Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Nástroje, zdroje a prompty v MCP

Lekce 3 z 14 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Tři schopnosti, tři záměry
  2. Nástroje: spustitelné funkce
  3. Zdroje: čitelná data
  4. Prompty: znovu použitelné šablony
  5. Vyjednávání schopností
  6. Kolik nástrojů na server?
  7. Klíčové poznatky

Aktualizováno 2. listopadu 2026 — MCP Python SDK v2. Tento kurz nyní vychází z verze 2 SDK mcp (k 2. říjnu 2026 je to verze 2.3.0): MCPServer nahrazuje FastMCP, nastavení transportu se přesouvá do run() nebo streamable_http_app() a aplikace vystavená pod skutečným hostname musí tento hostname deklarovat (transport_security). Toto je také verze požadovaná Mistral SDK: extra balíček mistralai[agents] vyžaduje mcp>=2.2.0,<3.0. Zdroje: Co je nového ve v2 · Průvodce migrací · Nasazení a škálování.

Tři schopnosti, tři záměry

Server MCP může svým klientům exposeovat tři typy schopností. Nejsou zaměnitelné: každá řeší odlišnou potřebu a jejich záměna vede k serverům, které model obtížně využívá. Tato lekce je probere jednu po druhé, než se pustíme do otázky, která určuje kvalitu serveru: kolik nástrojů a v jaké granularitě.

Nástroje: spustitelné funkce

Nástroje jsou nejrozšířenější schopností protokolu. Nástroj je funkce, kterou se model může rozhodnout zavolat, aby provedl akci nebo získal informace. Jeho definice stojí na čtyřech prvcích: unikátní, výstižný název (create_issue, get_weather), textový popis sdělující modelu, kdy jej má zavolat, JSON schéma pro vstupní parametry s jejich typy a omezeními a formát návratové hodnoty – nejčastěji text nebo JSON.

from mcp.server.mcpserver import MCPServer

app = MCPServer("My Server")

@app.tool()
def get_weather(latitude: float, longitude: float) -> str:
    """Retrieves current weather for the given coordinates.

    Args:
        latitude: Latitude in decimal degrees (-90 to 90)
        longitude: Longitude in decimal degrees (-180 to 180)

    Returns:
        Text description of current weather
    """
    # Weather API call logic
    return f"Sunny, 22°C at ({latitude}, {longitude})"

Nepodceňuj popis a typování: model nevidí nic jiného. Nemá přístup k tvému kódu, nedokáže uhodnout tvé záměry a nemůže si zavolání otestovat, aby viděl, co se stane. Vágní popisy nebo špatně typované parametry mechanicky vedou k chybným voláním.

Několik návyků učiní tvoje nástroje výrazně spolehlivějšími. Pojmenovávej je podle toho, co dělají – book_restaurant říká vše, process_request neříká nic – a popiš jak akci, tak obsah návratové hodnoty, protože model musí anticipovat, co získá. Vždy anotuj parametry v Pythonu a piš strukturované docstringy s Args a Returns: ty krmí schéma, které model vidí. Nakonec vracej čitelné hodnoty místo neprůhledných identifikátorů; nástroj vracející "John Smith" umožní modelu sestavit větu, zatímco nástroj vracející UUID ho nutí hádat.

Zdroje: čitelná data

Zdroje exposeují data, která si klient může přečíst bez vedlejších účinků. Nuance oproti nástrojům spočívá v jednom slovesu: nástroj něco udělá, zdroj něco obsahuje. Obsah konfiguračního souboru, znalostní báze, dokumentace API nebo aktuální stav systému jsou přirozené zdroje.

@app.resource("config://database")
def get_db_config() -> str:
    """Current database configuration."""
    return json.dumps({
        "host": "localhost",
        "port": 5432,
        "database": "production"
    })

Každý zdroj je identifikován URI – config://database, file:///path/to/doc – které si klient může vypsat a následně na vyžádání přečíst. V praxi se používají méně často než nástroje, protože prostý nástroj vracející data pokryje většinu potřeb. Zůstávají užitečné, když chceš publikovat statická nebo polostatická data bez exekuční logiky za nimi.

Prompty: znovu použitelné šablony

Prompty MCP jsou šablony s parametry, které server zpřístupňuje. Slouží ke sdílení ověřených instrukcí pro daný úkol, místo aby si každý vymýšlel vlastní formulace.

@app.prompt()
def code_review(language: str, code: str) -> str:
    """Generates a code review prompt for the given language."""
    return f"""You are an expert in {language}.
Analyze the following code and identify:
1. Potential bugs
2. Performance issues
3. Readability improvements

Code to analyze:
```{language}
{code}
```"""

Toto využití dává největší smysl v týmovém prostředí. Senior vývojář zakóduje své prompty pro code review, ladění nebo analýzu architektury do MCP serveru a celý tým k nim přistupuje ze svých klientů se stejnou kvalitou instrukcí.

Vyjednávání schopností

Když se klient připojí k serveru, předchází jakémukoli použití fáze vyjednávání:

  1. Klient si vyžádá schopnosti serveru
  2. Server odpoví svým seznamem nástrojů, zdrojů a promptů
  3. Klient prezentuje tyto schopnosti jazykovému modelu
  4. Model využije popisy k rozhodnutí, co zavolat

Toto vyjednávání je dynamické a to je vlastnost, které lze využít: stejný server může oznamovat různé schopnosti v závislosti na připojeném uživateli nebo kontextu volání – administrátorský účet uvidí nástroje, které účet pouze pro čtení nikdy neuvidí.

Kolik nástrojů na server?

Otázka se zdá triviální, přitom podmíní míru chyb tvého agenta. Udržuj své servery zaměřené: tři až deset dobře definovaných nástrojů funguje lépe než padesát obecných. Nad určitým objemem model rozptýlí své volby a skončí u volání špatného nástroje, nebo hromadí zbytečná volání.

Pokud je tvůj funkční rozsah široký, rozděl jej na několik specializovaných serverů – jeden pro operace Git, jeden pro správu projektů, jeden pro monitoring. Klient umí připojit se k více serverům současně a aktivovat pouze ty, které vyžaduje aktuální úkol, což znamená načítání užitečného kontextu místo celého katalogu.

Jeden poslední kompromis si zaslouží tvou pozornost: granularita. Exposeování tří nástrojů pro výpis restaurací, kontrolu dostupnosti a následnou rezervaci nutí model orchestrovat sekvenci s rizikem chyby v každém kroku. Jediný nástroj workflow – book_restaurant – zapouzdří kompletní sekvenci, sníží počet round-tripů a přesune business logiku tam, kde je testovatelná: do tvého kódu.

Klíčové poznatky

  • Nástroje = spustitelné akce (90 % případů použití), vyžadují přesný popis a typování
  • Zdroje = čitelná data přes URI, bez vedlejších účinků
  • Prompty = znovu použitelné šablony, užitečné pro týmy
  • Udržuj své servery zaměřené (maximálně 3–10 nástrojů)
  • Upřednostňuj nástroje workflow před příliš granularními nástroji
  • Kvalita popisu určuje efektivitu modelu