Wprowadzenie do Model Context Protocol

Twój asystent AI potrafi napisać idealne zapytanie do bazy danych, ale nie ma pojęcia, jakie tabele istnieją w Twojej produkcyjnej bazie. Potrafi wygenerować pixel-perfect komponent React, ale nigdy nie widział Twoich projektów w Figmie. Potrafi przygotować wiadomość commita, ale nie może przeczytać Twojej historii git. Ten rozdzwięk między surową inteligencją a faktycznym kontekstem to największe wąskie gardło w dzisiejszym AI-assisted developmencie.

Model Context Protocol (MCP) eliminuje to wąskie gardło. To otwarty standard, pierwotnie stworzony przez Anthropic i obecnie przyjęty w całej branży, który zapewnia uniwersalny interfejs dla asystentów AI do łączenia się z zewnętrznymi narzędziami, źródłami danych i usługami. Pomyśl o nim jak o USB-C dla AI: jedno ustandaryzowane połączenie, które działa ze wszystkim.

Czego się nauczysz

• Jasny model mentalny tego, jak klienci, serwery i transporty MCP współpracują ze sobą
• Instrukcje konfiguracji pierwszego serwera MCP w Cursor, Claude Code i Codex
• Rozumienie różnicy między serwerami lokalnymi (STDIO) a zdalnymi (Streamable HTTP)
• Framework do podejmowania decyzji, które serwery MCP dodać do swojego workflow jako pierwsze

Jak działa MCP

Architektura jest prosta. Trzy komponenty wchodzą w interakcję w każdym połączeniu MCP:

Host MCP — Twój asystent AI (Cursor, Claude Code lub Codex). To aplikacja, która potrzebuje dostępu do zewnętrznych możliwości.

Klient MCP — Lekka warstwa połączeniowa osadzona wewnątrz hosta. Każdy klient utrzymuje pojedyncze połączenie z jednym serwerem MCP.

Serwer MCP — Aplikacja, która udostępnia narzędzia, prompty i zasoby poprzez protokół. Serwer może dać AI możliwość odpytywania bazy danych, czytania projektów Figma lub przeszukiwania dokumentacji.

Gdy AI zdecyduje, że potrzebuje zewnętrznych informacji, klient wysyła ustrukturyzowane żądanie do odpowiedniego serwera. Serwer wykonuje akcję (odpytanie bazy danych, pobranie pliku, wywołanie API) i zwraca ustrukturyzowaną odpowiedź. AI następnie używa tej odpowiedzi jako kontekstu dla swojej następnej akcji.

Serwery MCP lokalne vs. zdalne

MCP obsługuje dwa tryby transportu:

• Lokalne (STDIO) — Serwer MCP działa na Twojej maszynie. Klient komunikuje się poprzez standardowe wejście/wyjście. Tak działa większość serwerów filesystem, git i bazodanowych. Szybkie, bez zależności sieciowej, ale ograniczone do Twojego lokalnego środowiska.
• Zdalne (Streamable HTTP / SSE) — Serwer MCP działa w chmurze. Klient łączy się przez HTTPS, zwykle z OAuth 2.1 do uwierzytelniania. Tak Atlassian, Cloudflare i inne platformy SaaS udostępniają swoje serwery MCP. Działa z każdego miejsca, ale wymaga dostępu do sieci i uwierzytelniania.

Konfiguracja pierwszego serwera MCP

Podłączmy serwer dokumentacji Context7 — daje on Twojemu AI aktualną dokumentację tysięcy bibliotek open-source. Ten jeden serwer eliminuje najczęstszy tryb awarii: AI generujące kod dla przestarzałych API.

Cursor

Utwórz lub edytuj .cursor/mcp.json w katalogu głównym projektu:

{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp@latest"]
    }
  }
}

Otwórz Settings > MCP Servers i sprawdź, czy obok “context7” pojawia się zielona kropka. Jeśli jest czerwona, zrestartuj Cursor.

Claude Code

Dodaj do .claude/settings.json w projekcie (lub uruchom claude mcp add):

{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp@latest"]
    }
  }
}

Uruchom /mcp w Claude Code, aby zweryfikować połączenie. Powinieneś zobaczyć “context7: connected”.

Codex

Dodaj do ~/.codex/config.toml:

[mcp.context7]
transport = "stdio"
command = "npx"
args = ["-y", "@upstash/context7-mcp@latest"]

Zrestartuj Codex, aby załadować nowy serwer. Narzędzia pojawią się na liście dostępnych narzędzi.

Wskazówka

Prompt do skopiowania — test pierwszego serwera MCP:

“Using context7, look up the latest Astro documentation for content collections. Show me how to define a collection schema with Zod validation and query it from a page component.”

Ekosystem MCP w pigułce

Dzisiaj istnieje ponad 20 000 serwerów MCP. Dzielą się na przewidywalne kategorie:

Kategoria	Co robi	Przykłady
Dokumentacja	Aktualna dokumentacja bibliotek, referencje API	Context7, Augments, Ref Tools
Kontrola wersji	Operacje git, zarządzanie PR, wyszukiwanie kodu	GitHub MCP, GitLab MCP, Git MCP
System plików	Czytanie/pisanie plików, operacje na katalogach	Official Filesystem, Desktop Commander
Przeglądarka	Interakcja ze stronami, zrzuty ekranu, testy E2E	Playwright MCP, Puppeteer MCP
Baza danych	Inspekcja schematu, zapytania, migracje	Prisma, Supabase, MongoDB, SQLite
Zarządzanie projektami	Tickety, sprinty, aktualizacje statusu	Atlassian Rovo, Linear, Jira
Design	Dane warstw Figma, biblioteki komponentów	Figma Dev Mode, shadcn/ui MCP
Platforma chmurowa	Zarządzanie zasobami, deploye, logi	Cloudflare, Azure MCP, AWS MCP Suite
Obserwowalność	Śledzenie błędów, logi, metryki	Sentry, Datadog, Grafana

Jak myśleć o dodawaniu serwerów MCP

Nie instaluj dwudziestu serwerów pierwszego dnia. Zacznij od narzędzi, które rozwiązują Twoje największe luki kontekstowe:

1. Zacznij od dokumentacji. Context7 daje każdemu promptowi dostęp do aktualnej dokumentacji bibliotek. Ten jeden serwer eliminuje całą klasę halucynacji.

2. Dodaj kontrolę wersji. Serwer GitHub lub GitLab MCP pozwala Twojemu AI czytać PR-y, przeszukiwać kod w repozytoriach i rozumieć historię projektu bez konieczności wklejania linków do czatu.

3. Podłącz bazę danych. Niezależnie od tego, czy to Postgres, MongoDB czy SQLite, pozwolenie AI na inspekcję schematów i uruchamianie zapytań read-only zmienia sposób, w jaki pisze kod dostępu do danych.

4. Dodaj narzędzia workflow. Figma do design-to-code, Jira lub Linear do kontekstu ticketów, Playwright do testowania przeglądarki. Każdy dodany serwer zamyka kolejną lukę kontekstową.

Uwaga

Każdy serwer MCP, który dodajesz, to nowa granica zaufania. Zacznij od serwerów read-only (dokumentacja, wyszukiwanie, obserwowalność). Dodawaj dostęp do zapisu dopiero gdy zrozumiesz, jak AI używa narzędzi. Traktuj serwery MCP jak mikroserwisy: ogranicz uprawnienia i loguj wywołania narzędzi.

Wskazówka

Prompt do skopiowania — audyt konfiguracji MCP:

“List all currently connected MCP servers and their available tools. For each server, tell me whether it has read-only or read-write access, and flag any servers that can modify files, databases, or external services.”

Gdy coś się zepsuje

Serwer nie chce się połączyć. Najczęstsza przyczyna to brakujący runtime. Serwery MCP zbudowane w Node.js wymagają npx lub node w PATH. Serwery oparte na Pythonie potrzebują uv lub pip. Sprawdź README serwera pod kątem wymaganych narzędzi.

Narzędzia nie pojawiają się po połączeniu. Niektóre klienty cache’ują listę narzędzi. Zrestartuj edytor lub uruchom komendę debugowania MCP (/mcp w Claude Code, sprawdź panel MCP w Cursor), aby wymusić odświeżenie.

Zdalne serwery zawieszają się na OAuth. Jeśli przebieg OAuth otwiera przeglądarkę, ale nigdy się nie kończy, sprawdź czy adres zwrotny localhost nie jest blokowany przez VPN lub firewall. Zdalne serwery Atlassian i Cloudflare wymagają, aby przeglądarka przekierowała z powrotem na lokalny port.

AI nieprawidłowo używa narzędzi. Serwery MCP udostępniają opisy narzędzi, które AI czyta, aby zdecydować, kiedy i jak je wywołać. Jeśli AI błędnie używa narzędzia, problem zwykle leży w opisie narzędzia, nie w AI. Budując własne serwery, zainwestuj w jasne, konkretne opisy narzędzi.

Co dalej

Essential MCP Servers The must-have servers for every developer's toolkit.

Cloudflare MCP Servers Deploy, debug, and manage Cloudflare resources from your AI assistant.

MCP Security Secure and harden your MCP server connections.

Building Custom MCP Servers Create your own MCP server for internal tools and APIs.