1 篇文章 含有標籤「BehaviorDrivenDevelopment」

🚀 建立你的第一個 MCP 伺服器：如何用自訂功能擴展 AI 工具​

Source: https://github.blog/ai-and-ml/github-copilot/building-your-first-mcp-server-how-to-extend-ai-tools-with-custom-capabilities/

• Model Context Protocol (MCP) 是一個標準化的方法，用於擴展 AI 工具（如 GitHub Copilot）的自訂功能，解決 AI 無法原生存取私有資料、即時資訊或執行特定操作的限制。
• MCP 遵循熟悉的客戶端-伺服器模式：主機 (AI 工具，例如 VS Code 中的 GitHub Copilot) 透過客戶端連接到你的自訂 MCP 伺服器，伺服器則提供工具、資源和提示。
• 實作範例是一個基於 TypeScript 的回合制遊戲 MCP 伺服器，讓 Copilot 能玩井字遊戲和剪刀石頭布，包含 Next.js Web App/API、MCP Server 和共用程式庫。
• 設定 MCP 伺服器需在 VS Code 中透過 .vscode/mcp.json 檔案進行配置，例如：

  {
    "servers": {
      "playwright": { /* ... */ },
      "turn-based-games": {
        "command": "node",
        "args": ["dist/index.js"],
        "cwd": "./mcp-server"
      }
    }
  }
  

• MCP 的三個核心組成部分：
  1. 工具 (Tools)：定義 AI 可以執行的動作，包含名稱、描述和輸入 schema。例如，play_tic_tac_toe 工具的定義：

     {
       name: 'play_tic_tac_toe',
       description: 'Make an AI move in Tic-Tac-Toe game. IMPORTANT: After calling this tool when the game is still playing, you MUST call wait_for_player_move to continue the game flow.',
       inputSchema: {
         type: 'object',
         properties: {
           gameId: {
             type: 'string',
             description: 'The ID of the Tic-Tac-Toe game to play',
           },
         },
         required: ['gameId'],
       },
     }
     

     實際的遊戲邏輯由 MCP 伺服器執行，而非大型語言模型 (LLM)。
  2. 資源 (Resources)：提供 AI 獲取上下文的方式，通常帶有 URI 識別符（例如 game://tic-tac-toe/{Game-ID}）。資源 URI 可轉換為 API 呼叫以獲取資料：

     async function readGameResource(uri) {
       const gameSession = await callBackendAPI(gameType, gameId);
       if (!gameSession) {
         throw new Error("Game not found");
       }
       return gameSession;
     }
     

  3. 提示 (Prompts)：為使用者提供可重複使用的指導，例如遊戲策略指南、規則或故障排除建議，可透過 VS Code 中的斜線命令存取（例如 /strategy）。
• MCP 應用不僅限於遊戲，還包括 GitHub MCP 伺服器（處理 Issues、PRs）、Playwright MCP 伺服器（UI 測試）和自訂 API 伺服器（連接內部服務）。
• 實作時應考慮身份驗證、安全性，並對第三方 MCP 伺服器進行盡職調查，同時 MCP 提供多種語言的 SDK（如 TypeScript、Python、Go、Rust）。