Przejdź do głównej treści

Kurs

Wprowadzenie do Model Context Protocol (MCP)

Średniozaawansowany3 godz.

Integruj aplikacje AI/LLM z API, bazami danych i systemami plików łatwiej niż kiedykolwiek dzięki Model Context Protocol (MCP).

Python3 godz.{count, plural, one {# film} few {# filmy} many {# filmów} other {# filmów}}{count, plural, one {# ćwiczenie} few {# ćwiczenia} many {# ćwiczeń} other {# ćwiczenia}}2,850 XP3,504Oświadczenie o ukończeniu

Utwórz bezpłatne konto

Kontynuuj z Google
lub
Kontynuując, akceptujesz nasz Warunki użytkowania, nasz Polityka prywatności i że Twoje dane są przechowywane w USA.

Uwielbiany przez uczących się w tysiącach firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Dlaczego warto poznać Model Context Protocol?

Duże modele językowe nie mają dostępu do danych w czasie rzeczywistym ani nie mogą samodzielnie podejmować działań, a łączenie każdego narzędzia lub API za pomocą niestandardowego kodu nie jest skalowalne. Protokół Model Context Protocol (MCP) rozwiązuje ten problem, zapewniając jeden, standardowy sposób, w jaki aplikacje AI mogą łączyć się z zewnętrznymi narzędziami, danymi i usługami — często nazywany „portem USB-C dla AI”. W tym kursie od podstaw zbudujesz serwery i klientów MCP w Pythonie oraz połączysz je z LLM.

Jak zbudować i połączyć mój pierwszy serwer MCP?

Zaczniesz od poznania architektury MCP — hosta, klienta i serwera — oraz trzech podstawowych elementów, które udostępnia każdy serwer: narzędzi, zasobów i promptów. Następnie zbudujesz serwer konwertera walut z użyciem FastMCP, dodasz docstringi i adnotacje typów, aby LLM mógł wykrywać Twoje narzędzia, oraz napiszesz asynchronicznego klienta Pythona, który wyświetla i wywołuje te narzędzia przez transport stdio.

Jak nadać LLM narzędzia i kontekst w czasie rzeczywistym?

Same narzędzia nie wystarczą — modele potrzebują też danych i instrukcji behawioralnych. Dodasz zasoby do kontekstu tylko do odczytu i prompty, aby prowadzić model, gdy dane wejściowe są niejasne, a następnie połączysz wszystkie trzy elementy z modelem OpenAI LLM, korzystając z pięcioetapowego przepływu wywoływania narzędzi, dzięki czemu będzie mógł odpowiadać pewnie albo poprosić o doprecyzowanie, gdy powinien.

Jak wdrożyć serwery MCP do środowiska produkcyjnego?

Prawdziwe serwery potrzebują czegoś więcej niż kodu działającego tylko w idealnych warunkach. Zamienisz zasoby oparte na plikach na zapytania korzystające z bazy danych, dodasz limity czasu żądań, uporządkowaną obsługę błędów oraz bezpieczne uwierzytelnianie API, które przechowuje klucze po stronie serwera. Na koniec połączysz się z serwerem MCP innej firmy i zobaczysz, że ten sam kod klienta działa z każdym serwerem, który obsługuje ten protokół.

Wymagania wstępne

Program kursu

Plan kursu

3

Przygotowanie serwerów MCP do produkcji

Dowiedz się, co jest potrzebne do wdrożenia serwerów MCP na produkcję – zagłęb się w temat baz danych i API w serwerach MCP oraz dodatkowych kwestii, jakie ze sobą niosą. Na koniec zintegruj zewnętrzne serwery MCP w bezpieczny i niezawodny sposób, żeby nie musieć budować od nowa ulubionych integracji.
Rozpocznij rozdział

Wprowadzenie do Model Context Protocol (MCP)

Kurs
ukończony

Zdobądź Certyfikat Ukończenia

Zapisz się

Rozwijaj swoje umiejętności danych z DataCamp for Mobile

Rozwijaj się w drodze dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.