TRANSKRYPCJA VIDEO
AUTOAI PL
MCP - REWOLUCJA w Budowaniu Agentów AI (Poradnik Krok po Kroku)
Opis wygenerowany przez Skrybot
Protokół MCP, czyli Model Context Protocol, to narzędzie rewolucjonizujące świat sztucznej inteligencji poprzez ułatwienie komunikacji między inteligentnymi asystentami a różnymi aplikacjami. Dzięki MCP budowanie inteligentnych asystentów staje się prostsze i bardziej efektywne, umożliwiając korzystanie z różnorodnych usług w sposób spójny. Platforma N8N oraz protokół MCP pozwalają na automatyzację zadań, takich jak web scraping czy interakcje z bazami danych, bez konieczności pisania skomplikowanych skryptów.
Transkrypcja wygenerowana przez Skrybot
Protokół MCP, czyli Model Context Protocol, to coś, co może zrewolucjonizować świat sztucznej inteligencji, szczególnie przy budowaniu automatyzacji i agentów AI. Wyobraź sobie, że masz kilka różnych inteligentnych asystentów na swoim komputerze. Jeden pomaga Ci pisać kod, drugi zarządza Twoimi e-mailami, a jeszcze inny organizuje Twój kalendarz. Każdy z nich potrzebuje dostępu do różnych aplikacji i danych, jak WhatsApp, Gmail, czy bazy danych jak Pinecon. Problem polega na tym, że obecnie każdy z tych asystentów musi mieć osobno zaprogramowany sposób komunikacji z każdą aplikacją. To jakby każdy z Twoich przyjaciół musiał uczyć się nowego języka, by porozmawiać z tą samą osobą. Właśnie tutaj wkracza MCP. Jest to wspólny język, protokół, który pozwala wszystkim asystentom AI komunikować się z różnymi aplikacjami w ten sam sposób.
To jak uniwersalny adapter podróżny, podłączasz go raz, a wszystkie Twoje urządzenia mogą korzystać z prądu w tym samym gniazdku. W praktyce MCP składa się z trzech głównych elementów. Hosta aplikacji, która zawiera klienta. Klienta części odpowiedzialnej za komunikację. Serwera, który łączy się z różnymi aplikacjami. Dzięki MCP budowanie inteligentnych asystentów staje się jeszcze prostsze i bardziej efektywne. Coraz więcej firm udostępnia swoje serwery MCP, co oznacza, że możesz łatwo podłączyć swojego agenta do… z setek różnych usług. W dalszej części pokażę Ci, jak wykorzystać MCP do automatyzacji web scrapingu, czyli pozyskiwania danych ze stron internetowych. Zobaczysz, jak dzięki MCP możesz w prosty sposób umożliwić swojemu agentowi AI dostęp do informacji z sieci, bez konieczności pisania skomplikowanego kodu. Przed wprowadzeniem MCP proces web scrapingu wyglądał dość skomplikowanie. Stworzenie takiego procesu ponad miesiąc temu wymagało połączenia kilku endpointów API.
Jednego do mapowania strony, drugiego do rozpoczęcia scrapingu, a następnie trzeba było w pętli sprawdzać, czy wyniki są już gotowe. Potem można było spróbować użyć SDK dostawcy scrapingu, co nieco upraszczało proces, ale nadal wymagało tworzenia własnych węzłów i przykładów formatów JSON. Automatyzacja była możliwa, ale skomplikowana i wymagała ciągłej konserwacji. Teraz z MCP. Wszystko staje się niezwykle proste. Udostępniasz agentowi AI wszystkie narzędzia, a agent rozumie do czego ma dostęp. Twój prompt może być niezwykle prosty. Jesteś pomocnym asystentem. Odpowiedz użytkownikowi, gdy masz niezbędne informacje. Użyj dostępnych narzędzi, aby odpowiedzieć użytkownikowi. To wszystko. Możesz po prostu napisać przeskanuj tę stronę internetową i podaj mi jej opis w jednym zdaniu. Podać link, a agent automatycznie pobierze dostępne narzędzia scrappingowe. Użyję odpowiedniego endpointu. Zwróci Ci wynik na podstawie pobranej treści. To niewiarygodnie proste.
Trudno wyobrazić sobie łatwiejszy sposób na automatyzację scrapingu stron internetowych. Aby rozpocząć pracę z klientem MCP, musimy wiedzieć, że obecnie jest on dostępny wyłącznie jako pakiet społeczności dla platformy N8n. Oznacza to, że nie jest on wbudowanym natywnym komponentem N8n, a został stworzony przez społeczność użytkowników. Aby móc korzystać z tego pakietu, konieczne jest zainstalowanie platformy N8n lokalnie na naszym komputerze. Chociaż istnieje kilka sposobów instalacji N8n, to w tym poradniku zdecydowaliśmy się wykorzystać Docker, narzędzie do konteneryzacji, które znacząco upraszcza cały proces. Dzięki Dockerowi będziemy mogli szybko skonfigurować lokalne środowisko N8n, a następnie zainstalować pakiet społeczności MCP, co pozwoli nam na korzystanie z jego funkcjonalności w naszych automatyzacjach. Poniższy poradnik przeprowadzi Cię przez wszystkie niezbędne kroki tego procesu. Pierwszą rzeczą, którą musisz zrobić, to przejść na stronę Docker.
Jeśli nie znasz Dockera, nie martw się, pokażę krok po kroku, jak zainstalować tę aplikację, abyśmy mogli uruchomić wszystko przez Docker Desktop. Po wejściu na stronę Docker kliknij Download Docker Desktop. Upewnij się, że pobierasz wersję odpowiednią dla Twojego komputera. czy używasz Maca z chipem Apple Silicon czy z chipem Intel albo Windows. W moim przypadku używam Apple Silicon. Po pobraniu kliknij dwa razy na ikonę aplikacji. To wszystko, co musisz zrobić, aby zainstalować Docker Desktop. Następnie otwórz Docker. Zobaczysz interfejs z sekcjami Containers, Images i Volumes. Nie musisz znać wszystkich tych elementów, jeśli nie jesteś zaznajomiony z Dockerem. Celem jest po prostu zainstalowanie wszystkiego lokalnie. Na początku nie masz żadnych obrazów ani kontenerów. Kliknij na Search na górze i wyszukaj N8N. Upewnij się, że wybierasz ten z odpowiednim opisem.
Ma ponad 100 milionów pobrań. Po kliknięciu naciśnij Pool. To pobierze wszystkie informacje, pakiety i wszystko inne do Twojej zakładki Images. Po zakończeniu pobierania zobaczysz obraz N8n na liście. Kliknij przycisk Run, aby uruchomić nowy kontener. Teraz musimy skonfigurować pewne ustawienia opcjonalne. Najpierw nadaj kontenerowi odpowiednią nazwę, np. n8n-container. Dla portu hosta pozostaw wartość 5678. Ten port będzie używany jako localhost do uruchomienia aplikacji. Następnie ustaw ścieżkę hosta. To folder na Twoim lokalnym komputerze, w którym będą przechowywane wszystkie dane n8n. Zalecam utworzenie specjalnego folderu. Ja utworzyłem folder n8n-docker. Dla ścieżki kontenera musisz wprowadzić konkretną wartość. To bardzo ważne. Następnie trzeba ustawić zmienne środowiskowe. Potrzebujemy ustawić zmienną, aby nasz węzeł MCP umożliwiał korzystanie z narzędzi. Dla zmiennej wpisz wyrażenie widoczne na ekranie, a jako wartość ustaw prawda. Po zakończeniu konfiguracji kliknij Run.
To utworzy i uruchomi kontener. Na dole pojawi się link Localhost. Kliknij go, aby otworzyć N8n. Teraz skonfiguruj swoje konto N8n, ustawiając użytkownika i hasło. Po zakończeniu będziesz mieć puste środowisko aplikacji działające na dokerze na Twoim komputerze. Zanim utworzymy nasz workflow, musimy zainstalować węzeł społeczności MCP. Aktualnie węzeł MCP jest węzłem społeczności, co oznacza, że nie jest natywny dla naszej aplikacji. ale został stworzony przez kogoś ze społeczności. Aby zainstalować ten węzeł, kliknij na trzy kropki obok swojego imienia i wybierz Settings. Po lewej stronie na dole zobaczysz opcję Community Nodes. Kliknij na Install Community Node. Nazwa pakietu dla tego konkretnego węzła to N8N Nodes MCP. Wklej tę nazwę lub wyszukaj ją przez opcję Browse. Następnie kliknij Install. Po zainstalowaniu możesz wrócić do swojego workflow.
aby sprawdzić, czy węzeł MCP Został poprawnie zainstalowany? Powinieneś zobaczyć MCP Client, które wskazuje, że jest to węzeł społeczności. Jeśli nie pojawia się, odśwież stronę. Teraz przetestujemy model AI, który będzie korzystał z naszych nowych narzędzi. Dodajemy naszego agenta z wyzwalaczem czatu i promptem systemowym. Następnie dodajemy narzędzie EMCP. Musimy stworzyć nowe poświadczenia dla usługi, którą chcemy wykorzystać. Wybieramy Firecrawl, ponieważ oferuje on bogaty zestaw wbudowanych narzędzi nie tylko do web scrappingu, co pozwala na łatwe i szybkie rozpoczęcie pracy bez konieczności tworzenia własnych narzędzi od podstaw. Dla polecenia wprowadź NPX. Jako argumenty dla Firecrawl wprowadź to polecenie widoczne na ekranie. Dla zmiennych środowiskowych ustaw klucz API. Aby uzyskać klucz API, Odwiedź stronę usługi FireCrawl i utwórz darmowe konto. Przejdź do sekcji ustawień i utwórz nowy klucz API.
Skopiuj ten klucz i wklej go w odpowiednie miejsce w platformie N8n. Zapisz swoje poświadczenia. I zmieniamy nazwę na FireCrawl List Tools. Jest to dla nas pomocne, abyśmy się nie pogubili w tym, do czego dane narzędzie ma służyć. Pamiętamy, aby ustawić operację List Tools. Dodajemy nasz model Anthropic Clod 3. 7. Oczywiście możecie użyć tutaj dowolnego modelu. Moje doświadczenia z Clodem są akurat najlepsze i do tego typu zadań będzie najbardziej precyzyjny. Dodaj jeszcze jedno narzędzie MCP. ale tym razem do wykonywania poleceń. Wybieramy ponownie MCP Client. Nadajemy nazwę, którą będziemy kojarzyć z naszym workflow. Ustawiamy operację jako Execute Tool. Czas na konfigurację. Korzystamy z wyrażenia From AI. Pozwoli to na dynamiczne pobieranie nazwy narzędzia. Pamiętamy o znaku dolara. Wpisujemy nasz string widoczny na ekranie.
Pamiętamy o nawiasach klamrowych i cudzysłowach. Parametry narzędzia ustawiamy na automatycznie definiowane przez model. Zapisujemy. Teraz testujemy nasze narzędzie. Otwieramy czat, piszemy np. podaj ostatnie wiadomości o AI. Nasz system działa i szuka wiadomości z naszego polecenia. Po wykonaniu zadania możemy sprawdzić jakie narzędzia zostały użyte. Gotowy wynik mamy tutaj. Jest on mało czytelny, ale oczywiście na potrzeby tego filmu zrobiliśmy to na szybko. Po skonfigurowaniu agenta MCP możemy rozbudować workflow, aby prezentować wyniki w bardziej czytelnej formie, np. wyświetlić wyniki jako stronę HTML, automatycznie wysyłać wyniki na adres e-mail, zapisać dane w arkuszu kalkulacyjnym np. Google Sheets, wygenerować profesjonalne raporty z wynikami. Przetestujmy jeszcze inny przykład na szybkie ściągnięcie danych ze strony internetowej. Wpisujemy komendę. Pobierz dane tej witryny i podaj mi jej opis w jednym zdaniu. To wszystko.
Stworzyłeś własnego agenta AI, który korzysta z protokołu EMCP do interakcji z zewnętrznymi narzędziami. Cały proces działa lokalnie na Twoim komputerze, dając Ci pełną kontrolę nad działaniem agenta i prawie nieograniczoną możliwością rozbudowy. Jak widzicie, wykorzystanie protokołu EMCP do tworzenia agentów AI nie jest skomplikowane. Ta sama metoda może być zastosowana do różnorodnych zadań, od pobierania danych, przez pozyskiwanie informacji z baz danych, po interakcje z zewnętrznymi API. Dzięki takim rozwiązaniom możemy stworzyć potężne automatyzacje bez konieczności pisania skomplikowanych skryptów od podstaw. Wystarczy kilka kliknięć, aby połączyć agenta AI z zewnętrznymi narzędziami. Jeśli chcecie być na bieżąco z najnowszymi rozwiązaniami AI, zachęcam Was do zapisania się na mój darmowy newsletter oraz korzystania z platformy N8N. Linki znajdziecie w opisie. Dziękuję za oglądanie.
Jeśli film był dla Was pomocny, zostawcie łapkę w górę i dajcie znać w komentarzach, do jakich zadań planujecie wykorzystać protokół MCP. Do zobaczenia w kolejnym filmie. .
S K R Y B O T
Skrybot. 2023, Transkrypcje video z YouTube
Informujemy, że odwiedzając lub korzystając z naszego serwisu, wyrażasz zgodę aby nasz serwis lub serwisy naszych partnerów używały plików cookies do przechowywania informacji w celu dostarczenie lepszych, szybszych i bezpieczniejszych usług oraz w celach marketingowych.