當你在構建 AI 代理時，不僅僅是生成智能回應，還需要賦予代理採取行動的能力。這就是模型上下文協議（MCP）的作用所在。MCP 使代理能夠以一致的方式訪問外部工具和服務。可以把它想像成將你的代理連接到一個它能真正使用的工具箱。
假設你將代理連接到你的計算器 MCP 伺服器。突然間，你的代理只需接收到像「47 乘以 89 是多少？」這樣的提示，就能執行數學運算——不需要硬編碼邏輯或構建自定義 API。
本課程涵蓋如何使用 Visual Studio Code 的 AI Toolkit 擴展將計算器 MCP 伺服器連接到代理，從而使代理能夠通過自然語言執行加法、減法、乘法和除法等數學運算。
AI Toolkit 是一個功能強大的 Visual Studio Code 擴展，簡化了代理的開發過程。AI 工程師可以通過本地或雲端開發和測試生成式 AI 模型，輕鬆構建 AI 應用程序。該擴展支持當前大多數主流生成模型。
注意：AI Toolkit 目前支持 Python 和 TypeScript。
完成本課程後，你將能夠：
- 通過 AI Toolkit 消耗 MCP 伺服器。
- 配置代理設定，使其能夠發現並使用 MCP 伺服器提供的工具。
- 通過自然語言使用 MCP 工具。
以下是我們需要採取的高層次方法：
- 創建代理並定義其系統提示。
- 創建具有計算器工具的 MCP 伺服器。
- 將代理構建器連接到 MCP 伺服器。
- 通過自然語言測試代理的工具調用。
很好，現在我們已經了解了流程，讓我們配置一個 AI 代理來通過 MCP 利用外部工具，增強其能力！
Warning
macOS 用戶注意。我們目前正在調查影響 macOS 上依賴項安裝的問題。因此，macOS 用戶暫時無法完成本教程。我們會在修復完成後更新指導。感謝你的耐心和理解！
在本練習中，你將使用 AI Toolkit 在 Visual Studio Code 中構建、運行並增強一個具有 MCP 伺服器工具的 AI 代理。
本練習使用 GPT-4o 模型。在創建代理之前，應將該模型添加到 我的模型。
- 打開 AI Toolkit 擴展，從 活動欄中選擇。
- 在 目錄部分，選擇 模型以打開 模型目錄。選擇 模型後，模型目錄將在新的編輯器標籤中打開。
- 在 模型目錄的搜索欄中輸入 OpenAI GPT-4o。
- 點擊 + 添加，將模型添加到你的 我的模型列表。確保選擇的是 由 GitHub 托管的模型。
- 在 活動欄中確認 OpenAI GPT-4o 模型出現在列表中。
代理（提示）構建器使你能夠創建和自定義自己的 AI 驅動代理。在本部分，你將創建一個新代理並分配一個模型來支持對話。
- 打開 AI Toolkit 擴展，從 活動欄中選擇。
- 在 工具部分，選擇 代理（提示）構建器。選擇 代理（提示）構建器後，該工具將在新的編輯器標籤中打開。
- 點擊 + 新代理按鈕。擴展將通過 命令面板啟動設置向導。
- 輸入名稱 計算器代理並按 Enter。
- 在 代理（提示）構建器中，對於 模型字段，選擇 OpenAI GPT-4o（通過 GitHub） 模型。
代理框架搭建完成後，接下來需要定義其個性和目的。在本部分，你將使用 生成系統提示功能來描述代理的預期行為——在本例中是一個計算器代理——並讓模型為你編寫系統提示。
- 在 提示部分，點擊 生成系統提示按鈕。此按鈕將打開提示生成器，利用 AI 為代理生成系統提示。
- 在 生成提示窗口中輸入以下內容：
你是一個高效且樂於助人的數學助手。當遇到涉及基本算術的問題時，你會提供正確的結果。 - 點擊 生成按鈕。右下角會出現通知，確認系統提示正在生成。生成完成後，提示將顯示在 代理（提示）構建器的 系統提示字段中。
- 查看 系統提示並根據需要進行修改。
現在你已經定義了代理的系統提示——指導其行為和回應——接下來需要為代理配備實際功能。在本部分，你將創建一個具有加法、減法、乘法和除法計算工具的計算器 MCP 伺服器。該伺服器將使代理能夠根據自然語言提示執行實時數學運算。
AI Toolkit 配備了模板，方便創建自己的 MCP 伺服器。我們將使用 Python 模板來創建計算器 MCP 伺服器。
注意：AI Toolkit 目前支持 Python 和 TypeScript。
-
在 代理（提示）構建器的 工具部分，點擊 + MCP 伺服器按鈕。擴展將通過 命令面板啟動設置向導。
-
選擇 + 添加伺服器。
-
選擇 創建新 MCP 伺服器。
-
選擇 python-weather 作為模板。
-
選擇 默認文件夾保存 MCP 伺服器模板。
-
為伺服器輸入以下名稱：計算器
-
一個新的 Visual Studio Code 窗口將打開。選擇 是，我信任作者。
-
使用終端（終端 > 新終端），創建虛擬環境：
python -m venv .venv -
使用終端激活虛擬環境：
- Windows -
.venv\Scripts\activate - macOS/Linux -
source .venv/bin/activate
- Windows -
-
使用終端安裝依賴項：
pip install -e .[dev] -
在 活動欄的 資源管理器視圖中，展開 src 目錄並選擇 server.py，在編輯器中打開該文件。
-
將 server.py 文件中的代碼替換為以下內容並保存：
""" Sample MCP Calculator Server implementation in Python. This module demonstrates how to create a simple MCP server with calculator tools that can perform basic arithmetic operations (add, subtract, multiply, divide). """ from mcp.server.fastmcp import FastMCP server = FastMCP("calculator") @server.tool() def add(a: float, b: float) -> float: """Add two numbers together and return the result.""" return a + b @server.tool() def subtract(a: float, b: float) -> float: """Subtract b from a and return the result.""" return a - b @server.tool() def multiply(a: float, b: float) -> float: """Multiply two numbers together and return the result.""" return a * b @server.tool() def divide(a: float, b: float) -> float: """ Divide a by b and return the result. Raises: ValueError: If b is zero """ if b == 0: raise ValueError("Cannot divide by zero") return a / b
現在你的代理已經擁有工具，是時候使用它們了！在本部分，你將向代理提交提示以測試並驗證代理是否利用了計算器 MCP 伺服器中的適當工具。
你將通過 代理構建器作為 MCP 客戶端在本地開發機器上運行計算器 MCP 伺服器。
- 按
F5開始調試 MCP 伺服器。代理（提示）構建器將在新的編輯器標籤中打開。伺服器的狀態在終端中可見。 - 在 代理（提示）構建器的 用戶提示字段中輸入以下提示：
我買了 3 件商品，每件價格 $25，然後用了 $20 折扣。我花了多少錢？ - 點擊 運行按鈕生成代理的回應。
- 查看代理輸出。模型應得出你花了 $55。
- 以下是應發生的情況：
- 代理選擇 乘法 和 減法工具來幫助計算。
- 為 乘法工具分配相應的
a和b值。 - 為 減法工具分配相應的
a和b值。 - 每個工具的回應顯示在相應的 工具回應中。
- 模型的最終輸出顯示在 模型回應中。
- 提交其他提示進一步測試代理。你可以通過點擊 用戶提示字段並替換現有提示來修改提示。
- 測試完成後，你可以通過 終端輸入 CTRL/CMD+C 停止伺服器。
嘗試向你的 server.py 文件添加一個額外的工具條目（例如：返回一個數字的平方根）。提交需要代理利用新工具（或現有工具）的額外提示。請確保重新啟動伺服器以加載新添加的工具。
本章的關鍵要點如下：
- AI Toolkit 擴展是一個出色的客戶端，能夠消耗 MCP 伺服器及其工具。
- 你可以向 MCP 伺服器添加新工具，擴展代理的能力以滿足不斷變化的需求。
- AI Toolkit 包括模板（例如 Python MCP 伺服器模板），簡化了自定義工具的創建。
- 下一章：測試與調試
免責聲明：
本文件已使用人工智能翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。