在 AI Toolkit 中构建代理和提示

AI Toolkit 中的 Agent Builder 简化了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。它有助于处理常见的提示工程任务。

• 实时迭代和优化
• 提供对代码的轻松访问，以便通过 API 无缝集成大型语言模型 (LLM)。

Agent Builder 还通过工具使用增强了智能应用程序的功能。

• 连接到现有的 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 Agent Builder，请使用以下任一选项：

• 在 AI Toolkit 视图中，选择 Agent Builder。
• 在模型目录的模型卡片中，选择 在 Agent Builder 中试用。
• 在“我的资源”视图中，在“模型”下，右键单击模型并选择“在 Agent Builder 中加载”。

要在 Agent Builder 中测试提示，请按照以下步骤操作：

1. 如果您尚未选择模型，请在 Agent Builder 的“模型”下拉列表中选择一个。您还可以选择“浏览模型”以从模型目录添加不同的模型。

   

2. 输入代理指令。

   使用“指令”字段来确切告知您的代理要执行什么操作以及如何执行。列出具体任务，按顺序排列，并添加任何特殊说明，例如语气或交互方式。

3. 通过观察模型响应并修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，并像这样在指令中使用它：按姓名问候用户：。

5. 在“变量”部分为变量提供一个值。

6. 在文本框中输入提示，然后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，从而使您的代理能够执行超越文本生成的操作。例如，您可以使用 MCP 服务器访问数据库、调用 Web 服务或与其他应用程序交互。

使用 Agent Builder 来发现和配置精选的 MCP 服务器、连接到现有的 MCP 服务器或从脚手架构建新的 MCP 服务器。

配置精选的 MCP 服务器

AI Toolkit 提供了一系列精选的 MCP 服务器，您可以使用它们来连接到外部 API 和服务。

要从精选选项中配置 MCP 服务器，请按照以下步骤操作：

1. 在“工具”部分，选择“+ MCP 服务器”，然后在“快速选择”中选择“MCP 服务器”。

2. 从下拉列表中选择“找不到？浏览更多 MCP 服务器”。

3. 选择满足您需求的 MCP 服务器。

4. MCP 服务器将添加到您的代理中，位于“工具”下的“MCP”子部分。

从 VS Code 选择工具

1. 在“工具”部分，选择“+ MCP 服务器”，然后在“快速选择”中选择“MCP 服务器”。

2. 从下拉列表中选择“使用 Visual Studio Code 中添加的工具”。

3. 选择要使用的工具。

4. 一个名为 VSCode Tools 的 MCP 服务器工具将添加到您的代理中，位于“工具”下的“MCP”子部分。

使用现有的 MCP 服务器

要使用现有的 MCP 服务器，请按照以下步骤操作：

1. 在“MCP 工作流”部分，选择“+ 添加 MCP 服务器”。

2. 或者，在 Agent Builder 的“工具”部分，选择“+”图标为您的代理添加工具，然后在“快速选择”中选择“+ 添加服务器”。

3. 在“快速选择”中选择“MCP 服务器”。

4. 选择“连接到现有 MCP 服务器”。

5. 向下滚动到下拉列表的底部，以获取连接到 MCP 服务器的选项。

   • 命令 (stdio)：运行实现 MCP 协议的本地命令。
   • HTTP (HTTP 或服务器发送事件)：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，请从中选择工具。

7. 在文本框中输入您的提示，然后选择发送图标以测试连接。

以下是在 AI Toolkit 中配置 文件系统 服务器的示例。

1. 在“工具”部分，在“快速选择”中选择“+ MCP 服务器”。

2. 从下拉列表中选择“找不到？浏览更多 MCP 服务器”。

3. 向下滚动到下拉列表的底部，然后选择“命令 (stdio)”。

   注意

   一些服务器使用 Python 运行时和 uvx 命令。该过程与使用 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 Toolkit 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. 为服务器输入 ID。

7. 可选地，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 Toolkit 将在添加工具阶段失败，并且会打开一个名为 mcp.json 的文件，您可以在其中根据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. 导航回“工具”部分并选择“+ MCP 服务器” 1. 从下拉列表中选择您配置的服务器。

8. 选择要使用的工具。

AI Toolkit 还提供了一个脚手架来帮助您构建新的 MCP 服务器。该脚手架包含 MCP 协议的基本实现，您可以对其进行自定义以满足您的需求。

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 工作流”部分，选择“创建新 MCP 服务器”。
2. 从下拉列表中选择一种编程语言：Python 或 TypeScript。
3. 选择一个文件夹以在此处创建新的 MCP 服务器项目。
4. 为 MCP 服务器项目输入名称。

创建 MCP 服务器项目后，您可以自定义实现以满足您的需求。脚手架包含 MCP 协议的基本实现，您可以对其进行修改以添加自己的功能。

您还可以使用 Agent Builder 来测试 MCP 服务器。Agent Builder 会将提示发送到 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 在 Agent Builder 中调试 或按 F5 开始调试 MCP 服务器。

2. 服务器会自动连接到 Agent Builder。

3. 使用 AI Toolkit Agent Builder，根据以下说明启用代理：

   • "您是一位气象预报专家，能够根据给定地点提供天气信息。"。

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

5. 在 Agent Builder 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“工具”中，选择“添加工具”，然后选择“自定义工具”。
2. 选择如何添加工具：
   • 通过示例：从 JSON schema 示例添加。
   • 上传现有模式：上传 JSON schema 文件。
3. 输入工具名称和描述，然后选择“添加”。
4. 在工具卡片中提供模拟响应。

1. 运行带有函数调用工具的代理。

在“评估”选项卡中使用函数调用工具，输入测试用例的模拟响应。

将提示工程集成到您的应用程序中

在尝试了模型和提示后，您可以立即通过自动生成的 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“查看代码”。

2. 对于托管在 GitHub 上的模型，请选择您要使用的推理 SDK。

   AI Toolkit 会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。

   要进行模型身份验证，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 VS Code 的 AI Toolkit 来测试和调试您的代理。
• 发现、配置和构建 MCP 服务器，将您的代理连接到外部 API 和服务。
• 设置函数调用，将您的代理连接到外部 API 和服务。
• 实现结构化输出，从您的代理中获得可预测的结果。
• 通过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

• 运行评估作业 以使用热门的评估程序。