Локальные клиенты MCP недооценены! Все используют Cursor, Claude Desktop и ChatGPT в качестве хостов MCP, но если вы разрабатываете свои собственные приложения, которые поддерживают MCP, вам нужны кастомные клиенты. Вот в чем проблема: писать клиентов MCP с нуля — это болезненно и времязатратно. Сегодня я покажу вам, как создать кастомные клиенты MCP за считанные минуты, а не часы. Чтобы это доказать, я создал полностью приватного, ультимативного AI-ассистента, который может: - Подключаться к любому серверу MCP - Автоматизировать использование браузера - Бесшовно собирать данные с веба - Управлять терминалом моего компьютера - Обрабатывать изображения, аудио и документы - Запоминать все с помощью графов знаний Секрет? mcp-use — это 100% открытая платформа, которая делает интеграцию MCP тривиальной. Создание кастомных агентов MCP занимает 3 шага: 1. Определите конфигурацию вашего сервера MCP 2. Подключите любой LLM к клиенту MCP 3. Разверните вашего агента Вот и все. Никакой сложной настройки, никаких проприетарных зависимостей. Лучшая часть? Все работает локально. Ваши данные остаются приватными, и вы контролируете весь стек. Полный разбор с кодом...👇

Давайте разберем это, исследуя каждую интеграцию и понимая, как она работает, используя код и иллюстрации:

1️⃣ Сервер MCP Stagehand Мы начинаем с того, что позволяем нашему Агенту управлять браузером, просматривать веб-страницы, делать скриншоты и т.д., используя @Stagehanddev MCP. Ниже я задал запрос о погоде, и Агент автономно ответил на него, инициировав сеанс браузера. Проверьте это👇

2️⃣ Firecrawl MCP сервер Далее мы добавляем возможности сканирования, обхода и глубоких исследований к Агенту. mcp-use поддерживает одновременное подключение к нескольким MCP серверам. Поэтому мы добавляем конфигурацию MCP @firecrawl_dev к существующей конфигурации и взаимодействуем с ней. Проверьте это👇

3️⃣ Graphiti MCP сервер Пока наш Агент не имеет памяти. Он забывает всё после каждой задачи. Graphiti от @Zep_ai — это MCP сервер, который предоставляет нашему агенту графовую память в реальном времени. Вы также можете визуализировать этот граф в Neo4j. Проверьте это👇

4️⃣ Ragie MCP сервер Далее мы предоставляем многомодальные возможности RAG Агенту для обработки текстов, изображений, видео, аудио, документов и т.д. Это поддерживается @ragieai MCP. Ниже я попросил его перечислить проекты в моем PDF MCP (сложный документ), и он ответил идеально. Проверьте это👇

5️⃣ GitIngest MCP сервер Далее, чтобы удовлетворить потребности разработчиков, мы позволяем нашему Агенту общаться с любым репозиторием GitHub. Ниже я спросил о технологическом стеке моего потока писателя книг, предоставив ссылку на репозиторий. Он извлек правильную информацию, используя MCP сервер. Проверьте это👇

6️⃣ Терминальный сервер MCP Наконец, мы предоставляем нашему Агенту контроль терминала для выполнения команд для разработчика, если это необходимо. Он предоставляет такие инструменты, как: - чтение/запись/поиск/перемещение файлов - выполнение команды - создание/просмотр каталога и т.д. Проверьте это👇

Наконец, мы завершаем это в интерфейсе Streamlit, где мы можем динамически изменять конфигурацию MCP. Это дает нам 100% локального окончательного ИИ-ассистента, который может просматривать, собирать данные, имеет память, извлекать информацию из мультимодальной базы знаний и многое другое. Посмотрите эту демонстрацию👇

На этом всё! Если вам это было полезно, поделитесь с вашей сетью. Найдите меня → @akshay_pachaar ✔️ Для практических советов и учебников по LLM, AI Agents и машинному обучению!