Logo
☆☆☆☆☆
0.0
Intermediate
7h

掌握MCP:构建高级代理应用

本课程教你如何使用模型上下文协议(MCP)构建真实世界的AI应用。你将了解代理型AI的发展历程,理解大语言模型为何需要配套系统支持,并深入学习MCP的工作原理,涵盖其架构设计、生命周期以及通信协议。 通过动手实践项目,如天气助手,你将搭建单服务器和多服务器部署环境,学习如何组织提示词并连接资源,以构建具备上下文感知能力的系统。你还将扩展MCP应用,集成外部框架如LlamaIndex,并实现RAG技术以支持更高级的代理行为。 课程还涵盖可观测性核心内容,包括MCP的身份授权、认证机制、日志记录与调试方法,帮助你的系统顺利进入生产环境。最后,你将完成一个综合项目:设计并开发一个完整的“图像研究助手”应用,这是一个融合视觉识别与研究功能的多模态应用,通过全交互式网页界面实现。

8 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
掌握MCP:构建高级代理应用
本课程教你如何使用模型上下文协议(MCP)构建真实世界的AI应用。你将了解代理型AI的发展历程,理解大语言模型为何需要配套系统支持,并深入学习MCP的工作原理,涵盖其架构设计、生命周期以及通信协议。 通过动手实践项目,如天气助手,你将搭建单服务器和多服务器部署环境,学习如何组织提示词并连接资源,以...

WHAT YOU'LL LEARN

对从独立大模型到智能体AI演进过程的理解,以及对模型上下文协议的需求

Content

8 Lessons • 0 Quizzes • 0 Challenges

入门
  1. 1

    课程概述

模型上下文协议基础
  1. 1

    为什么大语言模型还不够:代理型AI的崛起

  2. 2

    MCP 介绍及其架构

  3. 3

    MCP 生命周期与通信协议

实现单服务器MCP
  1. 1

    构建单服务器MCP架构

  2. 2

    在单服务器MCP中添加提示

  3. 3

    在单服务器MCP中添加资源

实现多服务器MCP
  1. 1

    构建多服务器MCP架构

  2. 2

    在多服务器MCP中添加提示

  3. 3

    在多服务器MCP中添加资源

通过外部框架扩展MCP
  1. 1

    使用 MCP 实现 RAG 服务器

  2. 2

    将MCP与LlamaIndex集成

MCP中的可观测性
  1. 1

    MCP 授权与认证

  2. 2

    MCP 日志记录与调试

使用MCP构建图像研究助手
  1. 1

    问题陈述与项目蓝图

  2. 2

    构建多模态服务器

  3. 3

    构建研究服务器

  4. 4

    使用 Gradio 构建用户界面

总结
  1. 1

    结论

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)