UsługiTworzenie serwerów MCP

Tworzenie serwerów MCP na zamówienie: agenci AI pracują w twoich systemach według twoich zasad

Tworzymy serwery MCP na zamówienie, żeby asystent AI, z którego korzysta twój zespół, mógł sprawdzić zamówienie w ERP albo zaktualizować zgłoszenie. Każdą ważną zmianę zatwierdza człowiek. Pierwszy projekt to jedno narzędzie dla jednego z twoich systemów, przetestowane z twoim klientem AI, a na koniec twój zespół dostaje kod, testy i runbooki. To dla firm, które chcą wpuścić agentów do ERP, CRM, DMS czy systemu zgłoszeń, nie oddając kontroli.

Porozmawiaj z inżynierem

Co się dzieje, gdy asystent wywołuje narzędzie

1
Asystent wysyła żądanie zgodne ze zdefiniowanym wejściem narzędzia.
2
Dostęp jest sprawdzany względem uprawnień uzgodnionych dla tego narzędzia.
3
Odczyty zwracają dane. Zapisy czekają, aż zatwierdzi je człowiek.
4
Wywołanie trafia do logów bez danych uwierzytelniających, a błędy wracają jako jasne komunikaty.

Co się zmienia w twojej firmie

Twój asystent zaczyna wykonywać pracę w twoich systemach, a ludzie zachowują kontrolę nad każdą ważną zmianą. Zamiast kopiować numer zamówienia z czatu do ERP, ręcznie sprawdzać historię klienta w CRM albo zapisywać dokument w DMS, pracownicy proszą asystenta, sprawdzają, co przygotował, i to zatwierdzają. Najpierw jest odczyt. Zapis dochodzi działanie po działaniu, gdy odczyt działa niezawodnie.

Mniej przepisywania między systemami: asystent sprawdza i przygotowuje, ludzie zatwierdzają
Szybsze odpowiedzi dla klientów, bo dane zamówień, zgłoszeń i umów są o jedno pytanie stąd
Obowiązują twoje dotychczasowe zasady dostępu, więc agent widzi tylko to, co może zobaczyć osoba, dla której pracuje
Każde wywołanie zapisane w logach, żeby IT i audytorzy widzieli, co się stało
Jedno standardowe połączenie na system, z którego może korzystać kilka klientów AI, zamiast osobnej integracji dla każdego

Więcej szczegółów

Taka kolejność odpowiada temu, czego chcą firmy. W badaniu Inform z 2025 roku wśród firm z branży logistyki i łańcucha dostaw 46% woli model, w którym AI proponuje, a człowiek decyduje, a 61% chce mieć możliwość ingerencji. Serwer MCP egzekwuje właśnie to: agent widzi tylko to, co może zobaczyć pytająca osoba, a zmiany czekają na zatwierdzenie. Przykłady dla poszczególnych działów pokazują nasze strony o zastosowaniach w obsłudze klienta i przetwarzaniu dokumentów.

Przykład ze zgłoszeniami w supporcie

Załóżmy, że zespół wsparcia chce, by asystent sprawdzał otwarte zgłoszenia klienta i przygotowywał aktualizację statusu. Serwer MCP mógłby udostępnić dwa narzędzia. Pierwsze odczytuje szczegóły zgłoszenia przez API helpdesku, z uprawnieniami osoby, która pyta. Drugie przygotowuje aktualizację i niczego nie publikuje, dopóki ta osoba nie zatwierdzi treści.

Co obejmuje pierwsze zlecenie

Najpierw sprawdzamy, czy serwer MCP jest w ogóle potrzebny. Twój asystent może już mieć gotowe połączenie z danym systemem, a zwykła integracja z API bywa prostsza; wtedy to ją polecamy. Jeśli serwer ma sens, pierwsze zlecenie obejmuje jedno wąsko określone narzędzie, na przykład odczyt zamówienia, zbudowane dla klienta, z którego zespół faktycznie korzysta.

Więcej szczegółów

Każde narzędzie dostaje schemat, który określa, co przyjmuje, co zwraca i co oznacza każdy błąd. Model może wtedy używać go poprawnie, a osoba sprawdzająca widzi, co się stało.

Na koniec pierwszego zlecenia narzędzie działa w środowisku, które wskażesz, jest przetestowane z twoim klientem, loguje każde wywołanie i wstrzymuje zmiany do zatwierdzenia. Kod, testy i runbooki zostają u ciebie po przekazaniu. Kolejne narzędzia planujemy i wyceniamy jako osobne kroki.

Chcesz omówić to na własnym przykładzie? Pierwsza rozmowa jest bezpłatna i trwa 30 minut.

Umów 30-minutową rozmowę

Dostęp, tożsamość i akceptacja

Zaczynamy od narzędzi tylko do odczytu i najwęższych uprawnień, na jakie pozwala zadanie. Jeśli system docelowy to umożliwia, wywołanie działa jako użytkownik, który pyta, więc obowiązują twoje dotychczasowe zasady dostępu. Każde narzędzie, które zmienia dane, najpierw prosi człowieka o wyraźną zgodę.

Więcej szczegółów

Treść zwracana przez narzędzie, na przykład komentarz klienta w zgłoszeniu, może zawierać polecenia skierowane do modelu. Każde narzędzie testujemy z taką treścią. Sprawdzanie uprawnień i akceptacji odbywa się w serwerze i systemach za nim, więc nie zależy od tego, czy model zignoruje takie polecenia.

Dostęp do zapisu dodawany narzędzie po narzędziu, gdy wersja do odczytu już działa
Tokeny i sekrety nie trafiają do logów ani do wyników narzędzi

Awarie, ponowienia i testy

Wewnętrzne API przekraczają limity czasu, trafiają na limity zapytań i czasem przerywają w połowie. Każde narzędzie dostaje limity czasu i zasady ponawiania dopasowane do API, które za nim stoi. Nie każde API samo z siebie zabezpiecza przed skutkami powtórzonego zapisu, dlatego projektujemy każdą operację zapisu jako idempotentną: powtórzone wywołanie nie wykona ponownie działania biznesowego i nie opublikuje tej samej aktualizacji dwa razy.

Więcej szczegółów

Testy obejmują dozwolone i odrzucane dane wejściowe, częściowe awarie oraz wersje protokołu i klientów, których używasz. Klienci implementują różne części MCP, więc sprawdzamy, co działa z twoim.

Gdzie działa serwer i co u ciebie zostaje

To, czy serwer działa lokalnie obok klienta, czy jako zdalna usługa w twoim środowisku, ustalamy po przeglądzie dostępu i bezpieczeństwa razem z twoim zespołem.

Więcej szczegółów

Kod źródłowy i konfiguracja w twoich repozytoriach
Testy, które twoje CI może uruchamiać przy każdej zmianie
Runbooki opisujące dodanie narzędzia i odebranie dostępu
Uzgodniony właściciel każdego narzędzia po twojej stronie

Pytania

Czy serwer MCP się opłaca, czy wystarczy zwykła integracja?

Opłaca się, gdy asystent albo agent AI ma korzystać z tego samego systemu w kilku zadaniach albo gdy kilka narzędzi AI ma do niego sięgać według tych samych zasad. Dla jednej stałej automatyzacji zwykła integracja z API bywa prostsza i tańsza, i mówimy o tym. Korzyść mierzymy na samym zadaniu: ile sprawdzeń albo wpisów przygotowuje agent i ile czasu na ich kontrolę potrzebują twoi pracownicy.

Kto decyduje, co agent może robić w naszych systemach?

Ty. Każde narzędzie wykonuje jedną czynność biznesową, na przykład odczyt zamówienia albo szkic aktualizacji zgłoszenia, z najwęższymi uprawnieniami, na jakie pozwala zadanie. Zmiany czekają na zatwierdzenie przez wskazaną osobę, każde wywołanie trafia do logów bez danych uwierzytelniających, a właściciel po twojej stronie może w każdej chwili wyłączyć narzędzie.

Od czego zależą koszty serwera MCP?

Głównie od liczby narzędzi, od tego, czy tylko czytają, czy też zapisują, jak systemy za nimi obsługują tożsamość i zatwierdzanie oraz z jakimi klientami AI trzeba testować. Jeśli zaczniesz od jednego narzędzia tylko do odczytu, pierwszy krok będzie niewielki. Każdy krok ma stałą cenę, uzgodnioną na piśmie po pierwszej rozmowie.

Jak wygląda pierwsza rozmowa?

Trzydzieści minut z jednym z naszych inżynierów, bezpłatnie, o systemach, które chcesz podłączyć, i asystencie, z którego korzysta zespół. Nie potrzebujemy dostępu do żadnego z nich. Potem wysyłamy pisemny zakres pierwszego narzędzia ze stałą ceną albo mówimy ci, że wystarczy zwykła integracja lub gotowe połączenie.

Czy MCP sprawia, że asystent jest bezpieczny?

Sam z siebie nie. MCP określa, jak asystent i narzędzie się ze sobą komunikują. Bezpieczeństwo zależy od uprawnień, akceptacji, logowania i testów wokół każdego narzędzia, i tę część projektujemy razem z tobą.

Czy serwer zadziała z każdym klientem AI?

Nie. Klienci obsługują różne części protokołu i zmieniają się między wydaniami. Testujemy z klientami, których wskażesz, i mówimy, gdzie obsługa jest ograniczona.

Czy sprzedajecie gotowe serwery MCP?

Nie. Budujemy serwery dla twoich własnych API i systemów w ramach projektu, a kod przy przekazaniu trafia do twojego zespołu.

Co musimy zapewnić do projektu serwera MCP?

Przede wszystkim dostęp do testowej albo sandboksowej instancji systemu, dokumentację jego API i osobę po twojej stronie, która zna system i może zatwierdzać uprawnienia. Potrzebujemy też klienta AI, z którego korzysta zespół, żeby na nim testować. Jeśli nie ma środowiska testowego, w pierwszej rozmowie ustalamy, jak pracować bezpiecznie bez niego.

Powiązane usługi

Integracja danych dla AI

Odpowiedzi z udziałów plików, SharePoint, ERP i zgłoszeń w kilka sekund, dla asystentów i agentów, z zachowanymi uprawnieniami i testami.

Asystenci wiedzy (RAG)

Pracownicy znajdują odpowiedzi w wewnętrznych dokumentach w kilka sekund, ze źródłami, uprawnieniami i testami na twoich pytaniach.

Agenci AI i automatyzacja procesów

Agenci, którzy przejmują rutynowe kroki złożonych spraw i przekazują decyzje ludziom, z kosztem każdej obsłużonej sprawy.

Chatboty AI

Klienci i pracownicy szybciej dostają odpowiedzi z twoich danych, z zatwierdzonymi działaniami i przekazaniem sprawy ludziom, gdy to ważne.

Trenowanie własnych modeli

Mały model open-weight wytrenowany do jednego zadania i porównany z twoim obecnym modelem pod względem kosztu i dokładności.

AI on-premise

AI na ofertach, umowach i aktach klientów, a dane zostają w firmie: własne serwery albo własne konto w chmurze, przetestowane przed startem.

Testowanie systemów AI

Przed startem testy akceptacyjne na twoich przypadkach pokazują, jak często chatbot, asystent albo agent ma rację, w języku, którym posługuje się twój zespół QA.

Z bloga

Projektowanie narzędzi MCP

Dlaczego serwer MCP powinien zwykle udostępniać kilka narzędzi zbudowanych wokół działań biznesowych zamiast odwzorowywać każdy endpoint API, z rozpisanym przykładem i kontraktem narzędzia.

Uprawnienia serwera MCP

Jak podłączyć asystenta do systemów wewnętrznych, nie dając każdemu narzędziu MCP szerokiego dostępu: scope'y, kontrole w każdym narzędziu i osobne tożsamości dla systemów docelowych.

Plan testów serwera MCP

Plan testów serwera MCP przed podłączeniem użytkowników: testy kontraktu, negatywne testy autoryzacji, testy awarii i testy zmian stanu, wraz z kontrolami uruchamianymi w CI.

Porozmawiaj z inżynierem

Przyjdź z jednym systemem, do którego pracownicy ręcznie przepisują dane. W bezpłatnej 30-minutowej rozmowie sprawdzimy, co agent mógłby tam przygotować do zatwierdzenia i czy lepszy będzie serwer MCP, czy zwykła integracja z API. Nie potrzebujemy dostępu do twoich systemów ani danych.

Umów 30-minutową rozmowę

Rezerwacja odbywa się w Kalendarzu Google.

Gdy umawiasz rozmowę, rozmawiasz z Mickeyem Grafem

Założył Cloudsail i od 2017 roku wdraża uczenie maszynowe na produkcji, między innymi jako inżynier AI w trivago i SAP. Rozmowa może być po polsku, niemiecku albo angielsku.

Ocena 4,9 na 5 w serwisie Clutch

Wolisz najpierw napisać? Zostaw e-mail i kilka zdań. Mickey sam czyta każdą wiadomość i odpowiada e-mailem z propozycją terminów.