Sok fejlesztő már hasznos funkciókat tesz elérhetővé REST API-kon keresztül. A Model Context Protocol (MCP) lehetővé teszi, hogy ezeket a meglévő képességeket AI-kliensek számára is elérhetővé tegyük anélkül, hogy újra kellene írni az alkalmazáslogikát.
A Zero to Agent in 30 Minutes című epizódban Bruce Hopkins — AI fejlesztő, szerző és oktató — bemutatja, hogyan lehet egy MCP szervert építeni egy létező API fölé. A demo során egy meglévő részvényadat-API, a Twelve Data kerül becsomagolásra MCP szerverrel, így egy MCP kliens hívhatja a szolgáltatásokat.
Lépésről lépésre: REST API-ból MCP
- Kezdés egy meglévő API-val
- Válassza ki azokat a műveleteket és adatokat, amelyeket az AI kliensnek el szeretne érhetővé tenni. A bemutató a Twelve Data API-t használja, amely jelenlegi és történeti részvényárakat szolgáltat.
- Készítsen MCP szervert
- Használjon MCP SDK-t, hogy réteget alakítson ki az AI kliens és a meglévő alkalmazáslogika közé. Bruce Python példájában a FastMCP kezeli az MCP interfészt, miközben a részvényadat-funkciók külön maradnak.
- Tegye elérhetővé a képességeket eszközöként és erőforrásokként
- Regisztrálja azokat a műveleteket, amelyeket a kliens felfedezhet és meghívhat. A részvényár-adatok MCP erőforrások és eszközök formájában kerülnek kitettségre, amelyek ugyanazokat az alapfunkciókat újrahasznosítják.
- Írja le, hogyan használja a kliens őket
- Határozza meg egyértelmű nevekkel, bemenetekkel, leírásokkal és promptokkal, hogy a kliens megértse, melyik képesség mit csinál és milyen információra van szüksége. A példában szerepelnek promptok az aktuális árak, történeti árak lekéréséhez, valamint a várt ticker- és dátumformátumokról.
- Csatlakoztassa a szervert egy MCP klienshez
- Futtassa a szervert egy támogatott transzporton, hogy a kliens felfedezhesse és meghívhassa az eszközöket és erőforrásokat.
Miért hasznos ez
Nem szükséges lecserélni azokat a rendszereket, amelyek már kezelik az alkalmazáslogikát ahhoz, hogy ügynökök (agents) használhassák őket. Egy MCP interfész hozzáadása meglévő képességek köré szabványos módot ad az AI-klienseknek a felfedezésre és használatra.
Forráskód és további epizódok
Bruce Hopkins GitHub repójában megtalálható a működő kód, amelyet adaptálhat saját API-ihoz. A következő héten Sajal Sharma, AI mérnök visszatér a Zero to Agent in 30 Minutesbe, hogy egy személyes asszisztenst építsen OpenClaw segítségével; bemutatja, hogyan tarthatók feladatok és jegyzetek Markdownban, hogyan futtathatók proaktív automatizációk és hogyan küldhetők ütemezett frissítések, például rendszeres reggeli tájékoztatók.
A Zero to Agent in 30 Minutes epizódjait követheti a Radaron, vagy megnézheti a legújabb részt YouTube-on, Spotifyon, Apple-en vagy más podcast-szolgáltatóknál. Az O’Reilly tagok élőben is nézhetik az adást.
Szerző
A cikk Michelle Smith írása.
