歡迎來到 🤗 模型上下文協議 (MCP) 課程

歡迎來到當今 AI 領域最令人興奮的話題：模型上下文協議 (Model Context Protocol, MCP)！

本免費課程與 Anthropic 合作開發，將帶領您踏上旅程，從初學者到具備相關知識的開發者，學習如何理解、使用並使用 MCP 構建應用程式。

第一個單元將協助您完成入職引導：

• 探索課程大綱。
• 獲取有關認證流程和時間表的更多資訊。.
• 了解課程背後的團隊。
• 建立您的帳號。
• 加入我們的 Discord 伺服器，認識同學並與我們交流。

讓我們開始吧！

本課程的預期目標為何？

在本課程中，您將：

• 📖 從理論、設計和實踐層面研究模型上下文協議。
• 🧑‍💻 學習使用成熟的 MCP SDK 和框架。
• 💾 分享您的專案並探索社群創建的應用程式。
• 🏆 參加挑戰賽，將您的 MCP 實作與其他學員進行比較評估。
• 🎓 透過完成作業獲得結業證書。

以及更多內容！

課程結束後，您將理解 MCP 的運作方式，以及如何利用最新的 MCP 標準構建運用外部資料和工具的 AI 應用程式。

別忘了報名參加本課程！

課程形式為何？

課程包含：

• 基礎單元：學習 MCP 的理論概念。
• 實作練習：學習使用既有的 MCP SDK 來構建應用程式。這些實作部分將提供預先配置好的環境。
• 案例作業：應用所學知識來解決您選擇的實際問題。
• 合作專案：我們與 Hugging Face 的合作夥伴共同開發，為您提供最新的 MCP 實作與工具。

本課程是一個持續更新的專案，會隨著您的回饋與貢獻而不斷演進！歡迎在 GitHub 上開啟 Issues 和 PR，並在我們的 Discord 伺服器中參與討論。

課程大綱為何？

以下是本課程的總綱。更詳細的主題列表將隨每個單元發布。

章節	主題	說明
0	入職引導	協助您設定將使用的工具與平台。
1	MCP 基礎、架構與核心概念	解釋模型上下文協議的核心概念、架構與組件。展示一個簡單的 MCP 使用案例。
2	端到端使用案例：MCP 實戰	構建一個可與社群分享的簡單端到端 MCP 應用程式。
3	部署使用案例：MCP 實戰	利用 Hugging Face 生態系統與合作夥伴的服務，構建並部署一個 MCP 應用程式。
4	額外單元	額外單元旨在協助您從課程中獲得更多收穫，學習如何使用合作夥伴的函式庫與服務。

先決條件為何？

為了順利跟上本課程，您應該具備：

• 對 AI 和 LLM 概念的基本理解
• 熟悉軟體開發原則和 API 概念
• 至少一種程式語言的經驗（課程將提供 Python 或 TypeScript 範例）

如果您尚未具備以上條件，請別擔心！以下是一些可以協助您的資源：

• LLM 課程：將帶領您了解使用 LLM 構建應用程式的基礎知識。
• AI 代理課程：將帶領您學習如何使用 LLM 構建 AI 代理。

上述課程本身並非強制的先決條件，如果您已經了解 LLM 和 AI 代理的概念，現在就可以開始本課程！

我需要什麼工具？

您只需要兩樣東西：

• 一台電腦並連接網際網路。
• 一個帳號：用於存取課程資源並建立專案。如果您還沒有帳號，可以在此處建立（免費）。

認證流程

您可以選擇以審計模式 (audit mode) 跟隨本課程，或完成活動以獲得我們將發放的兩種證書之一。如果您選擇審計課程，您可以參加所有挑戰並按需完成作業，無需通知我們。

認證流程完全免費。

• 若要獲得基礎認證：您需要完成課程的第 1 單元。此認證旨在幫助學員掌握 MCP 的最新趨勢，而無需構建完整的應用程式。
• 若要獲得結業證書：您需要完成使用案例單元（第 2 和 3 單元）。此證書旨在鼓勵希望構建完整應用程式並與社群分享的學員。

建議進度為何？

本課程的每一章設計為一週內完成，每週大約需要 3-4 小時的學習時間。

由於有截止期限，我們提供您一個建議進度。

如何從課程中獲得最大收穫？

為了讓學習效果最大化，我們有一些建議：

1. 加入 Discord 的學習小組：小組學習總是比較容易。請務必加入我們的 Discord 伺服器並驗證您的帳號。
2. 完成測驗與作業：學習的最佳途徑是透過實作練習與自我評估。
3. 制定時間表以保持進度：您可以使用我們下方建議的進度表，或自行規劃。

關於我們

關於作者

Ben Burtenshaw

Ben 是 Hugging Face 的機器學習工程師，專注於構建 LLM 應用程式、後期訓練 (post-training) 以及代理式 (agentic) 方法。請在 Hub 上追蹤 Ben 以查看他的最新專案。

Alex Notov

Alex 是 Anthropic 的技術夥伴支援負責人，並參與了本課程第 3 單元的編寫。Alex 負責培訓 Anthropic 的合作夥伴，使其掌握在應用案例中使用 Claude 的最佳實踐。請在 LinkedIn 和 GitHub 上追蹤 Alex。

致謝

我們衷心感謝以下個人與合作夥伴所提供的寶貴貢獻與支持。

• Gradio
• 繼續
• Llama.cpp
• Anthropic

我發現錯誤或想改進課程

歡迎貢獻 🤗

• 如果您在 Notebook 中發現錯誤 🐛，請開啟 Issue 並描述問題。
• 如果您想要改進課程，可以發送 Pull Request。
• 如果您想要新增一個完整的章節或新的單元，最好的方式是開啟 Issue 並在開始編寫之前描述您想要新增的內容，以便我們可以為您提供指導。

我還有其他問題

請在我們的 Discord 伺服器 #mcp-course-questions 中提出您的問題。

既然您已經掌握了所有資訊，讓我們開始這趟旅程吧 ⛵

< > 在 GitHub 上更新