在 AI 工具包中构建代理和提示

注释

Agent Builder 之前被称为 Prompt Builder。更新后的名称更能体现该功能的能力以及其对构建代理的重视。

AI 工具包中的代理构建器简化了构建代理的工程流程，包括提示工程以及与 MCP 服务器等工具的集成。它有助于完成常见的提示工程任务：

  • 实时迭代和优化
  • 通过API提供便捷的代码访问，实现大型语言模型（LLM）无缝集成

代理构建器还通过工具使用增强智能应用的功能：

  • 连接现有的MCP服务器
  • 从支架上构建新的MCP服务器
  • 使用函数调用连接外部 API 和服务

截图显示了Agent Builder接口，具备提示工程和测试功能。

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 工具包视图中，选择代理构建器
  • 在模型目录中的模型卡中选择“在代理构建器中尝试”
  • 在“我的资源”视图中，在模型下，右键选择模型，然后在代理构建器中选择加载

要在代理构建器中测试提示，请按照以下步骤作：

  1. 如果你还没选定模型，可以在Agent Builder的模型下拉列表中选择一个。你也可以选择浏览模型，从模型目录中添加不同的模型。

    截图显示Agent Builder中模型选择下拉菜单。

  2. 输入代理说明。

    使用“说明”栏，明确告诉你的代理人该做什么以及如何做。列出具体任务，按顺序排列，并添加任何特别的指示，比如语气或如何参与。

  3. 通过观察模型响应并对指令进行修改，反复修改指令。

  4. 用语法在指令中添加动态值。例如，添加一个变量，称为user_name并且在你的说明中用到它，比如这样：请以用户姓名向用户致意：.

  5. 在变量部分为变量提供一个值。

  6. 在文本框中输入提示，选择发送图标来测试你的代理人。

  7. 观察模型的反应，并对你的指令做出必要的调整。

使用MCP服务器

MCP服务器是一种工具，允许您连接外部API和服务，使代理能够执行超越文本生成的作。例如，你可以使用MCP服务器访问数据库、调用网络服务或与其他应用程序交互。

使用代理构建器来发现和配置特色MCP服务器，连接现有MCP服务器，或从支架构建新的MCP服务器。

注释

使用MCP服务器可能需要Node或Python环境。AI Toolkit 验证您的环境，确保安装所需的依赖关系。 安装后，使用以下命令NPM install -g NPX安装NPX.如果你更喜欢 Python，我们推荐使用紫外线

配置一个特色MCP服务器

AI Toolkit 提供了一系列特色 MCP 服务器，供您连接外部 API 和服务。

要从精选选项配置MCP服务器，请遵循以下步骤：

  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. 选择 找不到？通过下拉列表浏览更多MCP服务器。截图显示了Agent Builder中连接到MCP服务器接口的过程。

  3. 选择一个符合你需求的MCP服务器。截图显示了Agent Builder中连接到MCP服务器接口的过程。

  4. MCP服务器会在工具部分的MCP子部分添加到你的代理中。

VS Code 中选择工具

  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”。截图显示了Agent Builder中连接到MCP服务器接口的过程。

  3. 选择你想用的工具。截图显示了代理构建器中选择工具界面。

  4. 一个名为VSCode 工具在 MCP 子部分的工具中添加到 Agent 中。

使用现有的MCP服务器

提示

在这些参考服务器中找到MCP服务器。

要使用现有的MCP服务器，请按照以下步骤作：

  1. 在MCP工作流程部分，选择+添加MCP服务器。

  2. 或者在Agent Builder的工具部分，选择为你的代理人添加工具的图标，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. 选择连接现有MCP服务器

  5. 向下滚动到下拉列表底部，查看连接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. 如果有多个工具可用，则从MCP服务器中选择工具。

  7. 在文本框中输入提示，选择发送图标来测试连接。

这里有一个在 AI Toolkit 中配置文件系统服务器的示例：

  1. 在工具部分，选择快速选择中的+MCP服务器。

  2. 选择 找不到？通过下拉列表浏览更多MCP服务器。

  3. 向下滚动到下拉列表底部，选择命令（stdio）

    注释

    一些服务器使用 Python 运行时和UVX指挥部。该过程与使用NPX指挥部。

  4. 进入服务器指令并找到NPX分区。

  5. 复制指挥以及args输入到AI Toolkit的输入框中。以文件系统服务器为例，是npx -y @modelcontextprotocol/server-filesystem /Users/<username>/.aitk/examples

  6. 输入服务器的ID。

  7. 可选地，输入额外的环境变量。 有些服务器可能需要额外的环境变量，比如 API 密钥。在这种情况下，AI Toolkit 在添加工具和文件的阶段失败了mcp.json打开时，你可以按照每个服务器提供的指示输入所需的服务器信息。完成配置Screenshot showing an example of a missing arg exception后： 1. 返回工具部分，选择 + MCP 服务器 1。从下拉列表中选择你配置的服务器

  8. 选择你想用的工具。

连接到MCP服务器

AI Toolkit还提供了一个支架，帮助你构建新的MCP服务器。支架包含了MCP协议的基本实现，您可以根据自身需求进行定制。

构建一个新的MCP服务器

要构建新的MCP服务器，请遵循以下步骤：

  1. 在MCP工作流程部分，选择创建新MCP服务器。
  2. 从下拉列表中选择编程语言：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，你可以根据需求定制实现。支架包含了MCP协议的基本实现，你可以修改它以添加自己的功能。

你也可以用代理构建器测试MCP服务器。代理构建器将提示发送给MCP服务器并显示响应。

按照以下步骤测试MCP服务器：

注释

要在本地开发机上运行MCP服务器，你需要：在你的机器上安装Node.js或Python。

  1. 打开VS Code调试面板。精选Agent Builder 中的调试或者媒体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 Toolkit Agent Builder，按照以下指示启用该代理：

    • “你是能根据指定位置判断天气信息的天气预报专家。”

  4. 在提示框中输入“西雅图天气如何？”，并选择发送图标测试提示的服务器。

  5. 观察代理构建器中MCP服务器的响应。

使用函数调用

函数调用将你的代理连接到外部 API 和服务。

显示“添加自定义功能工具”对话框的截图，包含按示例添加工具或上传模式的选项。

  1. 在工具中，选择添加工具，然后选择自定义工具。
  2. 选择如何添加该工具：
    • 示例：从 JSON 模式示例中添加
    • 上传现有模式：上传一个 JSON 模式文件
  3. 输入工具名称和描述，然后选择添加。
  4. 在工具卡上提供一个模拟回答。

截图显示了一个功能调用工具卡和天气工具配置。

  1. 用函数调用工具运行代理。

在评估标签页中使用函数调用工具，输入测试用例的模拟响应。

显示在评估标签页调用工具的截图。

将提示工程融入你的应用中

在尝试模型和提示词后，你可以直接用自动生成的Python代码开始编程。

显示生成的Python代码的动画GIF。

要查看 Python 代码，请按照以下步骤作：

  1. 选择查看代码。

  2. 对于托管在 GitHub 上的模型，选择你想使用的推理 SDK。

    AI Toolkit 通过使用提供者的客户端 SDK 生成您选择的模型代码。对于由 GitHub 托管的模型，你可以选择使用哪种推理 SDK：Agent Framework SDK 或模型提供者的 SDK，例如 OpenAI SDK 或 Mistral API。

  3. 生成的代码片段会在一个新的编辑器中显示，你可以将其复制到你的应用程序中。

    要用模型认证，通常需要从提供者那里获得API密钥。要访问GitHub托管的模型，请在GitHub设置中生成个人访问令牌（PAT）。

你学到了什么

在本文中，你学到了：

  • 使用VS Code的AI工具包来测试和调试你的代理。
  • 发现、配置并搭建MCP服务器，将你的代理连接到外部API和服务。
  • 设置函数调用，将你的代理连接到外部API和服务。
  • 实施结构化输出，以从你的代理那里获得可预测的结果。
  • 将提示工程与生成的代码片段集成到你的应用中。

下一步