Upptäck hur MCP kan göra det enklare än någonsin att integrera AI-applikationer med omgivande system! Lär dig hur MCP fungerar, hur du definierar egna MCP-verktyg och hur du bygger bryggan mellan klient och server.

MCP: AI-appar enkelt och smidigt

Alternativ

Host

Client

Server

Lär känna MCP

Din första MCP-server

Bygg din första MCP-server

Bygg en MCP-server för valutakonvertering

Lägga till docstrings och typledtrådar

MCP-kommunikation mellan klient och server

Sant

Falskt

Bygga broar (mellan klienten och servern)

Dynamisk verktygsupptäckt

Anropa serververktyg

MCP:s byggstenar

Lägg till resurser och promptar i MCP-servrar för att ge LLM:er tillgång till skrivskyddad kontext och viktiga instruktioner som påverkar deras beteende. Arbeta praktiskt med LLM:er och anslut dem till din MCP-server så att de kan anropa verktyg och hämta kontext.

Resurser i MCP-servrar

Definiera resurser i en MCP-server

Lista resurser från klienten

Läsa resurser från klienten

Prompter i MCP-servrar

Definiera en prompt i en MCP-server

Visa tillgängliga promptar från klienten

Hämta en prompt från klienten

MCP och LLM:er: Verktyg

Arbetsflödet för verktygsanrop

LLM-verktyghantering i MCP-servrar

MCP och LLM:er: Promptar och resurser

Hämta resurs och prompt från MCP

Bygga meddelandet och anropa LLM:en

LLM-applikationer med MCP

Ta reda på vad som krävs för att sätta MCP-servrar i produktion genom att fördjupa dig i databaser och API:er i MCP-servrar och de extra överväganden de medför. Integrera slutligen tredjeparts-MCP:er på ett säkert och tillförlitligt sätt, så att du slipper återuppfinna hjulet för dina favoritintegrationer.

MCP-databasintegrationer

Skapa databasanslutningar

Databaser som resurser

Parametriserade databasuppslagsverktyg

MCP API-integrationer

Gör API-verktygssanrop robusta

När API:er kräver autentisering

MCP-servrar från tredje part

Sök efter en bok med titeln via Open Library MCP

Grattis!

Förbered MCP-servrar för produktion

Slipp krånglet med att integrera AI-applikationer mot olika externa system! Nu talar alla mjukvaruapplikationer MCP:s språk. Lär dig hur MCP gör det enklare än någonsin att koppla AI-applikationer till API:er, databaser och annan extern funktionalitet via protokollet. Lär dig bygga egna MCP-servrar från grunden – inklusive API- och databasanslutningar – och integrera dem med LLM:er så att de kan göra smarta datauppslag och utlösa åtgärder. Kom igång med Model Context Protocol i dag!

<h2>Varför lära sig Model Context Protocol?</h2>Stora språkmodeller kan inte komma åt realtidsdata eller utföra åtgärder på egen hand, och att koppla varje verktyg eller API med anpassad kod skalar inte. Model Context Protocol (MCP) löser detta med ett enda, standardiserat sätt för AI-applikationer att ansluta till externa verktyg, data och tjänster—ofta kallat "USB-C-porten för AI." I den här kursen bygger du MCP-servrar och klienter från grunden i Python och kopplar dem till en LLM.<br><br><h2>Hur bygger och ansluter jag min första MCP-server?</h2>Du börjar med att lära dig MCP-arkitekturen – värd, klient och server – samt de tre grundläggande byggstenar som varje server exponerar: verktyg, resurser och prompts. Sedan bygger du en valutakonverteringsserver med FastMCP, lägger till docstrings och typannoteringar så att en LLM kan upptäcka dina verktyg, och skriver en asynkron Python-klient som listar och anropar dessa verktyg via stdio-transport.<br><br><h2>Hur ger jag en LLM verktyg och kontext i realtid?</h2>Verktyg räcker inte i sig — modeller behöver också data och beteendeinstruktioner. Du kommer att lägga till resurser för skrivskyddad kontext och prompts för att vägleda modellen när indata är vaga, och sedan koppla ihop alla tre primitiv till en OpenAI LLM med hjälp av arbetsflödet för verktygsanrop i fem steg så att den kan svara säkert eller be om förtydligande när den bör.<br><br><h2>Hur tar jag MCP-servrar till produktion?</h2>Verkliga servrar behöver mer än kod som bara fungerar i lyckade scenarier. Du kommer att ersätta filbaserade resurser med databasstödda frågor, lägga till timeout för förfrågningar, strukturerad felhantering och säker API-autentisering som håller nycklarna på serversidan. Slutligen kommer du att ansluta till en MCP-server från en tredje part och se att samma klientkod fungerar med vilken server som helst som talar protokollet.

Introduction to APIs in Python

Writing Functions in Python

Integrera AI/LLM-appar med API:er, databaser och filsystem enklare än någonsin med Model Context Protocol.

Introduktion till Model Context Protocol (MCP)

Integrera AI/LLM-applikationer med API:er, databaser och filsystem enklare än någonsin med Model Context Protocol (MCP).

Associate AI Engineer för utvecklare

🗄️ Det är *klienten* som ansvarar för att starta en session med servern och skicka förfrågningar till den

🏗️ Alla meddelanden mellan *klient* och *server* i MCP följer formatet **JSON-RPC 2.0**

🏃 När **stdio**-transport används fortsätter *servern* att köra självständigt efter att *klienten* har avslutats

🌐 Transportmetoden **stdio** kräver en nätverksanslutning för att fungera

Bygga broar (mellan klienten och servern)

Introduktion till Model Context Protocol (MCP)

Interaktiv övning med praktiskt arbete