MCP開發全攻略：打造懂指令、會協作的AI系統 (1版)

類似書籍推薦給您

【簡介】 ? AI開發正式進入MCP時代，效率與創造力全面升級！ 從基礎架構、SDK整合、伺服器開發到實戰應用， 一次掌握Model Context Protocol的核心技術與開發實戰。?? MCP（Model Context Protocol）是AI應用開發的新時代標準，讓開發者能以統一的協定與介面，輕鬆整合大型語言模型（LLM）、工具與資料來源，打造出更聰明、更穩定、可擴充的AI應用。 本書完整解析MCP的技術核心與開發實戰，從觀念到應用一次到位！ ◆ 基礎入門：掌握MCP的架構原理與實際應用場景 ◆ 環境建構：以Claude桌面應用為核心，設定並測試MCP伺服器 ◆ 實戰開發：從零打造「天氣預報MCP伺服器」實例 ◆ 開發工具：深入MCP SDK與Inspector的強大功能 ◆ 應用拓展：整合多元生態系，開創新型AI服務與內容生成 想讓AI「不只會回答，更能理解與協作」，本書就是你掌握MCP時代開發關鍵的實戰指南。【目錄】 Chapter 01 認識MCP 1.1 MCP簡介 1.2 MCP的發展歷程 1.3 MCP應用場景 1.4 總結 Chapter 02 MCP的基礎概念 2.1 MCP核心架構 2.2 資源 2.3 提示 2.4 工具 2.5 取樣 2.6 根目錄 2.7 總結 Chapter 03 MCP SDK 3.1 SDK的發展歷程 3.2 SDK的核心價值 3.3 MCP的多語言SDK生態 3.4 SDK快速入門 3.5 總結 Chapter 04 基於Claude桌面應用配置MCP伺服器 4.1 基礎配置 4.2 MCP伺服器配置實例 4.3 Claude MCP常見問題排除 4.4 總結 Chapter 05 MCP伺服器開發指引 5.1 MCP伺服器開發基礎 5.2 開發一款天氣預報MCP伺服器 5.3 總結 Chapter 06 MCP Inspector工具的使用 6.1 Inspector基礎 6.2 核心功能使用 6.3 最佳實務 6.4 總結 Chapter 07 MCP生態系統 7.1 MCP主機應用 7.2 領域應用 7.3 開發者工具與服務 7.4 MCP廣場 7.5 總結 Chapter 08 MCP應用實務 8.1 高效軟體開發 8.2 創意內容生成 8.3 總結

AI Agent奇幻旅程: MCP通往異世界金鑰含最新OpenAI GPT-5範例 (1版)

類似書籍推薦給您

【簡介】 【本書特色】 •一本專屬 AI Agent 與 MCP 的開發實戰手冊 •從 Single-Agent 到 Multi-Agent •深入解析 Agent 與 MCP(Model Context Protocol) 的設計與實作 首本 MCP 多平台整合實戰書──OpenAI 只是起點！ 一次搞懂 AI Agent、Function Calling 與 MCP 本書含最新 OpenAI GPT-5 範例 《AI Agent 奇幻旅程》集結七大章、五位實戰講師，從宏觀願景到微觀程式碼完整展示 AI Agent 與 MCP 的威力。本書不僅描繪 AI 代理的未來藍圖，更以 OpenAI Agent SDK、Claude Desktop、Semantic Kernel、GitHub Copilot、Line 等熱門主角，逐章帶你實現「Agent × MCP」跨平台串接──讓桌面、雲端、聊天機器人一次打通。每章皆附範例專案程式碼，幫助讀者快速複製情境到自己專案。無論你想開發企業級智慧工作流，或打造個人化多代理應用，本書都是一把從概念到落地的「萬用鑰匙」。 打開《AI Agent 奇幻旅程：MCP 通往異世界金鑰》這本書之前，讓我們先確認一件事：你是否已經接觸過大型語言模型（LLM），知道什麼是 prompt、token、embedding，也嘗試過呼叫像是 ChatGPT 的 API，做出一些能與人對話的範例程式？ 如果你的答案是「是的」，那麼，恭喜你——你已經準備好踏上下一階段的冒險，來探索 AI 模型不只是會說話，而是能夠行動，能夠呼叫工具、整合服務、進行決策，甚至協調多個代理角色，真正變成你的智慧夥伴。 這本書的焦點不在於再教一次 LLM 的基礎，而是要帶你直奔最精華、也最刺激的主題：Model Context Protocol（MCP） 以及 AI Agent 架構。從願景出發，到實作落地，我們安排了七大章節，由五位具備實戰經驗的講師聯手執筆，深入淺出地展現如何打造多平台整合的 AI Agent。 全書圍繞「Agent × MCP」這個核心，帶你逐步實現桌面端（Claude Desktop）、雲端平台（OpenAI Agent SDK）、本地框架（Semantic Kernel）、AI 輔助工具（GitHub Copilot），甚至社群應用（LINE 機器人）的跨平台連結。每一章都搭配完整範例專案，讓你不只學得會，還能直接套用到自己的實務場景中。 ▋ 建議搭配《Python 原力爆擊》 如果你還沒實際寫過生成式 AI 程式碼，我們也誠摯推薦你搭配閱讀我們的姊妹作《Python 原力爆擊：OpenAI / Gemini / AWS / Ollama 生成式 AI 應用新手指南》，作為進入本書的前導篇章。《AI Agent 奇幻旅程》不只是一場技術實作的學習之旅，更是一把通往下一代智慧應用的大門鑰匙。希望你在閱讀過程中，不只學會「怎麼做」，更對 AI Agent 的未來，產生無限想像與創造力。 本書範例原始碼 : https://github.com/iangithub/mcpbooktemp 【目錄】 Chapter 1 AI Agent 與智慧自決的未來藍圖 1.1 生成式 AI 與鑑別式 AI 概論 1.2 生成式 AI 與鑑別式 AI 代表模型 1.3 生成式 AI 與鑑別式 AI 應用場景 1.4 揭開 AI Agent 的神秘面紗 1.5 AI Agent 與 Function Calling ╱工具整合 1.6 Single-Agent 與 Multi-Agent 協作架構 1.7 模型選擇與推理能力 Chapter 2 解密智慧連接：深度解析 MCP 核心技術 2.1 MCP 起源與核心理念 2.2 MCP 協議技術架構 2.3 極速啟動開發環境：使用 uv 建立 MCP Server Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP 3.1 OpenAI 雲端版安裝 MCP 3.2 Agent SDK 入門觀念 3.3 用Agent SDK 與Responses API 整合 MCP 3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題 Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐 4.1 Amazon Bedrock - AI Agent 簡介 4.2 建立一個 Amazon Bedrock Agent 4.3 使用程式連結 Amazon Bedrock Agent 4.4 Computer Use - 利用 AI Agent 操控電腦 4.5 Claude Desktop - 設定與建立 MCP Server Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞 5.1 快速理解 Semantic Kernel 5.2 如何設計讓 AI 易於使用的函數 5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用 5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟 5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路 Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界 6.1 GitHub Copilot Agent 模式簡介 6.2 Agent 模式設定與使用說明 6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性 6.4 GitHub MCP Server Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗 7.1 部署 LINE Bot MCP Server 伺服器 7.2 進入 Claude for Desktop 的 AI Agent 世界 7.3 認識 LINE Bot MCP Server 架構設計 7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agent

Ollama 本地 AI 全方位攻略：命令列功能、五大主題測試、RAG、Vibe Coding、MCP，一本搞定所有實戰應用 (1版) (1版)

類似書籍推薦給您

【簡介】 跟 ChatGPT 對話，害怕隱私資料被竊取嗎？ 擔心串接 API 的額度爆表，花費太高嗎？ 在本地端運行 AI 模型也許是你的好選擇！   ▌ 精通 Ollama 全技巧，客製化模型自由打造 ▌ ▌ 資料隱私保密不外洩，最強草泥馬養成攻略 ▌   　　本書將手把手帶你將 LLM 裝進自己的電腦裡，詳解 Ollama 本地端模型部署的完整流程，深入剖析各種不同功能的預訓練模型和架構。並搭配對話式介面、Ollama API、程式設計，甚至是對模型進行微調訓練，開啟無限的客製化可能，打造屬於你的離線 AI 助理！   　　◆ 【本機設備要求全面解析】：想在本地端運行大型語言模型卻不知從何開始？不清楚自己的電腦能跑得動什麼規模的模型嗎？本書將帶您深入理解模型格式、量化技術、容量大小與運行效率之間的眉眉角角，協助你找到最適合的硬體設備，避免踩坑，一次到位！   　　◆ 【熱門預訓練模型測試比較】：GPT-OSS、Gemma3、Llama3、Phi-4、Mistral、DeepSeek、Qwen3……到底哪個模型最適合你？本書透過多樣化的資料集，針對 「知識性問答與繁體中文理解」、「多語言翻譯能力」、「數學能力」、「邏輯推理能力」、「程式碼生成」 等五大面向進行實測，並整理各模型的優劣與性能表現，幫助你快速找到最符合需求的語言模型。   　　◆ 【微調訓練的完整流程示範】：想讓 AI 變得更懂你？不知道如何建構訓練資料集？本書將從資料集格式開始介紹、一步步到自動生成 QA 問答資料集、LoRA 微調訓練，並詳解超參數的用途和調整方向，讓你能最佳化訓練效果，打造出專屬的產品客服機器人。   　　◆ 【Vibe Coding × MCP 實戰工作流】：AI 不只會聊天，它還能幫你寫程式、操作各種應用程式！讓我們把 Ollama 結合 Vibe Coding 與 MCP，從程式碼自動生成、補全與除錯，到串接外部工具和即時資料，讓大型語言模型突破「只能說、無法做」的限制。   　　◆ 【Bouns 超值加贈】：服務專區搭配豐富學習資源，不會寫程式也能一鍵運行，搞定模型轉檔、量化或微調的方方面面。   本書特色   　　本地端模型的終極解答，打造私人 LLM 工作流！   　　● 從零開始安裝 Ollama，熟悉命令列操作、客製化 Modelfile 以及進階系統設定。 　　● 模型架構、格式、量化技術和其他壓縮方式一次搞懂，不再煩惱什麼設備才能跑。 　　● 完整介紹 GPT-OSS、Gemma3、Phi-4 等熱門模型，並針對五大主題進行測試比較，讓你能依照需求選擇最適合的模型。 　　● 聯發科的 Breeze2、國科會的 TAIDE、台語 Taigi 模型，這些本土模型怎麼用？透過 Safetensors 自行轉檔、量化成不同格式，讓 Ollama 能完美運行各種五花八門的模型。 　　● 認識 Ollama 的各種對話介面，詳解 OpenWeb UI 使用方法，解決命令列苦手的操作難題。 　　● 透過 Ollama API 和 Python 套件輕鬆存取 LLM，從基本的對話流程、結構化輸出、圖像辨識、函式呼叫，到進階的搭建向量資料庫與文件問答機器人都有實作示範。 　　● 微調訓練一次到位，將 「產品使用手冊」 這種的敘述性文件轉換成問答資料集，並進行完整的 LoRA 訓練，將一般模型變成領域專家。 【目錄】  ▌第 1 章 Ollama 好吃嗎？不能吃，但是很好玩！ 1.1 本地部署框架簡介 LM Studio GPT4All Text Generation Web UI LocalAI 1.2 為什麼選擇 Ollama？ Ollama 的系統架構 透過 Modelfile 自定義模型 擁有 REST API 的強大整合能力 1.3 從零開始安裝 Ollama 安裝 Ollama 關閉 Ollama 更新 Ollama 1.4 Ollama 的對話介面 下載第一個模型並開始交談 1.5 模型儲存位置管理 Ollama 模型的儲存位置 更改模型儲存位置 1.6 ChatGPT 不好嗎？為什麼要在本地端跑 AI 模型 自己部署 AI 模型的好處 本地部署 vs 使用線上 AI 服務 ▌第 2 章 Ollama 的命令列操作 2.1 Hello LLM！與模型互動的基本操作 查詢模型資訊 跟 LLM 打個招呼吧！ 多行輸入 清除對話紀錄 中斷模型輸出 儲存與延續先前對話 關閉對話 2.2 Ollama 的各種命令 下載模型 模型列表 運行模型 顯示運行中的模型 停止運行模型 刪除模型 模型資訊 2.3 透過 Modelfile 客製化模型 Modelfile 指令 建立客製化模型 查看模型的 Modelfile 資訊 2.4 推送模型到自己的帳戶 取得金鑰並建立 Ollama 帳戶 複製模型 推送模型到官方 ▌第 3 章 Ollama 的進階系統設定 3.1 Ollama 的環境變數 可使用的環境變數 3.2 透過暫時的環境變數來啟動 Ollama 3.3 設定系統環境變數 Windows 的環境變數  macOS 的環境變數 3.4 Ollama 的 GPU 設定 GPU 加速 確認是否有用到 GPU 加速 ▌第 4 章 模型的設備要求以及速度測試 4.1 模型格式簡介 浮點數精度 FP 量化 Quantization 其他壓縮方式 4.2 Ollama 是如何載入語言模型？ 運行狀況測試 Mac 的統一記憶體架構優勢 4.3 建議設備要求 設備建議 4.4 模型速度測試 ▌第 5 章 各種預訓練模型介紹 5.1 具不同功能的模型 Embedding 類模型 Vision 類模型 Tools 類模型 Thinking 類模型 5.2 各有特色的預訓練模型 Gemma3 Llama3 Phi-4 Mistral DeepSeek-R1 Qwen3 GPT-OSS 5.3 模型功能測試比較 測試主題 1：知識性問答與繁體中文理解 測試主題 2：多語言翻譯能力 測試主題 3：數學能力 測試主題 4：邏輯推理能力 測試主題 5：程式碼生成 ▌第 6 章 從 Hugging Face 下載模型、轉檔以及量化 6.1 直接從 Hugging Face 下載 GGUF 檔案 6.2 自行下載 safetensors 檔案 申請授權以及 Read Token 安裝 llama.cpp 套件並輸入 Token 下載 safetensors 模型 6.3 轉換模型格式為 GGUF 6.4 模型量化 透過 llama-quantize 進行量化 撰寫 Modelfile 來創建新模型 ▌第 7 章 Ollama 視覺化對話介面 7.1 Ollama UI 對話介面推薦 應用程式：AnythingLLM、Chatbox、Msty 擴充功能：Page Assist 網頁介面：Open WebUI 7.2 下載 Open WebUI 安裝 Open WebUI 啟動 Open WebUI 7.3 Open WebUI 使用教學 介面設定 下載模型 開始對話操作 網頁搜尋功能 串接 ChatGPT 串接 Gemini ▌第 8 章 透過 Ollama API 和官方套件輕鬆存取 LLM & 打造 RAG 架構 8.1 使用 Ollama REST API 與模型溝通 透過 curl 安裝和啟動 Ollama 使用 curl 測試 API 8.2 在 Python 中呼叫 Ollama API 使用 requests 發送對話請求 將模型回覆轉換為 DataFrame 表格 8.3 使用 Ollama 套件 單次對話回覆 模型超參數設置 接續聊天機器人 圖片辨識 函式呼叫 8.4 建構 RAG 架構 加入搜尋功能 建立向量資料庫 文件問答機器人 統整總結機器人 ▌第 9 章 Fine-Tuning 微調模型 — 打造你的產品客服機器人 9.1 什麼是微調模型？ 9.2 準備訓練資料集 訓練資料格式 自動生成 QA 問答資料集 9.3 模型微調訓練 透過 Unsloth 微調模型 程式碼說明以及微調設定 ▌第 10 章 Ollama 也能 Vibe Coding 10.1 在 VS Code 中調用 Ollama 挑選適合的模型 安裝 Continue 並配置模型 在 VS Code 中啟用虛擬環境 10.2 用 AI 來開發一個網頁小遊戲吧！ 程式碼生成與補全 除錯與程式優化 生成註解與文件 使用較小模型時的下指令技巧 管理上下文窗口與對話歷程 延伸學習：大型專案的好幫手 Roo Code 10.3 在使用 LLM 進行 Coding 時, 你需要注意什麼？ ▌第 11 章 哎呀，Ollama 得了 MCP！ 11.1 MCP 是什麼？ MCP 的架構 11.2 馬上讓 Ollama 跟 MCP 相遇吧！ Playwright MCP Server － 幫你直接操作瀏覽器的神隊友 Context7 MCP Server －幫你查詢官方文件的專業顧問 11.3 管理自動執行權限與排除錯誤 管理 MCP 執行的核准權限 排除錯誤

OpenAI API 開發手冊 - 用 Responses API、Realtime API、MCP、Agents SDK、Function calling 打造即時語音、RAG、Agent 應用 (1版)

類似書籍推薦給您

【簡介】 　　  不要再問『為什麼 ChatGPT 可以？』，你寫的程式也可以！   　　開發生成式 AI 應用程式時總是在想『為什麼 ChatGPT 有這個功能？』，現在你也可以。本書帶你學會 OpenAI API 關鍵元素，達到跟 ChatGPT 類似的功能。   　　｜用 Realtime API 提供進階語音模式｜   　　開發直接語音交談，隨時插話的應用，再加上其他章節介紹的 function calling 與 MCP 等，實現真正出一張嘴、連打字都不用就可以操控的應用程式。書中會帶你實踐桌面版與網頁版的語音交談程式，各種情境都能派上用場。   　　｜透過 MCP 介接全世界｜ 　　MCP 雖然不是 OpenAI API 的一部分，但卻可以接上各式各樣的輸入與控制功能，本書會教你設計可分享功能給他人使用的 MCP 伺服器，也會實作具備 MCP 用戶端的主控程式，介接你自己或別人提供的 MCP 伺服器幫模型長出感官與手腳。   　　｜用 Responses API＋內建工具快速實作 RAG 應用｜ 　　Responses API 可以使用多種內建工具，搜尋網路、文字生圖、撰寫並執行 Python 程式碼都難不倒它，還可以檢索檔案，提供檢索片段內容幫模型增長知識，快速設計 RAG 應用。   　　｜可運作多 agent 的 Agnets SDK｜ 　　實現讓程式自主決策並執行任務、達成代理人（agent）的理想，Agents SDK 還可以協調多個 agent 彼此合作，把任務交棒給最合適的 agent 處理。   　　｜運用推理模型解決複雜數理問題｜ 　　透過 API 使用推理模型，還可以像是 ChatGPT 那樣呈現推理過程，不再需要撰寫複雜的提示內容或是指示，就可以解決數理或是邏輯問題。   　　｜深度瞭解 function calling 機制｜ 　　不論是 Agents SDK 還是 MCP，底層的運作關鍵就是 function calling，你不一定會直接使用它，但瞭解它卻是延伸模型能力的必備基礎。   　　｜直指核心設計的範例｜ 　　學習 API 當然可以直接看官方文件與範例，不過官方範例有時候因為想要有漂亮的 UI 呈現等原因，採用了你不一定熟悉的框架，使得範例本身摻雜太多非必要的元素，混淆了真正的關鍵主題，在設計範例時我們就特意保留最精簡的架構，高度聚焦提升成效。   　　｜能踩的雷我們都先幫你踩過一遍｜ 　　使用 API 光看文件是一回事，實際測試又是一回事，尤其像是 MCP 要介接其他人提供的服務，更容易遇到不相容的問題；還有文件上寫了但可能使用上有問題，或是文件上可能沒寫，但其實可以這樣用的，我們都先盡量測過一遍，節省你的時間。   本書特色   　　ChatGPT 做得到、你也能做到 　　Do what ChatGPT can do   　　□ 使用 Realtime API 提供即時交談、隨時插話的進階語音模式 　　□ 串接各種 MCP 伺服器，幫 AI 生出五官手腳與真實世界接軌 　　□ 自己設計 MCP 伺服器補完 AI 欠缺的功能，還可以分享給別人使用 　　□ 用 Responses API 快速設計 RAG 系統 　　□ 使用 Agents SDK 設計自主決策完成任務的 agent 　　□ 套用推理模型、呈現推理過程解決複雜數理問題 　　□ 針對核心元素設計範例，避免官方範例旁枝末節增加無謂複雜度 【目錄】   | CHAPTER 1 OpenAI API 入門 1-1 為什麼要使用 API - 學習 OpenAI API 的好處 1-2 從零開始使用 OpenAI API - 認識 Open AI API 家族 - 牛刀小試 1-3 認識 token - 使用 OpenAI 的視覺化網頁觀察 token 轉換結果 - 使用程式取得 token 轉換結果 - 計算實際傳送的 token 數 1-4 認識訊息角色 - 訊息與角色 - 幫模型制訂規則 1-5 錯誤處理 1-6 非同步方式使用 API - 幫 API 的使用加上等待動畫 1-7 在沒有 openai 套件的環境中使用 API - 透過 requests 套件以 HTTP POST 使用 API - 透過 HTTPX 套件以非同步方式使用 API - 連 Python 都沒有的環境下使用 API | CHAPTER 2 AI 聊天功能的基礎–Responses API 2-1 更換模型--使用推理模型 - 調整推理強度 - 觀察推理過程 2-2 控制生成結果 - 限制生成的 token 數量 - 控制回覆內容的變化性--temperature - 控制生成內容的可能性--top_p 2-3 控制回覆格式--生成 JSON - 生成 JSON 格式 - 使用 Pydantic 標準化 JSON 格式生成步驟 2-4 輸入圖片/檔案當提示 - 輸入圖片 - 輸入 PDF 檔案 | CHAPTER 3 有記憶的簡易聊天程式–串接記錄與串流回應 3-1 文字形式的簡易聊天程式 - 建立輔助函式與聊天程式雛形 3-2 串接對話記錄 - 使用回應識別碼提供對談內容 - 幫聊天輔助函式串接對話過程 3-3 使用串流功能即時顯示回覆內容 - 啟用串流功能 - 加入串流選項的聊天類別 3-4 具有記憶的聊天程式 - 將回應識別碼儲存到檔案以及從檔案讀回的方法 - 可延續討論串交談的應用程式 - 透過網頁檢視儲存的回應 - 利用程式碼管理對談記錄 3-5 手動建立對話記錄 - 自行建立對話記錄 - 儲存對話紀錄 | CHAPTER 4 RAG 的基礎–用搜尋與檢索幫 AI 長知識 4-1 使用內建搜尋工具幫 AI 走遍全世界 - 啟用內建的搜尋功能 - 設定搜尋地區 - 設定提供給模型的搜尋資料量 - 串流方式使用工具 - 搜尋工具的計價方式 4-2 幫簡易聊天程式加上搜尋功能 - 設計處理指令的類別 - 修改 Chat 類別 - 建立處理內建搜尋工具指令的類別 4-3 使用內建檔案檢索 RAG 工具 - RAG 簡介 - 上傳檔案進行 RAG - 使用內建的檔案檢索工具 - 查看檢索結果 - 限制檢索筆數 - 限制相似度 - 檔案檢索工具的計費方式 4-4 利用程式碼動態管理要檢索的檔案 - 動態上傳檔案 - 建立向量儲存區同時加入檔案 - 動態加入檔案到向量儲存區 - 顯示向量儲存區內的檔案 - 移除向量儲存區 4-5 幫簡易聊天程式加上檔案檢索功能 - 設計處理檔案檢索指令的類別 - 測試具備網頁搜尋與檔案檢索功能的聊天程式 - 加上可以檢視工具執行結果的功能 | CHAPTER 5 Agent 的基礎 – 用 Function Calling 幫 AI 長手腳 5-1 認識 function calling 機制 5-2 提供客製搜尋功能 - 提供 Google 搜尋的函式 - 使用 JSON Schema 描述函式 - 使用 function calling - 依據模型指示叫用函式 - 建立方便進行 function calling 的輔助函式 - 同時叫用多個函式（parallel function calling） - 串流模式下的 function calling 5-3 幫簡易聊天應用程式加入 function calling 功能 - 設計處理自訂函式工具的類別 - 修改 Chat 類別搭配 function calling 運作 - 測試使用自訂函式工具聊天 - 檢視函式叫用的指示 - 強制使用內建工具 - 不允許單回叫用多個函式 5-4 讓 AI 長出手腳打造智慧 CLI 指令介面 - 執行 shell 指令的自訂函式工具 - 提供模型自訂的 shell 指令執行函式 - 測試用說的就可以操控電腦的樂趣 - 處理 IPython 特有的問題 - 設立防護機制 | CHAPTER 6 會寫程式與生圖的內建工具 6-1 使用內建工具執行 shell 指令 6-2 Code Interpreter 內建工具 - 取得程式碼輸出結果 - 使用串流方式 - 由 Code Interpreter 處理檔案 - 手動建立容器 6-3 文字生圖內建工具 - 串接回應持續修改 - 以串流模式取得生成過程的變化圖 - 在背景執行 Responses API 6-4 幫聊天程式加入寫程式與生圖功能 - 修改 Chat 類別 - 處理 Code Interpreter 指令的類別 - 處理生圖指令的類別 - 測試全功能的聊天程式 | CHAPTER 7 Agent 的橋樑–用 MCP 介接外部工具 7-1 MCP 協定簡介 - MCP 的組成要素 7-2 MCP 伺服器開發 - 安裝 uv 工具並建置 Python 環境 - 可在本機執行指令的 MCP 伺服器 - 測試 MCP 伺服器 - 多個 MCP 伺服器共同運作 7-3 MCP 用戶端 - 使用單一 MCP 伺服器的應用程式 - 同時使用多個 MCP 伺服器 - 使用其他人設計的 MCP 伺服器 | CHAPTER 8 遠端 MCP 與遙控應用程式 8-1 使用 SSE 將 MCP 伺服器部署在網路上 - 使用 SSE 的 MCP 伺服器 - 測試採用 SSE 傳輸的 MCP 伺服器 - 使用 SSE 傳輸的 MCP 用戶端 - 使用 Streamable HTTP 在網路上部署 MCP 伺服器 8-2 使用公開在網路上的 MCP 伺服器 - GitMCP 使用方法 - 手動修正 MCP 伺服器提供的 JSON Schema - 使用 OpenAI 內建工具連接部署在公開網路上的 MCP 伺服器 - 先讓使用者同意才執行 MCP 工具 - 讓用戶端程式使用內建 MCP 工具 8-3 使用環境變數傳遞機密資訊給 MCP 伺服器 - 預設揭露給 MCP 伺服器的環境變數 - 使用 env 項目傳遞環境變數給 MCP 伺服器 8-4 操控其他應用程式的 MCP 伺服器 - 建立 Spotify App - 撰寫 MCP 伺服器 - 測試控制 Spotify 的 MCP 伺服器 | CHAPTER 9 即時語音 Realtime API - 進階語音模式體驗 9-1 Realtime API 多模態輸入輸出 - Realtime API 的運作方式 - 準備工作 9-2 Realtime API 基本架構 - 修改交談階段的參數 - 傳送文字並取得回應 - 在 Realtime API 中使用 function calling 9-3 進入 Realtime API 的語音世界 - 準備工作 - 從聲音檔傳送語音 - 進入即時語音交談的世界 - 顯示輸入語音的文字轉換結果 - 加入 function calling 功能 - 用語音控制 MCP 伺服器 9-4 手動控制語音段落 - 關閉 VAD 功能 - 取消正在進行中的回覆 9-5 網頁版的 Realtime API 應用程式 - 派發臨時金鑰 - 網站主頁面 - 建立 WebRTC 連線 - 計價方式 | CHAPTER 10 Agents SDK – 邁向代理人最後一哩路 10-1 Agents SDK 簡介 10-2 建立基本的 agent 架構 - 以同步方式執行 - 以串流方式執行 - 串接結果建立討論串 10-3 在 agent 中使用工具 - 使用內建工具 - 使用 MCP 伺服器 - 使用自訂函式工具 10-4 Guardrail（防護欄） - 自訂 agent 的輸出格式 - 建立 guardrail - 使用 traces 頁面觀察 agent 執行結果 10-5 agent 的交棒（handoff）機制 - 建立可以抓取網頁文字的 agent - 把 agent 當工具使用 - 使用 handoff 交棒機制 - 顯示交棒的理由 10-6 使用語音交談的 agent - 前置工作 - 撰寫第一個語音版的 agent 程式 - 顯示輸入內容 - 同時顯示輸入內容與回覆內容 - 啟動 VAD 自動偵測講話機制 - 使用 MCP 伺服器