微软最近推出了一个全新的 GitHub 仓库，作为 Microsoft Copilot Studio 生态系统中探索模型上下文协议 (MCP) 的实验室。这一举措标志着在 AI 驱动的辅助和自动化领域向前迈出了重要一步，为开发者提供了一个实践环境，可以试验和利用 MCP 的功能。
理解模型上下文协议 (MCP)
模型上下文协议最初由 AI 开拓者 Anthropic 构思，随后开源，代表了 AI 助手发展中的一个关键标准。它使这些智能代理能够在运行时动态地发现、访问和利用外部工具、数据存储库和功能模块。这种动态能力使组织能够构建定制的 MCP 服务器，有效地将他们的内部资源和工作流程暴露给 AI 助手，同时坚持严格的控制、安全协议和治理策略。新推出的实验室是对这项技术如何在以 Microsoft 为中心的环境中无缝集成的实际演示。
Microsoft Copilot Studio 和 MCP 集成
Copilot Studio 是 Microsoft 的直观低代码平台，用于设计、定制和部署 AI 驱动的代理，最近集成了 MCP 技术，正如上个月强调的那样。据 Microsoft 称，这种集成有助于：
- 无缝数据源连接： 无论您是处理自定义内部 API 还是外部数据提供商，MCP 协议都可确保 Copilot Studio 中平稳可靠的集成。
- 访问蓬勃发展的现有服务器市场： 除了自定义连接器和集成之外，用户现在还可以利用市场上不断扩展的、预构建的、启用 MCP 的连接器存储库。此功能拓宽了与各种工具连接的途径，从而加速和简化了它们的使用。
- 多功能的操作能力： MCP 服务器具有动态地向代理提供工具和数据的能力，从而提高了灵活性，同时减少了维护和集成费用。
Copilot Studio 与 Power Platform 的集成使业务用户和经验丰富的开发人员都能够创建作为独立助手、在 Power Platform 应用程序中或嵌入在其他应用程序（例如 Microsoft Teams 或网站）中运行的代理。这种多功能性突出了该平台对各种用例和部署场景的适应性。
Copilot Studio 的最新增强
Microsoft 一直积极致力于增强 Copilot Studio 的功能，最近推出了“计算机使用”功能的早期访问研究预览版。这项创新功能使 AI 代理能够以可视方式与应用程序或网站进行交互，模仿人类般的交互，例如单击、键入和导航。同时，该公司推出了一个新的 C# SDK 用于 MCP，进一步巩固了其对围绕该协议建立强大的开发生态系统的承诺。
这些进步共同使 Copilot Studio 成为代理 AI 开发的强大平台，这一领域最近受到了广泛关注。新 GitHub 存储库的引入与这一轨迹无缝对齐，为开发人员提供了探索和利用 Copilot Studio 框架内 MCP 潜力的必要资源和工具。
Microsoft Copilot Studio ❤️ MCP 存储库
Microsoft Copilot Studio ❤️ MCP 存储库包含各种示例和示例代码，旨在帮助开发人员开展工作。具体来说，它使他们能够使用 Power Platform 连接器框架创建、部署 MCP 服务器并将其连接到 Microsoft Copilot Studio。
此集成利用现有的 Power Platform 连接器框架，该框架通过标准化、受监管的 API 促进 Microsoft Power Platform 应用程序和外部服务之间的安全且可重复使用的集成。此框架确保不同系统之间的数据交换和交互符合已建立的安全协议和治理策略。
协同技术：MCP 和 Power Platform 连接器
Microsoft 在 4 月 28 日发布的公告强调了这两种技术之间的协同关系，强调了它们如何相互补充以提供增强的用户体验。传统连接器提供对已知服务的安全和受监管的访问，而 MCP 通过使助手能够按需发现和利用新工具来引入动态的运行时可扩展性。通过将 MCP 服务器封装在熟悉的连接器框架中，开发人员可以在不损害安全性、合规性或控制的情况下扩展 Copilot Studio 的功能，从而在受信任的企业边界内获得更具适应性和效力的 AI 体验。
这种方法在创新需求和维护安全合规环境的必要性之间取得了微妙的平衡。它使开发人员能够利用最新的 AI 技术，同时遵守已建立的治理策略和安全协议。
开发人员的实用指南
Microsoft 在实验室中提供了详细的指导，引导开发人员完成以下关键流程：
- 部署 MCP 服务器： 有关设置能够处理数据、模型和交互的服务器的全面说明。这包括配置服务器环境、部署必要的软件组件以及建立服务器和其他系统之间的通信通道。
- 创建自定义连接器： 有关利用连接器基础结构在 MCP 服务器和 Copilot Studio 之间建立链接的指南。这涉及定义连接器的属性、指定身份验证方法以及配置 MCP 服务器和 Copilot Studio 之间的数据映射。
- 与 Copilot Studio 集成： 有关将 MCP 服务器作为 Copilot Studio 中的操作添加的详细步骤，使代理能够访问服务器提供的工具和数据。这包括定义操作的输入参数、指定输出数据以及配置操作的执行逻辑。
通过执行这些步骤，开发人员可以将他们的 MCP 服务器与 Copilot Studio 无缝集成，从而使他们的 AI 代理能够利用底层数据和工具的全部潜力。
利用 MCP 实验室的先决条件
要有效利用 MCP 实验室，开发人员需要满足以下先决条件：
- Azure 订阅（已添加付款方式）： 需要一个有效的 Azure 订阅才能部署和托管 MCP 服务器及相关资源。订阅必须具有与之关联的有效付款方式，以支付所用 Azure 服务的费用。
- GitHub 帐户和登录名： 需要一个 GitHub 帐户才能访问 Microsoft Copilot Studio ❤️ MCP 存储库并下载示例代码和示例。开发人员必须登录到他们的 GitHub 帐户才能与存储库进行交互。
- Copilot Studio 试用版或开发人员帐户： 需要一个 Copilot Studio 试用版或开发人员帐户才能访问和使用 Copilot Studio 平台。此帐户提供对平台功能和特性的访问权限，使开发人员能够设计、构建和部署 AI 驱动的代理。
- 已预配 Power Platform 环境： 需要一个已预配的 Power Platform 环境来创建和管理将 MCP 服务器与 Copilot Studio 链接的连接器。此环境为开发和部署 Power Platform 应用程序和连接器提供了必要的基础结构和服务。
这些先决条件确保开发人员拥有必要的资源和访问权限，可以有效利用 MCP 实验室并探索 MCP 和 Copilot Studio 之间的集成。
一个实际示例：讲笑话的助手
作为集成过程的一个实际示例，Microsoft 重点介绍了创建 Copilot Studio 代理，该代理通过从 MCP 服务器获取笑话来讲述笑话。这个有趣且引人入胜的示例为开发人员提供了对集成如何工作以及该技术的潜在应用的切实理解。
在实验室结束时，开发人员将拥有一个功能齐全的 Copilot Studio 代理，该代理利用 MCP 服务器来传递笑话，从而展示了集成的强大功能和灵活性。
深入研究 MCP 服务器部署
部署 MCP 服务器涉及一系列步骤，每个步骤都有助于服务器的功能和可访问性。该过程通常从选择合适的托管环境开始，例如 Azure Web Apps，它为部署 Web 应用程序提供了一个可扩展且可靠的平台。
选择托管环境后，开发人员需要配置服务器的设置，包括网络配置、安全设置和资源分配。这些设置决定了服务器如何与外界交互以及如何利用可用资源。
接下来，需要安装和配置 MCP 服务器软件。这涉及下载必要的软件包、将它们安装在服务器上以及配置服务器的设置以符合应用程序的特定要求。
最后，需要测试和验证 MCP 服务器，以确保它运行正常。这涉及将测试请求发送到服务器并验证它是否以预期的结果响应。
制作自定义连接器以实现无缝集成
创建自定义连接器是将 MCP 服务器与 Copilot Studio 集成的关键步骤。连接器充当中间人，促进两个系统之间的通信并实现数据交换。
创建自定义连接器的过程通常涉及定义连接器的元数据，包括其名称、描述和图标。此元数据可帮助用户识别和了解连接器的用途。
接下来，需要配置连接器的身份验证设置。这确定了连接器如何与 MCP 服务器进行身份验证并获得访问其资源的必要权限。
身份验证后，需要定义连接器的操作。操作表示连接器可以在 MCP 服务器上执行的特定操作，例如检索数据、创建新记录或更新现有记录。
最后，需要测试和验证连接器，以确保它运行正常。这涉及将测试请求发送到连接器并验证它是否按预期与 MCP 服务器交互。
将 MCP 服务器集成到 Copilot Studio 工作流中
将 MCP 服务器集成到 Copilot Studio 工作流中使 AI 代理能够利用服务器提供的数据和功能。这种集成可以显著增强代理的功能，使他们能够执行更复杂的任务并提供更具洞察力的响应。
集成过程通常涉及将 MCP 服务器作为操作添加到 Copilot Studio 主题中。主题表示代理可以参与的不同对话流程。
将 MCP 服务器操作添加到主题后，可以将其配置为接收来自用户的输入并将数据发送到 MCP 服务器。然后，服务器处理数据并返回响应，该响应随后显示给用户。
这种集成允许 AI 代理无缝访问和利用 MCP 服务器提供的资源，使他们能够执行各种任务，并为用户提供更全面和个性化的体验。
采用 MCP 的更广泛影响
采用模型上下文协议对 AI 助手和代理 AI 开发的未来具有深远的影响。通过提供一种标准化机制，使 AI 代理能够发现和利用外部资源，MCP 促进了一个更加开放和可互操作的生态系统。
这种互操作性使开发人员能够创建更复杂和通用的 AI 代理，这些代理可以与各种系统和数据源无缝集成。它还通过减少新开发人员的进入壁垒并使他们能够利用现有资源和功能来促进创新。
此外，MCP 通过为管理对外部资源的访问提供集中的控制点来增强 AI 系统的安全性和治理。这确保 AI 代理仅访问他们有权访问的资源，并且所有交互都已记录和审计。
总之，Microsoft 的 Copilot Studio 模型上下文协议实验室代表了 AI 驱动的辅助和自动化发展中的一个重要步骤。通过为开发人员提供一个实践环境来探索和利用 MCP 的功能，Microsoft 正在促进创新并加速采用这种变革性技术。MCP 与 Copilot Studio 和 Power Platform 的集成使开发人员能够创建更复杂、通用和安全的 AI 代理，这些代理可以与各种系统和数据源无缝集成。AI 助手的未来无疑与 MCP 等标准的持续开发和采用息息相关。