Các khách hàng MCP địa phương thật sự bị đánh giá thấp! Mọi người đều đang sử dụng Cursor, Claude Desktop và ChatGPT làm máy chủ MCP, nhưng nếu bạn đang xây dựng ứng dụng của riêng mình hỗ trợ MCP, bạn cần các khách hàng tùy chỉnh. Vấn đề là: Viết khách hàng MCP từ đầu thật đau đớn và tốn thời gian. Hôm nay, tôi sẽ chỉ cho bạn cách xây dựng các khách hàng MCP tùy chỉnh trong vài phút, không phải vài giờ. Để chứng minh điều này, tôi đã xây dựng một trợ lý AI hoàn toàn riêng tư, tối ưu có thể: - Kết nối với bất kỳ máy chủ MCP nào - Tự động hóa việc sử dụng trình duyệt - Thu thập dữ liệu web một cách liền mạch - Điều khiển terminal của máy tính của tôi - Xử lý hình ảnh, âm thanh và tài liệu - Nhớ mọi thứ với các đồ thị tri thức Bí mật? mcp-use — một framework mã nguồn mở 100% giúp việc tích hợp MCP trở nên đơn giản. Xây dựng các tác nhân MCP tùy chỉnh chỉ mất 3 bước: 1. Định nghĩa cấu hình máy chủ MCP của bạn 2. Kết nối bất kỳ LLM nào với khách hàng MCP 3. Triển khai tác nhân của bạn Chỉ vậy thôi. Không cần thiết lập phức tạp, không phụ thuộc vào các thành phần độc quyền. Điều tuyệt vời nhất? Mọi thứ chạy cục bộ. Dữ liệu của bạn vẫn riêng tư, và bạn kiểm soát toàn bộ hệ thống. Phân tích chi tiết với mã...👇

Hãy phân tích điều này bằng cách khám phá từng tích hợp và hiểu cách nó hoạt động, sử dụng mã và hình minh họa:

1️⃣ Máy chủ MCP Stagehand Chúng tôi bắt đầu bằng cách cho phép Đại lý của chúng tôi điều khiển một trình duyệt, điều hướng các trang web, chụp ảnh màn hình, v.v., sử dụng @Stagehanddev MCP. Dưới đây, tôi đã hỏi một câu hỏi về thời tiết, và Đại lý đã tự động phản hồi bằng cách khởi động một phiên trình duyệt. Kiểm tra điều này👇

2️⃣ Máy chủ Firecrawl MCP Tiếp theo, chúng tôi thêm khả năng thu thập dữ liệu, thu thập thông tin & nghiên cứu sâu cho Agent. mcp-use hỗ trợ kết nối với nhiều máy chủ MCP đồng thời. Vì vậy, chúng tôi thêm cấu hình MCP @firecrawl_dev vào cấu hình hiện có & tương tác với nó. Kiểm tra điều này👇

3️⃣ Máy chủ Graphiti MCP Cho đến nay, tác nhân của chúng tôi không có trí nhớ. Nó quên mọi thứ sau mỗi nhiệm vụ. Graphiti của @Zep_ai là một máy chủ MCP cung cấp cho tác nhân của chúng tôi một lớp nhớ thời gian thực dựa trên đồ thị. Bạn cũng có thể hình dung đồ thị này trong Neo4j. Kiểm tra cái này👇

4️⃣ Máy chủ Ragie MCP Tiếp theo, chúng tôi cung cấp khả năng RAG đa phương thức cho Agent để xử lý văn bản, hình ảnh, video, âm thanh, tài liệu, v.v. Nó được hỗ trợ bởi @ragieai MCP. Dưới đây, tôi đã yêu cầu nó liệt kê các dự án trong PDF MCP của tôi (một tài liệu phức tạp), và nó đã phản hồi hoàn hảo. Kiểm tra điều này👇

5️⃣ Máy chủ GitIngest MCP Tiếp theo, để đáp ứng nhu cầu của các nhà phát triển, chúng tôi cho phép Đại lý của mình trò chuyện với bất kỳ repo GitHub nào. Dưới đây, tôi đã hỏi về công nghệ của quy trình viết sách của tôi bằng cách cung cấp liên kết repo. Nó đã trích xuất thông tin đúng bằng cách sử dụng máy chủ MCP. Kiểm tra điều này👇

6️⃣ Máy chủ MCP terminal Cuối cùng, chúng tôi cung cấp quyền kiểm soát terminal cho Agent để thực hiện các lệnh cho nhà phát triển nếu cần. Nó cung cấp các công cụ như: - đọc/ghi/tìm kiếm/di chuyển tệp - thực hiện một lệnh - tạo/liệt kê thư mục, v.v. Kiểm tra cái này👇

Cuối cùng, chúng ta bọc điều này trong một giao diện Streamlit, nơi chúng ta có thể thay đổi cấu hình MCP một cách linh hoạt. Điều này mang đến cho chúng ta một trợ lý AI hoàn toàn cục bộ với khả năng duyệt web, thu thập thông tin, có trí nhớ, truy xuất từ một cơ sở kiến thức đa phương thức, và nhiều hơn nữa. Hãy xem bản demo này👇

Đến đây là kết thúc! Nếu bạn thấy nó hữu ích, hãy chia sẻ lại với mạng lưới của bạn. Tìm tôi → @akshay_pachaar ✔️ Để có những hiểu biết thực tiễn và hướng dẫn về LLMs, AI Agents và Machine Learning!