Ügynökök létrehozása a Model Context Protocol használatával az Azure-ban

A Model Context Protocol (MCP) lehetővé teszi, hogy az alkalmazások képességeket és kontextust biztosítsanak egy nagy nyelvi modellnek. Az MCP egyik fő funkciója az AI-ügynökök által a feladatok elvégzéséhez használt eszközök meghatározása. Az MCP-kiszolgálók helyileg is futtathatók, de a távoli MCP-kiszolgálók kulcsfontosságúak a felhőalapú eszközök megosztásához. A cikk célja, hogy segítsen a fejlesztőknek megérteni ezeket az eszközöket, hogy innovatív megoldásokat hozzanak létre.

A fejlesztők kétféleképpen használhatják az MCP-t:

  • Meglévő MCP-kiszolgálók használata: A legtöbb fejlesztő a meglévő MCP-kiszolgálókat, például az Azure MCP-kiszolgálót használja az ügynöki funkciók intelligens alkalmazásokba való kiépítéséhez.

    Ismerje meg az OpenAI MCP-ügynök építőelem-AI-sablonját, amely példa egy meglévő MCP-kiszolgáló használatára. Ez a sablon létrehoz egy MCP-ügynökalkalmazást a .NET-ben, amely az Azure OpenAI-t használja, és egy TypeScriptben írt távoli MCP-kiszolgálóhoz csatlakozik.

    Az alábbi ábra az OpenAI MCP-ügynök építőelemének egyszerű architektúráját mutatja be: Az MCP-ügyféltől az MCP-kiszolgálóig tartó architektúrát bemutató ábra.

  • Saját MCP-kiszolgáló fejlesztése: Egyes fejlesztők saját MCP-kiszolgálókat hoznak létre, hogy egyéni eszközöket, erőforrásokat és kéréseket kínáljanak adott igényekhez.

    Ismerje meg az MCP Container App Building Block AI-sablont, amely példa a saját MCP-kiszolgáló fejlesztésére. Ez a sablon egy távoli Model Context Protocol (MCP) kiszolgálót állít be az Azure Container Apps használatával.

    Az alábbi ábra az MCP tárolóalkalmazás építőelemének egyszerű architektúráját mutatja be: Az MCP-kiszolgáló architektúráját bemutató ábra.

Meglévő MCP-kiszolgálók felhasználása

A fejlesztők többsége az MCP-gazdagépen és AI-ügynökökben meglévő MCP-ügyfeleket használja fel ahelyett, hogy az alapoktól fejlesztenek MCP-kiszolgálókat. Az alkalmazás vagy a GitHub Copilot agent mód a gazda. Az ügynökösszetevő az AI-intelligenciát tartalmazó alkalmazás része, míg az MCP-ügyfélösszetevő felel az MCP-kiszolgáló kommunikációjáért.

Hogyan integrálódik az MCP az alkalmazásba?

  • Gazdaalkalmazás: Az általános alkalmazás (például VS Code, webalkalmazás stb.)

    • A gazdaalkalmazás az a környezet, ahol az MCP-ügyfél és az ügynök összetevői futnak. A gazda belsejében két kulcsfontosságú összetevő kölcsönhatásban van.

      • Ügynökösszetevő: Az AI-intelligenciát tartalmazó rész (például a GitHub Copilot Agent Mode vagy az Azure AI Agent Service szolgáltatással vagy más keretrendszerrel létrehozott egyéni ügynök).

        • Ez az összetevő felel a felhasználói kérések feldolgozásáért és annak meghatározásáért, hogy milyen külső képességekre van szüksége.
        • Ez lehet egy külön modul, vagy integrálható a gazdaalkalmazásba.
        • A felhasználói bemenetek értelmezéséhez és válaszok létrehozásához AI-modelleket használhat.
        • Az ügynök összetevő felelős a felhasználó és az MCP-ügyfél összetevő közötti információáramlás kezeléséért.

      • MCP-ügyfélösszetevő: Az MCP protokollt megvalósító rész.

        • Ez az összetevő felelős az MCP-kiszolgálóval való kapcsolat kezeléséért, valamint az ügynök-összetevő és a kiszolgáló közötti kommunikáció kezeléséért.
        • Az ügyfél lehet egy külön modul, vagy integrálható a gazdaalkalmazásba.
        • Az ügyfélösszetevő feladata, hogy kéréseket küldjön az MCP-kiszolgálónak, és válaszokat fogadjon.

Saját MCP-kiszolgáló fejlesztése

Néhány fejlesztő saját MCP-kiszolgálót hoz létre, hogy egyéni eszközöket, erőforrásokat és kéréseket kínáljon adott igényekhez. Ez nagyobb rugalmasságot és ellenőrzést tesz lehetővé az AI-ügynökök számára biztosított képességek felett.

Az MCP-kiszolgálók integrálása az alkalmazásba

  • MCP-kiszolgáló: A modellkörnyezeti protokollt megvalósító kiszolgáló
    • Az MCP-kiszolgáló felelős az eszközök, erőforrások és kérések biztosításáért az ügynök összetevőjének.
    • Üzemeltethető az Azure-ban vagy bármely más felhőplatformon, vagy akár helyileg is futtatható.
    • A kiszolgáló a fejlesztő igényeitől és preferenciáitól függően különböző programozási nyelvek és keretrendszerek használatával fejleszthető.

A saját MCP-kiszolgáló létrehozásához két fő forgatókönyv létezik:

  • Olyan MCP-kiszolgálókat hozhat létre, amelyek a meglévő MCP-kiszolgálók funkcióit használják. Ebben az esetben a kiszolgáló közvetlenül meghívja a meglévő MCP-kiszolgálóeszköz-parancsokat.

    Létrehozhat például egy egyéni Cosmos DB MCP-kiszolgálót, amely az Azure MCP-kiszolgáló eszközeit használja. Ez a forgatókönyv lehetővé teszi egy új kiszolgáló létrehozását, amely meglévő funkciókat használ, és saját egyéni funkciókat ad hozzá.

  • Létrehozhat egy egyéni MCP-kiszolgálót, amely saját eszközöket, erőforrásokat és kéréseket kínál az Ön igényeinek megfelelően. Ez a forgatókönyv lehetővé teszi, hogy egyéni felhasználói élményt hozzon létre, miközben továbbra is használja az AI-t.

    Létrehozhat például egy egyéni MCP-kiszolgálót, amely eszközöket biztosít a belső leltárrendszer kezeléséhez. Ennek a kiszolgálónak lehetnek eszközei a leltárelemek keresésére, hozzáadására és frissítésére, valamint olyan erőforrásokra, amelyek információt adnak a leltárrendszerről.

  • Last updated on