Clienții locali MCP sunt atât de subestimați! Toată lumea folosește Cursor, Claude Desktop și ChatGPT ca gazde MCP, dar dacă vă construiți propriile aplicații care acceptă MCP, aveți nevoie de clienți personalizați. Iată problema: scrierea clienților MCP de la zero este dureroasă și consumatoare de timp. Astăzi, vă arăt cum să construiți clienți MCP personalizați în câteva minute, nu în ore. Pentru a dovedi acest lucru, am construit un asistent AI complet privat, care poate: - Se conectează la orice server MCP - Automatizează utilizarea browserului - Răzuiește datele web fără probleme - Controlează terminalul computerului meu - Procesează imagini, audio și documente - Își amintește totul cu grafice de cunoștințe Secretul? mcp-use — un cadru 100% open-source care face ca integrarea MCP să fie trivială. Construirea agenților MCP personalizați necesită 3 pași: 1. Definiți configurația serverului MCP 2. Conectați orice LLM la clientul MCP 3. Implementați-vă agentul Asta este. Fără configurare complexă, fără dependențe proprietare. Cea mai bună parte? Totul se desfășoară local. Datele tale rămân private și controlezi întreaga stivă. Defalcare completă cu codul... 👇

Să analizăm fiecare integrare și să înțelegem cum funcționează, folosind cod și ilustrații:

1️⃣ Server MCP Stagehand Începem prin a permite agentului nostru să controleze un browser, să navigheze pe pagini web, să facă capturi de ecran etc., folosind MCP @Stagehanddev. Mai jos, am pus o interogare meteo, iar agentul a răspuns autonom la ea inițiind o sesiune de browser. Verificați acest lucru👇

2️⃣ Server Firecrawl MCP Apoi, adăugăm capabilități de scraping, crawling și cercetare profundă la agent. mcp-use acceptă conectarea la mai multe servere MCP simultan. Așa că adăugăm configurația MCP @firecrawl_dev la configurația existentă și interacționăm cu ea. Verificați acest lucru👇

3️⃣ Server Graphiti MCP Până acum, agentul nostru este fără memorie. Uită totul după fiecare sarcină. Graphiti @Zep_ai este un server MCP care oferă agentului nostru un strat de memorie în timp real bazat pe grafice. De asemenea, puteți vizualiza acest grafic în Neo4j. Verificați acest lucru👇

4️⃣ Server Ragie MCP Apoi, oferim capabilități RAG multimodale agentului pentru a procesa texte, imagini, videoclipuri, audio, documente etc. Este alimentat de @ragieai MCP. Mai jos, i-am cerut să listeze proiecte în PDF-ul meu MCP (un document complex) și a răspuns perfect. Verificați acest lucru👇

5️⃣ Server MCP GitIngest Apoi, pentru a răspunde nevoilor dezvoltatorilor, permitem agentului nostru să discute cu orice depozit GitHub. Mai jos, am întrebat despre stiva tehnologică a fluxului meu de scriitori de cărți furnizând linkul repo. A extras informațiile corecte folosind serverul MCP. Verificați acest lucru👇

6️⃣ Server MCP terminal În cele din urmă, oferim controlului terminalului nostru Agent pentru a executa comenzi pentru dezvoltator, dacă este necesar. Oferă instrumente precum: - citire/scriere/căutare/mutare fișiere - executați o comandă - creează/listează directorul etc. Verificați acest lucru👇

În cele din urmă, împachetăm acest lucru într-o interfață Streamlit, unde putem schimba dinamic configurația MCP. Acest lucru ne oferă un asistent AI 100% local care poate naviga, răzui, are memorie, prelua dintr-o bază de cunoștințe multimodală și multe altele. Verificați această demonstrație👇

Asta e un înveliș! Dacă ți s-a părut perspicace, redistribuie cu rețeaua ta. Găsește-mă → @akshay_pachaar ✔️ Pentru informații practice și tutoriale despre LLM-uri, agenți AI și Machine Learning!