最近，我们一直在大量讨论模型上下文协议（MCP），包括近期的博客文章以及在微软 Build 大会上。在这篇文章中，我想分享一些重要技巧，告诉您如何使用我们一直在构建的 MCP 服务器来提高开发人员的工作效率。
这是怎样一种体验呢？如果您从未使用过 MCP 服务器，可以想象一下在 VS Code 或 Visual Studio 中与 GitHub Copilot 聊天，并说 "检查我的 Azure 存储账户状态" 或 "为我发现的这个漏洞创建一个 GitHub 问题"，然后它真的能连接到这些服务并执行这些操作。MCP 服务器让您的人工智能助手能够实时访问外部工具和数据源，将其从一个代码生成器转变为一个可以与您的整个开发生态系统交互的生产力引擎。
让 MCP 特别令人兴奋的是，它正在成为一种企业级标准，能够实现真正的供应商互操作性。像 Figma、Notion、Linear、Atlassian、Zapier、Stripe、PayPal、Square、MongoDB、Neon 等许多公司都构建了 MCP 服务器，这些服务器通过相同的标准化协议能够无缝协作。这意味着，您可以利用这个开放标准，在您的人工智能工作流程中混合搭配不同供应商的工具。
在微软和 GitHub 的各个团队中，我们一直在大量构建和使用 MCP 服务器，并且我们不断地相互分享发现和技巧。以下是微软构建的 10 个 MCP 服务器，我们发现在日常工作中它们特别有用 ------ 这些工具能够解决实际问题并加快常见的开发任务。这并非一份全面的排名，而是基于我们团队在实际场景中使用这些服务器的经验所整理的实用指南。
我会在这篇文章结尾附上一些关于如何设置它们的信息。现在，重点关注这些工具是如何提高您的开发效率的，例如：
- 保持工作连贯性：在开发环境中直接调用相关功能，无需离开当前界面，避免思路中断。比如查询数据库字段、Azure 资源信息，或在 GitHub、Azure DevOps 中提交问题等，都不用打开新浏览器标签页，从而提升效率。
- 在命令和查询中使用人工智能：无需编写精确的语法（如 SQL）或使用特定的命令行参数（如 azd 和 az），您只需描述自己的需求，然后让 MCP 主机中的人工智能为您解决问题。
- 将它们联合起来：这里有一些适合高级用户的出色场景，比如 "为我的事件表中的每一行创建一个 Azure DevOps 问题"，或者 "从 GitHub 获取所有与 Web UI 相关的最近关闭的问题，并为这些用例添加 Playwright 测试" 等等。
- 利用生态系统：虽然本文重点介绍 MCP 服务器，但请记住，您还可以整合来自整个行业、数量不断增加的 MCP 服务器产品。
- 集成您自己的 MCP 服务器：您可以构建自己的 MCP 服务器，以便与您自己的服务和资源进行集成。利用上述所有内容，想一想当您还能够连接到现有服务时，您能做些什么！而且使用 SDK（如 C# MCP SDK）上手非常容易。
- 使用自定义模式和指令进行优化："Awesome GitHub Copilot Customizations" 代码库提供了预构建的聊天模式、自定义指令和配置，这些内容可以通过有针对性的提示和工作流程，大幅提升您对 MCP 服务器的使用效率。
要全面了解 MCP 协议是什么以及为何它们如此重要，请查看 Maria Naggaga 的文章：《Connect Once, Integrate Anywhere with MCP》。如需与 MCP 服务器完美配合的即用型定制，请浏览 "Awesome GitHub Copilot Customizations"代码库。
10 个助您入门的 MCP 服务器
1 Microsoft Learn Docs MCP Server
功能：Microsoft Learn Docs MCP Server 是一项云托管服务，通过模型上下文协议为人工智能助手提供对微软官方文档的实时访问。它连接到 https://learn.microsoft.com/api/mcp ，支持在 Microsoft Learn、Azure 文档、Microsoft 365 文档及其他微软官方资源中进行语义搜索。
推荐理由 ：虽然这看似 "只是文档"，但该服务器对于每一位使用微软技术的开发者来说实则至关重要。.NET 开发者对人工智能编码助手最大的抱怨之一，就是它们无法及时跟进最新的 .NET 和 C# 版本。Microsoft Learn Docs MCP Server 通过提供对最新文档、API 参考资料和最佳实践的实时访问，解决了这一问题。无论您是在使用最新的 Azure SDK，探索 C# 13 的新功能，还是实施前沿的 .NET Aspire 模式，该服务器都能确保您的人工智能助手获取到权威、最新的信息，从而生成准确、符合现代标准的代码。
实际使用场景："根据微软官方学习文档，创建 Azure 容器应用的 az cli 命令有哪些？" 或者 "如何在 ASP.NET Core 中通过依赖注入配置 EF？" 又或者 "检查这段代码，确保其符合微软学习文档中的性能建议。" 该服务器利用先进的语义搜索，全面涵盖微软学习文档、Azure 文档和 Microsoft 365 文档，以找到最具上下文相关性的信息。它最多返回 10 个高质量的内容片段，并附带文章标题和网址，始终能访问到最新发布的微软文档。
精选示例：服务器提供了 microsoft_docs_search 工具，该工具可针对微软官方技术文档执行语义搜索。配置完成后，您可以提出诸如"如何在 ASP.NET Core 中实现 JWT 身份验证？"之类的问题，并获得带有源链接的详细官方回复。搜索质量非常出色，因为它能理解上下文------在 Azure 环境中询问"containers"，将返回 Azure 容器实例文档，而在 .NET 环境中询问同一术语，则会返回相关的 C# 集合信息。
这对于快速变化或最近更新的库及用例尤其有用。例如，在最近的一些编码项目中，我希望利用 .NET Aspire 和 Microsoft.Extensions.AI 最新版本中的功能。通过引入 Microsoft Learn Docs MCP Server，我不仅能够利用 API 文档，还能利用刚刚发布的操作演练和指引。
提示：即使是对工具友好的模型，也需要鼓励才会使用 MCP 工具！可以考虑添加一条系统提示或类似 copilot-instructions.md 的内容："您可以使用 microsoft.docs.mcp ------ 在处理有关 C#、Azure、ASP.NET Core 或 Entity Framework 等微软技术的问题时，使用此工具搜索微软最新的官方文档。"
要了解这种做法的出色实例，可以查看 Awesome GitHub Copilot 资源库中的"C# .NET Janitor chat mode"。此模式专门利用 Microsoft Learn Docs MCP Server，通过最新的模式和最佳实践来帮助清理 C# 代码并使其现代化。
2 Azure MCP Server
功能：Azure MCP Server 是一套由 15 多个专门的 Azure 服务连接器组成的综合套件，可将整个 Azure 生态系统引入您的人工智能工作流程。这不仅仅是一台服务器，而是一个功能强大的集合，其中包括资源管理、数据库连接（PostgreSQL、SQL Server）、使用 KQL 进行的 Azure Monitor 日志分析、Cosmos DB 集成等等。
推荐理由：除了管理 Azure 资源之外，在使用 Azure SDK 时，此服务器还能显著提升代码质量。当您以 Agent 模式使用 Azure MCP 时，它不仅能帮助您编写代码，还能助力您编写更优质的 Azure 代码，这些代码遵循当前的身份验证模式、错误处理最佳实践，并利用最新的 SDK 功能。您得到的不是可能可行的通用代码，而是遵循 Azure 针对生产工作负载推荐模式的代码。
关键模块包括：
- 🗄️ 数据库连接器：通过自然语言直接访问适用于 PostgreSQL 的 Azure Database 和 SQL Server
- 📊 Azure 监视器：基于 KQL 的日志分析和运维见解
- 🌐 资源管理：全面的 Azure 资源生命周期管理
- 🔐 身份验证：DefaultAzureCredential 和托管标识模式
- 📦 存储服务：Blob 存储、队列存储和表存储操作
- 🚀 容器服务：Azure 容器应用、容器实例和 AKS 管理
- 以及更多专用连接器
实际使用场景："列出我的 Azure 存储账户"、"查询我的 Log Analytics 工作区中过去一小时内的错误"，或者"帮我使用 Node.js 并通过正确身份验证构建一个 Azure 应用程序"。
完整演示：以下是一个完整的演练，展示了在 Visual Studio Code 中将 Azure MCP 与适用于 Azure 扩展的 GitHub Copilot 相结合的强大功能。当您同时安装了这两者并执行提示时：
"创建一个 Python 脚本，使用 DefaultAzureCredential 身份验证将文件上传到 Azure Blob 存储。该脚本应连接到名为'mycompanystorage'的 Azure 存储账户，上传到名为'documents'的容器，创建一个带有当前时间戳的测试文件进行上传，优雅地处理错误并提供信息丰富的输出，遵循 Azure 在身份验证和错误处理方面的最佳实践，添加注释解释 DefaultAzureCredential 身份验证的工作原理，并使脚本结构良好，具备适当的函数和文档说明。"
Azure MCP Server 将生成一个完整的、可用于生产环境的 Python 脚本，该脚本：
- 使用具有正确异步模式的最新 Azure Blob Storage SDK
- 实现带有全面回退链说明的 DefaultAzureCredential
- 包含针对特定 Azure 异常类型的强大错误处理机制
- 遵循 Azure SDK 在资源管理和连接处理方面的最佳实践
- 提供详细的日志记录和有信息价值的控制台输出
- 创建一个具有函数、文档和类型提示的结构合理的脚本
这一点之所以引人注目，是因为如果没有 Azure MCP，您可能会得到通用的 Blob 存储代码，这些代码虽然能够运行，但并不遵循当前的 Azure 模式。而有了 Azure MCP，您得到的代码可以利用最新的身份验证方法，处理特定于 Azure 的错误场景，并遵循微软针对生产应用程序推荐的做法。
精选示例：我一直很难记住用于临时使用的 az 和 azd 命令行界面（CLI）的具体命令。对我来说，这总是一个两步的过程：首先查找语法，然后运行命令。我常常会直接进入门户网站，通过点击操作来完成工作，因为我不想承认自己记不住 CLI 语法。能够仅仅描述自己想要做什么，这太棒了，而能够在不离开集成开发环境（IDE）的情况下做到这一点，那就更棒了！
可以参考 Azure MCP 存储库中的一系列出色用例，助您开启相关工作。如需全面的设置指南和高级配置选项，请查阅 Azure MCP 官方文档。
即将推出：我们将在后续博客文章中深入探讨 Azure MCP 服务器，探索高级场景、多服务工作流程以及高级用户提示，以最大限度提高您在 Azure 开发中的工作效率。
3 GitHub MCP Server
功能：官方的 GitHub MCP Server 与 GitHub 的整个生态系统实现无缝集成，同时提供托管远程访问和本地 Docker 部署选项。这不仅仅涉及基本的仓库操作，而是一个综合性工具包，涵盖 GitHub Actions 管理、拉取请求工作流程、问题跟踪、安全扫描、通知以及高级自动化功能。
推荐理由：该服务器通过将完整的平台体验直接引入您的开发环境，改变了您与 GitHub 交互的方式。无需为了项目管理、代码审查和 CI/CD 监控而在 VS Code 和 GitHub.com 之间不断切换，您可以通过自然语言命令处理所有事务，同时专注于您的代码。
注意：不要将此 GitHub MCP Server 与 GitHub's Coding Agent （即您可以分配问题以执行自动编码任务的人工智能智能体）混淆。GitHub MCP Server 在 VS Code 的 Agent 模式下工作，以提供 GitHub API 集成，而 GitHub's Coding Agent 是一项单独的功能，当被分配到 GitHub 问题时会创建拉取请求。
关键能力包括：
-⚙️ GitHub Actions：完整的 CI/CD 管道管理、工作流程监控和工件处理
-🔀 拉取请求：创建、审查、合并和管理拉取请求，并进行全面的状态跟踪
-🐛 问题：完整的问题生命周期管理、评论、标记和分配
-🔒 安全性：代码扫描警报、密钥检测和 Dependabot 集成
-🔔 通知：智能通知管理和仓库订阅控制
-📁 仓库管理：文件操作、分支管理和仓库管理
-👥 协作：用户和组织搜索、团队管理和访问控制
实际使用场景 ："从我的功能分支创建拉取请求"、"显示我本周所有失败的持续集成运行"、"列出我的存储库中未解决的安全警报" 或 "查找分配给我在我所有组织中的所有问题"。
完整演示场景：以下是一个强大的工作流程，展示了 GitHub MCP Server 的功能：
"我需要为我们的冲刺评审做准备。给我展示本周我创建的所有拉取请求，检查我们 CI/CD 管道的状态，总结我们需要处理的任何安全警报，并根据带有'feature'标签的已合并拉取请求帮我起草发布说明。"
GitHub MCP Server 将：
- 查询您最近的拉取请求，并获取详细的状态信息。
- 分析工作流程运行情况，突出任何失败或性能问题。
- 汇总安全扫描结果，对关键警报进行优先级排序。
- 从已合并的拉取请求中提取信息，生成全面的发布说明。
- 为冲刺规划和发布准备提供可行的后续步骤。
精选示例 ：我喜欢在代码审查工作流程中使用这个。无需在 VS Code、GitHub 通知和拉取请求页面之间来回切换，我只需说 "显示所有等待我审查的拉取请求"，然后再说 "在拉取请求#123 中添加一条评论，询问身份验证方法中的错误处理情况"。服务器会处理 GitHub API 调用，维护讨论的上下文，甚至还能帮我撰写更有建设性的审查评论。
身份验证选项：服务器同时支持 OAuth（在 VS Code 中无缝集成）和个人访问令牌，并提供可配置的工具集，以便仅启用您所需的 GitHub 功能。您可以将其作为远程托管服务运行以实现快速设置，也可以通过 Docker 在本地运行以实现完全控制。
提示 ：通过在 MCP 服务器设置中配置 --toolsets 参数，仅启用所需的工具集，以减小上下文规模并改进 AI 工具选择。例如，对于核心开发工作流程，在 MCP 配置参数中添加"--toolsets", "repos,issues,pull_requests,actions"如果主要需要 GitHub 监控功能，则使用"--toolsets", "notifications, security"。
4 Azure DevOps MCP Server
功能：连接到 Azure DevOps MCP Server，以实现全面的项目管理、工作项跟踪、生成管道管理和存储库操作。
推荐理由：对于将 Azure DevOps 作为其主要 DevOps 平台的团队而言，此 MCP 服务器省去了在开发环境与 Azure DevOps Web 界面之间频繁切换标签的麻烦。您可以直接通过您的人工智能助手管理工作项、查看生成状态、查询存储库以及处理项目管理任务。
实际应用："给我展示 WebApp 项目当前冲刺阶段的所有活跃工作项"、"为我刚发现的登录问题创建一个 bug"，或者 "检查我们构建管道的状态，并给我展示最近的任何失败情况"。
精选示例：您无需离开开发环境，只需通过简单查询，如"显示 WebApp 项目当前冲刺中的所有活跃工作项"或"为我刚发现的登录问题创建 bug"，即可轻松查看团队当前冲刺的状态。
5 MarkItDown MCP Server
功能：MarkItDown 是一个全面的文档转换服务器，可将各种文件格式转换为高质量的 Markdown 格式，针对 LLM 使用和文本分析工作流程进行了优化。
推荐理由：这对现代文档工作流程至关重要！MarkItDown 能够处理大量令人赞叹的文件格式，同时保留诸如标题、列表、表格和链接等关键文档结构。与简单的文本提取工具不同，它专注于保持语义含义和格式，这对人工智能处理和人类可读性都很有价值。
支持的文件格式：
- 办公文档：PDF、PowerPoint（PPTX）、Word（DOCX）、Excel（XLSX/XLS）
- 媒体文件：图像（含 EXIF 元数据和 OCR）、音频（含 EXIF 元数据和语音转录）
- 网页内容：HTML、RSS 源、YouTube 网址、维基百科页面
- 数据格式：CSV、JSON、XML、ZIP 文件（递归处理内容）
- 发布格式：EPub、Jupyter 笔记本（.ipynb）
- 电子邮件：Outlook 邮件（.msg）
- 高级功能：集成 Azure Document Intelligence 以增强 PDF 处理能力
高级功能：MarkItDown 支持由大语言模型驱动的图像描述（在配备 OpenAI 客户端时）、用于增强 PDF 处理的 Azure Document Intelligence、用于语音内容的音频转录，以及用于扩展到其他文件格式的插件系统。
实际应用："将此 PowerPoint 演示文稿转换为 Markdown 格式，用于我们的文档网站"，"从这份 PDF 中提取文本并带有正确的标题结构"，或者"将此 Excel 电子表格转换为可读的表格格式"。
精选示例：参考《 MarkItDown docs》：
Markdown 与纯文本极为接近，标记或格式极少，但仍提供了一种表示重要文档结构的方式。主流大语言模型（LLMs），如 OpenAI 的 GPT-4o，天生就能 "识别" Markdown，并且常常在无需提示的情况下将 Markdown 融入其回复中。这表明它们经过大量 Markdown 格式文本的训练，对其理解深刻。附带的好处是，Markdown 规范在标记使用上也非常高效。
MarkItDown 在保留文档结构方面表现出色，这对人工智能工作流程至关重要。例如，在转换 PowerPoint 演示文稿时，它能通过正确的标题保持幻灯片的组织结构，将表格提取为 Markdown 表格，为图像添加替代文本，甚至还能处理演讲者备注。图表会被转换为可读的数据表，生成的 Markdown 能保持原始演示文稿的逻辑流程。这使得它非常适合将演示文稿内容输入到人工智能系统中，或者从现有的幻灯片创建文档。
6 SQL Server MCP Server
功能：为 SQL Server 数据库（本地部署、Azure SQL 或 Fabric）提供对话式访问权限。
推荐理由：类似于 PostgreSQL 服务器，但适用于 Microsoft SQL 生态系统。使用简单的连接字符串进行连接，然后就可以用自然语言进行查询 ------ 无需再进行上下文切换！
实际应用："查找过去 30 天内未完成的所有订单" 会被翻译成相应的 SQL 查询语句，并返回格式化的结果
精选示例：一旦设置好数据库连接，您就可以立即开始与数据进行交互。这篇博客文章通过一个简单的问题展示了这一点："您连接到哪个数据库？"MCP 服务器会调用相应的数据库工具，连接到您的 SQL Server 实例，并返回有关当前数据库连接的详细信息，而且无需编写一行 SQL 代码。该服务器支持从模式管理到数据操作的全面数据库操作，所有操作都通过自然语言提示完成。有关使用 VS Code 和 Claude Desktop 的完整设置说明和配置示例，请参阅：《Introducing MSSQL MCP Server (Preview)》。
7 Playwright MCP Server
功能：使人工智能代理能够与网页进行交互，以实现测试和自动化
提示：Playwright MCP 服务器为 GitHub Copilot 的代码编写代理提供支持，赋予其网页浏览功能！
推荐理由：非常适合由自然语言描述驱动的自动化测试。人工智能可以浏览网站、填写表单，并通过结构化的无障碍快照提取数据 ------ 这功能极其强大！
实际应用："测试登录流程并验证仪表板是否正确加载" 或 "生成一个测试，用于搜索产品并验证结果页面"------ 所有这些都无需应用程序的源代码。
精选示例：我的队友 Debbie O'Brien 最近在使用 Playwright MCP 服务器开展出色的工作！例如，她最近展示了在甚至无法访问应用程序源代码的情况下，如何生成完整的 Playwright 测试。在她的场景中，她让 Copilot 为一个电影搜索应用创建一个测试：导航到该网站，搜索"加菲猫"，并验证该电影是否出现在搜索结果中。MCP 启动了一个浏览器会话，使用 DOM 快照探索页面结构，找出正确的选择器，并生成了一个首次运行就通过的完全可用的 TypeScript 测试。
它真正强大的地方在于，它弥合了自然语言指令与可执行测试代码之间的差距。传统方法要么需要手动编写测试，要么需要访问代码库以获取上下文。但使用 Playwright MCP，您可以测试外部网站、客户端应用程序，或者在无法访问代码的黑盒测试场景中开展工作。
8 Dev Box MCP Server
功能：通过自然语言管理 Microsoft Dev Box 环境
推荐理由：极大地简化了开发环境管理！无需记住特定命令即可创建、配置和管理开发环境。
实际应用："使用最新的 .NET SDK 设置一个新的开发环境，并针对我们的项目进行配置"、"检查我所有开发环境的状态" 或 "为我们团队的演示创建一个标准化的演示环境"。
精选示例 ：我非常喜欢使用 Dev Box 进行个人开发。我恍然大悟的时刻是 James Montemagno 解释 Dev Box 对于会议演示有多棒的时候，因为无论我当时使用的是会议、酒店还是飞机的无线网络，它都有超快速的以太网连接。事实上，我最近在从 Bruges 到 Antwerp 的公交车上，把笔记本电脑连接到手机热点进行了一些会议演示练习！但我接下来的步骤是深入研究更多团队管理多个开发环境和标准化演示环境的情况。当然，我从客户和同事那里听到的另一个重要用例是使用 Dev Box 搭建预配置的开发环境。在这两种情况下，使用 MCP 来配置和管理 Dev Box，能让您在开发环境中实现自然语言交互,同时始终处于您的开发环境中。
9 Azure AI Foundry MCP Server
功能：Azure AI Foundry MCP Server 为开发人员提供对 Azure 人工智能生态系统的全面访问，包括模型目录、部署管理、通过 Azure AI Search 进行知识索引以及评估工具。这一实验性服务器弥合了人工智能开发与 Azure 强大的人工智能基础设施之间的差距，使构建、部署和评估人工智能应用程序变得更加容易。
推荐理由：该服务器将企业级人工智能功能直接引入您的开发工作流程，从而改变您使用 Azure AI 服务的方式。您无需在 Azure 门户、文档和 IDE 之间切换，而是可以通过自然语言命令发现模型、部署服务、管理知识库并评估人工智能性能。对于构建 RAG 应用程序、管理多模型部署或实施全面人工智能评估管道的开发人员而言，它的功能尤为强大。
关键开发人员能力：
-🔍 模型发现与部署：浏览 Azure AI Foundry 的模型目录，获取带有代码示例的详细模型信息，并将模型部署到 Azure AI 服务
-📚 知识管理：创建和管理 Azure AI 搜索索引、添加文档、配置索引器，并构建复杂的 RAG 系统
-⚡AI Agent 集成：连接 Azure AI Agent，查询现有 Agent，并在生产场景中评估 Agent 性能
-📊 评估框架：运行全面的文本和 Agent 评估，生成 Markdown 报告，并为 AI 应用程序实施质量保证
-🚀 原型设计工具：获取基于 GitHub 的原型设计设置说明，并访问 Azure AI Foundry Labs 以获取前沿研究模型
实际开发者应用："为我的应用程序将 Phi-4 模型部署到 Azure AI 服务"，"为我的文档 RAG 系统创建一个新的搜索索引"，"根据质量指标评估我的智能体的回复"，或者"为我的复杂分析任务找到最佳推理模型"。
完整演示场景：这是一个强大的人工智能开发工作流程：
"我正在构建一个客户支持智能体。帮我从目录中找到一个好的推理模型，将其部署到 Azure AI 服务，根据我们的文档创建一个知识库，建立一个评估框架来测试回复质量，然后帮我创建一个使用 GitHub token 进行集成测试的原型"
Azure AI Foundry MCP Server 将：
- 查询模型目录，根据您的需求推荐最佳推理模型
- 为您首选的 Azure 区域提供部署命令和配额信息
- 使用适用于您文档的适当架构设置 Azure AI 搜索索引
- 使用质量指标和安全检查配置评估管道
- 通过 GitHub 身份验证生成可立即测试的原型代码
- 提供针对您特定技术堆栈量身定制的全面设置指南
精选示例：作为一名开发者，我一直在努力跟上市面上各种各样的LLM。我知道一些主要的模型，但总感觉自己错过了一些提升生产力和效率的机会。而且 token 和配额管理起来既让人压力山大又困难重重 ------ 我永远不知道自己是否为正确的任务选择了合适的模型，还是在低效地耗尽预算。就在我向团队成员询问关于这篇文章的 MCP 服务器推荐时，从 James Montemagno 那里听说了这个 MCP 服务器，我很兴奋能试用它！对于像我这样想要探索常见模型之外的领域，并找到针对特定任务进行优化的模型的人来说，该服务器的模型发现功能看起来特别令人印象深刻。评估框架应该能帮助我验证自己是否真的获得了更好的结果，而不仅仅是为了尝试新事物而尝试。
提示：此 MCP 服务器尚处于试验阶段，且正在积极开发中。功能和 API 可能会发生变化。它非常适合探索 Azure AI 功能和构建原型，但在用于生产时，请确认其稳定性要求。
10 Microsoft 365 Agents Toolkit MCP Server
功能：为开发人员提供构建与 Microsoft 365 和 Microsoft 365 Copilot 集成的 AI Agent 和应用程序所需的基本工具，包括架构验证、示例代码检索以及故障排除协助。
推荐理由：为 Microsoft 365 和 Copilot 进行开发涉及复杂的清单架构和特定的开发模式。此 MCP 服务器可将重要的开发资源直接引入您的编码环境，帮助您验证架构、查找示例代码并解决常见问题，而无需频繁查阅文档。
实际应用："验证我的声明式 Agent 清单并修复任何架构错误"、"给我展示实现 Microsoft Graph API 插件的示例代码" 或 "帮我排查我的 Teams 应用身份验证问题"。
精选示例：在 Build 大会上与我的朋友 John Miller 就 M365 Agent 进行交谈后，我联系了他，他推荐了这个 MCP。这对刚接触 M365 Agent 的开发人员来说可能非常棒，因为它提供了模板、示例代码和框架，让他们无需淹没在文档中就能上手。模式验证功能对于避免可能导致数小时调试工作的清单结构错误尤其有用。
提示：将此服务器与 Microsoft Learn Docs MCP 服务器配合使用，以获得全面的 M365 开发支持 ------ 一个提供官方文档，而此服务器则提供实用的开发工具和故障排除帮助。
在 VS Code 和 Visual Studio 中开始使用 MCP
如果您使用的是 Visual Studio Code 或带有 GitHub Copilot 的 Visual Studio 2022，设置这些 MCP 服务器很简单。
VS Code 设置
以下是 VS Code 的基本设置流程：
1 启用 Agent 模式：在 VS Code 中，在 Copilot 聊天窗口切换到 Agent 模式
2 配置 MCP 服务器：将服务器配置添加到 VS Code 的 settings.json 文件中
3 启动服务器：为您要使用的每个服务器点击 "Start" 按钮
4 选择工具：选择在当前会话中启用哪些 MCP 服务器
有关详细的设置说明，请参阅 《VS Code MCP documentation》
提示：VS Code 扩展视图现在包含一个便捷的新用户界面，用于管理已安装的 MCP 服务器！您可以通过简洁明了的界面快速启动、停止和管理任何已安装的 MCP 服务器。快来试试吧！
Visual Studio 2022 安装
针对 Visual Studio 2022（17.14 版本或更高版本）：
1 启用 Agent 模式：在 GitHub Copilot 聊天窗口中点击 "Ask" 下拉菜单，然后选择 "Agent"
2 创建配置文件：在解决方案目录中创建一个 .mcp.json 文件（推荐位置：<SOLUTIONDIR>.mcp.json）
3 配置服务器：使用标准 MCP 格式添加 MCP 服务器配置
4 工具审批：出现提示时，批准您要使用的具有适当范围权限的工具
有关 Visual Studio 详细安装说明，请参阅 《Visual Studio MCP documentation》 文档。
每个 MCP 服务器都有其自身的配置要求（连接字符串、身份验证等），但两种 IDE 的安装模式是一致的。
下一步做什么？
MCP 生态系统正在迅速发展！微软和更广泛的社区正在积极开发新服务器并改进现有服务器。请关注微软 MCP 官方代码库，以获取更新和新服务器发布信息。
开放标准的力量：MCP 之所以具有真正的变革性，在于它是一项企业级标准，能够实现真正的供应商互操作性。您不仅限于使用微软的 MCP 服务器，还可以无缝集成来自数十家领先科技公司的工具。将微软的 Azure MCP 与 GitHub 的仓库管理相结合，添加 Notion 用于文档管理，Linear 用于项目跟踪，Stripe 用于支付处理，以及 MongoDB 用于数据库操作 ------ 所有这些都通过相同的标准化协议协同工作。这种与供应商无关的方法意味着您可以构建完全符合团队需求的工作流程，而不会被锁定在任何单一的生态系统中。
如果你正在构建自己的工具，或者经常使用特定的数据源，不妨考虑创建一个自定义的 MCP 服务器。标准化协议使其比传统集成方法要容易得多，而且你的服务器将自动与任何兼容 MCP 的客户端协同工作。
初次接触 MCP？如果您刚开始使用模型上下文协议，不妨查看我们的《Let's Learn -- MCP Events》系列。这个适合初学者的系列将带您逐步了解 MCP 基础知识，是为 MCP 开发者日进行更深入学习的绝佳准备。
快来参加 7 月 29 日至 30 日的 MCP 开发者日活动！如果您对 MCP 充满热情并希望深入了解，千万不要错过我们即将举办的线上活动。在为期两天的活动中，您将获得实践学习机会，观看 VS Code 和 GitHub Copilot 的实际演示，并从 Arcade、Block、Okta 和 Neon 等社区合作伙伴处获取见解。第一天聚焦于生产力和社区，第二天则深入探讨如何运用最佳安全实践构建 MCP 服务器。
原文连接：https://devblogs.microsoft.com/blog/10-microsoft-mcp-servers-to-accelerate-your-development-workflow
