MCP & Tool Integration
Connect assistants to real tools, design usable tool APIs, and avoid unsafe integrations.
11 historier (5 artikler · 6 videoer)
Start her
Et par gode steder at begynde, før du går på opdagelse i hele oversigten.
10 min læsningMCP for ikke-teknikere: Forbind Claude eller Cursor med dine værktøjer
MCP er den nye standard for at forbinde AI med dine værktøjer. Du behøver ikke selv udvikle en server for at få glæde af teknologien. En guide for ikke-teknikere til, hvad MCP er, hvilke servere du bør installere, og hvad der bliver muligt, når din AI faktisk kan handle.
Let øvet
14 min læsningMCP fra bunden: byg en produktionsklar server i TypeScript
At bygge en produktionsklar Model Context Protocol-server kræver mere end at forbinde nogle få værktøjer. Her er mønstrene for skemadesign, godkendelse, fejlhåndtering, streaming og observabilitet samt de praktiske produktionsforhold, der gør MCP-servere nyttige i stor skala.
Avanceret
12 min læsningDesign MCP-værktøjer, som LLM'er faktisk bruger korrekt
De fleste MCP-værktøjer, vi ser, er teknisk korrekte, men praktisk talt ubrugelige. LLM'er ignorerer dem, bruger dem forkert eller foretager unødvendige kald. Her er principperne for at designe værktøjer, som LLM'er tager naturligt i brug, med eksempler på almindelige fejl og løsninger.
AvanceretFlere i dette emne
15 min læsningProjektledelse med flere AI-agenter i Linear: Claude, Cursor og Codex i én fælles backlog
Lad Claude Code, Cursor og Codex arbejde på det samme Linear-projekt som et rigtigt udviklingsteam: tag ejerskab over opgaver, registrér fremdrift, overdrag til gennemgang, ret fund og afslut opgaver uden at overskrive hinandens arbejde.
Avanceret
13 min læsningStrukturerede output og funktionskald: produktionsmønstrene
Strukturerede output og funktionskald er broen fra 'LLM, der genererer tekst' til 'system, der udfører arbejde'. I produktion handler de vigtige mønstre om skemaer, fejlhåndtering, idempotens og kontrolleret forringelse — ikke kun JSON-tilstand.
Avanceret
20 minutterModel Context Protocol (MCP)
Anthropic. Protokollens designere — Theo Chu, David Soria Parra og Alex Albert — gennemgår, hvorfor MCP findes, komponenterne (server, client, transport), modtagelsen siden november 2024-udgivelsen og hvilke servere de faktisk bruger til daglig. Nyttig som den kanoniske kilde efter Nate Herk-overblikket.
Let øvet
16 minutterHvordan MCP'er gør agenter klogere (for ikke-teknikere)
Nate Herk | AI Automation. En 16-minutters forklaring uden jargon af, hvad en MCP-server er, hvordan klienter som Claude og n8n bruger dem, og hvad du faktisk gør anderledes, når du har én. Liner næsten præcis op med artiklens ramme "forbind Claude eller Cursor med dine værktøjer".
Let øvet
104 minutterBuilding Agents with Model Context Protocol — fuld workshop med Mahesh Murag fra Anthropic
AI Engineer. Anthropics Mahesh Murag gennemgår MCP's design — hvorfor tools, resources og prompts er adskilt, hvordan clients forhandler capabilities, hvad produktionshosts faktisk gør med protokollen. Se den efter bygningen for at forstå de dele af MCP, SDK'et stille skjuler, og kalibrér artiklens "produktionsklar"-tjekliste mod spec-forfatternes hensigt.
Avanceret
75 minutterDen ultimative MCP crash course — byg fra bunden
Web Dev Simplified. En fuld code-along-bygning af både en MCP-server og en client i TypeScript — tool definitions, schemas, prompts og resources, stdio-transport, inspector-debugging. Det er den nærmeste video på YouTube til faktisk at gøre det, artiklen beder dig om, i et tempo, hvor du kan pause og følge med i din egen editor.
Avanceret
19 minutterBygning af mere effektive AI-agenter
Anthropic. Anthropic-ingeniører gennemgår, hvad de faktisk ændrede, da deres multi-agent-systemer misbrugte værktøjer — sammenlægning af endpoints, returnering af navne i stedet for IDs, leaning på MCP'er og Agent Skills i stedet for at proppe flere værktøjer ind i systemprompten. Mapper punkt-for-punkt til artiklens tjekliste for værktøjsbeskrivelser og return-shape-design.
Avanceret
29 minutterPrompting til agenter | Code med Claude
Anthropic. Hannah Moran og Jeremy Hadfield fra Applied AI gennemgår, hvordan man formulerer tool calls og agentprompts på en rigtig Pokemon-spillende agent — hvornår man skal skubbe adfærd ind i systemprompten kontra værktøjsbeskrivelsen, hvad modellen behøver at vide om hvert værktøjs forudsætninger. Nyttig umiddelbart efter, at du har skrevet din første MCP-server og opdager, at Claude kalder den på uventede måder.
Avanceret