Niezbędne serwery MCP dla każdego developera

Właśnie poprosiłeś swoje AI o refaktoryzację komponentu React, ale wygenerowało kod używający hooka, który był deprecated dwie wersje temu. Poprosiłeś je o napisanie migracji, ale zgadło schemat tabeli zamiast go odczytać. Poprosiłeś je o aktualizację ticketu Jira, ale musiałeś najpierw skopiować i wkleić zawartość ticketu do chatu. Każdy z tych punktów tarcia ma tę samą podstawową przyczynę: twojemu AI brakuje kontekstu, który istnieje w narzędziu, którego już używasz.

Odpowiednie serwery MCP eliminują te problemy na stałe. Nie przez dodawanie złożoności, ale przez dawanie twojemu AI bezpośredniego dostępu do informacji, których potrzebuje do wykonania swojej pracy.

Co wyniesiesz z tego przewodnika

• Wyselekcjonowaną listę pięciu podstawowych kategorii serwerów MCP ze szczegółowymi instrukcjami instalacji dla wszystkich trzech narzędzi
• Bloki konfiguracyjne do skopiowania i wklejenia dla Cursor, Claude Code i Codex
• Priorytetową kolejność setupu, która zapewnia maksymalną wartość przy minimalnym wysiłku
• Prompty demonstrujące rzeczywistą moc każdej kategorii serwerów

Fundament: pięć kategorii serwerów

1. Kontrola wersji — GitHub MCP Server

Najbardziej wpływowy serwer MCP dla każdego zespołu używającego GitHub. Daje twojemu AI możliwość przeszukiwania kodu w repozytoriach, czytania diffów pull requestów, sprawdzania statusu CI i zarządzania issue — wszystko bez wklejania linków do chatu.

Cursor

.cursor/mcp.json

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "<your-token>"
      }
    }
  }
}

Claude Code

.claude/settings.json

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "<your-token>"
      }
    }
  }
}

Codex

~/.codex/config.toml

[mcp.github]
transport = "stdio"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-github"]

[mcp.github.env]
GITHUB_PERSONAL_ACCESS_TOKEN = "<your-token>"

Wskazówka

Prompt dla GitHub MCP (skopiuj i wklej):

“Search the main branch of our repository for all files that import the useAuth hook. Then check the last 5 pull requests that modified those files and summarize what changed in the authentication flow.”

2. System plików — Official Filesystem MCP

Serwer filesystem daje twojemu AI strukturalny dostęp do odczytu i zapisu plików w dozwolonych katalogach. Bez niego twoje AI jest ograniczone do plików aktualnie otwartych w edytorze. Z nim AI może eksplorować cały projekt, tworzyć nowe pliki i stosować zmiany w wielu plikach naraz.

Cursor

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/your/project"]
    }
  }
}

Claude Code

Claude Code już ma wbudowany dostęp do systemu plików przez natywne narzędzia, więc oddzielny serwer filesystem MCP jest zazwyczaj niepotrzebny. Claude Code może czytać, zapisywać i przeszukiwać pliki bezpośrednio.

Codex

[mcp.filesystem]
transport = "stdio"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/your/project"]

Uwaga

Zawsze ogranicz zakres serwera filesystem do konkretnych katalogów. Nigdy nie kieruj go na katalog domowy lub root. Argument allowed_directories zapewnia, że AI nie może uzyskać dostępu do plików poza projektem.

3. Aktualna dokumentacja — Context7

Modele językowe mają knowledge cutoff. Context7 rozwiązuje to, pobierając aktualną dokumentację dla tysięcy bibliotek open-source na żądanie. Gdy twoje AI musi użyć API, pobiera najnowsze docs zamiast polegać na danych treningowych, które mogą być miesiące stare.

Cursor

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

Claude Code

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

Codex

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

Wskazówka

Prompt dla Context7 (skopiuj i wklej):

“Use context7 to look up the Drizzle ORM documentation for defining relations between tables. Then create a one-to-many relationship between my users and posts tables using the patterns from the current docs.”

4. Automatyzacja przeglądarki — Playwright MCP

Playwright MCP daje twojemu AI kontrolę nad headless browser. Może nawigować po stronach, klikać przyciski, wypełniać formularze, robić screenshoty i czytać drzewo dostępności — wszystko bez drogiej wizji opartej na screenshotach. To transformuje workflow testowania: AI może weryfikować własne zmiany faktycznie uruchamiając aplikację.

Cursor

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

Claude Code

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

Codex

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

Wskazówka

Prompt dla Playwright MCP (skopiuj i wklej):

“Navigate to localhost:3000/login, fill in the email field with ‘test@example.com’ and the password field with ‘testpass123’, click the submit button, and verify that the page redirects to /dashboard. Take a screenshot of the final page state.”

5. Zarządzanie projektami — Atlassian lub Linear

Podłączenie narzędzia do zarządzania projektami zamyka pętlę między kodowaniem a koordynacją. AI może odczytać wymagania ticketu przed napisaniem kodu, zaktualizować status ticketu po zakończeniu pracy, a nawet stworzyć nowe issue dla odkrytych bugów.

Dla Atlassian (Jira + Confluence) użyj oficjalnego serwera Rovo MCP — to zdalny serwer łączący się przez OAuth:

Cursor

{
  "mcpServers": {
    "atlassian": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.atlassian.com/v1/mcp"]
    }
  }
}

Claude Code

{
  "mcpServers": {
    "atlassian": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.atlassian.com/v1/mcp"]
    }
  }
}

Codex

[mcp.atlassian]
transport = "http"
url = "https://mcp.atlassian.com/v1/mcp"

Wskazówka

Prompt dla zarządzania projektami MCP (skopiuj i wklej):

“Find all open bugs assigned to me in the PLATFORM project. For the highest-priority one, read the description and acceptance criteria, then create a feature branch named after the ticket ID and start implementing the fix.”

Właściwa kolejność instalacji

1. Context7 pierwszy. Zero konfiguracji, natychmiastowa wartość. Każdy prompt, który piszesz, korzysta z aktualnej dokumentacji.

2. GitHub MCP drugi. Wymaga personal access tokenu, ale transformuje sposób, w jaki AI rozumie historię twojej bazy kodu i aktywność zespołu.

3. Playwright trzeci. Nie potrzebuje kluczy API. Daje AI możliwość weryfikacji własnej pracy w przeglądarce, wychwytując regresje wizualne zanim ty to zrobisz.

4. Filesystem jeśli potrzebny. Cursor i Codex korzystają z tego; Claude Code już ma natywny dostęp do plików.

5. Zarządzanie projektami ostatnie. Wymaga setupu OAuth, ale kończy cykl życia rozwoju — od ticketu przez kod po deployment.

Gdy coś nie działa

GitHub MCP zwraca “Bad credentials”. Twój personal access token potrzebuje co najmniej zakresów repo, read:org i read:user. Wygeneruj nowy fine-grained token z odpowiednimi uprawnieniami.

Context7 zwraca puste wyniki. Nie każda biblioteka jest zaindeksowana. Jeśli Context7 nie ma docs dla twojej biblioteki, wróć do serwera Fetch MCP, aby pobrać strony dokumentacji bezpośrednio.

Playwright nie może połączyć się z localhost. Upewnij się, że twój dev server działa przed wywołaniem narzędzi przeglądarki. Serwer Playwright MCP nie uruchamia twojej aplikacji — tylko łączy się z tym, co już nasłuchuje na określonym porcie.

Atlassian OAuth flow nie działa. Pierwszy użytkownik w twojej instancji Atlassian musi mieć dostęp zarówno do Jira, jak i Confluence dla początkowej zgody OAuth. Kolejni użytkownicy mogą autoryzować się z dostępem tylko do jednego produktu.

Co dalej

Filesystem MCP Deep Dive Zaawansowane operacje na plikach, zakresowanie katalogów i wzorce bezpieczeństwa.

Browser Automation MCP Playwright i Puppeteer MCP do testowania i interakcji z webem.

Database MCP Servers Podłącz swoje AI do PostgreSQL, MongoDB, SQLite i więcej.

Version Control MCP Głębokie zanurzenie w integrację GitHub i GitLab MCP.