AI 智链谷
问苏一二 ↗社区交流 ·
🌟 早期采用者的经验教训
开源教程转载｜🌟 早期采用者的经验教训。Microsoft 及项目贡献者编写，智链谷平台运营整理。
> 开源教程转载 · 由智链谷平台运营账号整理发布。作者：Microsoft 及项目贡献者。
> [查看原文](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/README.md) · MIT 许可，完整声明见文末。
# 🌟 早期采用者的经验教训
[](https://youtu.be/jds7dSmNptE)
_(点击上方图片观看本课程视频)_
## 🎯 本模块涵盖内容
本模块探讨了真实组织和开发者如何利用模型上下文协议（MCP）解决实际问题并推动创新。通过详细的案例研究、动手项目和实用示例，您将发现 MCP 如何实现安全、可扩展的 AI 集成，将语言模型、工具和企业数据连接起来。
### 📚 观看 MCP 实际应用
想要看到这些原则如何应用于可生产使用的工具吗？请查看我们的[**10 个正在改变开发者生产力的微软 MCP 服务器**](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/microsoft-mcp-servers.md)，展示了您今天就可以使用的真实微软 MCP 服务器。
## 概述
本课探讨了早期采用者如何利用模型上下文协议（MCP）解决现实世界中的挑战，并推动各行业创新。通过详细的案例研究和动手项目，您将看到 MCP 如何实现标准化、安全且可扩展的 AI 集成——在统一框架下连接大型语言模型、工具和企业数据。您将获得设计和构建基于 MCP 解决方案的实用经验，学习经验证的实现模式，并发现 MCP 在生产环境中部署的最佳实践。本课程还强调了新兴趋势、未来方向及开源资源，助您保持在 MCP 技术及其不断发展的生态系统的前沿。
## 学习目标
- 分析不同行业中的现实 MCP 实现案例
- 设计并构建完整的基于 MCP 的应用
- 探索 MCP 技术的新兴趋势和未来方向
- 在实际开发场景中应用最佳实践
## 现实世界的 MCP 实现
### 案例研究 1：企业客户支持自动化
一家跨国公司实施了基于 MCP 的解决方案，标准化了其客户支持系统中的 AI 交互。该方案使他们能够：
- 为多个大型语言模型提供商创建统一界面
- 保持部门间一致的提示管理
- 实施强大的安全与合规控制
- 根据具体需求轻松切换不同 AI 模型
**技术实现：**
```python
# 用于客户支持的 Python MCP 服务器实现
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
# 配置日志记录
logging.basicConfig(level=logging.INFO)
async def main():
# 创建服务器配置
config = ServerConfig(
name="Enterprise Customer Support Server",
version="1.0.0",
description="MCP server for handling customer support inquiries"
)
# 初始化 MCP 服务器
server = create_server(config)
# 注册知识库资源
server.resources.register(
ResourceDefinition(
name="customer_kb",
description="Customer knowledge base documentation"
),
lambda params: get_customer_documentation(params)
)
# 注册提示模板
server.prompts.register(
PromptDefinition(
name="support_template",
description="Templates for customer support responses"
),
lambda params: get_support_templates(params)
)
# 注册支持工具
server.tools.register(
ToolDefinition(
name="ticketing",
description="Create and update support tickets"
),
handle_ticketing_operations
)
# 使用 HTTP 传输启动服务器
transport = create_http_transport(port=8080)
await server.run(transport)
if __name__ == "__main__":
asyncio.run(main())
```
**结果:** 模型成本降低 30%，响应一致性提升 45%，全球运营的合规性增强。
### 案例研究 2：医疗诊断助手
一家医疗服务提供商开发了 MCP 基础设施，以集成多个专业医疗 AI 模型，同时确保敏感患者数据得到保护：
- 在通用与专业医疗模型间无缝切换
- 严格的隐私控制和审计跟踪
- 与现有电子健康记录（EHR）系统集成
- 医疗术语的统一提示工程
**技术实现：**
```csharp
// 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);
}
}
```
**结果:** 改善医生的诊断建议，同时保持 HIPAA 完全合规，大幅减少系统间上下文切换。
### 案例研究 3：金融服务风险分析
一家金融机构实施了 MCP，以标准化其跨部门的风险分析流程：
- 为信用风险、欺诈检测和投资风险模型创建统一接口
- 实施严格的访问控制和模型版本管理
- 确保所有 AI 推荐具有可审计性
- 保持不同系统间数据格式一致
**技术实现：**
```java
// 用于金融风险评估的Java MCP服务器
import org.mcp.server.*;
import org.mcp.security.*;
public class FinancialRiskMCPServer {
public static void main(String[] args) {
// 创建具有金融合规功能的MCP服务器
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");
}
}
```
**结果:** 改进法规合规性，模型部署周期缩短 40%，部门间风险评估一致性提升。
### 案例研究 4：微软 Playwright MCP 服务器用于浏览器自动化
微软开发了[Playwright MCP 服务器](https://github.com/microsoft/playwright-mcp)，通过模型上下文协议实现安全、标准化的浏览器自动化。该生产级服务器允许 AI 代理和大型语言模型以受控、可审计且可扩展的方式与网页浏览器交互——支持自动化网页测试、数据提取和端到端工作流等用例。
> **🎯 可生产工具**
> 本案例展示一个真实的 MCP 服务器，您今天就可以使用！了解 Playwright MCP 服务器以及其他 9 个生产级微软 MCP 服务器，请参阅我们的[**微软 MCP 服务器指南**](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/microsoft-mcp-servers.md#8--playwright-mcp-server)。
**主要特点：**
- 以 MCP 工具形式暴露浏览器自动化功能（导航、表单填写、截图等）
- 实施严格访问控制和沙箱机制防止未经授权操作
- 提供详细的浏览器交互审计日志
- 支持与 Azure OpenAI 及其他大型语言模型服务提供商的集成，实现代理驱动的自动化
- 驱动 GitHub Copilot 的编码代理具备网页浏览功能
**技术实现：**
```typescript
// TypeScript：在 MCP 服务器中注册 Playwright 浏览器自动化工具
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'
});
// 注册一个用于导航到 URL 并截取屏幕截图的工具
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 };
}
);
// 启动 MCP 服务器
server.listen(8080);
```
**结果：**
- 为 AI 代理和大型语言模型提供安全的程序化浏览器自动化
- 减少人工测试工作，提升网页应用测试覆盖率
- 提供可复用、可扩展的企业级浏览器工具集成框架
- 支持 GitHub Copilot 的网页浏览功能
**参考资料：**
- [Playwright MCP 服务器 GitHub 仓库](https://github.com/microsoft/playwright-mcp)
- [微软 AI 和自动化解决方案](https://azure.microsoft.com/en-us/products/ai-services/)
### 案例研究 5：Azure MCP – 企业级模型上下文协议即服务
Azure MCP 服务器（[https://aka.ms/azmcp](https://aka.ms/azmcp)）是微软托管的企业级模型上下文协议实现，旨在作为云服务提供可扩展、安全和合规的 MCP 服务器能力。Azure MCP 使组织能够快速部署、管理并将 MCP 服务器与 Azure AI、数据及安全服务集成，降低运维成本，加速 AI 采用。
> **🎯 可生产工具**
> 这是您今天即可使用的真实 MCP 服务器！欲了解微软 Foundry MCP 服务器，请参阅我们的[**微软 MCP 服务器指南**](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/microsoft-mcp-servers.md)。
- 完全托管的 MCP 服务器主机，内置弹性伸缩、监控和安全功能
- 与 Azure OpenAI、Azure AI 搜索及其他 Azure 服务的原生集成
- 通过 Microsoft Entra ID 提供企业级身份认证与授权
- 支持自定义工具、提示模板和资源连接器
- 满足企业安全和法规合规要求
**技术实现：**
```yaml
# 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>
```
**结果：**
- 为企业 AI 项目提供即用型合规 MCP 服务器平台，缩短价值实现时间
- 简化大型语言模型、工具及企业数据源的集成
- 提升 MCP 工作负载的安全性、可观测性和运营效率
- 使用 Azure SDK 最佳实践及当前认证模式提升代码质量
**参考资料：**
- [Azure MCP 文档](https://aka.ms/azmcp)
- [Azure MCP 服务器 GitHub 仓库](https://github.com/Azure/azure-mcp)
- [Azure AI 服务](https://azure.microsoft.com/en-us/products/ai-services/)
- [微软 MCP 中心](https://mcp.azure.com)
## 案例研究 6：NLWeb
MCP（模型上下文协议）是一种新兴协议，支持聊天机器人和 AI 助手与工具交互。每个 NLWeb 实例也是一个 MCP 服务器，支持一个核心方法 ask，用于向网站以自然语言提问。返回响应采用 schema.org，一种广泛使用的描述网页数据的词汇。粗略来说，MCP 就像 NLWeb 对 HTML 的 Http 协议。NLWeb 结合协议、Schema.org 格式和示例代码，帮助网站快速创建这些端点，既方便人们通过对话界面使用，也方便机器通过自然的代理间交互。
NLWeb 有两个不同组件：
- 一个简单协议，从自然语言接口访问网站，返回答案格式利用 json 和 schema.org。详细请参阅 REST API 文档。
- 一个利用现有标记的简单实现，适用于可抽象为项目列表（产品、食谱、景点、评论等）的网站。结合一组用户界面控件，网站可以轻松提供内容的对话接口。详见“聊天查询生命周期”文档了解其工作原理。
**参考资料：**
- [Azure MCP 文档](https://aka.ms/azmcp)
- [NLWeb](https://github.com/microsoft/NlWeb)
### 案例研究 7：微软 Foundry MCP 服务器 – 企业 AI 代理集成
微软 Foundry MCP 服务器展示了如何使用 MCP 协调和管理企业环境中的 AI 代理和工作流。通过将 MCP 与微软 Foundry 集成，组织能够标准化代理交互，利用 Foundry 的工作流管理，并确保安全、可扩展的部署。
> **🎯 可生产工具**
> 这是您今天可以使用的真实 MCP 服务器！欲了解微软 Foundry MCP 服务器，请参阅我们的[**微软 MCP 服务器指南**](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/microsoft-mcp-servers.md#9--microsoft-foundry-mcp-server)。
**主要特点：**
- 全面访问 Azure AI 生态系统，包括模型目录和部署管理
- Azure AI 搜索的知识索引，实现 RAG 应用
- AI 模型性能与质量保证评估工具
- 与微软 Foundry 目录和实验室集成，支持前沿研究模型
- 生产场景下的代理管理与评估功能
**结果：**
- 快速原型制作与稳健的 AI 代理工作流监控
- 与 Azure AI 服务无缝集成以支持高级场景
- 构建、部署和监控代理管道的统一界面
- 提升企业安全、合规和运营效率
- 加速 AI 采用，同时保持对复杂代理驱动流程的控制
**参考资料：**
- [微软 Foundry MCP 服务器 GitHub 仓库](https://github.com/azure-ai-foundry/mcp-foundry)
- [微软 Foundry 博客：集成 Azure AI 代理与 MCP](https://devblogs.microsoft.com/foundry/integrating-azure-ai-agents-mcp/)
### 案例研究 8：Foundry MCP 游乐场 – 实验与原型开发
Foundry MCP 游乐场提供了一个现成环境，用于试验 MCP 服务器和微软 Foundry 集成。开发者可以快速原型制作、测试和评估 AI 模型及代理工作流，使用微软 Foundry 目录和实验室资源。该游乐场简化了设置，提供示例项目，并支持协作开发，方便探索最佳实践和新场景，开销极低。它特别适合团队验证想法、共享实验、加速学习，无需复杂基础设施。游乐场通过降低门槛，助力 MCP 及微软 Foundry 生态系统的创新和社区贡献。
**参考资料：**
- [Foundry MCP 游乐场 GitHub 仓库](https://github.com/azure-ai-foundry/foundry-mcp-playground)
### 案例研究 9：微软 Learn Docs MCP 服务器 – AI 助力文档访问
微软 Learn Docs MCP 服务器是一项云托管服务，通过模型上下文协议为 AI 助手实时访问微软官方文档提供支持。该生产级服务器连接微软 Learn 完整生态，实现所有官方来源的语义搜索。
> **🎯 可生产工具**
> 这是您今天即用的真实 MCP 服务器！了解微软 Learn Docs MCP 服务器，请参阅我们的[**微软 MCP 服务器指南**](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/microsoft-mcp-servers.md#1--microsoft-learn-docs-mcp-server)。
**主要特点：**
- 实时访问微软官方文档、Azure 文档及 Microsoft 365 文档
- 先进的语义搜索能力，理解上下文和意图
- 随微软 Learn 内容发布始终保持信息最新
- 涵盖微软 Learn、Azure 文档和 Microsoft 365 资料的全面内容
- 返回最多 10 个高质量内容片段，附带文章标题和链接
**重要意义：**
- 解决微软技术中 AI 知识过时的问题
- 确保 AI 助手访问最新的 .NET、C#、Azure 和 Microsoft 365 功能
- 提供权威第一方信息，保障代码生成准确性
- 对快速演进的微软技术开发者至关重要
**结果：**
- 大幅提升微软技术 AI 生成代码的准确性
- 减少查找最新文档和最佳实践的时间
- 通过上下文感知文档检索提升开发者生产力
- 与开发工作流无缝集成，无需离开 IDE
**参考资料：**
- [微软 Learn Docs MCP 服务器 GitHub 仓库](https://github.com/MicrosoftDocs/mcp)
- [微软 Learn 文档](https://learn.microsoft.com/)
## 动手项目
### 项目 1：构建多模型提供商 MCP 服务器
**目标：** 创建一个 MCP 服务器，能根据特定条件路由请求到多个 AI 模型提供商。
**需求：**
- 支持至少三个不同的模型提供商（如 OpenAI、Anthropic、本地模型）
- 基于请求元数据实现路由机制
- 创建配置系统管理提供商凭证
- 添加缓存以优化性能和成本
- 构建简单监控仪表盘
**实施步骤：**
1. 搭建基本 MCP 服务器架构
2. 为每个 AI 模型服务实现提供商适配器
3. 基于请求属性创建路由逻辑
4. 为频繁请求添加缓存机制
5. 开发监控仪表盘
6. 使用多种请求模式测试
**技术选型：** 可选用 Python（或基于 .NET/Java/Python 的技术栈），Redis 用于缓存，仪表盘采用简单的 web 框架。
### 项目 2：企业提示管理系统
**目标：** 开发基于 MCP 的系统，管理、版本控制并在组织内部署提示模板。
**需求：**
- 创建一个集中管理的提示模板库
- 实现版本控制和审批工作流
- 构建带有示例输入的模板测试功能
- 开发基于角色的访问控制
- 创建用于模板检索和部署的API
**实施步骤：**
1. 设计模板存储的数据库模式
2. 创建模板增删改查的核心API
3. 实现版本控制系统
4. 构建审批工作流
5. 开发测试框架
6. 创建简单的管理网页界面
7. 与MCP服务器集成
**技术栈：** 可选择任何后端框架，SQL或NoSQL数据库，以及管理界面的前端框架。
### 项目3：基于MCP的内容生成平台
**目标：** 构建一个利用MCP提供跨多种内容类型一致性结果的内容生成平台。
**需求：**
- 支持多种内容格式（博客文章、社交媒体、营销文案）
- 实现基于模板的内容生成并支持定制化选项
- 创建内容审核和反馈系统
- 跟踪内容性能指标
- 支持内容版本管理和迭代
**实施步骤：**
1. 搭建MCP客户端基础设施
2. 创建不同内容类型的模板
3. 构建内容生成流水线
4. 实现审核系统
5. 开发指标跟踪系统
6. 创建模板管理和内容生成的用户界面
**技术栈：** 可根据偏好选择编程语言、Web框架和数据库系统。
## MCP技术的未来方向
### 新兴趋势
1. **多模态MCP**
- 扩展MCP以标准化与图像、音频和视频模型的交互
- 开发跨模态推理能力
- 不同模态的标准化提示格式
2. **联邦MCP基础设施**
- 能在组织间共享资源的分布式MCP网络
- 用于安全模型共享的标准化协议
- 隐私保护计算技术
3. **MCP市场**
- 用于分享和变现MCP模板及插件的生态系统
- 质量保证和认证流程
- 与模型市场的集成
4. **边缘计算的MCP**
- 为资源受限的边缘设备适配MCP标准
- 适用于低带宽环境的优化协议
- 专门针对物联网生态的MCP实现
5. <strong>监管框架</strong>
- 开发用于合规监管的MCP扩展
- 标准化的审计轨迹和解释接口
- 与新兴AI治理框架的集成
### 微软的MCP解决方案
微软与Azure开发了多个开源仓库，帮助开发者在各种场景下实现MCP：
#### Microsoft 组织
1. [playwright-mcp](https://github.com/microsoft/playwright-mcp) - 用于浏览器自动化和测试的Playwright MCP服务器
2. [files-mcp-server](https://github.com/microsoft/files-mcp-server) - OneDrive MCP服务器实现，支持本地测试和社区贡献
3. [NLWeb](https://github.com/microsoft/NlWeb) - 一套开放协议及相关开源工具，重点是为AI Web建立基础层
#### Azure-Samples 组织
1. [mcp](https://github.com/Azure-Samples/mcp) - 多语言在Azure上构建和集成MCP服务器的示例、工具和资源链接
2. [mcp-auth-servers](https://github.com/Azure-Samples/mcp-auth-servers) - 参考MCP服务器，演示当前Model Context Protocol规范的认证
3. [remote-mcp-functions](https://github.com/Azure-Samples/remote-mcp-functions) - Azure Functions中远程MCP服务器实现主页，包含语言特定仓库链接
4. [remote-mcp-functions-python](https://github.com/Azure-Samples/remote-mcp-functions-python) - 使用Python构建和部署自定义远程MCP服务器的快速入门模板
5. [remote-mcp-functions-dotnet](https://github.com/Azure-Samples/remote-mcp-functions-dotnet) - 使用.NET/C#构建和部署自定义远程MCP服务器的快速入门模板
6. [remote-mcp-functions-typescript](https://github.com/Azure-Samples/remote-mcp-functions-typescript) - 使用TypeScript构建和部署自定义远程MCP服务器的快速入门模板
7. [remote-mcp-apim-functions-python](https://github.com/Azure-Samples/remote-mcp-apim-functions-python) - 使用Python的Azure API管理作为远程MCP服务器的AI网关
8. [AI-Gateway](https://github.com/Azure-Samples/AI-Gateway) - 包括MCP能力的APIM ❤️ AI实验，集成Azure OpenAI和AI Foundry
这些仓库提供了跨多编程语言和Azure服务的各种MCP实现、模板与资源，覆盖从基本服务器实现到认证、云部署及企业集成等多种用例。
#### MCP资源目录
[Microsoft官方MCP仓库的MCP资源目录](https://github.com/microsoft/mcp/tree/main/Resources)提供精选的样例资源、提示模板和工具定义，供Model Context Protocol服务器使用。该目录旨在为开发者快速入门MCP提供可重用构件和最佳实践示例，包括：
- **提示模板：** 适用于常见AI任务和场景的现成提示模板，可用于您自己的MCP服务器实现。
- **工具定义：** 示例工具架构和元数据，用于标准化不同MCP服务器间的工具集成和调用。
- **资源样例：** 用于连接数据源、API及MCP框架内外部服务的示例资源定义。
- **参考实现：** 展示如何在真实MCP项目中组织和结构化资源、提示和工具的实用样例。
这些资源加快开发进度，促进标准化，并帮助确保构建与部署基于MCP的解决方案的最佳实践。
#### MCP资源目录
- [MCP资源（示例提示、工具和资源定义）](https://github.com/microsoft/mcp/tree/main/Resources)
### 研究机会
- MCP框架内的高效提示优化技术
- 多租户MCP部署的安全模型
- 不同MCP实现间的性能基准测试
- MCP服务器的形式化验证方法
## 结论
Model Context Protocol（MCP）正在快速塑造跨行业标准化、安全且可互操作的AI集成未来。通过本课的案例研究和动手项目，您已了解包括微软和Azure等早期采用者如何利用MCP解决现实问题，加速AI采纳，并确保合规、安全与可扩展性。MCP的模块化方法使组织能够将大语言模型、工具和企业数据连接在一个统一且可审计的框架中。随着MCP的不断发展，持续参与社区、探索开源资源和应用最佳实践将是构建稳健且面向未来的AI解决方案的关键。
## 额外资源
- [MCP Foundry GitHub仓库](https://github.com/azure-ai-foundry/mcp-foundry)
- [Foundry MCP Playground](https://github.com/azure-ai-foundry/foundry-mcp-playground)
- [将Azure AI代理与MCP集成（微软Foundry博客）](https://devblogs.microsoft.com/foundry/integrating-azure-ai-agents-mcp/)
- [MCP GitHub仓库（微软）](https://github.com/microsoft/mcp)
- [MCP资源目录（示例提示、工具和资源定义）](https://github.com/microsoft/mcp/tree/main/Resources)
- [MCP社区与文档](https://modelcontextprotocol.io/introduction)
- [MCP规范（2025-11-25）](https://spec.modelcontextprotocol.io/specification/2025-11-25/)
- [Azure MCP文档](https://aka.ms/azmcp)
- [OWASP MCP十大安全最佳实践](https://microsoft.github.io/mcp-azure-security-guide/mcp/)
- [Playwright MCP服务器GitHub仓库](https://github.com/microsoft/playwright-mcp)
- [Files MCP服务器（OneDrive）](https://github.com/microsoft/files-mcp-server)
- [Azure-Samples MCP](https://github.com/Azure-Samples/mcp)
- [MCP认证服务器（Azure-Samples）](https://github.com/Azure-Samples/mcp-auth-servers)
- [远程MCP Functions（Azure-Samples）](https://github.com/Azure-Samples/remote-mcp-functions)
- [远程MCP Functions Python（Azure-Samples）](https://github.com/Azure-Samples/remote-mcp-functions-python)
- [远程MCP Functions .NET（Azure-Samples）](https://github.com/Azure-Samples/remote-mcp-functions-dotnet)
- [远程MCP Functions TypeScript（Azure-Samples）](https://github.com/Azure-Samples/remote-mcp-functions-typescript)
- [远程MCP APIM Functions Python（Azure-Samples）](https://github.com/Azure-Samples/remote-mcp-apim-functions-python)
- [AI-Gateway（Azure-Samples）](https://github.com/Azure-Samples/AI-Gateway)
- [微软AI与自动化解决方案](https://azure.microsoft.com/en-us/products/ai-services/)
## 练习
1. 分析一个案例研究，并提出一种替代的实现方案。
2. 选择一个项目思路，创建详细的技术规范。
3. 研究案例研究未涵盖的行业，并概述MCP如何解决其特定挑战。
4. 探索未来方向之一，构思支持该方向的新MCP扩展方案。
## 后续内容
深入了解：[Microsoft MCP Servers](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/07-LessonsfromEarlyAdoption/microsoft-mcp-servers.md)
继续阅读：[模块8：最佳实践](https://github.com/microsoft/mcp-for-beginners/blob/2f43408b764326df5fc928984c6dd7db2b8fb63e/translations/zh-CN/08-BestPractices/README.md)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**免责声明**：
本文件由 AI 翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
---
## 版权与许可
```text
MIT License
Copyright (c) Microsoft Corporation.
Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE
```