AI Engineer
通过将工具调用返回关联至打包HTML并在VS Code聊天框内以内联iframe沙盒隔离渲染,开发者无需跳转外部应用即可完成性能分析与数据交互。
AI-assisted summary of Building Interactive UIs in VS Code with MCP Apps — Marlene Mhangami & Liam Hampton, GitHub — original source. Check the original for full context.
Source published:
Key ideas
- MCP Apps 扩展了模型上下文协议(MCP),使服务器工具不仅能返回数据负载,还能返回指向打包 HTML 的资源引用,直接在 VS Code 聊天窗口内渲染交互式组件。 (3:19)
- 为了防止未授权脚本篡改编辑器设置或非法调用外部 API,VS Code 将所有 MCP Apps 的 HTML UI 严格限制在聊天界面的沙盒化 iframe 中运行。 (13:35)
- 沙盒化 UI 与后端 MCP 服务器支持双向事件回调与实时数据刷新,Shopify 已将其应用于聊天内完整结账流程,Excalidraw 则用于实时可编辑的架构白板。 (6:33)
- 现场实操演示中,通过 TypeScript 编写的 MCP 服务器调用 Go pprof 对冒泡排序和斐波那契程序采样 5 秒,在 VS Code Chat 侧边栏内直接以内联交互式火焰图呈现性能分析结果。 (13:06)
Detailed notes
## Background 该视频由 AI Engineer 频道于 2026 年 6 月 6 日发布在 YouTube 平台上。页面简介介绍,微软与 GitHub 的开发者推广工程师 Marlene Mhangami 和 Liam Hampton 现场演示了如何通过 MCP Apps 突破传统对话的纯文本限制,在 VS Code Chat 聊天窗口内的沙箱 iframe 中直接渲染交互式性能分析火焰图。
## TL;DR 演讲首先剖析了模型上下文协议(MCP)的架构核心,指出早期工具调用只能返回纯文本或 ASCII 字符画的体验短板,进而引出能够直接在聊天窗口渲染活体交互组件的 MCP Apps。随后,讲师梳理了 MCP Apps 从指令发起、资源回传到宿主层在受限 iframe 中进行双向通信的完整运行机制,并列举了 Shopify、Excalidraw 等工业界落地案例。最后,Liam Hampton 进行了现场实操演示,借助 TypeScript 编写的 MCP 服务器对包含冒泡排序与斐波那契数列的 Go 程序进行性能分析,将解析结果直接以内联交互式火焰图的形式呈现在 VS Code 侧边栏中。
## Atmosphere & style 整场演讲呈现出典型而轻快的工程技术大会风格,两位讲师配合默契,叙述自然且幽默感十足。现场氛围从最初对 MCP 架构概念的清晰拆解,平稳过渡到干货满满的实战代码演示。尤其在解释 iframe 沙箱隔离时,讲师用“把仓鼠关进笼子里以防啃坏家具”的比喻引来会心笑意,让这场前沿技术的现场展示既具备扎实的极客硬核底色,又显得生动易懂。
## Bulletin - [03:19](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=199s) MCP Apps 扩展了模型上下文协议(MCP),使服务器工具不仅能返回数据负载,还能返回指向打包 HTML 的资源引用,直接在 VS Code 聊天窗口内渲染交互式组件。 - [13:35](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=815s) 为了防止未授权脚本篡改编辑器设置或非法调用外部 API,VS Code 将所有 MCP Apps 的 HTML UI 严格限制在聊天界面的沙盒化 iframe 中运行。 - [06:33](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=393s) 沙盒化 UI 与后端 MCP 服务器支持双向事件回调与实时数据刷新,Shopify 已将其应用于聊天内完整结账流程,Excalidraw 则用于实时可编辑的架构白板。 - [13:06](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=786s) 现场实操演示中,通过 TypeScript 编写的 MCP 服务器调用 Go pprof 对冒泡排序和斐波那契程序采样 5 秒,在 VS Code Chat 侧边栏内直接以内联交互式火焰图呈现性能分析结果。
## Key takeaways - [00:58](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=58s) MCP(Model Context Protocol)是由 Anthropic 首创并开源的开放标准,规范化了应用程序向大语言模型提供工具(Tools)、提示词(Prompts)和资源(Resources)等上下文的方式。 - [01:25](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=85s) MCP 架构包含三大核心角色:宿主(Host,如 VS Code)、客户端(Client,如 GitHub Copilot)以及提供特定能力的一对一长连接轻量服务(Server)。 - [03:19](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=199s) 在 MCP 早期阶段,工具调用只能返回纯文本、粗糙的 ASCII 字符画或 Emoji,缺乏直观表达图表与复杂数据的富交互能力。 - [04:02](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=242s) MCP Apps 的提出旨在突破文本瓶颈,允许服务器端工具返回带有交互性的动态组件,直接在宿主对话流中内联渲染。 - [05:15](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=315s) MCP Apps 的端到端执行链路包括:Agent 决策调用工具、服务器返回数据与 HTML 资源 URI、宿主拉取 HTML 并在沙盒 iframe 中渲染、以及双向数据通信。 - [05:55](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=355s) 宿主(Host)与客户端(Client)在渲染层各司其职:接收 HTML 资源并在沙盒中完成渲染的是 VS Code 宿主本身,而非 Copilot 客户端。 - [06:33](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=393s) 数据探索与对话式电商是 MCP Apps 的典型应用场景,用户无需跳转外部浏览器或输入多轮追问即可在聊天窗内完成多维过滤或结账。 - [09:35](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=575s) 构建 MCP App 需要三大基础要素:大模型调用的 Tool、打包生成的完整 HTML Resource(可选用 React、Vue、Svelte 等任意技术栈)以及关联两者的 Link 映射机制。 - [11:15](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=675s) MCP 规范中定义了工具可见性(Tool Visibility),可灵活限制某项工具究竟只能由模型调用、仅限前端应用调用,还是两者均可调用。 - [11:52](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=712s) 在 Go 性能分析实战中,TypeScript MCP 服务器在后台执行打包并利用 Go pprof 采样 5 秒,前端 Flame App 则使用 React Hooks 驱动火焰图渲染。 - [13:35](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=815s) 采用沙盒 iframe 隔离 UI 就像“把仓鼠关进笼子”,能够绝对避免第三方前端组件越权篡改 VS Code 编辑器配置或滥用网络 API 发起外部请求。 - [03:02](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=182s) 为防范安全漏洞与恶意代码,官方强烈建议开发者优先在 VS Code 扩展面板中通过 `@mcp` 安装审核过的服务器,避免在公网随意拉取不可信服务。
## Detailed walkthrough ### [00:14](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=14s) 讲师介绍与演讲核心议题
演讲开场,来自微软与 GitHub 的两位开发者推广工程师向现场观众进行自我介绍。Marlene Mhangami 首先发言,表明自己在微软和 GitHub 担任高级开发者推广工程师(Senior Developer Advocate)。随后 Liam Hampton 补充介绍,自己同样就职于微软与 GitHub,主要隶属于 Visual Studio Code 以及 GitHub Copilot 的开发者工具推广团队。Marlene 笑着补充道,两人负责的领域高度重合,不过“Liam 可能在 VS Code 这一侧参与得更多一些”。
随后 Marlene 梳理了整场演讲的内容大纲: - 剖析什么是模型上下文协议(Model Context Protocol,简称 MCP)。 - 探讨为什么开发者社区需要 MCP Apps,以及它们究竟是什么。 - 由 Liam Hampton 登台进行现场实操演示(Live Demo),手把手展示如何构建 MCP Apps 并在 VS Code 中调用与交互。
[00:58](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=58s) 什么是 MCP:架构核心与三大组件
为了解现场受众的技术背景,Marlene 询问台下有多少人知道 MCP,看到绝大多数与会者举手后,她欣慰地表示这说明大家的技术视野保持得非常前沿。Marlene 随即对 MCP 的定义进行了标准归纳:“MCP 当然是一个开放协议,它标准化了应用程序如何向大语言模型(LLM)提供上下文。” 该协议由 Anthropic 首创并开源,使社区可以自由采用,让 LLM 能够以统一的标准获取工具(Tools)、提示词(Prompts)以及资源(Resources)等各类上下文信息。
围绕后续涉及 MCP Tools 的部分,Marlene 详细拆解了协议架构中的三个关键组成部分:
```mermaid flowchart LR accTitle: MCP Architecture accDescr: Diagram showing the interaction between MCP Host, MCP Client, and MCP Server. subgraph ClientHost["宿主与客户端层"] Host["宿主 (MCP Host)<br/>如 VS Code"] Client["客户端 (MCP Client)<br/>如 GitHub Copilot"] end subgraph ServerLayer["服务层"] Server["MCP 服务器 (MCP Server)<br/>轻量程序 / 提供上下文与工具"] end Host --- Client Client <-->|"1对1 连接"| Server ```
- **MCP Hosts(宿主)**:即希望从 MCP 服务器访问数据的宿主程序,例如 VS Code。不同类型的宿主可以挂载不同形态的客户端。 - **MCP Clients(客户端)**:负责与底层服务器维持一对一的长连接。尽管在部分实现中客户端和宿主是同一个软件,但它们概念上有明确划分。在 VS Code 环境中,官方推荐并重点展示的客户端是 GitHub Copilot。 - **MCP Servers(服务器)**:实际对外暴露特定能力的轻量化程序,负责以规范化格式注入上下文。开发者可以自行编写专属服务,也可以直接使用生态现有的服务器。
在服务器的选择上,Marlene 特别给出了安全实践建议:在 VS Code 的扩展标签页中直接输入 `@mcp` 即可检索经审核的可用服务器列表。“我们强烈建议大家使用 VS Code 内部提供的服务器列表,因为在公网上随意拉取随机服务器可能会遭遇安全漏洞,里面甚至可能包含恶意代码。”
[03:19](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=199s) 从 ASCII 字符画到富交互 UI:MCP Apps 的演进契机
Marlene 指出,在 MCP 诞生初期存在一个明显的体验短板:工具的调用结果几乎只能返回纯文本字符串。如果开发者向 LLM 提问并要求它绘制一张展示 MCP 架构的图表,早期模型以及 MCP 驱动的流程往往只能吐出一段粗糙的 ASCII 字符画,或者在排版中塞满 Emoji。Marlene 调侃道:“我觉得我们当时就是在用 Emoji 进行过度补偿,因为我们实际上根本无法通过当时的 MCP 或现有工具来生成真正的图表或有趣的富文本内容。”
为了突破纯文本在对话流中的表现力瓶颈,MCP Apps 应运而生。Marlene 明确了它的定义与价值:“MCP Apps 让服务器端工具能够返回丰富的交互式组件,并直接在聊天窗口内渲染。”
作为直观对比,Marlene 展示了用同一提示词请求 Excalidraw MCP Server 的效果。借助 MCP Apps 的能力,模型输出的不再是干瘪的字符画,而是聊天窗口中实时渲染出的 Excalidraw 白板架构图。更关键的是,这绝非一张静态图片截屏,而是一个货真价实的活体交互组件(Live element)——用户可以直接在对话流中按住鼠标拖拽节点、修改图表文本、微调布局。
[05:15](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=315s) MCP Apps 的端到端运作机制
为阐明交互背后的工程原理,Marlene 梳理了 MCP Apps 处理用户请求的标准执行链路:
```mermaid flowchart TD accTitle: MCP Apps Execution Flow accDescr: Sequence diagram illustrating how MCP Apps execute a request and render a sandboxed iframe inside the host. subgraph Request["1. 请求阶段"] U["用户发出 Prompt<br/>(例如 'Show me analytics')"] LLM["Agent / LLM 决策<br/>选中目标 MCP Tool"] U --> LLM end subgraph Response["2. 响应阶段"] Server["MCP Server 执行工具<br/>返回数据 + HTML Resource URI"] LLM --> Server end subgraph Render["3. 渲染与交互阶段"] Host["Host (VS Code)<br/>拉取 HTML 并在沙箱 iframe 中渲染"] App["沙箱化应用 UI<br/>(支持事件回调与双向数据流)"] Server --> Host Host --> App App <-->|"双向通信 / 刷新数据"| Server end ```
整个工作流分为五个紧密配合的阶段: 1. **指令发起与决策**:用户在聊天界面提交提示词(例如“显示数据分析看板”),驱动 Agent(LLM)评估并决定调用 MCP Server 暴露的某项特定工具。 2. **资源回传**:MCP Server 执行完毕后,返回数据负载的同时,附带一个 MCP Resource 引用标记。该引用精准指向服务器端预置或动态生成的 HTML UI 资源。 3. **宿主层拉取并隔离渲染**:接收响应的是**宿主(Host,如 VS Code)**,而非仅仅是客户端(Client,如 GitHub Copilot)。宿主根据资源引用地址拉取完整的 HTML 代码,随后在一个严格受限的沙箱化 iframe(Sandboxed iframe)中完成渲染。 4. **沙箱安全与隔离**:宿主环境与 iframe 内的代码实现了清晰的安全隔离,杜绝未授权脚本非法读写本地编辑器配置或恶意调用外部 API。 5. **实时双向通讯**:沙箱内的 UI 应用可以同后端 MCP Server 建立持续的双向调用。用户在前端界面上的点击操作会触发事件回调到服务器,服务器更新数据后再实时推送给 iframe,使界面保持高响应度的数据刷新。
[06:33](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=393s) 典型应用场景与工业界落地案例
Marlene 结合人机交互痛点,分享了 MCP Apps 最具变革性的两大落地场景: - **数据探索与可视化分析**:传统纯文本对话模式下,用户若想从大型数据库中下钻数据,必须不断打字追问:“发现柱状图中的趋势后,又想查询另一组图表的具体数值,打字输入对用户来说太疲惫了。”引入 MCP Apps 后,聊天框内直接展示可视化看板,用户只需鼠标点击图表过滤条件即可完成复杂的数据探查。 - **对话式电商(E-Commerce)**:以往在对话窗口询问购物建议,模型只能吐出商品外链,强制用户跳转到浏览器结算,打断了用户的心流。“我们希望做的是让用户停留在聊天窗口内部,并在此处完成所有交互体验。”
针对当前工业界的采纳现状,Marlene 列举了三家典型企业: - **Shopify**:率先在对话流中落地 MCP Apps,构建了直接嵌入聊天界面的完整结账流程(Checkout experiences)。Shopify 极其重视维持一致的品牌认知,确保内嵌组件在排版、配色与质感上与独立品牌官网毫无二致。 - **Excalidraw**:在软件工程设计领域被广泛应用,例如 Cloud Code 等工具已接入其 MCP App,允许开发者随时调出白板,随手拖拽修改生成的云架构图。 - **Figma**:正在探索动态生成 UI 组件并实时预览的 MCP Apps 解决方案。
[09:35](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=575s) Liam Hampton 现场演示:深入 MCP App 工程结构
Marlene 结束分享后,Liam Hampton 接过话筒开始现场实操环节。Liam 先是向台下发问:“刚才大家在 Marlene 问谁知道 MCP 时都举手了,那么现在有谁已经在实际使用 MCP Apps 了?”看到台下只有零星几人举手,Liam 笑着确认台下后排是否能看清屏幕,随即切入正题。
Liam 解释,MCP Apps 的最大魅力在于帮助开发者“完全停留在单一工作上下文(如 VS Code)中,无需在各类外部应用间来回横跳”。他透露,自己的工程起步是直接借用了 Anthropic 官方在开源 Model Context Protocol 仓库中提供的 Skill 模板:“我稍微修改了它,并通过 GitHub Copilot CLI 运行,这让我能够批量快速生成多种不同的 MCP Apps。”在演示代码库中,他已经构建了火焰图(Flame Graph)、Markdown 预览器、航班状态查询器以及颜色选择器(Color Picker)等多个应用原型,而本次演示的重头戏是一个性能分析火焰图工具。
根据代码库中的 `README` 说明,Liam 总结了构建 MCP App 的三大核心基石: 1. **Tool(工具层)**:由大语言模型与宿主(当前为 VS Code)共同支持的执行入口。 2. **Resource(资源层)**:打包生成的完整 HTML UI 资源。底层技术栈没有任何限制,开发者可以随心选用 React、Vue、Svelte 或是原生 Vanilla JavaScript 进行编写与打包。 3. **The Link(关联映射机制)**:宿主与 MCP Server 能够精准识别并关联工具返回的数据响应与其对应的 UI 渲染资源,驱动沙箱组件完成数据绑定。
Liam 指出,项目里配置的这条 Skill 会明确指导 Copilot CLI、Claude 或任何接入的 AI 开发工具如何解析依赖、搭建项目脚手架并串联起整个工程规范。
[11:15](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=675s) 实战演示:用 Go 代码与 TypeScript MCP 服务器进行性能分析
Liam Hampton 开启了现场演示环节。他首先指出,MCP 框架会清晰说明如何运行应用,并提供包含处理函数(handlers)与工具可见性(tool visibility)的代码示例。关于工具可见性,Liam Hampton 解释道:“So, whether it's just the model that can call the application, whether it's the model and the app, or whether it's just the app. So, that's who invokes the tool at any given point.”(因此,这决定了在特定时刻究竟是谁来调用该工具,是仅允许模型调用,还是模型和应用都可以,亦或是仅限应用本身)。
作为一名日常编写大量 Go 语言的工程师,Liam 选择用一个包含冒泡排序(Bubble Sort)和斐波那契数列(Fibonacci sequence)的 Go 文件作为示例。冒泡排序是典型的面试基础题,用于比较数组元素;而斐波那契计算则通过累加产生调用深度。在底层,该项目利用 Go 原生的性能分析工具 Go pprof,通过本地运行的 MCP 服务器对程序执行 5 秒钟的分析,找出应用中最耗时的热点函数。
整个系统的胶水代码由 TypeScript 编写,这也符合 MCP skill 所生成的规范。在整个项目中,核心部分是 TypeScript 服务端逻辑:MCP 服务器将 Go 程序打包、执行、收集 pprof 性能数据并输出结果。随后,UI 层与该 MCP 服务器相绑定,负责在前端展示火焰图。前端采用了一个名为 Flame App 的 React 应用,内部大量使用了 React Hooks 来接收工具输入、解析分析数据,并渲染耗时统计与火焰图。Liam 幽默地向台下观众提问谁接触过火焰图,并直言火焰图原始导出的数据通常是一团乱麻、非常难以肉眼阅读,而这种可视化方案正是化繁为简的最佳途径。
- 目标程序:包含冒泡排序与斐波那契计算的 Go 语言应用 - 分析工具:基于 Go 内置的 `pprof`,设定采样分析时间为 5 秒 - 服务端:本地运行基于 TypeScript 的 MCP 服务器,负责打包执行与数据提取 - 前端实现:采用 React Hooks 构建的 Flame App,用以解析结果并渲染火焰图
[13:06](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=786s) 在 VS Code Chat 中以内联 iframe 渲染交互式火焰图
确认本地 MCP 服务器运行后,Liam 打开了 GitHub Copilot Chat。服务器已正确注册了一个名为“Profile the app”的工具。当他在聊天框中发出性能分析指令时,GitHub Copilot 识别出该意图,自动调用火焰图性能分析工具,并在聊天窗口中直接加载并挂载了 MCP App。
```mermaid flowchart LR accTitle: MCP App 内嵌渲染架构 accDescr: 用户在 VS Code Chat 提问,LLM 决定调用 MCP 工具,本地 MCP Server 运行分析并返回带有资源链接的 JSON,宿主在 iframe 中渲染 React 前端。
subgraph ChatWindow["VS Code 客户端"] User["用户发起提问"] Host["VS Code 宿主"] IframeUI["沙盒 iframe (React Flame App)"] end
subgraph Backend["AI 与 MCP 链路"] LLM["LLM 模型"] Server["本地 MCP Server (TypeScript)"] Profiler["Go pprof 性能采样"] end
User -->|"输入指令"| LLM LLM -->|"识别并触发 Tool Call"| Server Server -->|"运行并采样 5 秒"| Profiler Profiler -->|"返回性能数据"| Server Server -->|"返回 JSON 数据 + UI 资源链接"| Host Host -->|"在沙盒中挂载"| IframeUI ```
片刻之后,VS Code 的聊天窗口内直接呈现出了一个内嵌在 iframe 中的交互式 UI。界面中整齐列出了耗时排名靠前的函数汇总及完整的火焰图,开发者可以自由缩放、拖拽和调整排版以契合聊天窗口的宽度。Liam 强调,以往处理这些性能数据时,开发者通常需要把大段原始数据发给大模型,反复提问“这段数据正常吗?性能瓶颈在哪里?”,陷入来回拉扯的对话;而有了嵌入在 iframe 中的交互式 UI,这一切繁琐沟通都被彻底抹平了,性能瓶颈一目了然。
谈及为何要将 UI 严格限制在 iframe 之中,Liam 打了一个生动的比方:“The reason we're doing this in an iframe or the why the iframe is the same reason that you put a hamster in a cage, right? If you don't let it loose in a room, it's just going to chew things up.”(我们采用 iframe 的原因,就像你把仓鼠关进笼子里一样:如果不把它关好而是放任它在屋里乱跑,它就会把东西啃得稀巴烂)。沙盒机制的核心目的,就是防止不可控的第三方前端应用直接干扰或篡改 VS Code 自身的设置、随意调用外部未经许可的 API,将所有渲染与交互安全地限制在聊天窗口的微型沙盒之内。
- 交互体验:取代传统的纯文本分析对话,在 Chat 侧边栏内提供直观的可视化图表 - 渲染机制:宿主(VS Code)接收到带有资源链接的 MCP 返回后,将其动态渲染为 iframe - 安全考量:通过 iframe 强隔离(沙盒化),确保前端组件无法非法访问 VS Code 设置或发起恶意外部 API 调用
[15:10](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=910s) 结语与活动预告
演示顺利结束后,演讲时长也刚好耗尽。Liam 转向 Marlene 询问是否有需要补充的内容。Marlene 随后向现场开发者致谢,并介绍了微软和 GitHub 在本次峰会现场的展位信息——GitHub 展位位于大会的三层和四层,欢迎参会者前往交流探讨。此外,她还预告了即将于 6 月 3 日至 6 日举办的 Microsoft Build 大会,届时将有大量专注于代码开发与工程实践的研讨会与内容,开发者既可以亲临展台互动,也可以在线上参与 Build 大会。在全场的掌声中,两人结束了本次演讲。
## Notable quotes > [13:06](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=786s) The reason we're doing this in an iframe or the why the iframe is the same reason that you put a hamster in a cage, right? If you don't let it loose in a room, it's just going to chew things up. — Liam Hampton
> [00:58](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=58s) 我们强烈建议大家使用 VS Code 内部提供的服务器列表,因为在公网上随意拉取随机服务器可能会遭遇安全漏洞,里面甚至可能包含恶意代码。 — Marlene Mhangami
> [06:33](https://www.youtube.com/watch?v=_xIwFcnHqp4&t=393s) 我们希望做的是让用户停留在聊天窗口内部,并在此处完成所有交互体验。 — Marlene Mhangami
## Mentioned Marlene Mhangami, Liam Hampton, Microsoft, GitHub, Visual Studio Code, GitHub Copilot, GitHub Copilot CLI, Model Context Protocol, Anthropic, Excalidraw, Shopify, Figma, Go, Go pprof, TypeScript, React, Vue, Svelte, Claude, Microsoft Build
## Video description The demo profiles a Go app running bubble sort and Fibonacci and the result renders as an interactive flame graph directly inside the VS Code chat window. Not a link. Not a text summary. A live iframe you can scroll and query, sandboxed for the same reason you put a hamster in a cage: so it cannot chew up your VS Code settings or call external APIs.
The mechanism: an MCP tool returns both data and a resource reference pointing to a bundled HTML UI. VS Code fetches the HTML and renders it in a sandboxed iframe in chat. The app calls back to the server, the server returns fresh data, the UI updates. Shopify uses this pattern for checkout flows inside chat. Excalidraw uses it for interactive architecture diagrams you can drag and edit. Marlene and Liam walk through building one from scratch using a skill from the MCP repository.
Speaker info: - https://x.com/marlene_zw - https://www.linkedin.com/in/marlenemhangami/ - https://github.com/marlenemhangami
- https://x.com/liamchampton - https://www.linkedin.com/in/liam-conroy-hampton/ - https://github.com/liamchampton
---
Watch along with the corrected transcript, summary, timestamps and resources on this talk's official AIE page: https://ai.engineer/talks/_xIwFcnHqp4-building-interactive-uis-in-vs-code-with-mcp-apps-marlene-mhangami-liam-hampton-github
Join our upcoming AI Engineer conferences (see https://ai.engineer landing page):
- AIEi Shanghai, November 5–6 — the first for meeting top Chinese labs and engineers - AIE CODE in SF, November 10–12 — the top AI Coding conference returns - AIEi Sydney, December 7–8 — the first AIEi run alongside NeurIPS 2026 in Sydney
---
[Source](https://www.youtube.com/watch?v=_xIwFcnHqp4)