作流程
- OAuth2 身份驗證演示
- 實時搜索功能
- 實時流式傳輸
- 根上下文實現
- 路由策略
- 取樣技術
- 擴展方法
- 安全考量
- Entra ID 安全集成
- 網頁搜索集成
-
社群貢獻 (06-CommunityContributions/)
- 如何貢獻代碼與文檔
- 通過 GitHub 協作
- 社群驅動的增強與反饋
- 使用各種 MCP 客戶端（Claude Desktop、Cline、VSCode）
- 使用流行的 MCP 伺服器，包括圖像生成
-
早期採用的經驗教訓 (07-LessonsfromEarlyAdoption/)
- 實際實現與成功案例
- 構建與部署基於 MCP 的解決方案
- 趨勢與未來路線圖
- Microsoft MCP 伺服器指南：10 個生產就緒的 Microsoft MCP 伺服器的全面指南，包括：
- Microsoft Learn Docs MCP 伺服器
- Azure MCP 伺服器（15+ 專用連接器）
- GitHub MCP 伺服器
- Azure DevOps MCP 伺服器
- MarkItDown MCP 伺服器
- SQL Server MCP 伺服器
- Playwright MCP 伺服器
- Dev Box MCP 伺服器
- Azure AI Foundry MCP 伺服器
- Microsoft 365 Agents Toolkit MCP 伺服器
-
最佳實踐 (08-BestPractices/)
- 性能調優與優化
- 設計容錯 MCP 系統
- 測試與韌性策略
-
案例研究 (09-CaseStudy/)
- 七個全面的案例研究展示 MCP 在不同場景中的靈活性：
- Azure AI 旅行代理：使用 Azure OpenAI 和 AI 搜索進行多代理協作
- Azure DevOps 集成：通過 YouTube 數據更新自動化工作流程
- 實時文檔檢索：帶有流式 HTTP 的 Python 控制台客戶端
- 互動式學習計劃生成器：使用 Chainlit 網頁應用與對話式 AI
- 編輯器內文檔：VS Code 集成與 GitHub Copilot 工作流程
- Azure API 管理：企業 API 集成與 MCP 伺服器創建
- GitHub MCP 註冊表：生態系統開發與代理集成平台
- 涵蓋企業集成、開發者生產力與生態系統開發的實現範例
-
實操工作坊 (10-StreamliningAIWorkflowsBuildingAnMCPServerWithAIToolkit/)
- 結合 MCP 與 AI 工具包的全面實操工作坊
- 構建將 AI 模型與現實工具相結合的智能應用
- 涵蓋基礎、自定義伺服器開發與生產部署策略的實用模組
- 實驗室結構：
- 實驗室 1：MCP 伺服器基礎
- 實驗室 2：進階 MCP 伺服器開發
- 實驗室 3：AI 工具包集成
- 實驗室 4：生產部署與擴展
- 基於實驗室的學習方法，提供逐步指導
倉庫包含以下支持資源：
- 圖片資料夾：包含課程中使用的圖表與插圖
- 翻譯：多語言支持，提供文檔的自動翻譯
- 官方 MCP 資源：
- 循序學習：按順序學習各章節（00 至 10），以獲得結構化的學習體驗。
- 語言專注：如果您對特定編程語言感興趣，請探索樣本目錄中該語言的實現。
- 實踐實現：從「入門」部分開始，設置環境並創建您的第一個 MCP 伺服器與客戶端。
- 進階探索：熟悉基礎知識後，深入進階主題以擴展您的知識。
- 社群參與：通過 GitHub 討論與 Discord 頻道加入 MCP 社群，與專家和其他開發者交流。
課程涵蓋多種 MCP 客戶端與工具：
-
官方客戶端：
- Visual Studio Code
- MCP in Visual Studio Code
- Claude Desktop
- Claude in VSCode
- Claude API
-
社群客戶端：
- Cline（基於終端）
- Cursor（代碼編輯器）
- ChatMCP
- Windsurf
-
MCP 管理工具：
- MCP CLI
- MCP Manager
- MCP Linker
- MCP Router
倉庫介紹了多種 MCP 伺服器，包括：
-
官方 Microsoft MCP 伺服器：
- Microsoft Learn Docs MCP 伺服器
- Azure MCP 伺服器（15+ 專用連接器）
- GitHub MCP 伺服器
- Azure DevOps MCP 伺服器
- MarkItDown MCP 伺服器
- SQL Server MCP 伺服器
- Playwright MCP 伺服器
- Dev Box MCP 伺服器
- Azure AI Foundry MCP 伺服器
- Microsoft 365 Agents Toolkit MCP 伺服器
-
官方參考伺服器：
- Filesystem
- Fetch
- Memory
- Sequential Thinking
-
圖像生成：
- Azure OpenAI DALL-E 3
- Stable Diffusion WebUI
- Replicate
-
開發工具：
- Git MCP
- Terminal Control
- Code Assistant
-
專用伺服器：
- Salesforce
- Microsoft Teams
- Jira & Confluence
本倉庫歡迎社群的貢獻。請參閱「社群貢獻」部分，了解如何有效地為 MCP 生態系統做出貢獻。
| 日期 | 變更 |
|---|---|
| 2025 年 9 月 26 日 | - 在 09-CaseStudy 部分新增 GitHub MCP 註冊表案例研究 - 更新案例研究以反映七個全面的案例研究 - 增強案例研究描述，提供具體實現細節 - 更新視覺化課程地圖，包含 GitHub MCP 註冊表 - 調整學習指南結構以反映生態系統開發重點 |
| 2025 年 7 月 18 日 | - 更新倉庫結構，新增 Microsoft MCP 伺服器指南 - 添加 10 個生產就緒的 Microsoft MCP 伺服器的完整列表 - 增強流行 MCP 伺服器部分，包含官方 Microsoft MCP 伺服器 - 更新案例研究部分，提供實際文件範例 - 添加實操工作坊的實驗室結構細節 |
| 2025 年 7 月 16 日 | - 更新倉庫結構以反映當前內容 - 添加 MCP 客戶端與工具部分 - 添加流行 MCP 伺服器部分 - 更新視覺化課程地圖，包含所有當前主題 - 增強進階主題部分，涵蓋所有專業領域 - 更新案例研究以反映實際範例 - 明確 MCP 起源於 Anthropic 創建 |
| 2025 年 6 月 11 日 | - 初次創建學習指南 - 添加視覺化課程地圖 - 概述倉庫結構 - 包括示例項目與附加資源 |
本學習指南更新於 2025 年 9 月 26 日，概述了截至該日期的倉庫內容。倉庫內容可能在此日期後更新。