使用说明
MCP、MLOps和代理人训练营——HSLU 2026
为期两天的实践训练营，涵盖了生产LLM系统的整个生命周期——从可重复性和自动化到MCP工具、评估和自主代理。
作为交付的一部分 CAS应用数据智能 在HSLU。
课程
第1天——MLOps和LLMOps
| 块 | 主题 | 类型 | 笔记本 |
|---|---|---|---|
| 0 | 设置检查 | 动手 | check_setup.ipynb |
| 1 | 再现性 | 理论 | -- |
| 2 | 再现性 | 动手 | 01_rag_实验.ipynb |
| 3 | 自动化 | 理论 | -- |
| 4 | 自动化 | 动手 | 01_质量_价格.ipynb |
| 5 | 缩放 | 理论 | -- |
| 6 | 缩放 | 动手 | 01_fastapi_serving.ipynb |
| 7 | 监控与治理 | 理论 | -- |
| 8 | 休息+问答 | 讨论 | -- |
第2天——MCP、评估、助理和代理人
| 块 | 主题 | 类型 | 笔记本 |
|---|---|---|---|
| 1 | MCP | 理论 | -- |
| 2 | MCP | 动手 | 01_mcp_server.ipynb |
| 3 | LLM作为法官 | 理论 | -- |
| 4 | 法学硕士作为评委 | 动手 | 01_判断_评估.ipynb |
| 5 | 法学硕士助理 | 理论 | -- |
| 6 | 法学硕士助理 | 动手 | 01_context_management.ipynb |
| 7 | 代理 | 理论 | -- |
| 8 | 代理人 | 动手 | 01_react_agent.ipynb |
快速开始
git clone https://github.com/exomishra/mcp-mlops-sas-bootcamp-hslu-2026.git
cd mcp-mlops-sas-bootcamp-hslu-2026
cp .env.example .env # then add your GROQ_API_KEY (see setup guide)
uv venv && uv sync
uv run --with jupyter jupyter lab
有关详细说明，请参阅：
- setup_instructions.md -完整的设置指南（前提条件、LLM API密钥、配置）
- 背景_安装.md --终端、IDE、Python、Git、uv基础知识（如果需要）
仓库结构
mcp-mlops-sas-bootcamp-hslu-2026/
├── README.md
├── setup_instructions.md # Full setup guide
├── background_setup.md # Terminal, IDE, Python, Git, uv basics
├── .env.example # Template for API keys
├── pyproject.toml
├── justfile # Quick commands (just setup, just lab, etc.)
├── configs/
│ └── rag_pipeline.yaml # LLM provider, chunking, retrieval settings
├── data/
│ └── eval_questions.json # FinanceBench evaluation questions
├── 00_setup/ # Setup verification notebook
├── 01_reproducibility/ # Block 2: RAG experiments with MLflow
├── 02_automation/ # Block 4: Quality gates with pytest
├── 03_scaling/ # Block 6: FastAPI serving + latency
├── 04_mcp/ # Block 2: MCP server building
├── 05_llm_as_judge/ # Block 4: LLM-as-Judge evaluation
├── 06_assistant/ # Block 6: Context management
├── 07_agents/ # Block 8: ReAct agent building
└── src/mlopsbootcamp/ # Reusable Python package
├── rag/ # RAG pipeline (parsing, chunking, retrieval)
├── eval/ # Evaluation (metrics, LLM judge)
├── serving/ # FastAPI app, latency helpers
├── agents/ # ReAct loop, tools, memory
└── utils/ # LLM client, MLflow, tokens, viz
技术栈
| 组件 | 工具 | 目的 |
|---|---|---|
| LLM推理 | 格罗克 （免费） | 快速LLM API（Llama 3.3 70B） |
| 嵌入 | 句子转换 | 文档和查询嵌入 |
| 矢量存储 | Qdrant（本地） | 矢量存储和检索 |
| 实验跟踪 | 工作流 | 参数、指标、工件 |
| 用于RAG管道的API服务 | FastAPI | REST API |
| 测试 | pytest | 自动质量门 |
| 工具协议 | MCP（Python SDK） | LLM到工具的连接 |
| PDF解析 | 文档处理 | 财务文档提取 |
| 包管理 | uv | 快速解决依赖关系 |
许可证
引用
米什拉，L.（2026）。 *MCP、MLOps和代理人训练营（HSLU 2026）*卢塞恩应用科学与艺术大学（HSLU）。https://github.com/exomishra/mcp-mlops-sas-bootcamp-hslu-2026
@misc{mishra2026mlopsbootcamp,
author = {Lokesh Mishra},
title = {MCP, MLOps \& Agents Bootcamp (HSLU 2026)},
year = {2026},
howpublished = {\url{https://github.com/exomishra/mcp-mlops-sas-bootcamp-hslu-2026}},
note = {Lucerne University of Applied Sciences and Arts (HSLU)}
}
