inflearn logo

MCP của riêng tôi được tạo bằng Antigravity chỉ trong 30 phút

Từ khái niệm MCP (Model Context Protocol) đến việc triển khai máy chủ tùy chỉnh dựa trên TypeScript bằng Antigravity, bạn sẽ học toàn bộ quy trình xây dựng các công cụ nghiệp vụ mà AI có thể trực tiếp gọi. Thông qua ví dụ kiểm duyệt câu chữ thương hiệu, bạn sẽ trang bị năng lực phát triển MCP có thể áp dụng ngay vào thực tế, chẳng hạn như tự động hóa các công việc lặp đi lặp lại, kết nối dữ liệu nội bộ và tích hợp API.

3 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

TypeScript
TypeScript
AI
AI
Model Context Protocol
Model Context Protocol
AX(Agent Experience)
AX(Agent Experience)
antigravity
antigravity
TypeScript
TypeScript
AI
AI
Model Context Protocol
Model Context Protocol
AX(Agent Experience)
AX(Agent Experience)
antigravity
antigravity
Thumbnail

Bạn sẽ nhận được điều này sau khi học.

  • Triển khai máy chủ MCP dựa trên TypeScript và tích hợp với Antigravity

  • Thiết kế công cụ AI và định nghĩa lược đồ đầu vào/đầu ra

  • Chuyển đổi công cụ AI và thiết kế quyền hạn cho các quy tắc nghiệp vụ

TypeScript, Trí tuệ nhân tạo (AI), MCP, AX (trải nghiệm tác nhân), Antigravity

Bạn có muốn biến các công việc lặp đi lặp lại thành công cụ AI không?

Để AI thay bạn thực hiện công việc, bạn cần thiết kế cấu trúc và quy tắc của các công cụ sẽ được gọi, vượt ra ngoài việc chỉ nhập lệnh.
Trong khóa học này, bạn sẽ tạo máy chủ MCP tùy chỉnh bằng TypeScript, định nghĩa schema đầu vào, đầu ra và quyền, rồi kết nối với Antigravity.


Triển khai các quy tắc công việc lặp đi lặp lại, chẳng hạn như kiểm duyệt câu chữ thương hiệu, thành những công cụ mà AI có thể gọi.

Dùng MCP Inspector để trực tiếp kiểm tra xem máy chủ và các công cụ có hoạt động đúng như dự định hay không.

Sử dụng MCP tùy chỉnh đã hoàn thiện trong Antigravity, tạo nền tảng để tích hợp dữ liệu nội bộ và API.

Ban đầu, bạn có thể cảm thấy bối rối không biết nên kết nối AI với hệ thống công việc như thế nào.
Tuy nhiên, nếu thiết kế từng bước trong quy trình cốt lõi, bạn có thể bắt đầu trải nghiệm biến các công việc lặp đi lặp lại thành những công cụ AI có thể gọi trực tiếp.

Quy trình làm việc MCP


Từ nguyên lý cốt lõi của MCP
đến triển khai máy chủ tùy chỉnh bằng TypeScript,
bạn sẽ học cách xác thực và tích hợp với Antigravity.

Biến các công việc lặp đi lặp lại thành những công cụ theo quy tắc
công cụ nghiệp vụ của riêng mình để AI gọi
rồi trực tiếp thiết kế và kết nối.




Khi kết thúc khóa học này, bạn sẽ


Tự tay triển khai các công việc lặp đi lặp lại thành công cụ AI có thể gọi.

  • Bạn xây dựng những công việc có quy tắc rõ ràng như kiểm tra nội dung thương hiệu thành máy chủ MCP dựa trên TypeScript, rồi kết nối chúng thành các công cụ để AI có thể trực tiếp thực thi khi cần. Không cần mỗi lần đều sao chép tài liệu để chuyển giao hay lặp lại cùng một quy trình kiểm tra, bạn có thể tự cấu hình luồng tự động hóa phù hợp với công việc nội bộ.






✔️

Cách kết nối để AI trực tiếp xử lý các công việc lặp đi lặp lại

Biến quy tắc công việc thành công cụ
để AI gọi

Từ lý do cần MCP đến việc triển khai máy chủ tùy chỉnh dựa trên TypeScript và tích hợp với Antigravity, bạn sẽ học từng bước để xây dựng cấu trúc cho phép AI gọi các chức năng nghiệp vụ thực tế. Bằng cách thiết kế các quy tắc nghiệp vụ rõ ràng như kiểm duyệt câu chữ thương hiệu thành lược đồ đầu vào và đầu ra, bạn sẽ tạo nền tảng để kết nối dữ liệu nội bộ và API.

Thiết kế công cụ AI được kiểm chứng qua việc rà soát thông điệp thương hiệu

Sau khi kiểm tra MCP server tự xây dựng bằng MCP Inspector, bạn sẽ gọi nó từ Antigravity để nắm bắt toàn bộ quy trình AI sử dụng công cụ nghiệp vụ. Trong quá trình tự động hóa các công việc như kiểm duyệt câu chữ lặp đi lặp lại, nội dung cũng bao quát cả việc xác thực giá trị đầu vào, định dạng kết quả và thiết kế quyền hạn.

Tài liệu triển khai máy chủ MCP TypeScript do chính bạn viết

Dựa trên máy chủ MCP tùy chỉnh nền TypeScript được triển khai trong khóa học cùng với lược đồ đầu vào và đầu ra của AI Tool, bạn có thể mở rộng các quy tắc công việc của mình thành những công cụ mới. Tham khảo quy trình kiểm tra bằng MCP Inspector và luồng tích hợp với Antigravity để thiết kế bước tiếp theo trong việc kết nối các hệ thống nội bộ hoặc API.


📚

Giáo trình thực hành biến các quy tắc nghiệp vụ thành công cụ để AI gọi

Phần 1

Bắt đầu với môi trường phát triển và Antigravity

Xem xét mục tiêu tổng thể và hướng triển khai của khóa học, đồng thời chuẩn bị môi trường cơ bản để phát triển các công cụ hỗ trợ công việc bằng trí tuệ nhân tạo với Antigravity.


Phần 2

Tìm hiểu các khái niệm cốt lõi về MCP

Hiểu được sự cần thiết của MCP trong việc tiêu chuẩn hóa kết nối giữa trí tuệ nhân tạo với các công cụ và dữ liệu bên ngoài, đồng thời tìm hiểu vai trò của MCP trong việc gọi công cụ và tự động hóa công việc.


Phần 3

Triển khai máy chủ MCP tùy chỉnh

Dựa trên TypeScript, chuyển đổi các quy tắc nghiệp vụ thành công cụ AI, đồng thời triển khai máy chủ MCP tùy chỉnh với các lược đồ đầu vào và đầu ra được định nghĩa.


Phần 4

Kiểm tra máy chủ MCP

Sử dụng trình kiểm tra MCP để xác minh trước trạng thái kết nối và lệnh gọi công cụ của máy chủ đã triển khai, đồng thời kiểm tra xem các giá trị đầu vào và kết quả trả về có hoạt động đúng như dự định hay không.


Phần 5

Sử dụng MCP trong Antigravity

Tích hợp máy chủ MCP đã hoàn thiện với Antigravity để cấu hình cho AI trực tiếp gọi các công cụ công việc, đồng thời thực thi các quy trình tự động hóa thực tế như kiểm duyệt nội dung thương hiệu.


Phần 6

Tổng kết khóa học và áp dụng vào thực tế

Tổng hợp toàn bộ nội dung học tập và tìm hiểu hướng mở rộng, áp dụng MCP tùy chỉnh vào nhiều môi trường làm việc khác nhau, chẳng hạn như kết nối dữ liệu nội bộ và tích hợp API.


Bạn có thể giải quyết những băn khoăn của những người như thế này!


📌

lập trình viên frontend cấp junior

Quen với việc triển khai các chức năng trên giao diện nhưng
chưa có nhiều kinh nghiệm thiết kế giá trị đầu vào và định dạng kết quả cho các công cụ nghiệp vụ mà trí tuệ nhân tạo có thể gọi đến

📌

Nhà hoạch định tự động hóa công việc và quản lý dự án

Bạn muốn tự động hóa công việc kiểm duyệt thông điệp thương hiệu lặp đi lặp lại và kiểm tra tài liệu nhưng
cảm thấy bối rối trước việc chuyển đổi các quy tắc nghiệp vụ thành công cụ AI và xác định phạm vi quyền hạn an toàn

📌

Kỹ sư chuẩn bị tích hợp hệ thống nội bộ

N những người muốn kết nối dữ liệu nội bộ và các dịch vụ bên ngoài với trí tuệ nhân tạo nhưng
chưa quen với quy trình xây dựng máy chủ MCP tùy chỉnh dựa trên TypeScript và kiểm tra hoạt động bằng công cụ kiểm tra




Lưu ý trước khi tham gia khóa học


Môi trường thực hành

  • Thực hành trên Windows, macOS và Linux.

  • Sử dụng Antigravity và TypeScript.
    Khuyến nghị bộ nhớ từ 8 gigabyte trở lên.

Kiến thức cần có và lưu ý

  • Cần có kiến thức cơ bản về lập trình.
    Biết TypeScript sẽ là một lợi thế.

  • Phù hợp với những người muốn kết nối tác nhân AI và API
    vào công việc.

Tài liệu học tập

  • Cung cấp tài liệu về khái niệm MCP và triển khai máy chủ.
    Cũng tìm hiểu về thiết kế đầu vào và đầu ra của công cụ.

  • Sử dụng các ví dụ kiểm duyệt câu chữ thương hiệu.
    Cũng cung cấp tài liệu thực hành MCP Inspector.


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nhà phát triển muốn ứng dụng tác nhân AI vào công việc

  • Nhà hoạch định và PM muốn tự động hóa các công việc lặp đi lặp lại

  • Kỹ sư muốn kết nối hệ thống nội bộ với AI

Cần biết trước khi bắt đầu?

  • Hiểu cú pháp cơ bản của TypeScript hoặc JavaScript

  • Kiến thức cơ bản về API và cấu trúc dữ liệu JSON

  • Kinh nghiệm sử dụng chatbot AI hoặc LLM

Xin chào
Đây là wonyoungchoiseou4177

Xác minh sự nghiệp

2,033

Học viên

127

Đánh giá

4.3

Xếp hạng

4

Các khóa học

Tại startup giai đoạn đầu mà tôi từng tham gia trước đây, tôi đã không chỉ học cách viết mã, mà còn học được cấu trúc để công nghệ vận hành như một dịch vụ thực thụ.

Mặc dù đảm nhận vai trò phát triển tập trung vào Frontend, nhưng khi cần thiết, tôi cũng đã tham gia thiết kế cả Backend và luồng dữ liệu để chịu trách nhiệm cho các lộ trình cốt lõi của dịch vụ. Đặc biệt, tôi đã xây dựng và vận hành đường ống (pipeline) thu thập, tinh chế và quản lý ổn định hơn 1 triệu dữ liệu sản phẩm thời trang dựa trên cấu trúc FTP/SFTP và Web.

Thông qua kinh nghiệm này, tôi đã có được niềm tin chắc chắn rằng điều quan trọng hơn bất kỳ ngôn ngữ hay khung làm việc (framework) cụ thể nào chính là khả năng thấu hiểu luồng vận hành và cấu trúc trách nhiệm của toàn bộ hệ thống.

Hiện tại, tôi đang thiết kế các hệ thống dựa trên AI trong môi trường web, tập trung vào việc định nghĩa cấu trúc và mô hình kiểm soát trước khi thực thi. Công việc này gần với việc thiết kế các luồng chuyển đổi trạng thái và xác thực hơn là chỉ đơn thuần thêm thắt các tính năng.

Vì bắt đầu là một người không chuyên và tự học để có được ngày hôm nay, tôi hiểu rất rõ những khó khăn và hạn chế thực tế. Vì vậy, trong bài giảng của mình, thay vì phô trương kỹ thuật, tôi tập trung vào việc giải thích "tại sao lại thiết kế như thế này" và "cách đưa ra quyết định như thế nào".

Thay vì làm tăng thêm sự phức tạp,
một cấu trúc chỉ giữ lại những gì cốt lõi nhất.

Đó chính là triết lý phát triển mà tôi hướng tới.

Thêm

Chương trình giảng dạy

Tất cả

6 bài giảng ∙ (30phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của wonyoungchoiseou4177

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Miễn phí