MCP z perspektywy programisty: hosty, klienci, serwery i wywołania narzędzi
Dlaczego modele językowe potrzebują protokołu dla narzędzi, jak host, klient i serwer MCP dzielą między sobą zadania oraz jak pojedyncza prośba przemieszcza się od użytkownika do narzędzia i z powrotem.
Źródła: What and Why MCP?
Sztuczna inteligencja stała się standardową częścią pracy nad oprogramowaniem. Asystenci generują kod, wykrywają błędy, analizują dane i automatyzują powtarzalne zadania, zmieniając w ten sposób sposób, w jaki programiści tworzą oprogramowanie. Mimo to pozostaje podstawowe pytanie: jak model może bezpiecznie i efektywnie współpracować z narzędziami, danymi i systemami, od których codziennie korzystają programiści? Jedną z odpowiedzi jest Protokół Kontekstu Modelu, czyli MCP.
W dalszej części przyjrzymy się MCP z perspektywy programisty: czym jest serwer MCP i dlaczego istnieje, jak ze sobą łączą się jego komponenty, w jaki sposób model uzyskuje dostęp do zewnętrznych narzędzi za pośrednictwem tego protokołu oraz jaki wpływ ma on na skalowalność, utrzymaność i produktywność.
Dlaczego istnieje MCP
Zacznij od obecnej sytuacji. Możesz uzyskać dostęp do potężnych modeli językowych od OpenAI, Llama od Meta, DeepSeek, Gemini od Google oraz Claude od Anthropic za pośrednictwem przeglądarki lub aplikacji. Odpowiadają na pytania, piszą teksty i kod, podsumowują dokumenty, a nawet tworzą obrazy.
Skup się na jednej podstawowej umiejętności – generowaniu tekstu jako odpowiedzi. Załóżmy, że zapytasz model o najlepsze hotele w Kolombo. Może udzielić przydatnej odpowiedzi na podstawie posiadanych informacji, ale szybko pojawiają się dwie ograniczenia.
Ograniczenie pierwsze: przestarzałe informacje
Wiedza modelu odzwierciedla dane treningowe oraz dodatkowe informacje lub narzędzia, które otrzymał. Bez połączenia z zewnętrznymi, aktualnymi źródłami może nie znać bieżących cen hoteli, dostępności pokoi, rozkładów lotów ani miejsc, które niedawno zostały otwarte.
Ograniczenie drugie: brak możliwości działania
To ma głębsze konsekwencje. Model może sformułować odpowiedź, ale nie może automatycznie nic zrobić w rzeczywistym świecie. Poproś go o wysłanie e-maila do twojego menedżera – napisze wiadomość, ale nie będzie mógł jej wysłać, chyba że będzie połączony z usługą e-mailową posiadającą odpowiednie uprawnienia. Poproś go o utworzenie zgłoszenia w Jira dotyczącego błędu – może przygotować tytuł i opis, ale stworzenie zgłoszenia wymaga dostępu do Jira. To samo dotyczy rezerwacji hotelu, wyszukiwania w bazie danych, obsługi systemów firmy czy wywoływania API.
Jak więc zamknąć tę lukę?
Agenci AI jako pierwszy krok
Zwykłą pierwszą odpowiedzią jest agent: model językowy połączony z zewnętrznymi narzędziami, który może sam decydować, które narzędzie nadaje się do danego kroku i kiedy je użyć. Weźmy na przykład asystenta podróżniczego. Użytkownik prosi go o zaplanowanie podróży do Paryża w przyszłym miesiącu: wybór dobrego hotelu, jego rezerwację oraz polecenie ciekawych miejsc w okolicy.
To zdanie kryje szereg zadań. Agent może potrzebować:
- poszukiwać dostępnych hoteli
- sprawdzać szczegóły, ceny i dostępność
- zatwierdzać rezerwację
- znajdować atrakcje w pobliżu hotelu
- uzyskiwać dane dotyczące lokalizacji i mapy
- wyślij e-mail z potwierdzeniem
Aby to zrobić, potrzebne są zewnętrzne zasoby. Sztuczna inteligencja przyczynia się do zrozumienia i rozumowania, natomiast narzędzia zapewniają możliwości realizacji tych działań.
Eksplodacja integracji
Teraz wyobraźmy sobie, że agent musi pracować z 20, 50 lub setkami narzędzi i usług. Każde z nich może mieć własną API, metodę autoryzacji, formaty zapytań i odpowiedzi oraz kod integracyjny. Jeśli każda aplikacja AI będzie tworzyć dedykowany łącznik dla każdego narzędzia, architektura szybko stanie się skomplikowana.
To właśnie jest luka, którą wypełnia MCP. Daje aplikacjom AI standardowy sposób na komunikację z zewnętrznymi narzędziami, źródłami danych i usługami. Zamiast osobnej integracji dla każdej aplikacji i każdego narzędzia, istnieje jeden wspólny protokół łączący modele z zewnętrznymi możliwościami.
Trzy rodzaje możliwości serwera
Server może oferować trzy różne rzeczy, a rozróżnienie ich pomaga uporządkować terminologię:
- Narzędzia to działania, o które model może poprosić, takie jak wyszukiwanie hoteli lub tworzenie biletu. Mogą one coś zmienić w świecie zewnętrznym.
- Zasoby to fragmenty danych, które aplikacja może odczytać w celu uzyskania kontekstu, takie jak plik, rekord bazy danych lub dokument.
- Wskazówki to wielokrotnie używalne szablony, które pomagają zorganizować interakcję z modelem.
Większość przykładów wprowadzających koncentruje się na narzędziach, ponieważ bezpośrednio rozwiązują one problem „nie można działać”, ale zasoby i polecenia stają się istotne, gdy aplikacja potrzebuje kontekstu zamiast poleceń.
Jak działa MCP
Gdy motywacja jest jasna, przyjrzyjmy się aplikacji opartej na MCP. Istotne są trzy komponenty, a chociaż ich nazwy brzmią podobnie, każdy pełni własną funkcję.
- Host MCP to aplikacja AI, z którą wchodzi w interakcję użytkownik – na przykład IDE z wbudowaną sztuczną inteligencją, aplikacja desktopowa lub chatbot oparty na modelu LLM. Zarządza ona całkowitą interakcją z AI, w tym rozmową z użytkownikiem oraz połączeniami z serwerami MCP.
- Klient MCP znajduje się wewnątrz hosta i odpowiada za komunikację z serwerem MCP. Host to to, co widzi użytkownik, natomiast klient to część w jego wnętrzu, która używa protokołu MCP.
Co dzieje się podczas uruchamiania
Gdy aplikacja łączy się z serwerem, klient nawiązuje połączenie i inicjuje komunikację. Obie strony wymieniają informacje na temat wersji protokołu oraz obsługiwanych funkcji. Serwery lokalne mogą komunikować się za pomocą stdio, natomiast serwery zdalne mogą wykorzystywać Streamable HTTP.
Gdy połączenie jest gotowe, klient odkrywa, co oferuje serwer. Serwer hotelu może udostępniać narzędzia takie jak search_hotels, check_availability i make_booking, z których każde ma opis oraz szczegóły dotyczące wymaganych danych wejściowych. Następnie aplikacja AI przekazuje te definicje do modelu LLM.
Jedna prośba, prześledzona
Załóżmy, że użytkownik wpisuje: „Znajdź mi hotel w Kolombo w ten weekend”. LLM otrzymuje tę wiadomość wraz z opisami dostępnych narzędzi. Na podstawie tej prośby i tych opisów dochodzi do wniosku, że search_hotels jest odpowiednią opcją, i generuje niezbędne parametry, takie jak lokalizacja i daty.
Model sam nie uruchamia narzędzia. Host przekazuje żądanie narzędzia do klienta MCP, który przekazuje je odpowiedniemu serwerowi za pomocą protokołu. Serwer wykonuje rzeczywiste narzędzie, które może korzystać z API hoteli, wyszukiwać w bazie danych lub łączyć się z innymi zewnętrznymi systemami. Wszystkie te szczegóły pozostają ukryte za serwerem.
Gdy narzędzie zakończy pracę, wynik wraca przez serwer i klienta do aplikacji AI, a model LLM przekształca go w ostateczną odpowiedź. Jeśli żądanie obejmuje kilka kroków, model kontynuuje działanie, decydując, czy potrzebne jest kolejne narzędzie.
Żądanie takie jak „Znajdź hotel, zarezerwuj go i wyślij mi e-mail z potwierdzeniem” może wymagać kilku sekwencyjnych wywołań: wyszukiwania hoteli, sprawdzenia dostępności, dokonania rezerwacji oraz w końcu użycia narzędzia do wysyłki e-maili. Wynik każdego kroku może służyć jako dane wejściowe dla następnego.
Idea w jednej linii
Model LLM decyduje, co należy zrobić, klient MCP komunikuje się z serwerem MCP, a serwer wykorzystuje odpowiednie narzędzia do wykonania zadania. Cała ścieżka wygląda w ten sposób:
Użytkownik, następnie host MCP, potem model LLM, dalej klient MCP, następnie serwer MCP, potem narzędzie, a na koniec z powrotem przez serwer, klienta i model LLM do użytkownika.
To właśnie dzielenie pracy stanowi źródło wartości MCP. Model koncentruje się na rozumieniu i rozumowaniu, a MCP zapewnia aplikacji standardowy sposób na odkrywanie i wykorzystywanie zewnętrznych możliwości.
Wiadomości i uprawnienia
Poniżej klient i serwer wymieniają ze sobą ustrukturyzowane wiadomości, przy czym MCP opiera się na JSON-RPC 2.0 do realizacji tej funkcji. Prośba określa metodę, np. wyświetlenie narzędzi lub ich wywołanie, a odpowiedź zawiera albo wynik, albo błąd. Ponieważ host znajduje się pomiędzy modelem a każdym serwerem, jest również naturalnym miejscem do kontrolowania uprawnień. Dobrze zaprojektowany host może poprosić użytkownika o zatwierdzenie rezerwacji lub e-maila przed wysłaniem żądania oraz może ograniczyć, które serwery mogą brać udział w danej rozmowie. Protokół standaryzuje mechanizmy komunikacji, ale decyzje dotyczące zaufania nadal należą do aplikacji i jej użytkownika, dlatego serwery powinny być traktowane jak każdy inny fragment kodu, który może działać w ich imieniu.
Dlaczego deweloperzy powinni się tym przejmować
Wspólny protokół zmienia sposób budowania systemów opartych na sztucznej inteligencji:
- Mniej powtarzającej się pracy. Narzędzie udostępnione raz za pośrednictwem serwera MCP może być używane przez każdą aplikację obsługującą MCP, zamiast być ponownie integrowane za każdym razem.
- Lepsza możliwość konserwacji. Szczegóły dotyczące narzędzia, takie jak autoryzacja i formaty zapytań, pozostają po stronie serwera, więc aplikacje nie muszą ulegać zmianom, gdy te szczegóły się zmieniają.
- Latwiejsze skalowanie. Dodanie narzędzia oznacza dodanie serwera i umożliwienie klientom jego odkrycia, a nie przepisywanie całej aplikacji.
- Czystsze rozdzielenie funkcji. Model zajmuje się logiką, klient komunikuje się, a serwer wykonuje działania, przy czym każda z tych części może być testowana i zastępowana osobno.
Którą drogą pójdzie dalej historia
LLM potrafią myśleć i generować treści, ale nie mogą same połączyć się z każdym zewnętrznym systemem. Agenty dostarczają im narzędzia, a MCP oferuje standardowy sposób łączenia tych narzędzi z aplikacjami AI. Model przeprowadza rozumowanie, klient komunikuje się, serwer udostępnia możliwości, a narzędzia wykonywają faktyczną pracę.
Pozostaje jedno otwarte pytanie: co dokładnie przepływa pomiędzy klientem a serwerem? Odpowiedź na nie wymaga przyjrzenia się samemu protokołowi, sposobowi wymiany wiadomości, sposobowi znajdowania narzędzi oraz temu, jakie ma znaczenie JSON-RPC. Krótko mówiąc: model potrafi myśleć, narzędzie może działać, a MCP pomaga im ze sobą komunikować się.
Literatura pokrewna
- Gdy agent AI ma 1 000 narzędzi MCP: wybór, kontekst i umiejętności — Łączenie agentów z wieloma serwerami MCP powoduje eksplodację narzędzi, przeciążony kontekst oraz nieodpowiednie wybory. Dlaczego odkrywanie, umiejętności i bramy mogą być ważniejsze niż prosty dostęp.
- Praktyczne notatki: wykorzystanie k6 i Grafana MCP do testowania wydajności z użyciem AI — Szczegółowy przewodnik po praktycznych notatkach dotyczących wykorzystania k6 i Grafana MCP do testowania wydajności z użyciem AI: kontrakty, sprawdzania oraz gotowe fragmenty kodu dla zespołów wdrażających ten model.