Bygg och distribuera din egen MCP-server
På denna sida
Uppdatering 2 november 2026 — Le Chat är nu Vibe. Sedan den 28 maj 2026 har Le Chat bytt namn till Vibe (fortfarande på chat.mistral.ai): en enda agent för arbete och kod som tar över dina konversationer, inställningar och prenumerationer. Den äldre versionen av Le Chat finns kvar i läget Chat; i läget Work har agenter blivit färdigheter (anropas med
@), minnen fungerar som kunskapsbas och djup sökning är nu färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. I denna lektion använder vi namnet Vibe; notera att vissa menyer som beskrivs här kan ha bytt namn eller plats.
Från idé till produktionsserver
Du vet hur du använder befintliga kopplingar och lägger till egna. Nu är det dags för nästa steg: skriv din egen MCP-server och distribuera den för användning i Vibe. Vi går hela vägen här, från den första Python-filen på din dator till hosting i produktion, och täcker de designval som skiljer en användbar server från en som modellen aldrig anropar korrekt.
Skapa en MCP-server lokalt
Biblioteket FastMCP (pip install fastmcp, version 4 från november 2026), ett ramverk oberoende av den officiella mcp-SDK:n, reducerar skapandet av en server till några 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."
Allt hänger på dessa få rader. Dekoratorn @mcp.tool() registrerar funktionen som ett MCP-verktyg. Docstringen blir den beskrivning som modellen ser när den avgör om verktyget ska anropas – det är alltså inte en kommentar till dina kollegor, utan ett funktionellt element. Typning av parametrar (name: str) och returvärde (-> str) informerar modellen om förväntade datatyper, och funktionsnamnet måste vara tydligt och beskrivande. Det officiella alternativet är Anthropic’s MCP SDK, tillgängligt för Python och TypeScript: det erbjuder mer kontroll till priset av en något tyngre konfiguration.
Eftersom modellen bara ser textbeskrivningen av ditt verktyg ska du skriva den som en komplett användarmanual:
@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.
"""
Lägg märke till vad denna docstring tillför jämfört med den föregående: villkoret för användning, möjliga värden för category och gränser för max_results. Två ytterligare regler fullbordar övningen. Namn måste vara explicita – föredra search_products framför search, create_invoice framför create, get_user_orders framför get_data. Och returvärden måste vara läsbara: skicka tillbaka begriplig text snarare än råa ID:n, annars kan modellen inte använda dem för att formulera ett naturligt svar.
Testa lokalt
Börja med att starta servern, som körs på en lokal port, som standard localhost:8000:
python server.py
Exponera den sedan så att Vibe kan nå den:
ngrok http 8000
ngrok ger dig en offentlig URL, till exempel https://abc123.ngrok.io, som du använder som kopplings-URL i Vibe – kom ihåg att lägga till /mcp för att få hela slutpunkten. Innan du går vidare till Vibe bör du validera servern med MCP Inspector:
npx @modelcontextprotocol/inspector
Anslut till din lokala server, lista verktygen, testa dem individuellt och kontrollera returvärdena. Detta visar om eventuella problem beror på din kod eller på hur modellen tolkar dina beskrivningar.
Distributionsalternativ
När din server är klar beror valet av hosting främst på dina begränsningar. Hugging Face Spaces är det kostnadsfria alternativ som rekommenderas av Mistral AI-teamet: detta är virtuella maskiner som hostar webbapplikationer, helt gratis så länge du inte behöver en GPU. Du kan konfigurera din MCP-server där med FastAPI och distribuera flera servrar på samma Space, var och en med sin egen slutpunkt – /api1/mcp, /api2/mcp – som Vibe lägger till som separata kopplingar. En extra fördel: inget hindrar dig från att lägga till ett frontend i Space:t för att visualisera din serveraktivitet.
Prefect Horizon (tidigare FastMCP Cloud), plattformen från FastMCP-teamet, importerar direkt ett GitHub-repository som innehåller en FastMCP-server: du väljer repot på horizon.prefect.io, plattformen bygger det och publicerar en autentiserad URL; en gratisnivå finns för personliga projekt. För lätta servrar utan tunga beroenden erbjuder Cloudflare Workers snabb och billig distribution vid kanten. Slutligen är traditionella leverantörer fortfarande fullt gångbara för team som redan är utrustade: AWS (Lambda, ECS), Google Cloud (Cloud Run, Cloud Functions) eller Azure (Functions, Container Apps).
Servrar med flera verktyg kontra enkla verktyg
En vanlig reflex är att dela upp verktyg mycket fint. Erfarenheten pekar åt motsatt håll: en MCP-hackathon arrangerad av Mistral visade att de mest framgångsrika teamen designade verktyg på hög nivå som motsvarade kompletta arbetsflöden. De exponerade book_restaurant istället för list_restaurants + check_availability + make_reservation, eller deploy_application istället för build + test + push + deploy. Modellen har färre chanser att göra fel i sekvensen, och den kumulativa latensen minskar därefter.
Granularitet är ändå meningsfull i tre situationer: när du skapar en generell MCP-server som används av olika team, när steg i ett arbetsflöde kan tjäna oberoende av varandra, och när du behöver flexibilitet i operationsordningen.
Hantera miljövariabler
Dina servrar kommer ofta att behöva API-nycklar, databasuppgifter eller andra hemligheter. Lagra dem systematiskt i miljövariabler, aldrig i koden. Tänk särskilt på att en offentlig MCP-server utan autentisering låter vem som helst konsumera dina API-nycklar: skydda den med en token eller OAuth så snart den anropar en betald tjänst. På Hugging Face Spaces är Space-Secrets designade exakt för detta ändamål.
Viktiga punkter
- FastMCP är det enklaste sättet att skapa en MCP-server i Python
- Polera dina verktygs beskrivningar, namn och typning
- Testa lokalt först med ngrok och MCP Inspector innan distribution
- Hugging Face Spaces erbjuder idealisk gratis hosting för MCP-servrar
- Föredra verktyg i arbetsflödes-stil framför alltför granulära
- Skydda dina hemligheter och överväg autentisering för dina servrar