Ontdek hoe MCP het integreren van AI-toepassingen met omliggende systemen makkelijker maakt dan ooit! Leer hoe MCP werkt, hoe je je eigen MCP-tools definieert en hoe je de brug bouwt tussen client en server.

MCP: AI-apps zo simpel als 1, 2, 3

Kennismaken met MCP

Je eerste MCP-server

Je eerste MCP-server bouwen

Een MCP-server voor valutaomrekening bouwen

Docstrings en type hints toevoegen

MCP-client-servercommunicatie

Bruggen bouwen (tussen de client en de server)

Dynamische tool-ontdekking

Servertools aanroepen

De bouwstenen van MCP

Voeg resources en prompts toe aan MCP-servers om LLM's toegang te geven tot alleen-lezen context en kerninstructies die hun gedrag sturen. Ga hands-on aan de slag met LLM's en koppel ze aan je MCP-server zodat ze tools kunnen aanroepen en context kunnen ophalen.

Resources in MCP-servers

MCP-serverresources definiëren

Resources opvragen vanuit de client

Resources lezen vanuit de client

Prompts in MCP-servers

Een MCP-serverprompt definiëren

Prompts vanuit de client opsommen

Een prompt ophalen vanuit de client

MCP en LLM's: Tools

Workflow voor tool-calls

De workflow voor tool-calls

LLM-hulpmiddelen gebruiken in MCP-servers

MCP en LLM's: Prompts en resources

Resource en prompt ophalen uit MCP

Het bericht opbouwen en de LLM aanroepen

LLM-toepassingen met MCP

Kom erachter wat er nodig is om MCP-servers in productie te brengen met een deep dive in databases en API's in MCP-servers, en de extra aandachtspunten die daarbij horen. Integreer tot slot externe MCP's op een veilige en betrouwbare manier, zodat je het wiel niet opnieuw hoeft uit te vinden voor je favoriete integraties.

MCP-database-integraties

Databaseverbindingen maken

Databases als resources

Geparametriseerde database-zoektools

MCP API-integraties

API-hulpmiddel-aanroepen robuust maken

Als API's authenticatie vereisen

Externe MCP-servers

Zoek een boek op titel met de Open Library MCP

Gefeliciteerd!

MCP-servers voorbereiden voor productie

Weg met het gedoe om AI-toepassingen te integreren met allerlei verschillende externe systemen! Tegenwoordig spreekt elke softwaretoepassing de MCP-taal. Ontdek hoe MCP het makkelijker dan ooit maakt om AI-toepassingen te verbinden met API's, databases en andere externe functies via dit protocol. Leer hoe je je eigen MCP-servers vanaf de basis opzet, inclusief API- en databasekoppelingen, en ze integreert met LLM's zodat die slimme gegevensopvragingen kunnen doen en acties kunnen starten. Ga vandaag nog aan de slag met het Model Context Protocol!

<h2>Waarom leren over het Model Context Protocol?</h2>Grote taalmodellen hebben geen toegang tot realtimegegevens en kunnen niet zelfstandig acties uitvoeren, en elk hulpmiddel of elke API met maatwerkcode koppelen is niet schaalbaar. Het Model Context Protocol (MCP) lost dit op met één gestandaardiseerde manier voor AI-toepassingen om verbinding te maken met externe tools, data en services—vaak de "USB-C-poort voor AI" genoemd. In deze cursus bouw je MCP-servers en -clients vanaf nul in Python en koppel je ze aan een LLM.<br><br><h2>Hoe bouw en verbind ik mijn eerste MCP-server?</h2>Je begint met het leren van de MCP-architectuur—host, client en server—en de drie basiscomponenten die elke server aanbiedt: tools, resources en prompts. Dan bouw je een valutaconversieserver met FastMCP, voeg je docstrings en type hints toe zodat een LLM je tools kan ontdekken, en schrijf je een asynchrone Python-client die die tools via stdio-transport opsomt en aanroept.<br><br><h2>Hoe geef ik een LLM realtime tools en context?</h2>Alleen tools zijn niet genoeg—modellen hebben ook data en gedragsinstructies nodig. Je voegt resources toe voor alleen-lezen context en prompts om het model te sturen wanneer inputs vaag zijn, en koppelt vervolgens alle drie de primitives aan een OpenAI LLM met behulp van de vijfstaps tool-calling workflow, zodat het vol vertrouwen kan antwoorden of om verduidelijking kan vragen wanneer dat nodig is.<br><br><h2>Hoe breng ik MCP-servers naar productie?</h2>Servers in de praktijk hebben meer nodig dan code voor het ideale scenario. Je vervangt op bestanden gebaseerde resources door database-gestuurde queries, voegt request timeouts toe, gestructureerde foutafhandeling en veilige API-authenticatie die sleutels server-side houdt. Tot slot maak je verbinding met een MCP-server van een derde partij en zie je dat dezelfde clientcode werkt met elke server die het protocol spreekt.

Introduction to APIs in Python

Writing Functions in Python

Integreer AI/LLM-apps met API's, databases en bestanden eenvoudiger dan ooit met het Model Context Protocol.

Introductie tot Model Context Protocol (MCP)

Integreer AI/LLM-applicaties met API's, databases en bestandssystemen eenvoudiger dan ooit met het Model Context Protocol (MCP).

Maak een request aan met de tooldefinities en het gebruikersbericht

Haal eventuele tool-calls en hun argumenten op

Voer de toolfunctie uit met de opgehaalde argumenten

Stuur de output van de tool naar het model

Haal een antwoord in natuurlijke taal op voor het bericht van de gebruiker

De workflow voor tool-calls

Introductie tot Model Context Protocol (MCP)

Interactieve oefening met praktijkervaring