Klien MCP lokal sangat diremehkan! Semua orang menggunakan Cursor, Claude Desktop, dan ChatGPT sebagai host MCP, tetapi jika Anda membuat aplikasi sendiri yang mendukung MCP, Anda memerlukan klien khusus. Inilah masalahnya: Menulis klien MCP dari awal itu menyakitkan dan memakan waktu. Hari ini, saya menunjukkan kepada Anda cara membuat klien MCP khusus dalam hitungan menit, bukan jam. Untuk membuktikan hal ini, saya membangun asisten AI terbaik yang sepenuhnya pribadi yang dapat: - Terhubung ke server MCP mana pun - Mengotomatiskan penggunaan browser - Mengikis data web dengan mulus - Mengontrol terminal komputer saya - Memproses gambar, audio, dan dokumen - Mengingat semuanya dengan grafik pengetahuan Rahasianya? mcp-use — kerangka kerja sumber terbuka 100% yang membuat integrasi MCP sepele. Membangun agen MCP kustom membutuhkan 3 langkah: 1. Tentukan konfigurasi server MCP Anda 2. Hubungkan LLM apa pun dengan klien MCP 3. Terapkan agen Anda Itu saja. Tidak ada pengaturan yang rumit, tidak ada dependensi kepemilikan. Bagian terbaiknya? Semuanya berjalan secara lokal. Data Anda tetap pribadi, dan Anda mengontrol seluruh tumpukan. Rincian lengkap dengan kode... 👇

Mari kita uraikan ini dengan menjelajahi setiap integrasi dan memahami cara kerjanya, menggunakan kode dan ilustrasi:

1️⃣ Server MCP Stagehand Kami mulai dengan mengizinkan Agen kami untuk mengontrol browser, menavigasi halaman web, mengambil tangkapan layar, dll., menggunakan MCP @Stagehanddev. Di bawah ini, saya mengajukan kueri cuaca, dan Agen secara mandiri menanggapinya dengan memulai sesi browser. Periksa ini👇

2️⃣ Server MCP Firecrawl Selanjutnya, kami menambahkan kemampuan scraping, crawling & deep research ke Agen. mcp-use mendukung penyambungan ke beberapa server MCP secara bersamaan. Jadi kami menambahkan konfigurasi MCP @firecrawl_dev ke konfigurasi yang ada & berinteraksi dengannya. Periksa ini👇

3️⃣ Server MCP Graphiti Sejauh ini, Agen kami tidak memiliki ingatan. Itu melupakan segalanya setelah setiap tugas. Graphiti @Zep_ai adalah server MCP yang menyediakan agen kami dengan lapisan memori real-time berbasis grafik. Anda juga dapat memvisualisasikan grafik ini di Neo4j. Periksa ini👇

4️⃣ Server MCP Ragie Selanjutnya, kami memberikan kemampuan RAG multimodal kepada Agen untuk memproses teks, gambar, video, audio, dokumen, dll. Ini didukung oleh MCP @ragieai. Di bawah ini, saya memintanya untuk mencantumkan proyek dalam PDF MCP saya (dokumen yang kompleks), dan meresponsnya dengan sempurna. Periksa ini👇

5️⃣ Server MCP GitIngest Selanjutnya, untuk memenuhi kebutuhan developer, kami mengizinkan Agen kami untuk mengobrol dengan repositori GitHub apa pun. Di bawah ini, saya bertanya tentang tumpukan teknologi alur penulis buku saya dengan menyediakan tautan repo. Itu mengekstrak info yang tepat dengan menggunakan server MCP. Periksa ini👇

6️⃣ Server MCP Terminal Terakhir, kami memberikan kontrol terminal Agen kami untuk menjalankan perintah untuk pengembang jika diperlukan. Ini menyediakan alat seperti: - membaca/menulis/mencari/memindahkan file - Jalankan perintah - buat/daftar direktori, dll. Periksa ini👇

Terakhir, kami membungkus ini dalam antarmuka Streamlit, di mana kami dapat mengubah konfigurasi MCP secara dinamis. Ini memberi kita asisten AI pamungkas 100% lokal yang dapat menelusuri, mengikis, memiliki memori, mengambil dari basis pengetahuan multimodal, dan banyak lagi. Periksa demo👇 ini

Itu bungkusnya! Jika Anda merasa berwawasan luas, bagikan kembali dengan jaringan Anda. Temukan saya → @akshay_pachaar ✔️ Untuk wawasan praktis dan tutorial tentang LLM, Agen AI, dan Pembelajaran Mesin!