Bevezetés az MCP-be fejlesztők számára
Ezen az oldalon
Frissítés: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28-tól a Le Chat márkaneve Vibe-ra változott (továbbra is a chat.mistral.ai címen érhető el): ez egyetlen ügynök munkához és kódoláshoz, amely megőrzi beszélgetéseidet, beállításaidat és előfizetéseidet. A régi Le Chat élmény továbbra is elérhető a Chat módban; a Work módban az ügynökökből készségek (skills) lettek (a
@jellel hívhatók meg), az emlékekből tudásbázis, a mély keresésből pedig a Deep Research készség vált. A csomagok neve mostantól Mistral Free, Pro, Team és Enterprise. Ez a lecke a Vibe nevet használja; egyes itt leírt menük neve vagy helye megváltozhatott.
Miért játékchanger az MCP a fejlesztők számára?
A Model Context Protocol (MCP) egy nyílt szabvány, amely újradefiniálja, hogyan lépnek kapcsolatban az AI-alkalmazások a külvilággal. Az MCP előtt minden keretrendszer saját nyelvtant kényszerített ki az eszközök deklaráálására és hívására: a LangChain-nek volt egy ilyen, a CrewAI-nak egy másik, a Mistral Agents és az OpenAI Assistants pedig ismét eltérő megoldásokat alkalmazott. A gyakorlatban egy fejlesztőnek, aki írt egy csatlakozót a számlázási API-jához LangChainben, teljesen újra kellett írnia azt, hogy működjön CrewAI-ban, majd harmadszor is egy egyedi, házon belüli ügynökhöz. A munka minden eszközváltáskor megismétlődött, és az eszközök csapatok közötti megosztása foltozgatást igényelt.
Az MCP ezt a problémát egy egységes kommunikációs protokollal oldja meg az AI-kliens és az eszközkiszolgálók (szerverek) között. A legjobb hasonlat egy USB-port: függetlenül a klienstől—legyen az Claude, Vibe, Cursor vagy VS Code—és függetlenül a szervertől—legyen az GitHub, Notion vagy a belső API-d—a kapcsolódási formátum ugyanaz marad. Egyszer írod meg a csatlakozót, és mindenhol működik.
A kliens-szerver architektúra
Az MCP egy szándékosan egyszerű kliens-szerver architektúrára épül. Az egyik oldalon a kliens áll: ez az az alkalmazás, amely megvalósítja az AI-t, például egy chatbot mint a Mistral Vibe vagy a Claude, egy fejlesztői környezet mint a VS Code vagy a Cursor, illetve egy ügynök SDK, mint a Mistral Agent SDK vagy a Claude Agent SDK. A másik oldalon a szerver található: ez az a program, amely képességeket—eszközöket, erőforrásokat és promptokat—tesz elérhetővé a kliens számára.
A kettő közötti teljes kommunikáció JSON formátumban zajlik. A kliens először megkérdezi a szervert, milyen eszközöket kínál; a szerver válaszként szöveges leírást küld mindegyikről: a nevét, paramétereit, szerepét és a visszatérési formátumot. A nyelvi modell kizárólag ezt a leírást használja arra, hogy eldöntse, mikor és hogyan hívjon meg egy eszközt.
Client (Vibe) MCP Server (GitHub)
| |
|--- "What tools do you have?" ->|
|<-- JSON tool descriptions -----|
| |
|--- Call: create_issue({}) --->|
|<-- JSON Result ---------------|
Miben különbözik az MCP a függvényhívástól?
A klasszikus függvényhívás és az MCP nem zárja ki egymást; csupán máshol húzzák meg a határvonalat. Függvényhívás esetén az eszközöket a kliens oldalon definiálod, átadod őket a modellnek, és te magad kezeled a végrehajtásukat—mivel minden keretrendszernek saját definíciós formátuma van. Az MCP esetén az eszközök egy szerveren laknak, legyen az helyi vagy távoli; a kliens csak a szöveges leírást ismeri, a végrehajtást pedig a szerver intézi.
A döntő előny az újrafelhasználhatóság. Egy egyszer megírt GitHub MCP szerver gond nélkül csatlakoztatható a Vibe-hoz, a Claude-hoz, a Cursorhoz vagy a saját SDK-dhoz, egyetlen sor átírása nélkül. Ez az, ami egy belső csatlakozót vállalati méretarányban megosztható építőkövvé változtat.
A protokoll három alapvető eleme
Az MCP nem korlátozódik az eszközökre. A protokoll három típusú képességet definiál, aszerint különböztetve meg őket, amit a szerver valójában elérhetővé tesz. Az eszközök (tools) végrehajtható függvények: jegy létrehozása, e-mail küldése, API lekérdezése—ezeket a modell hívja meg, hogy cselekedjen a világban. Az erőforrások (resources) olvasható adatok—fájlok, adatbázisok, dokumentáció—amelyeket a kliens elolvashat anélkül, hogy bármilyen műveletet indítana el; egy konfigurációs fájl tartalmának elérhetővé tétele ebbe a kategóriába tartozik, nem az eszközök közé. Végül a promptok paraméterezhető, újrafelhasználható prompt-sablonok: egy csapat-szerver így terjeszthet egy bevált kódreview utasítást, ahelyett, hogy mindenkit arra kényszerítene, hogy emlékezetből újraírja azt.
A gyakorlatban az eszközök teszik ki az aktuális használati esetek körülbelül 90%-át: ezeket kapcsolod össze elsőként, és gyakran ezek az egyetlen dolgok, amelyeket megvalósítasz. Ugyanakkor az erőforrások és a promptok olyan lehetőségeket nyitnak meg, amelyeket a 3. leckében részletesen fogunk tárgyalni.
A modell döntési folyamata
Amikor a felhasználó kérdést intéz a klienshez, a modell egy öt lépésből álló ciklust futtat le:
- Megkapja a kérdést és az elérhető eszközök listáját (MCP-leírások)
- Dönt: közvetlenül válaszoljon, vagy hívjon meg egy eszközt?
- Ha eszközt hív meg, JSON formátumban fogalmazza meg az argumentumokat
- A szerver végrehajtja a műveletet és visszaadja az eredményt
- A modell integrálja az eredményt, és megfogalmazza a válaszát (vagy meghív egy másik eszközt)
Ez a ciklus annyiszor ismétlődik, ahányszor a feladat megköveteli. Képzeld el, hogy egy felhasználó azt kéri: alakítsd át a Redditen talált panaszt fejlesztési jeggyé: a modell lekérdezi a Redditet, létrehoz egy bejegyzést a Linearben, majd megnyitja a megfelelő GitHub-issue-t—három szerver láncolódik össze úgy, hogy a felhasználónak egyszer sem kell elhagynia a chat felületet.
Gyorsan bővülő ökoszisztéma
2026 áprilisára már több száz MCP szerver érhető el: GitHub, Notion, Slack, Gmail, PayPal, Hugging Face, Semgrep és sok más. A vezető AI-kliensek natívan támogatják a protokollt. Ami még fontosabb: semmi sem korlátoz arra, hogy csak a már létezőket használd: saját szervereket is létrehozhatsz, hogy elérhetővé tedd belső eszközeidet, üzleti adatbázisaidat vagy egyedi eljárásaidat.
Pontosan ez ennek a tanfolyamnak a célja: lehetővé tenni számodra, hogy megértsd, használd és felépítsd az MCP szervereket Pythonban.
Főbb megállapítások
- Az MCP egy nyílt szabvány az AI kliens-szerver kommunikációjához
- Egyesíti a töredezett függvényhívási ökoszisztémát
- Az architektúra egy kliensre (chatbot, IDE, SDK) és egy szerverre (eszközök, erőforrások, promptok) épül
- A kommunikáció JSON formátumban történik, szöveges leírások segítségével
- Egy MCP szerver minden kompatibilis kliensben újrafelhasználható