MCP这个词现在特别火，但是很多人还是云里雾里，不知道怎么学习，也不知道怎么用，现在好了，吴恩达老师终于给我们带来了MCP学习课程，这里先简单介绍一下MCP
LLM 应用要连接工具或外部数据（比如 GitHub 仓库、谷歌文档、本地文件），往往意味着为每个集成点编写特定的逻辑。随着AI团队的扩张和项目复杂度的提升，这种方式不仅效率低下，更导致了严重的开发碎片化。
为了解决这个行业难题， Anthropic 开发了模型上下文协议 (Model Context Protocol, MCP)。简单来说，MCP 是一套开放的共享标准，它定义了 LLM 应用如何通过客户端-服务器架构来访问工具、数据和提示词。这使得集成工作变得更简单、可复用且易于维护
但是MCP的学习曲线还是有些陡峭，一般人很难上手
现在，为了帮助大家理解并应用这一新兴协议，吴恩达老师的DeepLearning.AI 与 Anthropic 合作，隆重推出了名为《MCP: 构建富上下文 AI 应用》(MCP: Build Rich-Context AI Apps with Anthropic) 的全新短期课程！
课程地址：
https://www.deeplearning.ai/short-courses/mcp-build-rich-context-ai-apps-with-anthropic/?utm_content=332790785&utm_medium=social&utm_source=twitter&hss_channel=tw-992153930095251456
通过这门课程，你将能够构建出富上下文的 AI 应用，这些应用可以轻松连接到不断增长的 MCP 服务器生态系统，而集成工作量将大大减少。这对于提升开发效率、促进AI应用创新至关重要
这门课程由 Anthropic 的技术教育负责人 Elie Schoppik 亲授
课程速览
深入理解 MCP：探索 MCP 如何标准化工具和数据接入，其底层架构，以及它如何简化新工具和外部系统（如 GitHub、Google Docs、本地文件）的集成
动手实践，从零到一：
* 学习构建和部署一个提供工具、资源和提示词的 MCP 服务器，并将其配置到 AI 应用中（例如 Claude Desktop）以扩展其能力。
* 构建一个兼容 MCP 的应用，该应用能托管多个 MCP 客户端，每个客户端与 MCP 服务器保持一对一连接。
* 将一个用于搜索学术论文的定制工具聊天机器人，改造成 MCP 兼容应用。
* 使用 FastMCP 构建本地 MCP 服务器，并通过 MCP Inspector 进行测试。
* 在你的聊天机器人中创建 MCP 客户端，以动态连接到你的服务器。
* 连接你的聊天机器人到 Anthropic MCP 团队构建的参考服务器，如实现文件系统操作的 `filesystem` 和从网页提取内容的 `fetch`。
* 配置 Claude Desktop 以连接到你的服务器及其他服务器，体验其如何抽象 MCP 客户端的底层逻辑。
* 远程部署你的 MCP 服务器，并用 Inspector 或其他 MCP 兼容应用进行测试。课程信息：
级别：中级
时长：约 1 小时 38 分钟
内容：11 个视频课程，7 个代码示例
讲师：Elie Schoppik (Anthropic 技术教育负责人)
前提：熟悉 Python，对 LLM 提示和 LLM 应用开发有基本了解
费用：限时免费！（DeepLearning.AI 学习平台 Beta 测试期间）
参考：
https://www.deeplearning.ai/short-courses/mcp-build-rich-context-ai-apps-with-anthropic/?utm_content=332790785&utm_medium=social&utm_source=twitter&hss_channel=tw-992153930095251456
⭐
（文：AI寒武纪）