在 AI 工具包中构建代理和提示

AI 工具包中的代理构建器可简化构建代理的工程工作流程，包括提示工程以及与 MCP 服务器等工具的集成。它有助于常见的提示工程任务

• 实时迭代和优化
• 通过 API 提供对代码的轻松访问，实现无缝大型语言模型 (LLM) 集成

代理构建器还通过工具使用增强了智能应用程序的功能

• 连接到现有 MCP 服务器
• 从脚手架构建新的 MCP 服务器
• 使用函数调用连接到外部 API 和服务

创建、编辑和测试提示

要访问代理构建器，请使用以下任一选项

• 在 AI 工具包视图中，选择 Agent Builder
• 从模型目录中的模型卡中选择 Try in Agent Builder
• 在“我的资源”视图中，在 Models 下，右键单击模型并选择 Load in Agent Builder

要在代理构建器中测试提示，请按照以下步骤操作

1. 如果您尚未选择模型，请从代理构建器中的 Model 下拉列表中选择一个。您还可以选择 Browse models 以从模型目录中添加其他模型。

   

2. 输入代理指令。

   使用 Instructions 字段准确告知您的代理要做什么以及如何做。列出具体任务，按顺序排列，并添加任何特殊指令，例如语气或如何参与。

3. 通过观察模型响应并更改指令来迭代您的指令。

4. 使用 语法在指令中添加动态值。例如，添加一个名为 user_name 的变量并在指令中像这样使用它：Greet the user by their name: 。

5. 在 Variables 部分提供变量的值。

6. 在文本框中输入提示并选择发送图标以测试您的代理。

7. 观察模型的响应并对指令进行任何必要的调整。

使用 MCP 服务器

MCP 服务器是一种工具，可让您连接到外部 API 和服务，使您的代理能够执行除生成文本之外的操作。例如，您可以使用 MCP 服务器访问数据库、调用 Web 服务或与G其他应用程序交互。

使用代理构建器发现和配置特色 MCP 服务器，连接到现有 MCP 服务器，或从脚手架构建新的 MCP 服务器。

配置特色 MCP 服务器

AI 工具包提供了特色 MCP 服务器列表，您可以使用它们连接到外部 API 和服务。

要从特色选择中配置 MCP 服务器，请按照以下步骤操作

1. 在 Tool 部分中，选择 + MCP Server，然后在“快速选择”中选择 MCP Server。

2. 从下拉列表中选择 Could not find one? Browse more MCP servers。

3. 选择满足您需求的 MCP 服务器。

4. MCP 服务器已添加到 Tools 下的 MCP 子部分中的代理中。

从 VS Code 中选择工具

1. 在 Tool 部分中，选择 + MCP Server，然后在“快速选择”中选择 MCP Server。

2. 从下拉列表中选择 Use Tools Added in Visual Studio Code。

3. 选择您要使用的工具。

4. 名为 VSCode Tools 的 MCP 服务器工具已添加到 Tools 下的 MCP 子部分中的代理中。

使用现有 MCP 服务器

要使用现有 MCP 服务器，请按照以下步骤操作

1. 在 MCP Workflow 部分中，选择 + Add MCP Server。

2. 或者在代理构建器中，在 Tool 部分中，选择 + 图标为您的代理添加工具，然后在“快速选择”中选择 + Add server。

3. 在“快速选择”中选择 MCP server。

4. 选择 Connect to an Existing MCP Server

5. 向下滚动到下拉列表底部以获取连接到 MCP 服务器的选项

   • Command (stdio)：运行实现 MCP 协议的本地命令
   • HTTP (HTTP or server-sent events)：连接到实现 MCP 协议的远程服务器

6. 如果 MCP 服务器有多个可用工具，请选择其中的工具。

7. 在文本框中输入提示并选择发送图标以测试连接。

以下是在 AI 工具包中配置 文件系统 服务器的示例

1. 在 Tool 部分中，在“快速选择”中选择 + MCP Server。

2. 从下拉列表中选择 Could not find one? Browse more MCP servers。

3. 向下滚动到下拉列表底部并选择 Command (stdio)

   注意

   某些服务器使用 Python 运行时和 uvx 命令。此过程与使用 npx 命令相同。

4. 导航到 服务器说明 并找到 npx 部分。

5. 将 command 和 args 复制到 AI 工具包的输入框中。对于文件系统服务器示例，它是 npx -y @modelcontextprotocol/server-filesystem /Users/<username>/.aitk/examples

6. 输入服务器 ID。

7. （可选）输入额外的环境变量。某些服务器可能需要额外的环境变量，例如 API 密钥。在这种情况下，AI 工具包在添加工具阶段会失败，并打开一个 mcp.json 文件，您可以在其中按照每个服务器提供的说明输入所需的服务器详细信息。 完成配置后：1. 返回 Tool 部分并选择 + MCP Server 1. 从下拉列表中选择您配置的服务器

8. 选择您要使用的工具。

AI 工具包还提供了一个脚手架来帮助您构建新的 MCP 服务器。该脚手架包括 MCP 协议的基本实现，您可以根据需要进行自定义。

构建新的 MCP 服务器

要构建新的 MCP 服务器，请按照以下步骤操作

1. 在 MCP Workflow 部分中，选择 Create New MCP Server。
2. 从下拉列表中选择一种编程语言：Python 或 TypeScript
3. 选择一个文件夹来创建新的 MCP 服务器项目。
4. 输入 MCP 服务器项目的名称。

创建 MCP 服务器项目后，您可以自定义实现以满足您的需求。该脚手架包括 MCP 协议的基本实现，您可以修改它以添加自己的功能。

您还可以使用代理构建器测试 MCP 服务器。代理构建器将提示发送到 MCP 服务器并显示响应。

按照以下步骤测试 MCP 服务器

1. 打开 VS Code 调试面板。选择 Debug in Agent Builder 或按 F5 开始调试 MCP 服务器。

2. 服务器会自动连接到代理构建器。

3. 使用 AI 工具包代理构建器按照以下说明启用代理

   • “您是一位天气预报专业人士，可以根据给定位置提供天气信息。”

4. 在提示框中输入提示“西雅图的天气怎么样？”并选择发送图标以使用该提示测试服务器。

5. 在代理构建器中观察 MCP 服务器的响应。

使用函数调用

函数调用将您的代理连接到外部 API 和服务。

1. 在 Tool 中，选择 Add Tool，然后选择 Custom Tool。
2. 选择如何添加工具
   • By Example：从 JSON 模式示例添加
   • Upload Existing Schema：上传 JSON 模式文件
3. 输入工具名称和描述，然后选择 Add。
4. 在工具卡中提供模拟响应。

1. 使用函数调用工具运行代理。

通过为测试用例输入模拟响应，在 Evaluation 选项卡中使用函数调用工具。

将提示工程集成到您的应用程序中

在模型和提示上进行实验后，您可以立即使用自动生成的 Python 代码进行编码。

要查看 Python 代码，请按照以下步骤操作

1. 选择 View Code。

2. 对于托管在 GitHub 上的模型，选择您要使用的推理 SDK。

   AI 工具包使用提供商的客户端 SDK 为您选择的模型生成代码。对于 GitHub 托管的模型，您可以选择要使用的推理 SDK：Agent Framework SDK 或来自模型提供商的 SDK，例如 OpenAI SDK 或 Mistral API。

3. 生成的代码片段显示在新编辑器中，您可以将其复制到您的应用程序中。

   要使用模型进行身份验证，您通常需要提供商的 API 密钥。要访问 GitHub 托管的模型，请在您的 GitHub 设置中生成个人访问令牌 (PAT)。

您学到了什么

在本文中，您学习了如何

• 使用适用于 VS Code 的 AI 工具包来测试和调试您的代理。
• 发现、配置和构建 MCP 服务器，以将您的代理连接到外部 API 和服务。
• 设置函数调用以将您的代理连接到外部 API 和服务。
• 实现结构化输出以从您的代理提供可预测的结果。
• 使用生成的代码片段将提示工程集成到您的应用程序中。

后续步骤

• 为流行的评估器运行评估作业