Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Eszközök, erőforrások és promptok az MCP-ben

3. lecke 14 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Három képesség, három szándék
  2. Eszközök: végrehajtható függvények
  3. Erőforrások: olvasható adatok
  4. Promptok: újrahasználható sablonok
  5. Képesség-egyeztetés
  6. Hány eszköz legyen egy szerveren?
  7. Főbb megállapítások

Frissítve: 2026. november 2. — MCP Python SDK v2. Ez a tanfolyam már az mcp SDK 2-es verzióját követi (2026. október 2-i állapot szerint 2.3.0): az MCPServer leváltja a FastMCP-t, a transzportbeállítások a run() vagy a streamable_http_app() függvényekbe kerültek, és egy valós hosztnév alatt elérhető alkalmazásnak deklarálnia kell ezt a hosztnevet (transport_security). Ez az a verzió, amelyet a Mistral SDK is megkövetel: a mistralai[agents] extra függőségéhez mcp>=2.2.0,<3.0 szükséges. Források: Újdonságok a v2-ben · Migrációs útmutató · Üzembe helyezés és skálázás.

Három képesség, három szándék

Egy MCP-szerver háromféle képességet tehet elérhetővé a kliensei számára. Ezek nem felcserélhetők: mindegyik eltérő igényt elégít ki, és ha összekevered őket, olyan szervert kapsz, amelyet a modell nehezen tud használni. Ebben a leckében egyesével vizsgáljuk meg őket, mielőtt rátérnénk a szerver minőségét meghatározó kérdésre: hány eszközre van szükség, és milyen szemcsézettséggel?

Eszközök: végrehajtható függvények

Az eszközök (Tools) a protokoll leggyakrabban használt képességei. Az eszköz egy olyan függvény, amelyet a modell hívhat meg egy művelet végrehajtására vagy információ lekérdezésére. A definíciójuk négy elemen alapul: egy egyedi, leíró név (create_issue, get_weather), egy szöveges leírás, amely megmondja a modellnek, mikor hívja meg, egy JSON-séma a bemeneti paraméterek típusairól és korlátairól, valamint egy visszatérési formátum – leggyakrabban szöveg vagy 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})"

Ne becsüld le a leírás és a típusozás jelentőségét: a modell semmi mást nem lát. Nincs hozzáférése a kódodhoz, nem tudja kitalálni a szándékaidat, és nem tud tesztelni egy hívást, hogy lássa, mi történik. A homályos leírások vagy a rosszul típusozott paraméterek mechanikusan hibás hívásokhoz vezetnek.

Néhány szokás jelentősen megbízhatóbbá teszi az eszközeidet. Nevezd el őket aszerint, amit csinálnak – a book_restaurant mindent elmond, a process_request semmit –, és írd le mind a műveletet, mind a visszatérő tartalmat, mivel a modellnek előre kell látnia, mit fog kapni. Mindig típusozd annotációkkal a paramétereket Pythonban, és írj strukturált docstringeket Args és Returns részekkel: ezek táplálják a modell által látott sémát. Végül pedig olvasható értékeket adj vissza, ne átláthatatlan azonosítókat; egy eszköz, amely "John Smith"-t ad vissza, lehetővé teszi a modell számára, hogy mondatot alkossón, míg egy UUID-t visszaadó eszköz találgatásra kényszeríti.

Erőforrások: olvasható adatok

Az erőforrások (Resources) olyan adatokat tesznek elérhetővé, amelyeket a kliens mellékhatások nélkül olvashat. Az eszközöktől való különbség egyetlen igében ragadható meg: az eszköz csinál valamit, az erőforrás tartalmaz valamit. Egy konfigurációs fájl tartalma, egy tudásbázis, API-dokumentáció vagy egy rendszer aktuális állapota mind természetes erőforrások.

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

Minden erőforrást egy URI azonosít – például config://database, file:///path/to/doc –, amelyet a kliens felsorolhat, majd igény szerint beolvashat. A gyakorlatban ritkábban használják őket, mint az eszközöket, mivel egy egyszerű, adatot visszaadó eszköz az esetek többségében lefedi az igényeket. Akkor maradnak hasznosak, ha statikus vagy félig statikus adatokat szeretnél közzétenni anélkül, hogy mögöttük végrehajtási logika állna.

Promptok: újrahasználható sablonok

Az MCP promptok paraméterezhető sablonok, amelyeket a szerver tesz elérhetővé. Céljuk, hogy bevált utasításokat osszanak meg egy adott feladatra, ahelyett, hogy mindenki újra feltalálná a megfelelő megfogalmazást.

@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}
```"""

Ennek a használatnak csapatkörnyezetben van a legnagyobb értelme. Egy senior fejlesztő kódolja bele a kódreview-jait, hibakeresési vagy architektúra-elemzési promptjait egy MCP-szerverbe, és így az egész csapat ugyanolyan minőségű utasításokkal férhet hozzájuk a saját kliensükből.

Képesség-egyeztetés

Amikor egy kliens csatlakozik egy szerverhez, egy egyeztetési fázis előzi meg a használatot:

  1. A kliens lekéri a szerver képességeit.
  2. A szerver válaszként elküldi az eszközei, erőforrásai és promptjai listáját.
  3. A kliens bemutatja ezeket a képességeket a nyelvi modellnek.
  4. A modell a leírások alapján dönti el, mit hívjon meg.

Ez az egyeztetés dinamikus, ami kiaknázható tulajdonság: ugyanaz a szerver a csatlakozott felhasználótól vagy a hívás kontextusától függően eltérő képességeket jelenthet be – például egy rendszergazda fiók olyan eszközöket lát, amelyeket egy csak olvasható fiók soha.

Hány eszköz legyen egy szerveren?

A kérdés triviálisnak tűnhet, mégis ez határozza meg az ágensed hibaráját. Tartsd fókuszban a szervereidet: három-tíz jól definiált eszköz jobban működik, mint ötven általános. Egy bizonyos volumen felett a modell szétszórja a választásait, és végül rossz eszközt hív meg, vagy felesleges hívásokat halmoz fel.

Ha a funkcionális hatóköröd széles, bontsd fel több specializált szerverre – egyet Git-műveletekhez, egyet projektmenedzsmenthez, egyet monitorozáshoz. A kliens képes egyszerre több szerverhez is csatlakozni, és csak azokat aktiválni, amelyek az aktuális feladathoz szükségesek; ez gyakorlatilag azt jelenti, hogy csak a hasznos kontextust tölti be, nem a teljes katalógust.

Egy utolsó kompromisszumra érdemes figyelned: a szemcsézettségre. Ha három eszközt teszel közzé az éttermek listázására, a rendelkezésre állás ellenőrzésére és majd a foglalásra, arra kényszeríted a modellt, hogy orchestraljon egy szekvenciát, ahol minden lépésnél fennáll a hiba kockázata. Egyetlen workflow eszköz – például book_restaurant – beágyazza a teljes szekvenciát, csökkenti a körök számát, és oda helyezi az üzleti logikát, ahol az tesztelhető: a te kódodba.

Főbb megállapítások

  • Eszközök = végrehajtható műveletek (az esetek 90%-a), pontos leírást és típusozást igényelnek
  • Erőforrások = URI-n keresztül olvasható adatok, mellékhatások nélkül
  • Promptok = újrahasználható sablonok, csapatok számára hasznosak
  • Tartsd a szervereidet fókuszáltan (maximum 3–10 eszköz)
  • Részesítsd előnyben a workflow eszközöket a túlzottan aprólékos eszközökkel szemben
  • A leírás minősége határozza meg a modell hatékonyságát