Місцеві клієнти MCP так недооцінені! Усі використовують Cursor, Claude Desktop і ChatGPT як хости MCP, але якщо ви створюєте власні програми, які підтримують MCP, вам потрібні користувацькі клієнти. Ось у чому проблема: писати MCP-клієнтам з нуля – це болісно і довго. Сьогодні я покажу вам, як створювати власні MCP-клієнти за лічені хвилини, а не години. Щоб довести це, я створив повністю приватного, найкращого помічника зі штучним інтелектом, який може: - Підключається до будь-якого MCP-сервера - Автоматизує використання браузера - Безперешкодне збирання веб-даних - Керує терміналом мого комп'ютера - Обробляє зображення, аудіо та документи - Запам'ятовує все за допомогою графіків знань У чому секрет? mcp-use — 100% фреймворк з відкритим вихідним кодом, який робить інтеграцію з MCP тривіальною. Створення кастомних агентів MCP відбувається в 3 етапи: 1. Визначте конфігурацію вашого MCP-сервера 2. Підключіть будь-який LLM до клієнта MCP 3. Розгорніть свій агент Ось і все. Ніякого складного налаштування, ніяких пропрієтарних залежностей. Найкраща частина? Все працює локально. Ваші дані залишаються конфіденційними, а ви контролюєте весь стек. Повна розбивка з кодом... 👇

Давайте розберемо це, дослідивши кожну інтеграцію та зрозумівши, як вона працює, використовуючи код та ілюстрації:

1️⃣ Stagehand MCP-сервер Ми починаємо з того, що дозволяємо нашому агенту керувати браузером, переміщатися веб-сторінками, робити скріншоти тощо за допомогою @Stagehanddev MCP. Нижче я задав запит про погоду, і Агент автономно відповів на нього, ініціювавши сеанс браузера. Перевірте це👇

2️⃣ Сервер Firecrawl MCP Далі ми додаємо до Агента можливості скрейпінгу, сканування та глибоких досліджень. MCP-use підтримує підключення до декількох серверів MCP одночасно. Тому ми додаємо конфіг @firecrawl_dev MCP до існуючого конфіга і взаємодіємо з ним. Перевірте це👇

3️⃣ Graphiti MCP сервер Поки що наш Агент без пам'яті. Після кожного завдання він все забуває. @Zep_ai's Graphiti — це MCP-сервер, який надає нашому агенту шар пам'яті в реальному часі на основі графіка. Ви також можете візуалізувати цей графік у форматі Neo4j. Перевірте це👇

4️⃣ Сервер Ragie MCP Далі ми надаємо Агенту можливості мультимодального RAG для обробки текстів, зображень, відео, аудіо, документації тощо. Він працює на базі @ragieai MCP. Нижче я попросив його перерахувати проекти в моєму MCP PDF (складний документ), і він відповів ідеально. Перевірте це👇

5️⃣ Сервер GitIngest MCP Далі, щоб задовольнити потреби розробника, ми дозволяємо нашому агенту спілкуватися з будь-яким репозиторієм GitHub. Нижче я запитав про технологічний стек мого потоку для написання книг, надавши посилання на репозиторій. Він отримав потрібну інформацію за допомогою сервера MCP. Перевірте це👇

6️⃣ Термінальний MCP-сервер Нарешті, ми надаємо нашому агенту керування терміналом для виконання команд для розробника, якщо це необхідно. Він надає такі інструменти, як: - читання/запис/пошук/переміщення файлів - виконати команду - створити/перерахувати директорію і т.д. Перевірте це👇

Нарешті, ми обгортаємо це в інтерфейс Streamlit, де ми можемо динамічно змінювати конфігурацію MCP. Це дає нам 100% локального найкращого помічника зі штучним інтелектом, який може переглядати, збирати дані, мати пам'ять, отримувати дані з мультимодальної бази знань та багато іншого. Перегляньте цю демонстрацію👇

Ось і все! Якщо ви вважаєте її корисною, надішліть запит у свою мережу. Знайди мене → @akshay_pachaar ✔️ За практичні ідеї та навчальні посібники з LLM, агентів штучного інтелекту та машинного навчання!