GDG Store MCP Server
MCP server for the fictional GDG Store, providing tools, resources, and prompts to interact with the store's REST API and enable AI assistants to access product data.
README
Zbuduj własny serwer MCP w TypeScript
Repozytorium do spotkania GDG. Teza przewodnia: MCP to USB-C dla narzędzi AI — narzędzie napisane raz działa w każdym kliencie (Claude Desktop, Cursor, Gemini CLI, VS Code, Twój własny agent). Zamiast M aplikacji × N integracji piszemy M + N.
Przechodzimy cały protokół od zera: minimalny serwer → prawdziwe narzędzia z walidacją → resources i prompts → transport HTTP → własny klient. Do checkpointów 01–05 nie potrzebujesz żadnego klucza API — testujemy przez MCP Inspector i własnego klienta.
Wymagania
- Node.js 20+
- Edytor (VS Code / Cursor / cokolwiek)
- (Tylko do teasera) klucz Gemini z darmowego tieru: https://aistudio.google.com/apikey
Architektura
Serwery MCP w tym repo nie trzymają danych — są cienkimi adapterami nad lokalnym REST API (dokładnie tak, jak produkcyjne serwery MCP opakowują istniejące systemy):
host (Claude/Inspector) → klient MCP → serwer MCP → backend REST (:4000) → data/*.json
Backend czyta pliki data/*.json przy każdym requeście — możesz edytować dane na żywo, bez restartu.
Setup
git clone <adres-repo>
cd gdg-agent-workshop
npm install
Terminal 1 — backend (potrzebny do checkpointów 02-05 i teasera):
npm run api
# 🗄️ GDG Store API: http://localhost:4000
# szybki test na Windows: curl.exe http://localhost:4000/products/KB-MECH-75
Gotowe zapytania do skopiowania: curl-requests.md.
Sprawdzenie, że wszystko działa (odpala serwer 01 w GUI Inspectora):
npx @modelcontextprotocol/inspector npx tsx src/01-minimal/server.ts
Checkpointy
Scenariusz: budujemy serwer MCP fikcyjnego sklepu GDG Store. Dane serwuje lokalny backend REST (npm run api, dane w data/*.json) — w realnym projekcie w jego miejscu stałyby Medusa/WooCommerce i API InPost/DPD.
| # | Uruchomienie | Co pokazuje |
|---|---|---|
| 01 | Inspector (komenda wyżej) | Minimalny serwer: 1 narzędzie, stdio, ~25 linijek. Anatomia: nazwa + opis + schemat + handler. Jedyny checkpoint bez backendu. |
| 02 | npx @modelcontextprotocol/inspector npx tsx src/02-store/server.ts |
4 narzędzia sklepu jako adaptery nad REST API. Walidacja zod (regex na SKU!), błędy domenowe przez isError (404 z backendu ORAZ padnięty backend), annotations. |
| 03 | npx @modelcontextprotocol/inspector npx tsx src/03-resources-prompts/server.ts |
Resources (statyczny + template z list) i Prompts — pozostałe 2/3 protokołu. |
| 04 | npm run 04, potem Inspector → Streamable HTTP → http://localhost:3000/mcp |
Ten sam protokół zdalnie po HTTP. Tryb stateless. Komendy curl w komentarzu na dole pliku. |
| 05 | npm run 05 |
Własny klient MCP w ~50 linijkach: handshake, odkrywanie, wywołania. Zero LLM-a. |
| teaser | npm run teaser (wymaga klucza w .env) |
Klient z 05 + Gemini = pętla agentowa. Temat następnego spotkania 😉 |
Podpięcie serwera do prawdziwych hostów
Ten sam serwer (checkpoint 02), zero zmian w kodzie:
Claude Desktop — claude_desktop_config.json (Settings → Developer):
{
"mcpServers": {
"gdg-store": {
"command": "npx",
"args": ["tsx", "/ABSOLUTNA/SCIEZKA/DO/repo/src/02-store/server.ts"]
}
}
}
Gemini CLI — ~/.gemini/settings.json:
{
"mcpServers": {
"gdg-store": {
"command": "npx",
"args": ["tsx", "/ABSOLUTNA/SCIEZKA/DO/repo/src/02-store/server.ts"]
}
}
}
Cursor — Settings → MCP → Add new global MCP server (ta sama struktura).
Po restarcie hosta zapytaj: „Czy klawiatura mechaniczna 75% jest dostępna w GDG Store?”
Trzy prymitywy MCP (jeśli zapamiętasz jedną tabelkę)
| Prymityw | Kto decyduje o użyciu | Analogia |
|---|---|---|
| Tools | model | „model sam sięga po dane / wykonuje akcję” |
| Resources | aplikacja / user | „załącz plik do rozmowy” |
| Prompts | user | „slash-command przygotowany przez autora serwera” |
Kluczowe wnioski
- Opis narzędzia to interfejs użytkownika dla modelu. LLM widzi tylko nazwę, opis i schemat — jakość opisów decyduje o tym, czy narzędzie w ogóle zostanie sensownie użyte.
- Serwer stdio nie może pisać na stdout. stdout to kanał protokołu; logi zawsze na stderr (
console.error). - Błąd domenowy ≠ błąd protokołu.
isError: truewraca do modelu jako treść, żeby mógł zareagować; wyjątek JSON-RPC to sprawa między klientem a serwerem. - Klient to nie magia. Handshake +
tools/list+tools/call— Claude Desktop robi dokładnie to samo, co nasz 50-linijkowy klient z checkpointu 05.
Co dalej
- Dodaj do backendu endpoint
GET /orders(lista wszystkich), a potem użyj go w resource template zamiast zahardkodowanych ID (patrz komentarz w checkpoincie 03) - Dołóż własne narzędzie do serwera 02 (np.
create_return— zgłoszenie zwrotu; uwaga: POST do backendu i to już nie jestreadOnlyHint!) - Dodaj resource template
gdg-store://products/{sku} - Podepnij serwer 02 do swojego ulubionego hosta i używaj na co dzień
- Przeczytaj o autoryzacji zdalnych serwerów (OAuth 2.1) w spec: https://modelcontextprotocol.io
- Przyjdź na następne spotkanie: pętla agentowa od zera — jak hosty naprawdę używają tych narzędzi (
npm run teaserto zapowiedź)
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。