在 AI 工具包中構建代理和提示

AI 工具包中的代理構建器可簡化構建代理的工程工作流，包括提示工程以及與 MCP 伺服器等工具的整合。它有助於完成常見的提示工程任務：

• 生成啟動提示
• 在每次執行中迭代和最佳化
• 透過提示鏈和結構化輸出分解複雜任務
• 提供程式碼的輕鬆訪問許可權，以便透過 API 無縫整合大型語言模型 (LLM)

代理構建器還透過工具使用增強了智慧應用的效能

• 連線到現有 MCP 伺服器
• 從基架構建新的 MCP 伺服器
• 使用函式呼叫連線到外部 API 和服務

建立、編輯和測試提示

要訪問代理構建器，請使用以下任一選項

• 在 AI 工具包檢視中，選擇代理構建器
• 從模型目錄中的模型卡中選擇在代理構建器中試用

要在代理構建器中測試提示，請遵循以下步驟

1. 在模型中，從下拉列表中選擇一個模型，或選擇瀏覽模型以從模型目錄中新增其他模型。

   

2. 輸入使用者提示，並可選擇輸入系統提示。

   使用者提示是您要傳送到模型的輸入。可選的系統提示用於提供帶有相關上下文的說明，以指導模型的響應。

   提示

   使用自然語言描述您的專案構想，以自動生成提示。

3. 選擇執行以將提示傳送到模型。

4. 或者，選擇新增提示以新增更多提示，或選擇新增到提示以構建對話歷史記錄。

5. 重複上一步，透過觀察模型響應並更改提示來迭代您的提示。

使用 MCP 伺服器

MCP 伺服器是一種工具，可讓您連線到外部 API 和服務，使您的代理能夠執行除了生成文字以外的操作。例如，您可以使用 MCP 伺服器訪問資料庫、呼叫 Web 服務或與其他應用程式互動。

使用代理構建器發現和配置特色 MCP 伺服器，連線到現有 MCP 伺服器，或從基架構建新的 MCP 伺服器。

配置特色 MCP 伺服器

AI 工具包提供了一個特色 MCP 伺服器列表，您可以使用它們連線到外部 API 和服務。

要從特色選項中配置 MCP 伺服器，請遵循以下步驟

1. 在工具部分中，選擇 + MCP 伺服器，然後在快速選擇中選擇 + 新增伺服器。
2. 從下拉列表中選擇使用特色 MCP 伺服器。
3. 選擇滿足您需求的 MCP 伺服器。
4. 輸入伺服器名稱。
5. 選擇要使用的工具。

使用現有 MCP 伺服器

要使用現有 MCP 伺服器，請遵循以下步驟

1. 在工具部分中，選擇 + MCP 伺服器，然後在快速選擇中選擇 + 新增伺服器。
2. 選擇連線到現有 MCP 伺服器
3. 從下拉列表中選擇一個選項，以指定您要如何連線到 MCP 伺服器
   • 命令 (stdio)：執行實現 MCP 協議的本地命令
   • HTTP (伺服器傳送事件)：連線到實現 MCP 協議的遠端伺服器
4. 如果 MCP 伺服器有多個工具可用，請選擇工具。
5. 輸入您的提示並選擇執行以測試連線。

以下是在 AI 工具包中配置檔案系統伺服器的示例

1. 在工具部分中，選擇 + MCP 伺服器，然後在快速選擇中選擇 + 新增伺服器。

2. 選擇連線到現有 MCP 伺服器

3. 選擇命令 (stdio)

   注意

   一些伺服器使用 Python 執行時和 `uvx` 命令。此過程與使用 `npx` 命令相同。

4. 導航到伺服器說明並找到 `npx` 部分。

5. 將 `command` 和 `args` 複製到 AI 工具包的輸入框中。對於檔案系統伺服器示例，它是 `npx -y @modelcontextprotocol/server-filesystem /Users//.aitk/examples`

6. 輸入伺服器名稱。

7. 可選，輸入額外的環境變數。有些伺服器可能需要額外的環境變數，例如 API 金鑰。在這種情況下，AI 工具包會在新增工具階段失敗，並開啟一個 `mcp.json` 檔案，您可以在其中按照每個伺服器提供的說明輸入所需的伺服器詳細資訊。 完成配置後：1. 返回工具部分並選擇 + MCP 伺服器 1. 從下拉列表中選擇您配置的伺服器

8. 選擇您要使用的工具。

AI 工具包還提供了一個支架來幫助您構建新的 MCP 伺服器。該支架包括 MCP 協議的基本實現，您可以根據需要進行自定義。

構建新的 MCP 伺服器

要構建新的 MCP 伺服器，請遵循以下步驟

1. 在工具部分中，選擇 + MCP 伺服器，然後在快速選擇中選擇 + 新增伺服器。
2. 選擇建立新的 MCP 伺服器
3. 從下拉列表中選擇一種程式語言：Python 或 TypeScript
4. 選擇一個資料夾來建立新的 MCP 伺服器專案。
5. 輸入 MCP 伺服器專案名稱。

建立 MCP 伺服器專案後，您可以自定義實現以滿足您的需求。該支架包括 MCP 協議的基本實現，您可以對其進行修改以新增自己的功能。

您還可以使用代理構建器來測試 MCP 伺服器。代理構建器將提示傳送到 MCP 伺服器並顯示響應。

遵循以下步驟來測試 MCP 伺服器

1. 開啟 VS Code 除錯面板。選擇“在代理構建器中除錯”或按“F5”開始除錯 MCP 伺服器。
2. 使用 AI 工具包代理構建器，透過以下提示測試伺服器
   1. 系統提示：您是天氣預報專業人員，可以根據給定位置提供天氣資訊。
3. 伺服器已自動連線到代理構建器。
4. 選擇“執行”以使用提示測試伺服器。

使用函式呼叫

函式呼叫將您的代理連線到外部 API 和服務。

1. 在工具中，選擇新增工具，然後選擇自定義工具。
2. 選擇如何新增工具
   • 透過示例：從 JSON 架構示例新增
   • 上傳現有架構：上傳 JSON 架構檔案
3. 輸入工具名稱和描述，然後選擇新增。
4. 在工具卡中提供模擬響應。

1. 使用函式呼叫工具執行代理。

透過為測試用例輸入模擬響應，在評估選項卡中使用函式呼叫工具。

結構化輸出

結構化輸出支援可幫助您設計提示，以結構化、可預測的格式提供輸出。

要在代理構建器中測試使用結構化輸出，請遵循以下步驟

1. 從左側區域選擇結構化輸出，然後選擇 json_schema。

2. 選擇準備架構，然後選擇選擇本地檔案以使用您自己的架構，或者選擇使用示例以使用預定義架構。

   如果繼續使用示例，您可以從下拉列表中選擇一個架構。

3. 選擇執行以將提示傳送到選定的模型。

4. 您還可以透過選擇架構名稱來編輯架構。

   

將提示工程整合到您的應用程式中

在試驗模型和提示後，您可以使用自動生成的 Python 程式碼立即開始編碼。

要檢視 Python 程式碼，請遵循以下步驟

1. 選擇檢視程式碼。

2. 對於託管在 GitHub 上的模型，請選擇您要使用的推理 SDK。

   AI 工具包使用提供商的客戶端 SDK 為您選擇的模型生成程式碼。對於 GitHub 託管的模型，您可以選擇要使用的推理 SDK：Azure AI 推理 SDK 或模型提供商的 SDK，例如 OpenAI SDK 或 Mistral API。

3. 生成的程式碼片段會顯示在新編輯器中，您可以將其複製到您的應用程式中。

   要向模型進行身份驗證，您通常需要提供商的 API 金鑰。要訪問 GitHub 託管的模型，請在 GitHub 設定中生成個人訪問令牌 (PAT)。

您學到了什麼

在本文中，您學習瞭如何

• 使用適用於 VS Code 的 AI 工具包測試和除錯您的代理。
• 發現、配置和構建 MCP 伺服器，以將您的代理連線到外部 API 和服務。
• 設定函式呼叫，以將您的代理連線到外部 API 和服務。
• 實現結構化輸出，以從您的代理中提供可預測的結果。
• 使用生成的程式碼片段將提示工程整合到您的應用程式中。

後續步驟

• 針對常用評估器執行評估作業