Model Context Protocol (MCP) pro začátečníky

April 12, 2026 · View on GitHub

Tato studijní příručka poskytuje přehled struktury a obsahu repozitáře pro kurz „Model Context Protocol (MCP) pro začátečníky“. Použijte tuto příručku k efektivní navigaci v repozitáři a plnému využití dostupných zdrojů.

Přehled repozitáře

Model Context Protocol (MCP) je standardizovaný rámec pro interakce mezi AI modely a klientskými aplikacemi. Původně vytvořený společností Anthropic je MCP nyní udržován širší komunitou MCP prostřednictvím oficiální GitHub organizace. Tento repozitář nabízí komplexní kurz s praktickými příklady kódu v C#, Javě, JavaScriptu, Pythonu a TypeScriptu, určený pro AI vývojáře, systémové architekty a softwarové inženýry.

Vizualizace učebního plánu

mindmap
  root((MCP pro začátečníky))
    00. Úvod
      ::icon(fa fa-book)
      (Přehled protokolu)
      (Výhody standardizace)
      (Reálné scénáře použití)
      (Základy integrace AI)
    01. Základní koncepty
      ::icon(fa fa-puzzle-piece)
      (Architektura klient-server)
      (Komponenty protokolu)
      (Vzory zpráv)
      (Přenosové mechanismy)
      (Úkoly - experimentální)
      (Anotace nástrojů)
    02. Bezpečnost
      ::icon(fa fa-shield)
      (Specifické hrozby AI)
      (Nejlepší praktiky 2025)
      (Azure Content Safety)
      (Autentizace a autorizace)
      (Microsoft Prompt Shields)
      (OWASP MCP Top 10)
      (Sherpa bezpečnostní workshop)
    03. Začínáme
      ::icon(fa fa-rocket)
      (První implementace serveru)
      (Vývoj klienta)
      (Integrace LLM klienta)
      (Rozšíření VS Code)
      (Nastavení SSE serveru)
      (HTTP streamování)
      (Integrace AI nástrojů)
      (Testovací rámce)
      (Pokročilé použití serveru)
      (Jednoduchá autentizace)
      (Strategie nasazení)
      (Nastavení MCP hostitelů)
      (MCP inspektor)
    04. Praktická implementace
      ::icon(fa fa-code)
      (SDK pro více jazyků)
      (Testování a ladění)
      (Šablony promptů)
      (Ukázkové projekty)
      (Produkční vzory)
      (Strategie stránkování)
    05. Pokročilá témata
      ::icon(fa fa-graduation-cap)
      (Inženýrství kontextu)
      (Integrace Foundry agenta)
      (Více-modalitní AI workflow)
      (OAuth2 autentizace)
      (Vyhledávání v reálném čase)
      (Streamingové protokoly)
      (Root kontexty)
      (Strategie směrování)
      (Vzorkovací techniky)
      (Řešení škálování)
      (Zesílení bezpečnosti)
      (Integrace Entra ID)
      (Webové vyhledávání MCP)
      (Hloubkový pohled na funkce protokolu)
      (Adversariální multi-agentní uvažování)
      
    06. Komunita
      ::icon(fa fa-users)
      (Příspěvky do kódu)
      (Dokumentace)
      (Ekosystém MCP klientů)
      (Registr MCP serverů)
      (Nástroje pro generování obrázků)
      (Spolupráce na GitHubu)
    07. Raná adopce
      ::icon(fa fa-lightbulb)
      (Produkční nasazení)
      (Microsoft MCP servery)
      (Azure MCP služba)
      (Podnikové případové studie)
      (Budoucí plán)
    08. Nejlepší praktiky
      ::icon(fa fa-check)
      (Optimalizace výkonu)
      (Odolnost vůči chybám)
      (Ochrana systému)
      (Monitorování a pozorovatelnost)
    09. Případové studie
      ::icon(fa fa-file-text)
      (Azure API Management)
      (AI cestovní agent)
      (Integrace Azure DevOps)
      (Dokumentace MCP)
      (Registr MCP na GitHubu)
      (Integrace VS Code)
      (Reálné implementace)
    10. Praktický workshop
      ::icon(fa fa-laptop)
      (Základy MCP serveru)
      (Pokročilý vývoj)
      (Integrace AI nástrojů)
      (Produkční nasazení)
      (Struktura 4 laboratoří)
    11. Laboratoře integrace databází
      ::icon(fa fa-database)
      (Integrace PostgreSQL)
      (Použití v maloobchodní analýze)
      (Bezpečnost na úrovni řádků)
      (Sémantické vyhledávání)
      (Produkční nasazení)
      (Struktura 13 laboratoří)
      (Praktické učení)

Struktura repozitáře

Repozitář je uspořádán do jedenácti hlavních sekcí, z nichž každá se zaměřuje na odlišné aspekty MCP:

Úvod (00-Introduction/)
- Přehled Model Context Protocolu
- Proč je standardizace důležitá v AI pipelinech
- Praktické případy použití a výhody
Základní koncepty (01-CoreConcepts/)
- Architektura klient-server
- Klíčové komponenty protokolu
- Komunikační vzory v MCP
Bezpečnost (02-Security/)
- Bezpečnostní hrozby v systémech založených na MCP
- Nejlepší postupy pro zabezpečení implementací
- Strategie autentizace a autorizace
- Komplexní dokumentace k bezpečnosti:
  - MCP Security Best Practices 2025
  - Azure Content Safety Implementation Guide
  - MCP Security Controls and Techniques
  - MCP Best Practices Quick Reference
- Klíčová témata bezpečnosti:
  - Útoky typu vložení promptu a otrava nástrojů
  - Únos sezení a problém "confused deputy"
  - Zranitelnosti při průchodu tokenů
  - Nadměrná oprávnění a kontrola přístupu
  - Bezpečnost dodavatelského řetězce pro AI komponenty
  - Integrace Microsoft Prompt Shields
Začínáme (03-GettingStarted/)
- Nastavení a konfigurace prostředí
- Vytvoření základních MCP serverů a klientů
- Integrace do stávajících aplikací
- Obsahuje sekce pro:
  - První implementaci serveru
  - Vývoj klienta
  - Integraci klienta LLM
  - Integraci s VS Code
  - Server-Sent Events (SSE) server
  - Pokročilé použití serveru
  - HTTP streamování
  - Integraci AI Toolkit
  - Testovací strategie
  - Nasazovací pokyny
Praktická implementace (04-PracticalImplementation/)
- Použití SDK v různých programovacích jazycích
- Ladění, testování a ověřování
- Tvorba opakovaně použitelných šablon promptů a pracovních postupů
- Vzorové projekty s příklady implementací
Pokročilá témata (05-AdvancedTopics/)
- Techniky inženýrství kontextu
- Integrace agenta Foundry
- Multi-modální AI pracovní postupy
- Demonstrace autentizace OAuth2
- Funkce vyhledávání v reálném čase
- Streamování v reálném čase
- Implementace root kontextů
- Směrovací strategie
- Techniky vzorkování
- Přístupy ke škálování
- Bezpečnostní aspekty
- Integrace bezpečnosti Entra ID
- Integrace webového vyhledávání
- Argumentační multi-agentní uvažování (vzor debaty)
Příspěvky komunity (06-CommunityContributions/)
- Jak přispívat kódem a dokumentací
- Spolupráce přes GitHub
- Vylepšení a zpětná vazba řízená komunitou
- Používání různých MCP klientů (Claude Desktop, Cline, VSCode)
- Práce s populárními MCP servery včetně generování obrázků
Lekce z raného přijetí (07-LessonsfromEarlyAdoption/)
- Implementace a úspěšné příběhy z praxe
- Vývoj a nasazení řešení založených na MCP
- Trendy a budoucí plán
- Průvodce Microsoft MCP servery: komplexní průvodce 10 produkčně připravenými Microsoft MCP servery včetně:
  - Microsoft Learn Docs MCP Server
  - Azure MCP Server (15+ specializovaných konektorů)
  - GitHub MCP Server
  - Azure DevOps MCP Server
  - MarkItDown MCP Server
  - SQL Server MCP Server
  - Playwright MCP Server
  - Dev Box MCP Server
  - Azure AI Foundry MCP Server
  - Microsoft 365 Agents Toolkit MCP Server
Nejlepší postupy (08-BestPractices/)
- Ladění výkonu a optimalizace
- Návrh odolných MCP systémů
- Testování a strategie odolnosti
Případové studie (09-CaseStudy/)
- Sedm komplexních případových studií demonstrujících všestrannost MCP v různých scénářích:
- Azure AI Travel Agents: Multi-agentní orchestrací s Azure OpenAI a AI Search
- Integrace Azure DevOps: Automatizace pracovních procesů s aktualizacemi dat z YouTube
- Získávání dokumentace v reálném čase: Python konzolový klient s HTTP streamováním
- Interaktivní generátor studijního plánu: webová aplikace Chainlit s konverzační AI
- Dokumentace v editoru: Integrace VS Code s workflows GitHub Copilot
- Azure API Management: Podniková API integrace s tvorbou MCP serveru
- GitHub MCP Registry: Vývoj ekosystému a platforma pro agentní integraci
- Příklady implementace zahrnující podnikovou integraci, produktivitu vývojářů a rozvoj ekosystému
Praktický workshop (10-StreamliningAIWorkflowsBuildingAnMCPServerWithAIToolkit/)
- Komplexní praktický workshop spojující MCP s AI Toolkit
- Vývoj inteligentních aplikací propojujících AI modely s reálnými nástroji
- Praktické moduly pokrývající základy, vývoj vlastního serveru a produkční nasazení
- Struktura laboratoře:
  - Laboratoř 1: Základy MCP serveru
  - Laboratoř 2: Pokročilý vývoj MCP serveru
  - Laboratoř 3: Integrace AI Toolkitu
  - Laboratoř 4: Produkční nasazení a škálování
- Laboratorní přístup s krok za krokem instrukcemi
Laboratoře integrace MCP serveru s databází (11-MCPServerHandsOnLabs/)
- Komplexní 13-laboratorní učební cesta pro vývoj produkčně připravených MCP serverů s integrací PostgreSQL
- Implementace reálné analýzy maloobchodu s využitím případu užití Zava Retail
- Podnikové vzory zahrnující Row Level Security (RLS), sémantické vyhledávání a multi-tenantní přístup k datům
- Úplná struktura laboratoří:
  - Laboratoře 00-03: Základy – Úvod, Architektura, Bezpečnost, Nastavení prostředí
  - Laboratoře 04-06: Stavba MCP serveru – Návrh databáze, Implementace MCP serveru, Vývoj nástrojů
  - Laboratoře 07-09: Pokročilé funkce – Sémantické vyhledávání, Testování a debugování, Integrace VS Code
  - Laboratoře 10-12: Produkce a nejlepší praxe – Nasazení, Monitoring, Optimalizace
- Použité technologie: framework FastMCP, PostgreSQL, Azure OpenAI, Azure Container Apps, Application Insights
- Výsledky učení: Produkčně připravené MCP servery, vzory pro integraci databází, analytika poháněná AI, podniková bezpečnost

Další zdroje

Repozitář obsahuje podpůrné zdroje:

Složka obrázků: Obsahuje schémata a ilustrace použité v celém kurzu
Překlady: Vícejazyčná podpora s automatickými překlady dokumentace
Oficiální zdroje MCP:

Jak používat tento repozitář

Sekvenční učení: Následujte kapitoly v pořadí (00 až 11) pro strukturovaný výukový zážitek.
Zaměření na konkrétní jazyk: Pokud vás zajímá konkrétní programovací jazyk, prozkoumejte složky se vzory implementací pro váš preferovaný jazyk.
Praktická implementace: Začněte sekcí „Začínáme“ pro nastavení prostředí a vytvoření prvního MCP serveru a klienta.
Pokročilé prozkoumání: Po zvládnutí základů se ponořte do pokročilých témat pro rozšíření znalostí.
Zapojení komunity: Připojte se ke komunitě MCP prostřednictvím diskuzí na GitHubu a kanálů Discord pro spojení s odborníky a dalšími vývojáři.

MCP klienti a nástroje

Kurz pokrývá různé MCP klienty a nástroje:

Oficiální klienti:
- Visual Studio Code
- MCP ve Visual Studio Code
- Claude Desktop
- Claude ve VSCode
- Claude API
Klienti komunity:
- Cline (terminálový)
- Cursor (editor kódu)
- ChatMCP
- Windsurf
Nástroje pro správu MCP:
- MCP CLI
- MCP Manager
- MCP Linker
- MCP Router

Populární MCP servery

Repozitář představuje různé MCP servery, mezi nimi:

Oficiální Microsoft MCP servery:
- Microsoft Learn Docs MCP Server
- Azure MCP Server (15+ specializovaných konektorů)
- GitHub MCP Server
- Azure DevOps MCP Server
- MarkItDown MCP Server
- SQL Server MCP Server
- Playwright MCP Server
- Dev Box MCP Server
- Azure AI Foundry MCP Server
- Microsoft 365 Agents Toolkit MCP Server
Oficiální referenční servery:
- Filesystem
- Fetch
- Memory
- Sequential Thinking
Generování obrázků:
- Azure OpenAI DALL-E 3
- Stable Diffusion WebUI
- Replicate
Vývojové nástroje:
- Git MCP
- Terminal Control
- Code Assistant
Specializované servery:
- Salesforce
- Microsoft Teams
- Jira & Confluence

Přispívání

Tento repozitář vítá příspěvky od komunity. Viz sekce Příspěvky komunity pro pokyny, jak efektivně přispívat k MCP ekosystému.

Tato studijní příručka byla naposledy aktualizována 5. února 2026, zohledňuje nejnovější specifikaci MCP 2025-11-25 a poskytuje přehled repozitáře k tomuto datu. Obsah repozitáře může být po tomto datu aktualizován.

Prohlášení o vyloučení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho rodném jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.