Tworzenie własnego serwera MCP

Twoja firma ma wewnętrzne API do feature flags, system zarządzania incydentami, którego nikt inny nie używa, oraz niestandardowy pipeline deploymentu zbudowany na Kubernetes. Żaden serwer MCP z marketplace nie obsługuje żadnego z tych systemów. Za każdym razem, gdy AI potrzebuje kontekstu z tych systemów, ręcznie wklejasz odpowiedzi API do chatu. Jesteś ludzkim serwerem MCP i jesteś wąskim gardłem.

Zbudowanie własnego serwera MCP jest prostsze niż się wydaje. SDK MCP obsługuje negocjację protokołu, warstwę transportową i komunikację z klientem. Ty piszesz logikę narzędzi — część, która faktycznie komunikuje się z Twoim API lub systemem — a SDK zajmuje się wszystkim innym.

Co wyniesiesz z tego przewodnika

• Działający serwer MCP w TypeScript od podstaw, podłączony do wszystkich trzech narzędzi
• Zrozumienie tools, resources i prompts — trzech prymitywów MCP
• Wzorce łączenia się z wewnętrznymi API, bazami danych i narzędziami CLI
• Strategie testowania i debugowania serwerów MCP
• Opcje wdrożenia: lokalny pakiet npm, Docker i zdalne HTTP

Twój pierwszy serwer MCP w 10 minut

1. Zainicjuj projekt.

   mkdir my-mcp-server && cd my-mcp-server
   npm init -y
   npm install @modelcontextprotocol/sdk zod

2. Utwórz serwer. Dodaj to do index.mjs:

   #!/usr/bin/env node
   import { Server } from '@modelcontextprotocol/sdk/server/index.js';
   import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
   import { z } from 'zod';
   
   const server = new Server({
     name: 'my-first-mcp',
     version: '1.0.0',
   });
   
   server.tool(
     'get_feature_flags',
     'Returns active feature flags for a given environment',
     {
       environment: z.enum(['dev', 'staging', 'production']).describe('Target environment'),
     },
     async ({ environment }) => {
       // Replace with your actual API call
       const flags = {
         dev: { darkMode: true, newCheckout: true, betaSearch: true },
         staging: { darkMode: true, newCheckout: true, betaSearch: false },
         production: { darkMode: true, newCheckout: false, betaSearch: false },
       };
   
       return {
         content: [{
           type: 'text',
           text: JSON.stringify(flags[environment], null, 2),
         }],
       };
     }
   );
   
   const transport = new StdioServerTransport();
   await server.connect(transport);

3. Nadaj uprawnienia do wykonania.

   chmod +x index.mjs

4. Podłącz go do swojego edytora.

Cursor

{
  "mcpServers": {
    "my-server": {
      "command": "node",
      "args": ["/absolute/path/to/my-mcp-server/index.mjs"]
    }
  }
}

Claude Code

claude mcp add my-server -- node /absolute/path/to/my-mcp-server/index.mjs

Lub w .claude/settings.json:

{
  "mcpServers": {
    "my-server": {
      "command": "node",
      "args": ["/absolute/path/to/my-mcp-server/index.mjs"]
    }
  }
}

Codex

[mcp.my-server]
transport = "stdio"
command = "node"
args = ["/absolute/path/to/my-mcp-server/index.mjs"]

Wskazówka

Prompt do przetestowania serwera (skopiuj i wklej):

“Use the get_feature_flags tool to check which feature flags are active in the staging environment. Then look at the code in src/lib/features.ts and verify that it handles all the flags correctly.”

Trzy prymitywy MCP

Serwery MCP udostępniają trzy typy możliwości:

Tools

Tools to funkcje, które AI może wywoływać. Przyjmują ustrukturyzowane dane wejściowe, wykonują operację i zwracają wyniki. Tego będziesz używać najczęściej.

server.tool(
  'search_incidents',              // Tool name
  'Search the incident database',  // Description for the AI
  {                                // Input schema (Zod)
    query: z.string(),
    severity: z.enum(['P1', 'P2', 'P3', 'P4']).optional(),
    status: z.enum(['open', 'resolved', 'investigating']).optional(),
  },
  async ({ query, severity, status }) => {
    const results = await searchIncidents({ query, severity, status });
    return {
      content: [{
        type: 'text',
        text: JSON.stringify(results, null, 2),
      }],
    };
  }
);

Resources

Resources to dane, które AI może przeglądać i odczytywać, jak pliki w systemie plików. Używaj ich, gdy chcesz, aby AI odkrywało dostępne dane, zamiast zapytać o konkretne elementy.

server.resource(
  'runbooks',
  'Operational runbooks for production services',
  async () => {
    const runbooks = await listRunbooks();
    return runbooks.map(r => ({
      uri: `runbook:///${r.id}`,
      name: r.title,
      description: r.summary,
      mimeType: 'text/markdown',
    }));
  },
  async (uri) => {
    const id = uri.replace('runbook:///', '');
    const content = await getRunbook(id);
    return {
      contents: [{
        uri,
        mimeType: 'text/markdown',
        text: content,
      }],
    };
  }
);

Prompts

Prompts to wstępnie przygotowane szablony, których AI może używać. Są przydatne do standaryzacji workflow w całym zespole.

server.prompt(
  'incident_postmortem',
  'Generate a postmortem document for an incident',
  {
    incidentId: z.string().describe('Incident ID to generate postmortem for'),
  },
  async ({ incidentId }) => {
    const incident = await getIncident(incidentId);
    return {
      messages: [{
        role: 'user',
        content: {
          type: 'text',
          text: `Write a postmortem for incident ${incident.id}: "${incident.title}".
          Timeline: ${JSON.stringify(incident.timeline)}
          Root cause: ${incident.rootCause || 'Unknown'}
          Impact: ${incident.impact}

          Follow our postmortem template: title, summary, timeline, root cause analysis,
          action items with owners and due dates.`,
        },
      }],
    };
  }
);

Wzorce z rzeczywistych zastosowań

Opakowywanie wewnętrznego REST API

const API_BASE = process.env.INTERNAL_API_URL;
const API_KEY = process.env.INTERNAL_API_KEY;

if (!API_KEY) {
  console.error('INTERNAL_API_KEY is required');
  process.exit(1);
}

async function apiCall(path, options = {}) {
  const response = await fetch(`${API_BASE}${path}`, {
    ...options,
    headers: {
      'Authorization': `Bearer ${API_KEY}`,
      'Content-Type': 'application/json',
      ...options.headers,
    },
  });

  if (!response.ok) {
    throw new Error(`API error: ${response.status} ${response.statusText}`);
  }

  return response.json();
}

server.tool(
  'list_deployments',
  'List recent deployments for a service',
  {
    service: z.string(),
    limit: z.number().optional().default(10),
  },
  async ({ service, limit }) => {
    const deployments = await apiCall(`/deployments?service=${service}&limit=${limit}`);
    return {
      content: [{
        type: 'text',
        text: JSON.stringify(deployments, null, 2),
      }],
    };
  }
);

Opakowywanie narzędzia CLI

import { execFile } from 'child_process';
import { promisify } from 'util';

const execFileAsync = promisify(execFile);

server.tool(
  'kubectl_get',
  'Get Kubernetes resources (read-only)',
  {
    resource: z.enum(['pods', 'services', 'deployments', 'configmaps', 'ingresses']),
    namespace: z.string().optional().default('default'),
    name: z.string().optional(),
  },
  async ({ resource, namespace, name }) => {
    const args = ['get', resource, '-n', namespace, '-o', 'json'];
    if (name) args.push(name);

    try {
      const { stdout } = await execFileAsync('kubectl', args, { timeout: 15000 });
      return {
        content: [{
          type: 'text',
          text: stdout,
        }],
      };
    } catch (error) {
      return {
        content: [{
          type: 'text',
          text: `kubectl error: ${error.message}`,
        }],
        isError: true,
      };
    }
  }
);

Uwaga

Podczas opakowywania narzędzi CLI zawsze waliduj dane wejściowe i ogranicz się do operacji tylko do odczytu. Nigdy nie przekazuj nieoczyszczonych danych użytkownika bezpośrednio do poleceń shell. Używaj execFile zamiast exec, aby zapobiec shell injection.

Testowanie serwera

Manualne testowanie z MCP Inspector

MCP Inspector to webowe narzędzie do interaktywnego testowania serwerów MCP:

npx @modelcontextprotocol/inspector node index.mjs

Otwiera się interfejs przeglądarki, w którym możesz wywoływać poszczególne narzędzia, przeglądać odpowiedzi i debugować problemy bez łączenia się z klientem AI.

Automatyczne testowanie

test/server.test.mjs

import { describe, it, expect } from 'vitest';

// Import your tool handler directly for unit testing
import { getFeatureFlags } from '../tools/feature-flags.mjs';

describe('get_feature_flags', () => {
  it('returns flags for the dev environment', async () => {
    const result = await getFeatureFlags({ environment: 'dev' });
    const parsed = JSON.parse(result.content[0].text);
    expect(parsed.darkMode).toBe(true);
    expect(parsed.betaSearch).toBe(true);
  });

  it('returns conservative flags for production', async () => {
    const result = await getFeatureFlags({ environment: 'production' });
    const parsed = JSON.parse(result.content[0].text);
    expect(parsed.betaSearch).toBe(false);
  });
});

Debugowanie

Serwery MCP komunikują się przez stdio, więc console.log trafia do transportu i może zepsuć protokół. Zamiast tego używaj console.error do wyjścia debugowania:

const DEBUG = process.env.DEBUG === 'true';

function debug(...args) {
  if (DEBUG) {
    console.error('[MCP Debug]', ...args);
  }
}

Uruchom z włączonym debugowaniem:

DEBUG=true node index.mjs

Opcje wdrożenia

Pakiet npm (zalecane dla zespołów)

Spakuj serwer w celu łatwej instalacji przez npx:

{
  "name": "@mycompany/mcp-internal-tools",
  "version": "1.0.0",
  "type": "module",
  "bin": {
    "mycompany-mcp": "./index.mjs"
  }
}

Opublikuj w prywatnym rejestrze npm, a następnie podłącz:

npx -y @mycompany/mcp-internal-tools

Docker (dla izolacji)

FROM node:22-slim
WORKDIR /app
COPY package*.json ./
RUN npm ci --production
COPY . .
ENTRYPOINT ["node", "index.mjs"]

Zdalny serwer HTTP (dla wspólnego dostępu)

Dla serwerów MCP, do których powinni mieć dostęp wielu deweloperów lub pipeline CI, wdróż jako usługę HTTP z transportem Streamable HTTP:

import { createServer } from 'http';
import { StreamableHTTPServerTransport } from '@modelcontextprotocol/sdk/server/streamablehttp.js';

const httpServer = createServer(async (req, res) => {
  if (req.url === '/mcp') {
    const transport = new StreamableHTTPServerTransport({ req, res });
    await server.connect(transport);
  } else {
    res.writeHead(404);
    res.end();
  }
});

httpServer.listen(3000);

Wskazówka

Prompt do budowy własnego serwera MCP (skopiuj i wklej):

“I have an internal API at https://api.internal.company.com that provides endpoints for /deployments, /incidents, and /feature-flags. Each requires a Bearer token. Build me an MCP server in TypeScript that exposes tools for listing deployments, searching incidents by severity, and checking feature flags by environment. Include proper error handling and input validation.”

Gdy coś nie działa

Serwer uruchamia się, ale nie pojawiają się żadne narzędzia. Rejestracja narzędzi musi zostać zakończona przed połączeniem transportu. Upewnij się, że wszystkie wywołania server.tool() odbywają się przed server.connect(transport).

Błędy “Cannot find module”. Upewnij się, że "type": "module" jest w twoim package.json, gdy używasz składni modułów ES. Lub użyj rozszerzenia .mjs.

Serwer crashuje przy pierwszym wywołaniu narzędzia. Sprawdź, czy funkcje asynchroniczne prawidłowo awaituję swoje promises. Nieobsłużone odrzucenia promise’ów powodują ciche crashe serwera.

AI nie może znaleźć serwera. Zweryfikuj bezwzględną ścieżkę w konfiguracji MCP. Ścieżki względne są rozwiązywane inaczej w zależności od katalogu roboczego edytora.

Timeout przy długich operacjach. Klienci MCP mają domyślne timeouty (zwykle 30-60 sekund). W przypadku długotrwałych operacji najpierw zwróć komunikat o postępie, a następnie końcowy wynik.

Co dalej

MCP Security Zabezpiecz swój własny serwer przed udostępnieniem go zespołowi.

MCP Best Practices Wzorce optymalizacji dla produkcyjnych serwerów MCP.