mirrors / microsoft--mcp-for-beginners

项目文件夹

microsoft--mcp-for-beginners
文件
main
T
文件历史

README.md

🌟 Erken Benimseyenlerden Alınan Dersler

Lessons from MCP Early Adopters

(Bu dersin videosunu izlemek için yukarıdaki görsele tıklayın)

🎯 Bu Modül Neleri Kapsar

Bu modül, gerçek organizasyonların ve geliştiricilerin Model Context Protocol (MCP) ile gerçek zorlukları nasıl çözdüğünü ve yeniliği nasıl yönlendirdiğini inceliyor. Detaylı vaka analizleri, uygulamalı projeler ve pratik örneklerle, MCP'nin dil modelleri, araçlar ve kurumsal verileri birbirine bağlayan güvenli, ölçeklenebilir AI entegrasyonunu nasıl mümkün kıldığını keşfedeceksiniz.

📚 MCP'yi Pratikte Görün

Bu prensiplerin üretime hazır araçlara nasıl uygulandığını görmek ister misiniz? Bugün kullanabileceğiniz gerçek Microsoft MCP sunucularını gösteren 10 Microsoft MCP Sunucusu—Geliştirici Üretkenliğini Dönüştürüyor kaynağımıza göz atın.

Genel Bakış

Bu ders, erken benimseyenlerin Model Context Protocol (MCP) kullanarak gerçek dünya sorunlarını nasıl çözdüklerini ve sektörler çapında yeniliği nasıl yönlendirdiklerini inceliyor. Detaylı vaka analizleri ve uygulamalı projelerle MCP'nin büyük dil modellerini, araçları ve kurumsal verileri birleşik bir çerçevede bağlayan standartlaşmış, güvenli ve ölçeklenebilir AI entegrasyonunu nasıl mümkün kıldığını göreceksiniz. MCP tabanlı çözümler tasarlayıp geliştirme konusunda pratik deneyim kazanacak, kanıtlanmış uygulama kalıplarından öğrenecek ve üretim ortamlarında MCP'yi dağıtmak için en iyi uygulamaları keşfedeceksiniz. Ders ayrıca güncel trendleri, gelecekteki yönelimleri ve açık kaynak kaynaklarını vurgulayarak MCP teknolojisi ve gelişen ekosisteminde öncü kalmanıza yardımcı olur.

Öğrenme Hedefleri

  • Farklı sektörlerde gerçek dünya MCP uygulamalarını analiz etmek
  • Tam MCP tabanlı uygulamalar tasarlamak ve geliştirmek
  • MCP teknolojisindeki güncel trendleri ve gelecek yönelimleri keşfetmek
  • Gerçek geliştirme senaryolarında en iyi uygulamaları kullanmak

Gerçek Dünya MCP Uygulamaları

Vaka Çalışması 1: Kurumsal Müşteri Destek Otomasyonu

Ulusötesi bir şirket, müşteri destek sistemlerinde AI etkileşimlerini standartlaştırmak için MCP tabanlı bir çözüm uyguladı. Bu sayede:

  • Birden fazla LLM sağlayıcısı için birleşik bir arayüz oluşturdu
  • Departmanlar arasında tutarlı komut istemi yönetimi sağladı
  • Sağlam güvenlik ve uyumluluk kontrolleri uyguladı
  • Belirli ihtiyaçlara göre farklı AI modelleri arasında kolayca geçiş yaptı

Teknik Uygulama:

# Müşteri desteği için Python MCP sunucu uygulaması
import logging
import asyncio
from modelcontextprotocol import create_server, ServerConfig
from modelcontextprotocol.server import MCPServer
from modelcontextprotocol.transports import create_http_transport
from modelcontextprotocol.resources import ResourceDefinition
from modelcontextprotocol.prompts import PromptDefinition
from modelcontextprotocol.tool import ToolDefinition

# Günlük kaydını yapılandır
logging.basicConfig(level=logging.INFO)

async def main():
    # Sunucu yapılandırmasını oluştur
    config = ServerConfig(
        name="Enterprise Customer Support Server",
        version="1.0.0",
        description="MCP server for handling customer support inquiries"
    )
    
    # MCP sunucusunu başlat
    server = create_server(config)
    
    # Bilgi tabanı kaynaklarını kaydet
    server.resources.register(
        ResourceDefinition(
            name="customer_kb",
            description="Customer knowledge base documentation"
        ),
        lambda params: get_customer_documentation(params)
    )
    
    # İstem şablonlarını kaydet
    server.prompts.register(
        PromptDefinition(
            name="support_template",
            description="Templates for customer support responses"
        ),
        lambda params: get_support_templates(params)
    )
    
    # Destek araçlarını kaydet
    server.tools.register(
        ToolDefinition(
            name="ticketing",
            description="Create and update support tickets"
        ),
        handle_ticketing_operations
    )
    
    # HTTP taşıma ile sunucuyu başlat
    transport = create_http_transport(port=8080)
    await server.run(transport)

if __name__ == "__main__":
    asyncio.run(main())

Sonuçlar: Model maliyetlerinde %30 azalma, yanıt tutarlılığında %45 iyileşme ve küresel operasyonlarda uyumluluk geliştirildi.

Vaka Çalışması 2: Sağlık Hizmetleri Tanı Asistanı

Bir sağlık hizmetleri sağlayıcısı, hassas hasta verilerinin korunmasını sağlarken çoklu uzmanlaşmış tıbbi AI modellerini entegre etmek için MCP altyapısı geliştirdi:

  • Genel ve uzman tıbbi modeller arasında sorunsuz geçiş
  • Katı gizlilik kontrolleri ve denetim kayıtları
  • Mevcut Elektronik Sağlık Kaydı (EHR) sistemleri ile entegrasyon
  • Tıbbi terimlendirme için tutarlı komut mühendisliği

Teknik Uygulama:

// C# MCP host application implementation in healthcare application
using Microsoft.Extensions.DependencyInjection;
using ModelContextProtocol.SDK.Client;
using ModelContextProtocol.SDK.Security;
using ModelContextProtocol.SDK.Resources;

public class DiagnosticAssistant
{
    private readonly MCPHostClient _mcpClient;
    private readonly PatientContext _patientContext;
    
    public DiagnosticAssistant(PatientContext patientContext)
    {
        _patientContext = patientContext;
        
        // Configure MCP client with healthcare-specific settings
        var clientOptions = new ClientOptions
        {
            Name = "Healthcare Diagnostic Assistant",
            Version = "1.0.0",
            Security = new SecurityOptions
            {
                Encryption = EncryptionLevel.Medical,
                AuditEnabled = true
            }
        };
        
        _mcpClient = new MCPHostClientBuilder()
            .WithOptions(clientOptions)
            .WithTransport(new HttpTransport("https://healthcare-mcp.example.org"))
            .WithAuthentication(new HIPAACompliantAuthProvider())
            .Build();
    }
    
    public async Task<DiagnosticSuggestion> GetDiagnosticAssistance(
        string symptoms, string patientHistory)
    {
        // Create request with appropriate resources and tool access
        var resourceRequest = new ResourceRequest
        {
            Name = "patient_records",
            Parameters = new Dictionary<string, object>
            {
                ["patientId"] = _patientContext.PatientId,
                ["requestingProvider"] = _patientContext.ProviderId
            }
        };
        
        // Request diagnostic assistance using appropriate prompt
        var response = await _mcpClient.SendPromptRequestAsync(
            promptName: "diagnostic_assistance",
            parameters: new Dictionary<string, object>
            {
                ["symptoms"] = symptoms,
                patientHistory = patientHistory,
                relevantGuidelines = _patientContext.GetRelevantGuidelines()
            });
            
        return DiagnosticSuggestion.FromMCPResponse(response);
    }
}

Sonuçlar: Hekimler için geliştirilmiş tanı önerileri sağlarken tam HIPAA uyumu ve sistemler arası bağlam geçişlerinde önemli azalma.

Vaka Çalışması 3: Finansal Hizmetlerde Risk Analizi

Bir finans kurumu çeşitli departmanlarda risk analiz süreçlerini standartlaştırmak için MCP uyguladı:

  • Kredi riski, dolandırıcılık tespiti ve yatırım risk modelleri için birleşik arayüz oluşturdu
  • Katı erişim kontrolleri ve model sürüm yönetimi uygulandı
  • Tüm AI önerilerinin denetlenebilirliği sağlandı
  • Çeşitli sistemlerde tutarlı veri biçimlendirmesi korundu

Teknik Uygulama:

// Finansal risk değerlendirmesi için Java MCP sunucusu
import org.mcp.server.*;
import org.mcp.security.*;

public class FinancialRiskMCPServer {
    public static void main(String[] args) {
        // Finansal uyumluluk özellikleri ile MCP sunucusu oluşturun
        MCPServer server = new MCPServerBuilder()
            .withModelProviders(
                new ModelProvider("risk-assessment-primary", new AzureOpenAIProvider()),
                new ModelProvider("risk-assessment-audit", new LocalLlamaProvider())
            )
            .withPromptTemplateDirectory("./compliance/templates")
            .withAccessControls(new SOCCompliantAccessControl())
            .withDataEncryption(EncryptionStandard.FINANCIAL_GRADE)
            .withVersionControl(true)
            .withAuditLogging(new DatabaseAuditLogger())
            .build();
            
        server.addRequestValidator(new FinancialDataValidator());
        server.addResponseFilter(new PII_RedactionFilter());
        
        server.start(9000);
        
        System.out.println("Financial Risk MCP Server running on port 9000");
    }
}

Sonuçlar: Düzenleyici uyumluluğun artırılması, model dağıtım döngülerinde %40 daha hızlı süreç ve departmanlar arasında risk değerlendirme tutarlılığında iyileşme.

Vaka Çalışması 4: Microsoft Playwright MCP Sunucusu – Tarayıcı Otomasyonu

Microsoft, Model Context Protocol üzerinden güvenli, standartlaştırılmış tarayıcı otomasyonunu mümkün kılmak için Playwright MCP sunucusunu geliştirdi. Bu üretime hazır sunucu, AI ajanlarının ve LLM'lerin web tarayıcılarıyla kontrollü, denetlenebilir ve genişletilebilir bir şekilde etkileşim kurmasına olanak sağlar—otomatik web testi, veri çıkarımı ve uçtan uca iş akışları gibi kullanım senaryolarını destekler.

🎯 Üretime Hazır Araç

Bu vaka çalışması, bugün kullanabileceğiniz gerçek bir MCP sunucusunu gösterir! Playwright MCP Sunucusu ve diğer 9 üretime hazır Microsoft MCP sunucusu hakkında daha fazla bilgi için Microsoft MCP Sunucuları Rehberi kaynağımıza bakabilirsiniz.

Temel Özellikler:

  • Tarayıcı otomasyon yeteneklerini (navigasyon, form doldurma, ekran görüntüsü alma vb.) MCP araçları olarak sunar
  • Yetkisiz işlemleri önlemek için sıkı erişim kontrolleri ve sandbox mekanizmaları uygular
  • Tüm tarayıcı etkileşimleri için ayrıntılı denetim günlükleri sağlar
  • Ajan temelli otomasyon için Azure OpenAI ve diğer LLM sağlayıcılarıyla entegrasyonu destekler
  • GitHub Copilot'un Kodlama Ajanı'nı web tarama yetenekleriyle güçlendirir

Teknik Uygulama:

// TypeScript: Playwright tarayıcı otomasyon araçlarını bir MCP sunucusunda kaydetme
import { createServer, ToolDefinition } from 'modelcontextprotocol';
import { launch } from 'playwright';

const server = createServer({
  name: 'Playwright MCP Server',
  version: '1.0.0',
  description: 'MCP server for browser automation using Playwright'
});

// Bir URL'ye gitmek ve ekran görüntüsü almak için bir araç kaydedin
server.tools.register(
  new ToolDefinition({
    name: 'navigate_and_screenshot',
    description: 'Navigate to a URL and capture a screenshot',
    parameters: {
      url: { type: 'string', description: 'The URL to visit' }
    }
  }),
  async ({ url }) => {
    const browser = await launch();
    const page = await browser.newPage();
    await page.goto(url);
    const screenshot = await page.screenshot();
    await browser.close();
    return { screenshot };
  }
);

// MCP sunucusunu başlatın
server.listen(8080);

Sonuçlar:

  • AI ajanları ve LLM'ler için güvenli, programlanabilir tarayıcı otomasyonu sağlandı
  • Manuel test çabaları azaltıldı ve web uygulamalarında test kapsamı artırıldı
  • Kurumsal ortamlarda tarayıcı tabanlı araç entegrasyonu için yeniden kullanılabilir, genişletilebilir bir altyapı sunuldu
  • GitHub Copilot'un web taraması özelliklerini destekler

Referanslar:

Vaka Çalışması 5: Azure MCP – Kurumsal Sınıf Model Context Protocol Hizmetleri

Azure MCP Sunucusu (https://aka.ms/azmcp), Microsoft’un yönetilen, kurumsal sınıf Model Context Protocol uygulamasıdır ve ölçeklenebilir, güvenli ve uyumlu MCP sunucu yeteneklerini bulut hizmeti olarak sunmak üzere tasarlanmıştır. Azure MCP, kuruluşların MCP sunucularını Azure AI, veri ve güvenlik hizmetleriyle hızlıca dağıtmalarını, yönetmelerini ve entegre etmelerini sağlayarak operasyonel yükü azaltır ve AI benimsemeyi hızlandırır.

🎯 Üretime Hazır Araç

Bu, bugün kullanabileceğiniz gerçek bir MCP sunucusudur! Microsoft Foundry MCP Sunucusu hakkında daha fazla bilgi için Microsoft MCP Sunucuları Rehberi kaynağımıza göz atabilirsiniz.

  • Yerleşik ölçeklendirme, izleme ve güvenlik özellikleriyle tam yönetilen MCP sunucu barındırma
  • Azure OpenAI, Azure AI Search ve diğer Azure hizmetleriyle yerel entegrasyon
  • Microsoft Entra ID ile kurumsal kimlik doğrulama ve yetkilendirme
  • Özel araçlar, komut şablonları ve kaynak bağlayıcıları desteği
  • Kurumsal güvenlik ve düzenleyici gereksinimlerle uyumluluk

Teknik Uygulama:

# Example: Azure MCP server deployment configuration (YAML)
apiVersion: mcp.microsoft.com/v1
kind: McpServer
metadata:
  name: enterprise-mcp-server
spec:
  modelProviders:
    - name: azure-openai
      type: AzureOpenAI
      endpoint: https://<your-openai-resource>.openai.azure.com/
      apiKeySecret: <your-azure-keyvault-secret>
  tools:
    - name: document_search
      type: AzureAISearch
      endpoint: https://<your-search-resource>.search.windows.net/
      apiKeySecret: <your-azure-keyvault-secret>
  authentication:
    type: EntraID
    tenantId: <your-tenant-id>
  monitoring:
    enabled: true
    logAnalyticsWorkspace: <your-log-analytics-id>

Sonuçlar:

  • Kurumsal AI projeleri için kullanıma hazır, uyumlu MCP sunucu platformu sağlayarak değer kazanma süresini kısalttı
  • LLM'ler, araçlar ve kurumsal veri kaynaklarının entegrasyonunu kolaylaştırdı
  • MCP iş yükleri için güvenlik, gözlemlenebilirlik ve operasyonel verimliliği artırdı
  • Azure SDK en iyi uygulamaları ve güncel kimlik doğrulama kalıplarıyla kod kalitesini yükseltti

Referanslar:

Vaka Çalışması 6: NLWeb

MCP (Model Context Protocol), Chatbot’lar ve AI asistanlarının araçlarla etkileşim kurması için gelişmekte olan bir protokoldür. Her NLWeb örneği aynı zamanda bir MCP sunucusudur ve tek çekirdek yöntemi olan ask metodunu destekler; bu metod, doğal dil ile bir web sitesine soru sormak için kullanılır. Dönen yanıt, web verilerini tanımlamak için yaygın kullanılan bir sözlük olan schema.org’u kullanır. Kabaca söylemek gerekirse MCP, Http’nin HTML’ye yaptığına benzer şekilde NLWeb’e ilişkindir. NLWeb; protokolleri, Schema.org formatlarını ve örnek kodu birleştirerek sitelerin bu uç noktaları hızla oluşturmasına yardımcı olur ve böylece hem insanlar için konuşma arayüzleri hem de makineler için doğal ajanlar arası etkileşim sağlar.

NLWeb’in iki ayrı bileşeni vardır.

  • Doğal dil ile site ile arayüz oluşturmak için çok basit başlangıç protokolü ve dönen yanıt için json ve schema.org formatlarını kullanan bir yapı. Daha fazla bilgi için REST API belgelerine bakınız.
  • Ürünler, tarifler, gezilecek yerler, yorumlar gibi öğe listeleri olarak soyutlanabilecek siteler için mevcut işaretlemeyi kullanan basit bir uygulama. Kullanıcı arayüzü bileşenleriyle beraber, siteler içeriklerine konuşma arayüzleri sağlamayı kolaylaştırır. Bu yapının işleyişi hakkında daha fazla bilgi için Life of a chat query belgesine bakınız.

Referanslar:

Vaka Çalışması 7: Microsoft Foundry MCP Sunucusu – Kurumsal AI Ajan Entegrasyonu

Microsoft Foundry MCP sunucuları, MCP’nin kurumsal ortamlarda AI ajanlarını ve iş akışlarını koordine etmek ve yönetmek için nasıl kullanıldığını gösterir. MCP ile Microsoft Foundry’i entegre ederek, organizasyonlar ajan etkileşimlerini standartlaştırabilir, Foundry’nin iş akışı yönetimini kullanabilir ve güvenli, ölçeklenebilir dağıtımlar sağlayabilir.

🎯 Üretime Hazır Araç

Bu, bugün kullanabileceğiniz gerçek bir MCP sunucusudur! Microsoft Foundry MCP Sunucusu hakkında daha fazla bilgi için Microsoft MCP Sunucuları Rehberi kaynağımıza bakabilirsiniz.

Temel Özellikler:

  • Model katalogları ve dağıtım yönetimi dahil Azure AI ekosistemine kapsamlı erişim
  • RAG uygulamaları için Azure AI Search ile bilgi indeksleme
  • AI model performansı ve kalite güvencesi için değerlendirme araçları
  • En yeni araştırma modelleri için Microsoft Foundry Kataloğu ve Laboratuvarları ile entegrasyon
  • Üretim senaryoları için ajan yönetimi ve değerlendirme yetenekleri

Sonuçlar:

  • AI ajan iş akışlarının hızlı prototiplemesi ve sağlam izlenmesi
  • Gelişmiş senaryolar için Azure AI servisleriyle sorunsuz entegrasyon
  • Ajan hatları oluşturmak, dağıtmak ve izlemek için birleşik arayüz
  • Kurumlar için güvenlik, uyumluluk ve operasyonel verimlilikte iyileşme
  • Karmaşık ajan-tabanlı süreçlerde kontrolü koruyarak AI benimsemenin hızlandırılması

Referanslar:

Vaka Çalışması 8: Foundry MCP Oyun Alanı – Deney ve Prototip Oluşturma

Foundry MCP Oyun Alanı, MCP sunucuları ve Microsoft Foundry entegrasyonları ile deney yapmaya hazır kullanıma açık bir ortam sunar. Geliştiriciler Microsoft Foundry Kataloğu ve Laboratuvarlar kaynaklarını kullanarak AI modellerini ve ajan iş akışlarını hızla prototipleyebilir, test edebilir ve değerlendirebilir. Oyun alanı kurulumu kolaylaştırır, örnek projeleri sunar ve iş birliği içinde geliştirmeyi destekler; böylece en iyi uygulamaları ve yeni senaryoları düşük maliyetle keşfetmeyi sağlar. Özellikle fikirlerini doğrulamak, deneyleri paylaşmak ve karmaşık altyapıya gerek kalmadan öğrenmeyi hızlandırmak isteyen takımlar için faydalıdır. Giriş bariyerini düşürerek MCP ve Microsoft Foundry ekosisteminde inovasyonu ve topluluk katkılarını destekler.

Referanslar:

Vaka Çalışması 9: Microsoft Learn Docs MCP Sunucusu – AI Destekli Dokümantasyon Erişimi

Microsoft Learn Docs MCP Sunucusu, AI asistanlarına Model Context Protocol aracılığıyla resmi Microsoft dokümantasyonlarına gerçek zamanlı erişim sağlayan bulut tabanlı bir hizmettir. Bu üretime hazır sunucu, kapsamlı Microsoft Learn ekosistemine bağlanır ve tüm resmi Microsoft kaynaklarında anlamsal arama yapma imkanı sunar.

🎯 Üretime Hazır Araç

Bu, bugün kullanabileceğiniz gerçek bir MCP sunucusudur! Microsoft Learn Docs MCP Sunucusu hakkında daha fazla bilgi için Microsoft MCP Sunucuları Rehberi kaynağımıza bakabilirsiniz.

Temel Özellikler:

  • Resmi Microsoft dokümantasyonları, Azure dokümanları ve Microsoft 365 belgelerine gerçek zamanlı erişim
  • Bağlam ve niyeti anlayan gelişmiş anlamsal arama yetenekleri
  • Microsoft Learn içeriği yayımlandıkça her zaman güncel bilgi
  • Microsoft Learn, Azure dokümantasyonu ve Microsoft 365 kaynakları genelinde kapsamlı erişim
  • Makale başlıkları ve URL’ler ile birlikte en fazla 10 kaliteli içerik parçası döner

Neden Kritik:

  • Microsoft teknolojileri için "güncellenmemiş AI bilgisi" sorununu çözer
  • AI asistanlarının en güncel .NET, C#, Azure ve Microsoft 365 özelliklerine erişimini sağlar
  • Doğru kod üretimi için yetkili ve birinci taraf bilgi sunar
  • Hızla gelişen Microsoft teknolojileriyle çalışan geliştiriciler için gereklidir

Sonuçlar:

  • Microsoft teknolojileri için AI tarafından oluşturulan kodun doğruluğu önemli ölçüde arttı
  • Güncel dokümantasyon ve en iyi uygulamalar arama sürelerinde azalma
  • Bağlam farkındalıklı dokümantasyon erişimi ile geliştirici verimliliği arttı
  • IDE dışına çıkmadan geliştirme iş akışlarına sorunsuz entegrasyon sağladı

Referanslar:

Uygulamalı Projeler

Proje 1: Çok Sağlayıcılı MCP Sunucusu Oluşturun

Hedef: Belirli kriterlere göre istekleri birden fazla AI model sağlayıcısına yönlendirebilen bir MCP sunucusu oluşturun.

Gereksinimler:

  • En az üç farklı model sağlayıcısını destekleyin (ör. OpenAI, Anthropic, yerel modeller)
  • İstek meta verilerine dayalı yönlendirme mekanizması uygulayın
  • Sağlayıcı kimlik bilgilerini yönetmek için bir yapılandırma sistemi oluşturun
  • Performans ve maliyet optimizasyonu için önbellekleme ekleyin
  • Kullanımı izlemek için basit bir gösterge paneli geliştirin

Uygulama Adımları:

  1. Temel MCP sunucu altyapısını kurun
  2. Her AI model servisi için sağlayıcı adaptörleri geliştirin
  3. İstek özelliklerine göre yönlendirme mantığını oluşturun
  4. Sık yapılan istekler için önbellekleme mekanizmaları ekleyin
  5. İzleme için gösterge panelini geliştirin
  6. Çeşitli istek desenleriyle test edin

Teknolojiler: Python (.NET/Java/Python tercihinize göre), önbellekleme için Redis ve gösterge paneli için basit bir web framework seçin.

Proje 2: Kurumsal Komut Yönetim Sistemi

Hedef: Bir kuruluş çapında komut şablonlarını yönetmek, sürümlemek ve dağıtmak için MCP tabanlı bir sistem geliştirin.

Gereksinimler:

  • İpucu şablonları için merkezi bir depo oluşturun
  • Sürüm kontrolü ve onay iş akışlarını uygulayın
  • Örnek girdilerle şablon test yetenekleri geliştirin
  • Rol tabanlı erişim kontrolleri geliştirin
  • Şablon alma ve dağıtımı için bir API oluşturun

Uygulama Adımları:

  1. Şablon depolama için veritabanı şemasını tasarlayın
  2. Şablon CRUD işlemleri için çekirdek API'yi oluşturun
  3. Sürüm kontrol sistemini uygulayın
  4. Onay iş akışını oluşturun
  5. Test çerçevesini geliştirin
  6. Yönetim için basit bir web arayüzü oluşturun
  7. Bir MCP sunucusu ile entegrasyon yapın

Teknolojiler: Seçtiğiniz backend çerçevesi, SQL veya NoSQL veritabanı ve yönetim arayüzü için bir frontend çerçevesi.

Proje 3: MCP Tabanlı İçerik Üretim Platformu

Amaç: MCP'yi kullanarak farklı içerik türlerinde tutarlı sonuçlar sağlayan bir içerik üretim platformu oluşturmak.

Gereksinimler:

  • Birden fazla içerik formatını desteklemek (blog yazıları, sosyal medya, pazarlama metni)
  • Özelleştirme seçenekleriyle şablon bazlı üretimi uygulamak
  • İçerik inceleme ve geri bildirim sistemi oluşturmak
  • İçerik performans metriklerini takip etmek
  • İçerik sürüm kontrolü ve yinelemesini desteklemek

Uygulama Adımları:

  1. MCP istemci altyapısını kurun
  2. Farklı içerik türleri için şablonlar oluşturun
  3. İçerik üretim hattını oluşturun
  4. İnceleme sistemini uygulayın
  5. Metrik takip sistemini geliştirin
  6. Şablon yönetimi ve içerik üretimi için kullanıcı arayüzü oluşturun

Teknolojiler: Tercih ettiğiniz programlama dili, web çerçevesi ve veritabanı sistemi.

MCP Teknolojisi için Gelecek Yönelimler

Gelişen Trendler

  1. Çok Modlu MCP

    • MCP'nin resim, ses ve video modelleriyle etkileşimleri standartlaştırmak üzere genişletilmesi
    • Modlar arası akıl yürütme yeteneklerinin geliştirilmesi
    • Farklı modaliteler için standartlaştırılmış ipucu formatları

  2. Federatif MCP Altyapısı

    • Kuruluşlar arası kaynak paylaşımını mümkün kılan dağıtık MCP ağları
    • Güvenli model paylaşımı için standartlaştırılmış protokoller
    • Gizliliği koruyan hesaplama teknikleri

  3. MCP Pazar Yerleri

    • MCP şablonları ve eklentilerinin paylaşımı ve gelir elde edilmesi için ekosistemler
    • Kalite güvencesi ve sertifikasyon süreçleri
    • Model pazar yerleriyle entegrasyon

  4. Uç Bilişim için MCP

    • Kaynak kısıtlı uç cihazlar için MCP standartlarının uyarlanması
    • Düşük bant genişliği ortamları için optimize edilmiş protokoller
    • Nesnelerin İnterneti (IoT) ekosistemlerine özel MCP uygulamaları

  5. Regülasyon Çerçeveleri

    • Regülasyon uyumluluğu için MCP genişletmelerinin geliştirilmesi
    • Standartlaştırılmış denetim izleri ve açıklanabilirlik arayüzleri
    • Gelişmekte olan yapay zeka yönetişim çerçeveleri ile entegrasyon

Microsoft’tan MCP Çözümleri

Microsoft ve Azure, geliştiricilerin farklı senaryolarda MCP uygulamalarını kolaylaştırmak için birkaç açık kaynak depo geliştirdi:

Microsoft Organizasyonu

  1. playwright-mcp - Tarayıcı otomasyonu ve test için Playwright MCP sunucusu
  2. files-mcp-server - Yerel test ve topluluk katkısı için OneDrive MCP sunucu uygulaması
  3. NLWeb - NLWeb, açık protokoller koleksiyonu ve ilişkili açık kaynak araçlar. Ana odak noktası AI Web için temel bir katman oluşturmak

Azure-Samples Organizasyonu

  1. mcp - Azure üzerinde çok sayıda dili kullanarak MCP sunucuları oluşturma ve entegre etme için örnekler, araçlar ve kaynaklar
  2. mcp-auth-servers - Geçerli Model Context Protocol spesifikasyonunu kullanarak kimlik doğrulamayı gösteren referans MCP sunucuları
  3. remote-mcp-functions - Azure Functions içinde Uzaktan MCP Sunucusu uygulamalarının giriş sayfası ve dil bazlı depolara bağlantılar
  4. remote-mcp-functions-python - Azure Functions ile Python kullanarak özel uzaktan MCP sunucuları oluşturma ve dağıtma için hızlı başlangıç şablonu
  5. remote-mcp-functions-dotnet - Azure Functions ile .NET/C# kullanarak özel uzaktan MCP sunucuları oluşturma ve dağıtma için hızlı başlangıç şablonu
  6. remote-mcp-functions-typescript - Azure Functions ile TypeScript kullanarak özel uzaktan MCP sunucuları oluşturma ve dağıtma için hızlı başlangıç şablonu
  7. remote-mcp-apim-functions-python - Python kullanarak Remote MCP sunucularına Azure API Yönetimi üzerinden AI Gateway olarak erişim
  8. AI-Gateway - APIM ❤️ AI deneyleri, MCP yeteneklerini kapsayan, Azure OpenAI ve AI Foundry ile entegrasyon

Bu depolar, Model Context Protocol ile çalışma konusunda farklı programlama dilleri ve Azure servislerinde çok çeşitli uygulamalar, şablonlar ve kaynaklar sunar. Temel sunucu uygulamalarından kimlik doğrulama, bulut dağıtımı ve kurumsal entegrasyon senaryolarına kadar geniş kullanım alanlarını kapsar.

MCP Kaynaklar Dizini

Resmi Microsoft MCP deposundaki MCP Resources dizini, Model Context Protocol sunucularıyla kullanmak üzere seçilmiş örnek kaynaklar, ipucu şablonları ve araç tanımları koleksiyonu sunar. Bu dizin, geliştiricilerin MCP ile hızlı başlaması için yeniden kullanılabilir yapı taşları ve en iyi uygulama örnekleri sağlamayı hedefler:

  • İpucu Şablonları: Yaygın AI görevleri ve senaryoları için hazır kullanıma uygun, kendi MCP sunucu uygulamalarınıza uyarlanabilir ipucu şablonları.
  • Araç Tanımları: Farklı MCP sunucuları arasında araç entegrasyonu ve çağrımını standartlaştırmak için örnek araç şemaları ve meta veriler.
  • Kaynak Örnekleri: MCP altyapısında veri kaynakları, API’ler ve harici hizmetlere bağlanmak için örnek kaynak tanımları.
  • Referans Uygulamalar: Kaynaklar, ipuçları ve araçların gerçek dünya MCP projelerinde nasıl yapılandırılıp organize edildiğini gösteren uygulama örnekleri.

Bu kaynaklar geliştirmeyi hızlandırır, standardizasyonu teşvik eder ve MCP tabanlı çözümler oluşturup dağıtırken en iyi uygulamaların uygulanmasına yardımcı olur.

MCP Kaynaklar Dizini

Araştırma Fırsatları

  • MCP çerçevelerinde verimli ipucu optimizasyon teknikleri
  • Çok kiracılı MCP dağıtımları için güvenlik modelleri
  • Farklı MCP uygulamaları arasında performans karşılaştırmaları
  • MCP sunucuları için resmi doğrulama yöntemleri

Sonuç

Model Context Protocol (MCP), endüstriler arasında standart, güvenli ve birlikte çalışabilir yapay zeka entegrasyonunun geleceğini hızla şekillendiriyor. Bu derste yer alan vaka çalışmaları ve uygulamalı projeler aracılığıyla, Microsoft ve Azure dahil erken benimseyenlerin MCP’den nasıl faydalandığını, gerçek dünya zorluklarını nasıl çözdüğünü, yapay zeka benimsemesini nasıl hızlandırdığını ve uyumluluk, güvenlik ile ölçeklenebilirlik sağladığını gördünüz. MCP’nin modüler yaklaşımı, kuruluşların büyük dil modellerini, araçları ve kurumsal verileri birleşik, denetlenebilir bir çerçevede bağlamalarını sağlar. MCP gelişmeye devam ederken toplulukla etkileşimde kalmak, açık kaynak kaynaklarını keşfetmek ve en iyi uygulamaları uygulamak, güçlü ve geleceğe hazır yapay zeka çözümleri geliştirmek için hayati olacaktır.

Ek Kaynaklar

Egzersizler

  1. Vaka çalışmalarından birini analiz edin ve alternatif bir uygulama yaklaşımı önerin.
  2. Proje fikirlerinden birini seçip detaylı teknik spesifikasyon oluşturun.
  3. Vaka çalışmalarında yer almayan bir sektörü araştırın ve MCP’nin o sektörün özgül sorunlarını nasıl çözebileceğini özetleyin.
  4. Gelecek yönelimlerden birini keşfedin ve desteklemek için yeni bir MCP uzantısı konsepti oluşturun.

Sonraki Adım

Daha fazla keşfedin: Microsoft MCP Sunucuları

Devam edin: Modül 8: En İyi Uygulamalar

Feragatname: Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba sarf etsek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayınız. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu ortaya çıkabilecek yanlış anlamalardan veya yanlış yorumlamalardan sorumlu değiliz.

在新工单中引用 查看 Git Blame 复制永久链接