Construiți și implementați propriul server MCP
Pe această pagină
Actualizare 2 noiembrie 2026 — Le Chat devine Vibe. Începând cu 28 mai 2026, Le Chat a fost rebotezat Vibe (rămâne disponibil la chat.mistral.ai): un singur agent pentru muncă și cod, care preia conversațiile, setările și abonamentele dumneavoastră. Experiența legacy Le Chat rămâne accesibilă în modul Chat; în modul Work, agenții au devenit competențe (invocate cu `@’), memoriile servesc drept bază de cunoștințe, iar căutarea avansată este acum competența Deep Research. Planurile se numesc acum Mistral Free, Pro, Team și Enterprise. Această lecție folosește denumirea Vibe; rețineți că unele meniuri descrise aici își pot fi schimbat numele sau locația.
De la idee la server de producție
Știți deja cum să utilizați conectori existenți și să adăugați unii personalizați. A sosit momentul să faceți pasul final: să scrieți propriul server MCP și să îl implementați pentru utilizare în Vibe. Vom parcurge întregul drum, de la primul fișier Python de pe calculatorul dumneavoastră până la găzduirea în producție, acoperind alegerile de design care fac diferența dintre un server util și unul pe care modelul nu îl apelează niciodată corect.
Crearea unui server MCP local
Biblioteca FastMCP (pip install fastmcp, versiunea 4 în noiembrie 2026), un framework independent de SDK-ul oficial mcp, reduce crearea serverului la câțiva decoratori:
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."
Totul se bazează pe aceste câteva linii. Decoratorul @mcp.tool() înregistrează funcția ca instrument MCP. Docstring-ul devine descrierea pe care modelul o vede atunci când decide dacă să apeleze instrumentul – deci nu este un comentariu pentru colegii dumneavoastră, ci un element funcțional. Tiparea parametrilor (name: str) și a valorii de returnare (-> str) informează modelul despre tipurile așteptate, iar numele funcției trebuie să fie clar și descriptiv. Alternativa oficială este SDK-ul MCP de la Anthropic, disponibil în Python și TypeScript: oferă mai mult control, în schimbul unei configurări ușor mai complexe.
Deoarece modelul vede doar descrierea textuală a instrumentului dumneavoastră, redactați-o ca pe un manual de utilizare complet:
@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.
"""
Observați ce adaugă acest docstring față de cel precedent: condiția de utilizare, valorile posibile pentru category și limitele pentru max_results. Două reguli suplimentare completează exercițiul. Numele trebuie să fie explicite – preferați search_products în loc de search, create_invoice în loc de create, get_user_orders în loc de get_data. Iar returnările trebuie să fie lizibile: trimiteți înapoi text inteligibil, nu ID-uri brute, altfel modelul nu le va putea folosi pentru a formula un răspuns natural.
Testarea locală
Mai întâi, porniți serverul, care rulează pe un port local, implicit localhost:8000:
python server.py
Apoi expuneți-l astfel încât Vibe să îl poată accesa:
ngrok http 8000
ngrok furnizează un URL public, de exemplu https://abc123.ngrok.io, pe care îl veți folosi ca URL al conectorului în Vibe – nu uitați să adăugați /mcp la final pentru a obține endpoint-ul complet. Înainte de a merge în Vibe, validați serverul cu MCP Inspector:
npx @modelcontextprotocol/inspector
Conectați-vă la serverul local, listați instrumentele, testați-le individual și verificați returnările. Astfel veți afla dacă eventualele probleme provin din codul dumneavoastră sau din modul în care modelul interpretează descrierile.
Opțiuni de implementare
Odată ce serverul este gata, găzduirea depinde în mare măsură de constrângerile dumneavoastră. Hugging Face Spaces este opțiunea gratuită recomandată de echipa Mistral AI: acestea sunt mașini virtuale care găzduiesc aplicații web, complet gratuite atâta timp cât nu aveți nevoie de GPU. Puteți configura serverul MCP acolo cu FastAPI și puteți implementa mai multe servere pe același Space, fiecare cu propriul endpoint – /api1/mcp, /api2/mcp – pe care Vibe le va adăuga ca conectori separați. Un bonus suplimentar: nimic nu vă împiedică să adăugați un frontend în Space pentru a vizualiza activitatea serverului.
Prefect Horizon (fostul FastMCP Cloud), platforma echipei FastMCP, importă direct un repository GitHub care conține un server FastMCP: selectați repository-ul pe horizon.prefect.io, platforma îl construiește și publică un URL autentificat; există un nivel gratuit pentru proiecte personale. Pentru servere ușoare, fără dependențe grele, Cloudflare Workers oferă o implementare rapidă și ieftină la marginea rețelei. În final, providerii tradiționali rămân perfect viabili pentru echipele deja echipate: AWS (Lambda, ECS), Google Cloud (Cloud Run, Cloud Functions) sau Azure (Functions, Container Apps).
Servere cu mai multe instrumente vs. servere cu un singur instrument
Un reflex comun este să divizați instrumentele foarte fin. Experiența indică direcția opusă: un hackathon MCP organizat de Mistral a arătat că echipele cu cele mai bune performanțe au conceput instrumente de nivel înalt, corespunzătoare unor fluxuri de lucru complete. Au expus book_restaurant în loc de list_restaurants + check_availability + make_reservation, sau deploy_application în loc de build + test + push + deploy. Modelul are mai puține șanse să greșească secvența, iar latența cumulată scade corespunzător.
Granularitatea are totuși sens în trei situații: când creați un server MCP generic utilizat de diferite echipe, când pașii unui flux de lucru pot servi independent unii de alții și când aveți nevoie de flexibilitate în ordinea operațiilor.
Gestionarea variabilelor de mediu
Serverele dumneavoastră vor necesita adesea chei API, credențiale de bază de date sau alte secrete. Stocați-le sistematic în variabile de mediu, niciodată în cod. Rețineți în special că un server MCP public, fără autentificare, permite oricui să consume cheile API: protejați-l cu un token sau OAuth imediat ce apelează un serviciu plătit. Pe Hugging Face Spaces, Secrets ale Space-ului sunt concepute exact pentru acest scop.
Puncte cheie
- FastMCP este cea mai simplă modalitate de a crea un server MCP în Python
- Perfecționați descrierile, numele și tiparea instrumentelor
- Testați mai întâi local cu ngrok și MCP Inspector înainte de implementare
- Hugging Face Spaces oferă o găzduire gratuită ideală pentru servere MCP
- Preferați instrumentele de tip flux de lucru în detrimentul celor prea granulare
- Protejați-vă secretele și luați în considerare autentificarea pentru servere