Byg og udrul din egen MCP-server
På denne side
Opdatering 2. november 2026 — Le Chat er nu Vibe. Fra den 28. maj 2026 er Le Chat blevet omdøbt til Vibe (stadig på chat.mistral.ai): en enkelt agent til arbejde og kode, der overtager dine samtaler, indstillinger og abonnementer. Den ældre Le Chat-oplevelse er stadig tilgængelig i Chat-tilstand; i Work-tilstand er agenter blevet til færdigheder (kaldes med
@), hukommelser fungerer som vidensbase, og dyb søgning er nu færdigheden Deep Research. Abonnementerne hedder nu Mistral Free, Pro, Team og Enterprise. Denne lektion bruger navnet Vibe; bemærk, at nogle menuer beskrevet her kan have ændret navn eller placering.
Fra idé til produktionsserver
Du ved allerede, hvordan du bruger eksisterende konnektorer og tilføjer nye. Nu er det tid til det sidste skridt: at skrive din egen MCP-server og udrulle den, så den kan bruges i Vibe. Vi gennemgår hele vejen her, fra den første Python-fil på din maskine til hosting i produktion, og dækker de designvalg, der adskiller en brugbar server fra en, som modellen aldrig kalder korrekt.
Oprettelse af en MCP-server lokalt
Biblioteket FastMCP (pip install fastmcp, version 4 pr. november 2026), et framework uafhængigt af det officielle mcp SDK, reducerer oprettelsen af en server til få dekoratorer:
from fastmcp import FastMCP
mcp = FastMCP("My Server")
@mcp.tool()
def greet(name: str) -> str:
"""Greets a person by name.
Args:
name: The first name of the person to greet.
Returns:
A personalized greeting message.
"""
return f"Hello {name}! Welcome to our platform."
Alt afhænger af disse få linjer. Dekoratoren @mcp.tool() registrerer funktionen som et MCP-værktøj. Docstrengen bliver til den beskrivelse, modellen ser, når den skal beslutte, om værktøjet skal kaldes – det er altså ikke en kommentar til dine kolleger, men et funktionelt element. Typeangivelser for parametre (name: str) og returtype (-> str) informerer modellen om de forventede datatyper, og funktionsnavnet skal være klart og beskrivende. Det officielle alternativ er Anthropic’s MCP SDK, tilgængeligt i Python og TypeScript: det giver mere kontrol på bekostning af en lidt tungere konfiguration.
Da modellen kun ser tekstbeskrivelsen af dit værktøj, skal du skrive den som en komplet brugermanual:
@mcp.tool()
def search_products(
query: str,
category: str = "all",
max_results: int = 10
) -> str:
"""Searches the product catalog.
Use this tool when the user looks for a product
by name, SKU, or category.
Args:
query: Search terms (product name, SKU, keywords).
category: Filter category. Possible values: 'all',
'electronics', 'clothing', 'food'. Default: 'all'.
max_results: Maximum number of results to return (1-50).
Returns:
List of products with name, price, availability, and SKU.
"""
Læg mærke til, hvad denne docstreng tilføjer, som den tidligere manglede: betingelsen for brug, mulige værdier for category og grænser for max_results. To regler mere fuldender øvelsen. Navne skal være eksplicitte – foretræk search_products frem for search, create_invoice frem for create, get_user_orders frem for get_data. Og returværdier skal være læsbare: send forståelig tekst tilbage i stedet for rå ID’er, ellers kan modellen ikke bruge dem til at formulere et naturligt svar.
Test lokalt
Start først serveren, som kører på en lokal port, som standard localhost:8000:
python server.py
Eksponér den derefter, så Vibe kan nå den:
ngrok http 8000
ngrok giver en offentlig URL, f.eks. https://abc123.ngrok.io, som du bruger som konnektor-URL i Vibe – husk at tilføje /mcp for at få det fulde endpoint. Før du går videre til Vibe, skal du validere serveren med MCP Inspector:
npx @modelcontextprotocol/inspector
Opret forbindelse til din lokale server, list værktøjerne op, test dem individuelt, og tjek returværdierne. Det fortæller dig, om eventuelle problemer stammer fra din kode, eller fra hvordan modellen fortolker dine beskrivelser.
Muligheder for udrulning
Når din server er klar, afhænger hostingen primært af dine begrænsninger. Hugging Face Spaces er den gratis mulighed, som Mistral AI-teamet anbefaler: det er virtuelle maskiner, der hoster webapplikationer, helt gratis så længe du ikke har brug for en GPU. Du kan opsætte din MCP-server der med FastAPI og udrulle flere servere på samme Space, hver med sit eget endpoint – /api1/mcp, /api2/mcp – som Vibe vil tilføje som separate konnektorer. En ekstra bonus: intet hindrer dig i at tilføje en frontend til Space’en for at visualisere din serveraktivitet.
Prefect Horizon (tidligere FastMCP Cloud), platformen fra FastMCP-teamet, importerer direkte et GitHub-repository, der indeholder en FastMCP-server: du vælger repo’et på horizon.prefect.io, platformen bygger det og publicerer en autentificeret URL; der findes en gratis tier til personlige projekter. Til letvægts-servere uden tunge afhængigheder tilbyder Cloudflare Workers hurtig og billig edge-deployment. Endelig er traditionelle udbydere stadig fuldt ud levedygtige for hold, der allerede er udstyret: AWS (Lambda, ECS), Google Cloud (Cloud Run, Cloud Functions) eller Azure (Functions, Container Apps).
Servere med flere værktøjer kontra enkeltværktøjer
En almindelig refleks er at opdele værktøjer meget fint. Erfaringen peger den anden vej: en MCP-hackathon arrangeret af Mistral viste, at de mest effektive teams designede værktøjer på højt niveau, der svarede til komplette workflows. De eksponerede book_restaurant i stedet for list_restaurants + check_availability + make_reservation, eller deploy_application i stedet for build + test + push + deploy. Modellen har færre chancer for at fejle i sekvensen, og den samlede ventetid falder tilsvarende.
Granularitet giver stadig mening i tre situationer: når du opretter en generisk MCP-server, der bruges af forskellige teams, når workflow-trin kan bruges uafhængigt af hinanden, og når du har brug for fleksibilitet i rækkefølgen af operationer.
Håndtering af miljøvariabler
Dine servere vil ofte have brug for API-nøgler, databaselegitimationsoplysninger eller andre hemmeligheder. Gem dem systematisk i miljøvariabler, aldrig i koden. Husk især, at en offentlig MCP-server uden autentificering lader alle forbruge dine API-nøgler: beskyt den med et token eller OAuth, så snart den kalder en betalt tjeneste. På Hugging Face Spaces er Space Secrets designet præcis til dette formål.
Vigtige pointer
- FastMCP er den enkleste måde at oprette en MCP-server i Python på
- Polér dine værktøjsbeskrivelser, navne og typning
- Test først lokalt med ngrok og MCP Inspector, før du udruller
- Hugging Face Spaces tilbyder ideel gratis hosting til MCP-servere
- Foretræk værktøjer i workflow-stil frem for alt for granulare
- Beskyt dine hemmeligheder og overvej autentificering til dine servere