六堂主線、一條管線：從一把 key 打遍八家模型開始，到讓模型做事、把函式變成 AI 工具、 向量資料庫、RAG——最後接成一台會自己查資料的客服。有程式背景、工具新手，照順序上。 上完第 3 課（或整條主線）之後，四堂 FastMCP 4 補充系列把認證、狀態、4.0 專屬功能與生態系一次補齊。
主線 · 六堂課一條管線官方 openai SDK 兩行設定，背後八家供應商。列模型、對話、推理型模型的 max_tokens 坑、 串流、embeddings，最後同時發 12 個請求親眼看見同名三來源在輪替。
開始上課 → LITELLM · 02模型不回答而是「請幫我呼叫 get_weather」——兩回合、迴圈、跨模型實測誰能用； json_schema 嚴格輸出與 drop_params 默默失效的陷阱；畫一個紅圓問誰真的看得到圖。
開始上課 → MCP · 03一個裝飾器自動生成說明書、自動把關參數。在 notebook 裡起一台真的 HTTP 伺服器側錄請求： 舊協定 6 發帶 session、新協定 3 發無狀態——再用一發裸 POST 呼叫工具證明它。
開始上課 → VECTOR DB · 04一行 QdrantClient(":memory:") 起一個完整的向量資料庫。用人看得懂的 3 維口味向量
玩最近鄰、過濾、三種距離，再換成真的 1024 維 embedding 用自然語言查菜單。
一份虛構貓咪咖啡廳的繁中手冊：沒 RAG 它自信地編出 Wi-Fi 密碼，有 RAG 7 題全對、 範圍外的問題會說「手冊裡沒有寫」。切段→向量→檢索→生成→評測，每一步都量化。
開始上課 → CAPSTONE · 06LiteLLM × FastMCP × Qdrant：把檢索包成 MCP 工具，模型自己決定何時翻手冊、查什麼、查幾段—— 看它一次合併兩個章節、遇到 1+1 連工具都不碰。
開始上課 →不帶 token 就 401、guest 根本看不到 admin 的工具、JWT 本機簽發與三種壞 token—— 然後在 notebook 裡真的跑完 discovery → DCR → PKCE → token 六步，再用 SDK 三行走完。
開始上課 → 補充 B · STATE傳來傳去的狀態有沒有加密？把 requestState 從線路上截下來拆開：AES-256-GCM 密文， 竄改、換伺服器、換參數、換伺服器名、過期五個攻擊全被拒；多副本要共用 store 與金鑰。
開始上課 → 補充 C · 4.0 FEATURES每個新功能都用側錄器看線路上真的發生什麼：tools/call 變成 tasks/get 輪詢、三次 list_tools 伺服器只收到一次、 參數升成 Mcp-Param header、參數自動完成，最後自己寫一個 extension。
開始上課 → 補充 D · ECOSYSTEMuvx／npx 啟動官方參考伺服器、接上 Context7 與 DeepWiki、mcp.json 多伺服器設定； 把它們 mount 成一台 HTTP hub 給 Claude Code 用——老伺服器要 pin legacy 的坑也一起踩。
開始上課 →