Os clientes MCP locais são tão subestimados! Todo mundo está usando o Cursor, o Claude Desktop e o ChatGPT como hosts MCP, mas se você estiver criando seus próprios aplicativos compatíveis com MCP, precisará de clientes personalizados. Aqui está o problema: escrever clientes MCP do zero é doloroso e demorado. Hoje, estou mostrando como criar clientes MCP personalizados em minutos, não em horas. Para provar isso, construí um assistente de IA totalmente privado e definitivo que pode: - Conecta-se a qualquer servidor MCP - Automatiza o uso do navegador - Raspa dados da web sem problemas - Controla o terminal do meu computador - Processa imagens, áudio e documentos - Lembra tudo com gráficos de conhecimento O segredo? mcp-use — uma estrutura 100% de código aberto que torna a integração do MCP trivial. A criação de agentes MCP personalizados leva 3 etapas: 1. Defina a configuração do servidor MCP 2. Conecte qualquer LLM ao cliente MCP 3. Implante seu agente É isso. Sem configuração complexa, sem dependências proprietárias. A melhor parte? Tudo corre localmente. Seus dados permanecem privados e você controla toda a pilha. Detalhamento completo com código... 👇

Vamos detalhar isso explorando cada integração e entendendo como ela funciona, usando código e ilustrações:

1️⃣ Servidor MCP do Stagehand Começamos permitindo que nosso Agente controle um navegador, navegue em páginas da web, faça capturas de tela, etc., usando @Stagehanddev MCP. Abaixo, fiz uma consulta meteorológica e o Agente respondeu de forma autônoma iniciando uma sessão do navegador. Verifique isso👇

2️⃣ Servidor Firecrawl MCP Em seguida, adicionamos recursos de raspagem, rastreamento e pesquisa profunda ao Agente. mcp-use suporta a conexão com vários servidores MCP simultaneamente. Portanto, adicionamos a configuração @firecrawl_dev MCP à configuração existente e interagimos com ela. Verifique isso👇

3️⃣ Servidor Graphiti MCP Até agora, nosso Agente não tem memória. Ele esquece tudo após cada tarefa. O Graphiti da @Zep_ai é um servidor MCP que fornece ao nosso agente uma camada de memória em tempo real baseada em gráficos. Você também pode visualizar este gráfico no Neo4j. Verifique isso👇

4️⃣ Servidor Ragie MCP Em seguida, fornecemos recursos RAG multimodais ao Agente para processar textos, imagens, vídeos, áudios, documentos, etc. É alimentado por @ragieai MCP. Abaixo, pedi que listasse projetos em meu PDF MCP (um documento complexo) e ele respondeu perfeitamente. Verifique isso👇

5️⃣ Servidor GitIngest MCP Em seguida, para atender às necessidades do desenvolvedor, permitimos que nosso Agente converse com qualquer repositório do GitHub. Abaixo, perguntei sobre a pilha de tecnologia do meu fluxo de escritor de livros, fornecendo o link do repositório. Ele extraiu as informações corretas usando o servidor MCP. Verifique isso👇

6️⃣ Servidor MCP de terminal Por fim, damos ao nosso Agente o controle do terminal para executar comandos para o desenvolvedor, se necessário. Ele fornece ferramentas como: - ler/escrever/pesquisar/mover arquivos - executar um comando - criar / listar diretório, etc. Verifique isso👇

Por fim, envolvemos isso em uma interface Streamlit, onde podemos alterar dinamicamente a configuração do MCP. Isso nos dá um assistente de IA 100% local que pode navegar, raspar, ter memória, recuperar de uma base de conhecimento multimodal e muito mais. Confira esta demonstração👇

Isso é tudo! Se você achou perspicaz, compartilhe novamente com sua rede. Encontre-me → @akshay_pachaar ✔️ Para obter insights práticos e tutoriais sobre LLMs, agentes de IA e aprendizado de máquina!