Építsd és telepítsd saját MCP szerveredet
Ezen az oldalon
Frissítés: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28-tól a Le Chat új neve Vibe (továbbra is a chat.mistral.ai címen érhető el): 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 ügynökök készségekké (skills) váltak (a
@jellel hívhatók meg), az emlékek (memories) a tudásbázisként szolgálnak, a mély keresés pedig a Deep Research készség lett. Az előfizetési csomagok neve mostantól: Mistral Free, Pro, Team és Enterprise. Ez a lecke a Vibe nevet használja; vedd figyelembe, hogy néhány itt leírt menü neve vagy helye megváltozhatott.
Az ötlettől a éles szerverig
Már tudod, hogyan használj meglévő csatlakozókat és hogyan adj hozzá egyediakat. Most eljött az idő a végső lépésre: írd meg saját MCP szerveredet, és telepítsd, hogy a Vibében használhasd. Végigvezetünk az egész úton, az első Python fájltól a gépeden egészen az éles hosztingig, kitérve azokra a tervezési döntésekre, amelyek megkülönböztetik a használható szervert attól, amelyet a modell sosem hív meg helyesen.
MCP szerver létrehozása helyben
A FastMCP könyvtár (pip install fastmcp, 2026 novemberében a 4-es verzió), amely független a hivatalos mcp SDK-tól, néhány dekorátorra egyszerűsíti a szerver létrehozását:
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."
Minden ezen a néhány soron múlik. Az @mcp.tool() dekorátor regisztrálja a függvényt MCP eszközként. A docstring lesz az a leírás, amelyet a modell lát, amikor eldönti, meghívja-e az eszközt – tehát ez nem komment a kollégáidnak, hanem funkcionális elem. A paraméterek típusozása (name: str) és a visszatérési érték típusozása (-> str) tájékoztatja a modellt a várt típusokról, a függvénynevnek pedig egyértelműnek és leírónak kell lennie. A hivatalos alternatíva az Anthropic MCP SDK-ja, amely Pythonban és TypeScriptben érhető el: több kontrollt kínál, cserébe valamivel nehezebb konfigurálni.
Mivel a modell csak az eszközöd szöveges leírását látja, úgy írd meg, mint egy teljes felhasználói kézikönyvet:
@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.
"""
Figyeld meg, mit ad hozzá ez a docstring ahhoz képest, ami az előzőből hiányzott: a használat feltételét, a category lehetséges értékeit és a max_results korlátait. Két további szabály teszi teljessé a gyakorlatot. A nevek legyenek explicitek – válaszd a search_products nevet a search helyett, a create_invoice-t a create helyett, a get_user_orders-t pedig a get_data helyett. A visszatérési értékek legyenek olvashatóak: küldj vissza érthető szöveget a nyers ID-k helyett, különben a modell nem tudja majd felhasználni őket természetes válasz megfogalmazásához.
Helyi tesztelés
Először indítsd el a szervert, amely egy helyi porton fut, alapértelmezetten a localhost:8000-on:
python server.py
Ezután tedd elérhetővé, hogy a Vibe elérhesse:
ngrok http 8000
Az ngrok egy nyilvános URL-t biztosít, például https://abc123.ngrok.io, amelyet csatlakozó URL-ként használsz a Vibében – ne feledd hozzáfűzni az /mcp utótagot a teljes végpont eléréséhez. Mielőtt belépnél a Vibébe, validáld a szervert az MCP Inspectorral:
npx @modelcontextprotocol/inspector
Csatlakozz a helyi szerveredhez, listázd ki az eszközöket, teszteld őket egyesével, és ellenőrizd a visszatérési értékeket. Ez megmutatja, hogy a problémák a kódodból erednek-e, vagy abból, ahogy a modell értelmezi a leírásaidat.
Telepítési lehetőségek
Ha a szervered kész, a hoszting nagyban függ a korlátaidtól. A Hugging Face Spaces az ingyenes lehetőség, amelyet a Mistral AI csapat ajánl: ezek olyan virtuális gépek, amelyek webalkalmazásokat hosztolnak, teljesen ingyen, amíg nincs szükséged GPU-ra. Itt beállíthatod MCP szerveredet FastAPI-val, és több szervert is telepíthetsz ugyanarra a Space-re, mindegyiket saját végponttal – /api1/mcp, /api2/mcp –, amelyeket a Vibe külön csatlakozóként ad hozzá. Bonuszként: semmi sem akadályozza meg, hogy frontendet adj a Space-hez a szervered tevékenységének vizualizálására.
A Prefect Horizon (korábban FastMCP Cloud), a FastMCP csapat platformja, közvetlenül importál egy GitHub tárolót, amely egy FastMCP szervert tartalmaz: kiválasztod a tárolót a horizon.prefect.io oldalon, a platform felépíti és közzéteszi a hitelesített URL-t; létezik ingyenes szint személyes projektekhez. Könnyű súlyú szerverekhez, nehéz függőségek nélkül, a Cloudflare Workers gyors, alacsony költségű peremhálózati (edge) telepítést kínál. Végül a hagyományos szolgáltatók továbbra is teljesen életképesek azoknak a csapatoknak, amelyek már rendelkeznek megfelelő infrastruktúrával: AWS (Lambda, ECS), Google Cloud (Cloud Run, Cloud Functions) vagy Azure (Functions, Container Apps).
Többeszközös kontra egyeszközös szerverek
Gyakori reflex az eszközök nagyon finom szétválasztása. A tapasztalatok azonban az ellenkezőjét mutatják: a Mistral által szervezett MCP hackathonon a legjobban teljesítő csapatok magas szintű eszközöket terveztek, amelyek teljes munkafolyamatoknak feleltek meg. A book_restaurant eszközt tették közzé a list_restaurants + check_availability + make_reservation helyett, vagy a deploy_application-t a build + test + push + deploy helyett. Így a modellnek kevesebb esélye van elrontani a sorrendet, és a kumulált késleltetés is ennek megfelelően csökken.
A szemcsézettség (granularitás) mégis három helyzetben van értelme: amikor olyan általános MCP szervert hozol létre, amelyet különböző csapatok használnak; amikor a munkafolyamat lépései egymástól függetlenül is szolgálhatnak; és amikor rugalmasságra van szükség a műveletek sorrendjében.
Környezeti változók kezelése
A szervereidnek gyakran lesz szükségük API-kulcsokra, adatbázis-hitelesítő adatokra vagy egyéb titkos információkra. Ezeket rendszerezetten tárold környezeti változókban, soha ne a kódban. Ne feledd különösen, hogy egy nyilvános MCP szerver hitelesítés nélkül lehetővé teszi bárki számára az API-kulcsaid fogyasztását: védjed meg tokenekkel vagy OAuth-val, amint fizetett szolgáltatást hív meg. A Hugging Face Spaces-en a Space Secrets funkciója kifejezetten erre szolgál.
Főbb megállapítások
- A FastMCP a legegyszerűbb módja MCP szerver létrehozásának Pythonban
- Csiszold az eszközeid leírásait, neveit és típusozását
- Először helyben tesztelj ngrok és az MCP Inspector segítségével, mielőtt telepítenéd
- A Hugging Face Spaces ideális ingyenes hosztingot kínál MCP szerverekhez
- Részesítsd előnyben a munkafolyamat-stílusú eszközöket a túlságosan szemcsézettekkel szemben
- Védjed meg a titkos adataidat, és fontold meg a szervereid hitelesítését