MCP od podstaw: podłącz AI do danych i narzędzi z wykorzystaniem vibe codingu
Warsztat, podczas którego zbudujesz w Pythonie serwery MCP udostępniające modelowi AI narzędzia, dokumenty i dane z API. Nauczysz się projektować kontrakty tools, resources i prompts, zlecać kod agentowi AI, testować go w MCP Inspectorze, diagnozować błędy oraz zabezpieczać operacje odczytu i zapisu. Kurs kończy się własnym serwerem obsługującym proces biznesowy.
Dostęp do całego kursu
179,00 PLN−17%
149,00 PLN
- ✓Płatność jednorazowa
- ✓Dostęp na stałe
- ✓Certyfikat
- ✓12 godzin
Dla kogo jest ten kurs
Programiści, architekci integracji, analitycy techniczni i osoby budujące automatyzacje AI, które chcą bezpiecznie podłączać modele do danych oraz operacji. Kurs jest dla początkujących w MCP, także tych, którzy nie piszą biegle w Pythonie, ale potrafią uruchomić projekt i czytać prosty kod. Materiał szczególnie przyda się osobom korzystającym z agentów programistycznych, które chcą przejść od generowania przypadkowych fragmentów kodu do kontrolowanego procesu: specyfikacja, implementacja, test, diagnoza i poprawka.
Kurs prowadzi od zrozumienia problemu integracji modeli AI z systemami aż do działającego serwera MCP. Zamiast przepisywać długie bloki kodu, pracujesz jak techniczny lider korzystający z agenta programistycznego: opisujesz kontrakt, zlecasz mały przyrost, uruchamiasz wynik, sprawdzasz zachowanie i wracasz z konkretnym błędem. Na wspólnym przykładzie asystenta obsługi klienta połączysz model z zewnętrznym API, lokalnymi dokumentami i prostym rejestrem spraw. Zobaczysz pełne przykłady słabych i poprawionych promptów, nieudanych oraz prawidłowych odpowiedzi narzędzi, a także testów ujawniających błędy, których nie widać podczas szczęśliwej ścieżki. Implementacja wykorzystuje Python, oficjalny SDK MCP z FastMCP oraz MCP Inspector. Nacisk pada na stabilne kontrakty i wzorce, a nie przywiązanie do wersji eksperymentalnej: przed rozpoczęciem projektu uczestnik weryfikuje aktualną stabilną wersję SDK i przypina zależności. Finałem jest własny serwer MCP realizujący prosty proces biznesowy z walidacją, kontrolą uprawnień, potwierdzeniem operacji zapisu i zestawem testów odbiorczych.
Czego się nauczysz
- Wyjaśnisz, jaki problem rozwiązuje MCP i gdzie przebiega granica odpowiedzialności między modelem, klientem MCP oraz serwerem.
- Odróżnisz serwer MCP od zwykłego API i function callingu oraz dobierzesz właściwy mechanizm do konkretnej integracji.
- Zaprojektujesz tools, resources i prompts tak, aby miały jednoznaczne nazwy, schematy wejścia, przewidywalne wyniki i czytelne błędy.
- Przygotujesz projekt serwera MCP w Pythonie, przypniesz zależności i uruchomisz go przez transport stdio lub Streamable HTTP.
- Będziesz zlecać agentowi AI małe, weryfikowalne zmiany zamiast generowania całej aplikacji jednym promptem.
- Zbudujesz narzędzie MCP pobierające dane z zewnętrznego API, z timeoutem, walidacją i kontrolowanym mapowaniem błędów.
- Udostępnisz lokalne dokumenty jako bezpiecznie ograniczone resources i dodasz narzędzie do ich przeszukiwania.
- Przetestujesz listowanie i wywoływanie możliwości serwera w MCP Inspectorze oraz zapiszesz powtarzalne przypadki testowe.
- Podłączysz lokalny serwer do klienta obsługującego MCP i rozdzielisz problemy konfiguracji klienta od błędów serwera.
- Zdiagnozujesz typowe awarie: błędny schemat, śmieci na stdout, złą ścieżkę procesu, timeout, niepoprawny JSON i niezgodność transportu.
- Zabezpieczysz klucze API, ścieżki plików i operacje zmieniające dane, stosując walidację, minimalne uprawnienia oraz jawne potwierdzenie.
- Zaprojektujesz i zaprezentujesz własny serwer MCP realizujący prosty proces biznesowy wraz z kryteriami odbioru.
Wymagania wstępne
Komputer z dostępem do terminala i możliwością instalacji Pythona, uv lub pip oraz Node.js potrzebnego do MCP Inspectora. Edytor kodu, Git i klient obsługujący MCP będą pomocne. Wymagane jest konto w wybranym narzędziu do vibe codingu lub dostęp do agenta generującego kod. Wystarczy rozumienie plików, funkcji, JSON i zmiennych środowiskowych; kurs objaśnia kluczowe fragmenty Pythona. Do ćwiczeń z API można użyć dostarczonego serwisu demonstracyjnego bez płatnych kluczy.
Program kursu
- Asystent zna język, lecz nie zna klienta: granica samego modelu
- MCP jako kontrakt integracyjny, a nie kolejna magiczna wtyczka
- Trójkąt odpowiedzialności: model AI, klient MCP i serwer MCP
- Serwer MCP, REST API czy function calling: trzy pełne przepływy jednego zapytania
- Mapa zastosowań: dokumenty, CRM, system firmowy i zewnętrzne API
- Quiz architekta: kto powinien wykonać tę operację?
- Tool wykonuje zamiar: kontrakt wyszukania klienta bez zgadywania parametrów
- Resource udostępnia treść: URI dokumentu zamiast narzędzia do wszystkiego
- Prompt steruje sposobem pracy, ale nie zastępuje uprawnień
- Słaby kontra mocny kontrakt: pełne schematy narzędzia search_customer
- Błąd też jest częścią API: not_found, invalid_input i upstream_timeout
- Przegląd projektu: przypisz pięć możliwości do właściwych prymitywów MCP
- Kontrakt dla agenta: cel, ograniczenia, pliki i test odbiorczy
- Prompt „zbuduj wszystko” kontra przyrost 15-minutowy: dwa kompletne zlecenia
- Środowisko bez ruletki wersji: Python, uv, Node.js i przypięty SDK MCP
- Pierwszy serwer FastMCP: jedno narzędzie, jeden wynik, zero ukrytej magii
- stdio czy Streamable HTTP: transport dobrany do miejsca uruchomienia
- Czy agent dostarczył to, co zamówiliśmy? Odbiór struktury projektu
- Granica adaptera: dlaczego tool nie powinien być klientem HTTP i parserem naraz
- Zlecenie dla agenta: dodaj klienta API bez zmiany kontraktu MCP
- Timeout, 404 i uszkodzony JSON: trzy awarie, których demo zwykle nie pokazuje
- Tekst czy structured output: porównanie pełnych odpowiedzi get_customer
- Testy adaptera bez internetu: fixture, mock i przypadki brzegowe
- Ablacja odporności: usuń timeout lub walidację i przewidź skutek
- Katalog nie jest bazą wiedzy: jak reprezentować dokument, URI i metadane
- Resource template dla dokumentu: od identyfikatora do kontrolowanego odczytu
- Pułapka path traversal: gdy nazwa pliku wychodzi poza katalog wiedzy
- Tool search_docs: prosty ranking zamiast obietnicy „inteligentnego RAG”
- Pięć pytań kontrolnych: ocena trafności, źródła i braku odpowiedzi
- Quiz diagnostyczny: błąd indeksu, kontraktu czy decyzji modelu?
- Inspector jako klient laboratoryjny: capabilities, listy i surowe wywołania
- Scenariusz odbiorczy serwera: sześć wywołań, które muszą przejść
- Gdy Inspector nie widzi serwera: transport, komenda procesu i śmieci na stdout
- Podłączenie do klienta MCP: konfiguracja procesu i zmiennych środowiskowych
- Tool działa ręcznie, model go nie wybiera: diagnoza nazwy, opisu i schematu
- Quiz warstwowy: klient, protokół, serwer czy zależność zewnętrzna?
- Klucz API nie należy do promptu ani repozytorium
- Walidacja na granicy: identyfikator klienta, zakres dat i niedozwolone pola
- Odczyt to nie zapis: osobne uprawnienia dla search_customer i update_case
- Operacja zmieniająca dane: preview, potwierdzenie, idempotency key i audit log
- Prompt naprawczy dla agenta: objaw, log, reprodukcja i zakaz ubocznego refaktoru
- Red-team mini-test: jak model może nadużyć zbyt szerokiego toola
- Wybór procesu: reklamacja, kwalifikacja leada albo obsługa zgłoszenia
- Specyfikacja projektu: diagram przepływu, kontrakty MCP i kryteria odbioru
- Implementacja przyrostami: szkielet, odczyt, wyszukiwanie i zapis
- Ewaluacja end-to-end: sukces, brak danych, awaria API i odmowa zapisu
- Demo z kontrolowaną awarią: pokaż nie tylko happy path
- Przegląd produkcyjny: transport, autoryzacja, obserwowalność i granice zaufania
- Quiz końcowy: obrona decyzji architektonicznych własnego serwera
Najczęściej zadawane pytania
Zrozumiesz, jak Model Context Protocol łączy aplikacje AI z zewnętrznymi danymi, narzędziami i procesami. Krok po kroku zbudujesz serwer MCP współpracujący z API, lokalnymi dokumentami oraz prostym rejestrem spraw.
Nie musisz pisać rozbudowanych aplikacji od zera, ale podstawowa orientacja w kodzie ułatwi naukę. Będziesz pracować z agentem programistycznym: określać kontrakt, zlecać niewielkie zmiany, uruchamiać wynik i przekazywać konkretne informacje o błędach.
Vibe coding oznacza tutaj świadome kierowanie agentem AI zamiast bezrefleksyjnego kopiowania wygenerowanego kodu. Nauczysz się dzielić pracę na małe przyrosty, weryfikować zachowanie aplikacji i utrzymywać kontrolę nad rozwiązaniem.
Stworzysz asystenta obsługi klienta, który korzysta z zewnętrznego API, przeszukuje lokalne dokumenty i pracuje z prostym rejestrem spraw. Dzięki wspólnemu przykładowi zobaczysz cały proces — od projektu integracji po działający serwer MCP.
MCP to otwarty standard służący do łączenia aplikacji AI z plikami, bazami danych, API i innymi narzędziami. Kurs przygotuje Cię do tworzenia rozwiązań, które nie tylko generują odpowiedzi, lecz także korzystają z aktualnego kontekstu i wykonują konkretne działania.
Tak. Zobaczysz przykłady nietrafionych poleceń, zbyt dużych zmian i niewystarczającej weryfikacji. Dowiesz się, jak zamieniać nieprecyzyjne oczekiwania w jasne kontrakty oraz jak diagnozować problemy na podstawie rzeczywistego zachowania systemu.
- 12 godzin
- Początkujący
- Certyfikat po ukończeniu
- Dostęp natychmiast po zakupie
Cały kurs
149,00 PLN