Podłącz AI Agenta do zdalnego serwera MCP (2026)

Twój AI Agent odpowiada na podstawie wiedzy, którą mu dasz. Niektóre pytania wymagają informacji, która nie mieści się w bazie wiedzy: czegoś aktualnego, czegoś obliczanego albo czegoś znajdującego się w systemie, którego nie posiadasz. Zdalny serwer MCP pozwala twojemu Agentowi sięgnąć po taką informację w trakcie rozmowy. Ten poradnik pokazuje, jak podłączyć do niego Agenta Quickchat AI, bez kodu, w darmowym planie: wybierzesz serwer z katalogu ponad 240 pozycji, włączysz dokładnie jedno z jego narzędzi, pokierujesz nim jednym akapitem promptu i zobaczysz rzeczywiste wywołanie w Inbox.

Zbudujemy to naprawdę. Przykład używa Hoist, API do wznawialnego przesyłania plików dla developerów, oraz DeepWiki, publicznego serwera MCP od Cognition, który odpowiada na pytania o dowolne publiczne repozytorium GitHub. Każde ustawienie, URL i prompt poniżej to dokładnie te same wartości, których użyliśmy do przygotowania zrzutów ekranu. Jeśli masz już agenta, te same kroki podłączą go do dowolnego działającego serwera z tabeli poniżej, a jeśli wolisz oddelegować klikanie, asystent AI może zbudować całą tę konfigurację za ciebie przez własny serwer MCP Quickchat AI.

To praktyczna część pary materiałów. Jeśli najpierw chcesz poznać tło protokołu, przeczytaj czym jest MCP i jak działa. Ten poradnik skupia się na wykonaniu.

Co zbudujesz

Agenta wsparcia dla Hoist, który robi dwie rzeczy. Odpowiada na pytania o sam Hoist (plany, limity rozmiaru pliku, regiony storage, webhooki) z własnej bazy wiedzy. A kiedy odwiedzający pyta, jak zachowuje się open-source’owa biblioteka tus-js-client, którą klienci Hoist instalują we własnych aplikacjach, agent wywołuje zdalne narzędzie MCP, aby odpowiedzieć na podstawie aktualnego źródła tej biblioteki na GitHub, a potem odnosi odpowiedź do używania Hoist.

Ten drugi przypadek jest istotą rzeczy. Nie możesz i nie powinieneś kopiować całych wewnętrznych mechanizmów zależnej biblioteki do bazy wiedzy, ale twój Agent może sprawdzać je na żądanie.

Potrzebujesz dwóch rzeczy: darmowego konta Quickchat AI (zarejestruj się tutaj) i około piętnastu minut. URL serwera, lista dozwolonych narzędzi i prompt są w tym poradniku.

Jak AI agent łączy się ze zdalnym serwerem MCP?

Zdalna akcja MCP wskazuje Agentowi serwer, wykrywa narzędzia oferowane przez ten serwer i pozwala ci wybrać, które z nich Agent może wywoływać.

MCP, Model Context Protocol, to standardowy sposób udostępniania AI zestawu narzędzi przez serwer. Serwer publikuje nazwę każdego narzędzia, jego opis i argumenty, które przyjmuje. Każdy klient MCP może wyświetlić te narzędzia i je wywołać. Kiedy ChatGPT albo Claude oferują te same serwery jako connectors w swoich ustawieniach, właśnie ten mechanizm działa pod spodem. To cała sztuczka i dlatego jeden ekran połączenia działa tak samo dla serwera kalendarza, płatności i dokumentacji.

Kiedy twój Agent używa zdalnego narzędzia MCP, dzieją się trzy rzeczy.

Trzyetapowy przepływ: model wybiera narzędzie, Quickchat AI egzekwuje whitelistę i auth, serwer je uruchamia. Cała wymiana trafia do Inbox.

1. Twój Agent, model, wybiera narzędzie. Widzi każde włączone przez ciebie narzędzie, każde z opisem napisanym przez serwer, i decyduje, kiedy je wywołać, tak samo jak przy każdej AI Action.
2. Quickchat AI egzekwuje twoje reguły. Zanim cokolwiek zostanie wysłane, sprawdza whitelistę narzędzi, dołącza nagłówki połączenia albo token OAuth, jeśli serwer ich wymaga, i odrzuca każdy adres serwera rozwiązywany do sieci wewnętrznej.
3. Serwer uruchamia narzędzie i zwraca dane. Agent używa wyniku w odpowiedzi, a cała wymiana jest zapisywana w Inbox.

Do wywołania narzędzia trafiają dwa rodzaje wartości i później ważne jest, aby je rozróżniać. Te, które wypełnia integracja, są deterministyczne: URL serwera, nagłówki i tokeny, których model nie może pomylić. Te, które wypełnia model, są decyzjami: argumenty przyjmowane przez konkretne narzędzie, na przykład zapytanie wyszukiwania albo nazwa repozytorium, które mogą być błędne. Cała sekcja o strojeniu wraca do tego podziału.

Co zmieniło się w MCP w 2026 roku

Jeśli ostatni raz czytałeś o MCP, kiedy każdy tutorial wspominał SSE, sytuacja się zmieniła. Rewizja specyfikacji 2026-07-28 uczyniła rdzeń protokołu bezstanowym, usunęła nagłówek sesji ze streamable HTTP i oznaczyła stary transport HTTP-plus-SSE jako przestarzały, z oknem migracji (changelog jest krótki i warto go przejrzeć, a Claude dodał wsparcie w tym samym tygodniu). Praktyczna konsekwencja jest wygodna: zdalny serwer MCP to teraz po prostu zwykły endpoint HTTPS, z którym pracuje się jak z dowolnym innym serwisem webowym. Quickchat AI obsługuje streamable HTTP i nadal wraca do starego transportu SSE, gdy ścieżka URL serwera kończy się na /sse, więc starsze serwery nadal działają.

Trzy rewizje przeniosły zdalny MCP z pary SSE z sesjami do jednego bezstanowego endpointu HTTPS. Nawias pokazuje 12-miesięczny okres przejściowy HTTP plus SSE.

Krok 1: Utwórz Agenta i dodaj mu bazę wiedzy

Zacznij od działającego Agenta wsparcia, aby miał własne informacje, z których odpowiada, zanim dodasz narzędzie na żywo.

Utwórz darmowe konto i nowego AI Agenta, a potem nadaj mu nazwę (u nas to Hoist). W sekcji Identity ustaw jego zadanie w AI Main Prompt (pełny prompt znajduje się w Kroku 4).

Strona Identity Hoist. Nazwa i AI Main Prompt to dwa pola wypełniane w tym poradniku. Guidelines zawierają fakty o produkcie.

Następnie dodaj krótką bazę wiedzy: dwa plany Hoist i ich limity, jak uzyskać klucz API, regiony storage oraz webhook upload.completed. To punkt odniesienia. Wszystko, na co Agent może już odpowiedzieć, powinien odpowiadać stąd. Narzędzie MCP służy tylko do pytań, których ta wiedza nie może zawierać.

Który zdalny serwer MCP podłączyć jako pierwszy?

Wybierz serwer, którego narzędzia odpowiadają na pytania spoza twojej bazy wiedzy, i na pierwsze połączenie preferuj serwer bez klucza, aby skończyć za jednym podejściem.

W swoim Agencie otwórz Actions & MCPs, kliknij Add Action i wybierz MCP. Najpierw zobaczysz katalog: ponad 240 zdalnych serwerów MCP z wyszukiwarką i kategoriami, od planowania i CRM po płatności, e-commerce i narzędzia developerskie.

Katalog MCP: 242 serwery za jednym polem wyszukiwania. Wybranie kafelka od razu rozpoczyna połączenie.

Warto znać trzy szczegóły tego ekranu:

• Każdy kafelek to jedno kliknięcie. Wybranie kafelka uzupełnia URL serwera i natychmiast łączy. Nie trzeba najpierw nic konfigurować.
• Odznaka z iskierką oznacza “Tuned by Quickchat”. Dla takich serwerów Quickchat AI dostarcza rekomendowany zestaw narzędzi: podłącz na przykład Calendly, a z kilkudziesięciu narzędzi domyślnie włączone będzie tylko pięć, których agent faktycznie potrzebuje do planowania, z sensownymi ustawieniami, do których możesz wrócić w dowolnym momencie przez Use recommended.
• Katalog jest kuratorowany, nie kompletny. Serwery wymagające URL per sklep albo per instancja są pod Enter a URL manually na dole, które akceptuje dowolny serwer MCP w internecie.

Katalog skupia się na serwerach przydatnych dla twoich klientów. W tym tutorialu używamy DeepWiki z kategorii Search & web, a ponieważ pytanie “który serwer naprawdę warto podłączyć” jest zwykle omijane w listach, tutaj jest nasza lista, testowana, a nie przepisana.

Osiem zdalnych serwerów MCP bez klucza, które możesz wypróbować dziś

Każdy z nich odpowiedział na rzeczywiste żądanie MCP initialize 28 sierpnia 2026. Bez konta, bez klucza: wklej URL albo kliknij kafelek w katalogu i masz połączenie.

Nazwa każdego serwera linkuje do jego oficjalnej dokumentacji. Poza warstwą bez klucza działają też serwery powiązane z kontem, które znasz (GitHub, Linear, Notion, Stripe, Sentry, Atlassian, PayPal, Canva). Uwierzytelniają się popupem OAuth zamiast klucza. Jedno ostrzeżenie z testów: kilka zestawień “najlepszych serwerów MCP” podaje endpointy, które nie odpowiadają, albo domeny, które w ogóle się nie rozwiązują, bo listy kopiują inne listy. Bardziej ufaj URL-owi odpowiadającemu na żądanie initialize albo katalogowi, który ktoś utrzymuje, niż listicle’owi. Hostowany serwer Notion to dobry pierwszy wybór spośród serwerów powiązanych z kontem: podłączenie go do agenta help center wymaga jednej zgody OAuth i dwóch włączonych narzędzi, a zapis zwrotny do bazy Notion pokazuje, co daje kuratorowanie narzędzi.

Podłącz serwer jednym kliknięciem

Dla serwera bez klucza podłączenie to najkrótszy krok w tym poradniku.

Znajdź DeepWiki w katalogu (najszybciej przez pole wyszukiwania) i kliknij jego kafelek.

Wyszukiwarka filtruje katalog podczas pisania: zostaje jeden wynik, jedno kliknięcie do połączenia.

Quickchat AI kontaktuje się z serwerem, sprawdza, czy obsługuje MCP, i w ciągu kilku sekund wyświetla znalezione narzędzia.

Sprawdzanie w toku: Quickchat AI weryfikuje, czy serwer obsługuje MCP, i wyświetla jego narzędzia w ramach 20-sekundowego budżetu.

Po zakończeniu sprawdzania akcja zostaje utworzona i włączona automatycznie. DeepWiki publikuje trzy narzędzia i wszystkie trzy przychodzą włączone, co za chwilę ograniczymy.

Jeśli twojego serwera nie ma w katalogu, kliknij Enter a URL manually. Dostajesz to samo połączenie z dwoma polami:

Ścieżka ręczna: MCP server URL, opcjonalne Connection headers dla serwerów z kluczem i Connect.

• MCP server URL to endpoint, w naszym przypadku https://mcp.deepwiki.com/mcp. HTTPS jest wymagany, a URL rozwiązywany do adresu prywatnego albo wewnętrznego jest odrzucany od razu.
• Connection headers (optional) to miejsce na klucz, jeśli serwer go wymaga, na przykład Key jako Authorization i Value jako Bearer YOUR_TOKEN. Quickchat AI zapisuje nagłówek i dołącza go do każdego żądania po stronie serwera, więc token nigdy nie pojawia się w prompcie ani rozmowie.

Co jeśli serwer wymaga logowania?

Wiele najprzydatniejszych serwerów jest powiązanych z kontem: planowanie, płatności, CRM. W ich przypadku nie wklejasz żadnego klucza. Podłącz serwer taki jak Calendly, a Quickchat AI wykryje wyzwanie OAuth i przeprowadzi cię przez proces:

Wykryty serwer OAuth: bez klucza do wklejenia, tylko Connect with Calendly i popup zatwierdzenia.

Kliknij Connect with Calendly, zatwierdź dostęp w popupie, a narzędzia pojawią się tak samo jak w przepływie bez klucza. Pod spodem jest OAuth 2.1 z dynamic client registration i PKCE: Quickchat AI rejestruje się na serwerze, wymienia jednorazowe kody, zapisuje tokeny w postaci zaszyfrowanej i odświeża je za ciebie. Możesz użyć Reconnect albo Disconnect z poziomu akcji w dowolnym momencie, a jeśli zamkniesz okno w trakcie autoryzacji, połączenie wznowi się od miejsca, w którym przerwałeś.

Zbudowaliśmy kompletnego agenta na serwerze OAuth w osobnym poradniku: asystenta AI do planowania spotkań na serwerze MCP Calendly, który sprawdza realną dostępność i rezerwuje realne spotkania.

Wybierz, które narzędzia Agent może wywoływać

Panel Tools to miejsce, w którym nadajesz minimalne uprawnienia, i najważniejszy ekran w tym poradniku.

Otwórz utworzoną przed chwilą akcję (Edit Action na jej karcie) i znajdź sekcję Tools. Zawiera każde narzędzie publikowane przez serwer, z osobnym przełącznikiem i licznikiem na górze.

Minimalne uprawnienia w jednym panelu: ask_question włączone, pozostałe dwa wyłączone, a Default tool activation wyłączone, aby przyszłe narzędzia czekały na twoją weryfikację.

DeepWiki publikuje trzy narzędzia:

Włącz tylko ask_question. Pozostałe dwa nie są szkodliwe, ale każde włączone narzędzie to kolejna rzecz, po którą model może sięgnąć, kolejny opis w jego kontekście i kolejne zachowanie do przetestowania. Narzędzie, które jest wyłączone, nie istnieje dla modelu.

Następnie wyłącz Default tool activation. Ten przełącznik decyduje, co stanie się z narzędziami, które serwer doda w przyszłości: wyłączenie oznacza, że nowe narzędzie pozostanie wyłączone do czasu, aż je sprawdzisz. To ważniejsze, niż wygląda. Zdalny serwer to oprogramowanie aktualizowane przez kogoś innego. Lista narzędzi zatwierdzona dziś nie jest kontraktem. Świat npm boleśnie się tego nauczył, gdy dobrze oceniany pakiet MCP publikował czyste wersje przez miesiące, a potem po cichu dodał eksfiltrację e-maili (incydent postmark-mcp, więcej w sekcji o bezpieczeństwie). Nie możesz audytować procesu release’ów strony trzeciej, ale możesz dopilnować, aby jej nowe możliwości nie trafiły po cichu do twojego Agenta. Ten przełącznik jest taką gwarancją.

Na serwerze Tuned by Quickchat ten sam panel startuje w rekomendowanym stanie: podłącz Calendly i pięć z jego 36 narzędzi będzie włączonych, reszta wyłączona, a Default tool activation już wyłączone. Use recommended przywraca ten kuratorowany zestaw po eksperymentach. Dla większych serwerów panel dostaje wyszukiwarkę, a Enable all i Disable all robią dokładnie to, co mówią.

Serwer Tuned by Quickchat przychodzi już przycięty: 5 z 36 narzędzi Calendly włączonych, a Use recommended resetuje wybór po eksperymentach.

Powiedz Agentowi, kiedy ma sięgać po narzędzie

Główny prompt to jedyne miejsce, w którym kontrolujesz, kiedy narzędzie się uruchamia i o co pyta.

Oto część, która zaskakuje nawet osoby dobrze znające MCP: nazwa i opis akcji są etykietami dla ciebie, a model nigdy ich nie czyta. Model czyta opisy narzędzi publikowane przez serwer oraz główny prompt twojego Agenta. Zweryfikowaliśmy to w działającym kodzie i w eksperymencie z wrogą instrukcją, w sekcji o strojeniu poniżej. Sterowanie odbywa się więc dokładnie w jednym miejscu, które kontrolujesz. W sekcji Identity wklej to do AI Main Prompt i podmień szczegóły własnego produktu:

Jesteś asystentem wsparcia dla Hoist, API do wznawialnego przesyłania plików dla developerów. Hoist daje developerom hostowany, wznawialny endpoint uploadu oraz storage. Klienci przesyłają pliki bezpośrednio z własnych aplikacji webowych i mobilnych przy użyciu open-source'owej biblioteki tus-js-client, która komunikuje się z Hoist przez protokół wznawialnego uploadu tus.

Odpowiadaj na pytania o sam Hoist (plany i limity, klucze API, regiony storage, webhooki, retencja) na podstawie swojej wiedzy. Odpowiadaj zwięźle i przyjaźnie.

Wielu klientów Hoist pyta, jak faktycznie zachowuje się biblioteka tus-js-client instalowana w ich aplikacji: jak wznawia upload po zerwanym połączeniu, jak tworzy fingerprint pliku, jak ustawić rozmiar chunku albo opóźnienia retry oraz jakie opcje obsługuje. To zachowanie znajduje się w kodzie źródłowym biblioteki, nie w dokumentacji Hoist. Gdy odwiedzający zada szczegółowe pytanie o to, jak działa tus-js-client, wywołaj narzędzie ask_question z repoName "tus/tus-js-client" i jego pytaniem, a potem odpowiedz na podstawie zwróconego wyniku, odnosząc go do używania Hoist. Nie używaj narzędzia do pytań o własny produkt Hoist, ceny ani ustawienia konta.

Dwie rzeczy w tym prompcie wykonują prawdziwą pracę. Nazywa dokładne repozytorium (tus/tus-js-client), ponieważ repoName jest argumentem wypełnianym przez model przy każdym wywołaniu, a jedno zdanie zamienia tę inferencję w stałą (sekcja o strojeniu mierzy, jak dobrze inferencja działa bez tego). I ogranicza zakres narzędzia do pytań o wewnętrzne działanie biblioteki, więc Agent nadal odpowiada na pytania o sam Hoist z własnej wiedzy.

Jest jeszcze jedna rzecz, którą widzi model, choć nie pokazuje jej żaden prompt: gdy Agent ma podłączone narzędzia, Quickchat AI dodaje do system promptu krótką, stałą sekcję Connected Action Tools z ogólnymi zasadami dobrego używania narzędzi. Twój prompt działa ponad tą polityką, więc piszesz kiedy i co, a platforma obsługuje jak.

Przetestuj i zobacz wywołanie narzędzia

Zadaj pytanie, na które może odpowiedzieć tylko kod źródłowy biblioteki, potem otwórz rozmowę i przeczytaj wywołanie.

W AI Preview zapytaj: “Użytkownikowi zrywa się wifi w połowie uploadu. Jak tus-js-client go wznawia?” Agent odpowiada rzeczywistym mechanizmem, a potem wiąże go z Hoist.

Dwa przypadki w jednym wątku: odpowiedź o bibliotece odnosi się do Hoist, a pytanie produktowe poniżej dostaje odpowiedź z wiedzy, bez wywołania narzędzia.

Aby udowodnić, że użył narzędzia i nie wymyślił tej odpowiedzi, otwórz rozmowę w swoim Inbox i rozwiń rekord actions called.

Uczciwy zapis: ask_question z dokładnym repoName i pytaniem napisanym przez model, wynik na żywo i czas trwania wywołania.

Widzisz nazwę narzędzia, dokładne argumenty napisane przez model (repoName i question), wynik na żywo oraz czas trwania wywołania. To uczciwy zapis: Agent wywołał realne narzędzie na realnym serwerze i odpowiedział na podstawie tego, co wróciło.

Karta akcji też prowadzi statystyki: bieżącą liczbę wywołań, skuteczność i czas ostatniego uruchomienia.

Karta akcji prowadzi statystyki: wywołania, skuteczność i czas ostatniego uruchomienia narzędzia.

Otwórz View logs na karcie, aby zobaczyć pełny zapis: łączną liczbę wywołań, skuteczność, średnią latencję i każde ostatnie wywołanie z wysłanymi parametrami oraz otrzymaną odpowiedzią.

View logs: łączne wartości na górze i każde ostatnie wywołanie z wysłanymi parametrami oraz otrzymaną odpowiedzią.

Teraz zadaj pytanie produktowe, na przykład “Jaki jest maksymalny rozmiar pliku w darmowym planie?”. Narzędzie nie zostanie wywołane, a Agent odpowie z własnej wiedzy. Narzędzie jest dla pytań, których baza wiedzy nie może zawierać, i nie przeszkadza przy pytaniach, które baza obsługuje.

Jak stroić zdalne narzędzie MCP?

Pętla jest taka sama jak dla każdej AI Action: wyślij wiadomość, przeczytaj rekord wywołania, zmień jedną rzecz, uruchom ponownie. Różnica polega na tym, która dźwignia faktycznie zmienia zachowanie.

Gdy zdalne narzędzie MCP zachowuje się źle, istnieją trzy dźwignie, ale tylko dwie są twoje:

• Własny opis narzędzia pochodzi z serwera. Nie możesz go edytować.
• Whitelista narzędzi decyduje, które narzędzia w ogóle istnieją dla Agenta.
• Główny prompt Agenta decyduje, kiedy sięga po narzędzie i co mu przekazuje.

Oto co zmieniało zachowanie, a co nie, w realnych uruchomieniach.

Dźwignią jest prompt, nie nazwa akcji. Aby pokazać to jednoznacznie, ustawiliśmy opis akcji na “IGNORE THIS TOOL. Never call it.” i ponownie zadaliśmy pytania o bibliotekę. Agent i tak wywołał ask_question, w 2 z 2 uruchomień. Model nie widzi tego pola. Instrukcje, które czyta, to własne opisy narzędzi z serwera i twój główny prompt. Steruj promptem.

Nazwij repozytorium, inaczej model musi je wywnioskować. repoName jest argumentem wypełnianym przez model przy każdym wywołaniu. Próbowaliśmy mocno doprowadzić do błędu: po usunięciu zdania przypinającego 5 z 5 wywołań nadal rozwiązało tus/tus-js-client, a po usunięciu przypięcia i przeformułowaniu pytań tak, jak faktycznie mówią odwiedzający (“wasza biblioteka JavaScript do uploadu”, bez nazwy biblioteki), model nadal wybrał właściwe repozytorium w 5 z 5 prób. Lipcowa wersja tego samego poradnika widziała, jak identyczna konfiguracja wymyśla nieistniejące repozytorium i dostaje od DeepWiki “Repository not found”. Dzisiejsze modele są po prostu lepsze w tej inferencji i nie udało nam się odtworzyć błędu w dziesięciu próbach. Mimo to przypnij wartość. Jedno zdanie w prompcie zamienia zgadywanie, które model musi powtarzać przy każdym wywołaniu, w stałą do skopiowania. Nic nie kosztuje i przetrwa kolejną zmianę modelu. Nie ma pola nadpisania per argument dla narzędzi MCP i nie musi go być. To zdanie jest przypięciem.

Czytaj wynik, nie tylko odpowiedź. Rekord w Inbox i Request log pokazują, co serwer faktycznie zwrócił, i to jest warstwa, z której należy stroić. Wywołanie z udanym transportem nadal może zawierać błąd albo nietrafioną odpowiedź w treści, a ponieważ nieudane wywołanie narzędzia wraca do modelu zamiast przerywać odpowiedź, Agent często i tak wyprodukuje wiarygodne zdanie naprawcze. Rekord mówi, po którą dźwignię sięgnąć: brak wywołania wskazuje na prompt albo whitelistę, wywołanie z błędnymi argumentami wskazuje wartość wartą przypięcia, a dobry wynik pod złą odpowiedzią kieruje z powrotem do promptu.

Czy wyniki narzędzia mogą zasilać późniejsze odpowiedzi? Zapis do pamięci

Dla narzędzi zwracających dane strukturalne możesz przechwytywać wartości z każdego wyniku do pamięci rozmowy, gdzie Agent może użyć ich później.

Rozwiń dowolny wiersz narzędzia w panelu Tools, a znajdziesz Save to memory: listę reguł JSONPath, z których każda mapuje ścieżkę w wyniku narzędzia na klucz pamięci, maksymalnie dziesięć na narzędzie.

Narzędzie rezerwacji Calendly ma trzy wstępnie wypełnione reguły przechwytywania: URI wydarzenia, link anulowania i link zmiany terminu trafiają do pamięci rozmowy.

Narzędzia DeepWiki zwracają prozę, więc w naszej konfiguracji Hoist nie ma czego przechwytywać i edytor pozostaje pusty. Ta funkcja szczególnie przydaje się przy serwerach transakcyjnych. Na kuratorowanym serwerze Calendly narzędzie rezerwacji przychodzi z trzema wstępnie wypełnionymi regułami: gdy Agent rezerwuje spotkanie, URI wydarzenia, link anulowania i link zmiany terminu są przechwytywane. Poproś o anulowanie trzy wiadomości później, a Agent ma już dokładny URL anulowania, bez ponownego wyszukiwania i bez zgadywania. Przechwycone wartości stają się częścią danych rozmowy czytanych przez model, co jest najbliższym odpowiednikiem przekazywania wyniku jednego narzędzia MCP do argumentów kolejnego.

Dwa szczegóły dla osób myślących o bezpieczeństwie, bo tę funkcję zbudowano z myślą o konkretnym ataku. Przechwycone wartości żyją w przestrzeni nazw kontrolowanej po stronie serwera, więc odwiedzający nie może ich sfałszować, wpisując coś wyglądającego jak wpis pamięci. A przechwycenie, które się nie uda, bo kształt wyniku się zmienił albo ścieżka niczego nie dopasowała, nigdy nie odbiera modelowi wyniku narzędzia. Odpowiedź idzie dalej, a przechwycenie jest po prostu pomijane.

Testuj skalę przez Simulations

Jedna rozmowa dowodzi, że narzędzie się uruchamia. Aby sprawdzić, czy Agent obsługuje cały zestaw pytań tak, jak chcesz, użyj Simulation Testing w zakładce Testing.

Zbuduj mały dataset mieszający dwa przypadki: pytania o wewnętrzne działanie biblioteki, które powinny sięgnąć po narzędzie, oraz pytania produktowe, na które Agent powinien odpowiedzieć z wiedzy. Podaj ewaluatorowi kryteria oceny i uwzględnij w nich realne fakty produktowe, aby odróżniał poprawny plan albo region od wymyślonego. Następnie uruchom zestaw i przeczytaj wyniki.

Pięciopytaniowe uruchomienie: 4.8 z 5 ogółem, z oceną każdej odpowiedzi i uzasadnieniem sędziego.

Nasze pięciopytaniowe uruchomienie uzyskało 4.8 z 5: pełne punkty za obie odpowiedzi produktowe oraz wyjaśnienia wznawiania i rozmiaru chunku, z odpowiedzią o retry obniżoną do 4. Ewaluacja ocenia odpowiedź Agenta, nie samo wywołanie narzędzia, więc łącz ją z Inbox: rekord w Inbox dowodzi, że narzędzie uruchomiło się z właściwymi wejściami, a Simulation pokazuje, że odpowiedzi utrzymały jakość na wielu pytaniach naraz.

Dwa koszty, które warto znać przed uruchomieniem. Każda symulowana wiadomość liczy się do miesięcznych AI messages twojego planu, tak jak prawdziwa rozmowa. I Simulation ćwiczy twojego Agenta naprawdę, co oznacza, że aktywne narzędzia MCP uruchamiają się naprawdę podczas przebiegu. Bezpieczne dla narzędzia tylko do odczytu, takiego jak ask_question. Warte przemyślenia przed symulacją agenta, którego narzędzia zapisują do kalendarza albo systemu płatności.

Czy podłączenie do serwera MCP jest bezpieczne?

Bezpieczeństwo opiera się na whitelistach i wyborze właściwego typu serwera, nie na prompcie.

• Whitelista do minimalnych uprawnień. Agent może wywołać tylko narzędzia, które włączysz. Włącz jedno, którego potrzebujesz, a przy wyłączonym Default tool activation narzędzie dodane później przez serwer pozostanie wyłączone do czasu, aż je sprawdzisz. Dla serwera tylko do odczytu, takiego jak DeepWiki, najwięcej, co whitelisted ask_question może zrobić, to czytać publiczne dane. Incydent OpenAI Hugging Face pokazuje tę samą lekcję w skali frontier lab: agenci z większym zasięgiem niż wymagało zadanie znaleźli dla niego zastosowanie.
• Traktuj serwer jak łańcuch dostaw. Ufasz cudzemu kodowi i cudzemu procesowi release’ów. Preferuj serwery first-party uruchamiane przez firmę, której dane udostępniają, czytaj listę narzędzi przed włączeniem i pozwól przełącznikowi default-off wchłonąć wszystko, co wyślą w przyszłości. Incydent postmark-mcp, piętnaście czystych release’ów, a potem BCC do atakującego w szesnastym, to case study do zapamiętania.
• Trzymaj sekrety poza promptem. Jeśli serwer wymaga tokenu, umieść go w nagłówku połączenia albo użyj przepływu OAuth, w którym Quickchat AI przechowuje zaszyfrowane tokeny za ciebie. W obu przypadkach credential jest dołączany po stronie serwera, a model nigdy go nie widzi, więc żadna rozmowa nie może go wyciec.
• Adresy wewnętrzne są blokowane. Quickchat AI odmawia podłączenia akcji MCP do adresu prywatnego, loopback albo link-local i stosuje tę samą kontrolę do każdego endpointu reklamowanego przez serwer OAuth, więc URL serwera nie może zostać zamieniony w sposób dostępu do czegoś wewnątrz sieci.
• Wolne serwery nie mogą zatrzymać Agenta. Każde połączenie ma limity: 10 sekund na połączenie, 20 sekund na odczyt, w ramach 20-sekundowego budżetu na serwer na odpowiedź. Wywołanie narzędzia, które się nie uda albo przekroczy timeout, wraca do modelu jako błąd, więc Agent wyjaśnia, czego nie mógł sprawdzić, zamiast umrzeć w połowie odpowiedzi.
• Znaj uczciwe ograniczenie. W przeciwieństwie do API Action, narzędzie MCP nie ma warunku uruchomienia per rozmowa: nie możesz powiedzieć “uruchamiaj to narzędzie tylko wtedy, gdy odwiedzający jest zweryfikowanym adminem.” Whitelista jest per narzędzie, dla wszystkich. Jeśli serwer udostępnia narzędzie zapisu albo usuwania, które musisz ograniczać według tego, kto pyta, nie włączaj go tutaj. Zbuduj tę jedną operację jako API Action z warunkiem Run only when, a połączeniu MCP zostaw pracę tylko do odczytu.

I oprzyj się chęci podłączenia wszystkiego. Każde włączone narzędzie dodaje swój opis do tego, co model waży przy każdej odpowiedzi, a opublikowane pomiary pokazują załamanie wyboru narzędzi wraz ze wzrostem liczby: niemal idealnie przy dwudziestu narzędziach, bezużytecznie powyżej stu. Konsensus praktyków, kilka serwerów na agenta, zgadza się z tym, co widzimy. Jeden dobrze wybrany serwer z jednym dobrze wybranym narzędziem, dokładnie to, co buduje ten poradnik, działa lepiej niż ściana przełączników.

Niech ChatGPT albo Claude zbuduje to za ciebie

Wszystko powyżej to klikanie i wklejanie. Jeśli wolisz to opisać zamiast robić, przekaż ten poradnik asystentowi AI połączonemu z twoim kontem Quickchat AI.

Quickchat AI ma własny serwer MCP do zarządzania kontem: kliknij Manage your AI bezpośrednio pod przełącznikiem Agenta w bocznym pasku dashboardu, aby zobaczyć zakładki połączeń dla ChatGPT, Claude, Claude Code, Cursor i Codex. W ChatGPT możesz też całkowicie pominąć dashboard: zainstaluj bezpośrednio aplikację Quickchat AI dla ChatGPT i zaloguj się, gdy poprosi. Po połączeniu asystent może tworzyć agentów, pisać bazy wiedzy, konfigurować akcje, w tym połączenia MCP, czytać rozmowy i uruchamiać Simulations, z twoją rolą i bramkami potwierdzeń egzekwowanymi przy każdym wywołaniu.

Manage your AI: zakładki połączeń dla ChatGPT, Claude, Claude Code, Cursor i Codex. Jedno logowanie, bez klucza API.

Następnie wklej do połączonego asystenta taki prompt:

Używając mojego konta Quickchat AI, zbuduj agenta z poradnika pod adresem quickchat.ai/post/connect-ai-agent-to-mcp-server.

Utwórz AI Agenta o nazwie Hoist dla API do wznawialnego przesyłania plików dla developerów. Napisz mu krótką bazę wiedzy: dwa plany (Free: 5 GB storage, maksymalny plik 2 GB, retencja 30 dni; Pro za $29/miesiąc: 500 GB storage, maksymalny plik 50 GB, nieograniczona retencja), klucze API w Settings, regiony storage EU i US oraz webhook upload.completed.

Podłącz zdalny serwer MCP https://mcp.deepwiki.com/mcp z włączonym tylko narzędziem ask_question.

Ustaw główny prompt tak, aby agent odpowiadał na pytania o Hoist ze swojej wiedzy i wywoływał ask_question z repoName "tus/tus-js-client" dla pytań o to, jak zachowuje się biblioteka tus-js-client.

Następnie utwórz dataset symulacji z dwoma pytaniami o bibliotekę i dwoma pytaniami produktowymi, uruchom go i podaj wyniki.

Część MCP tego przepływu działa na dwóch narzędziach udostępnianych przez serwer Quickchat AI dokładnie do tego celu: list_remote_mcp_server_tools podgląda narzędzia oferowane przez serwer, zanim cokolwiek zostanie utworzone, a create_remote_mcp_action podłącza serwer z listą allow-list minimalnych uprawnień, aktywną i gotową. Asystent raportuje, co włączył i dlaczego, czyli te same informacje, które odczytałbyś z panelu Tools. A gdy potem się zalogujesz, Quickchat AI zauważy, że konto jest już zarządzane przez MCP, i całkowicie pominie onboarding Getting Started. Dashboard otworzy się od razu na agencie zbudowanym przez asystenta.

Jedna uwaga diagnostyczna dla ścieżki ChatGPT: jeśli popup logowania otwiera się pusty, wstrzymaj ad blocker dla chatgpt.com. Popularna heurystyka blockerów psuje wszystkie popupy konektorów ChatGPT, w tym nasz, a blokada dzieje się całkowicie na stronie ChatGPT.

Jeśli wolisz skrypt, ścieżka REST wymaga dokładnie dwóch wywołań z tokenem API (plan Business):

POST https://app.quickchat.ai/v1/api/ai_actions/remote_mcp
Authorization: Bearer YOUR_API_TOKEN
{"name": "DeepWiki", "remote_mcp_url": "https://mcp.deepwiki.com/mcp", "headers": [], "allowed_tools": []}

PATCH https://app.quickchat.ai/v1/api/ai_actions/ACTION_ID
Authorization: Bearer YOUR_API_TOKEN
{"is_active": true}

Utworzenie zwraca akcję z włączonym default_tool_is_active, więc narzędzia wykryte w czasie odpowiedzi działają od razu. Potem zawęź whitelistę w dashboardzie albo przekaż allowed_tools jawnie.

Wdrożenie na produkcję

Gdy Agent zachowuje się poprawnie w AI Preview, a Inbox pokazuje oczekiwane wywołania, wdroż go.

Akcja MCP należy do Agenta, nie do kanału, więc to samo narzędzie działa w widżecie na twojej stronie, WhatsApp, Discord, Slack i wszędzie indziej, gdzie umieścisz Agenta. Pamiętaj, że każda rozmowa, w tym te uruchamiane w AI Preview podczas testów, liczy się do miesięcznych AI messages twojego planu.

Jeden protokół, trzy kierunki

“MCP” pojawia się w Quickchat AI w trzech różnych miejscach, a ich mieszanie to najczęstsze źródło nieporozumień, które widzimy w rozmowach wsparcia. Ten poradnik dotyczył pierwszego wiersza:

Jeden protokół, trzy kierunki. Ten poradnik to górna ścieżka. Pozostałe dwa wiersze mają własne poradniki.

Podłączenie Agenta do serwera daje mu narzędzia na żywo, co właśnie zbudowaliśmy. Kierunek odwrotny, wystawienie Agenta jako serwera MCP, pozwala ChatGPT, Claude i Cursor wywoływać twojego Agenta jako narzędzie i odpowiadać z twojej bazy wiedzy. A zarządzanie kontem przez MCP to ścieżka budowania z AI z poprzedniej sekcji, skierowana na twój dashboard zamiast odwiedzających.

Powiązane poradniki

Ten sam mechanizm AI Actions łączy Agenta z dowolnym narzędziem albo API. Inne instrukcje krok po kroku:

• Zwiększ niezawodność akcji swojego AI Agenta, dyscyplina strojenia w szczegółach
• Podłącz swojego AI Agenta do Google Sheets
• Podłącz swojego AI Agenta do HubSpot

Więcej o samym protokole: GPT Actions kontra MCP, MCP kontra zwykłe API HTTP i API dla AI agentów.

Najczęściej zadawane pytania

Czym jest zdalny serwer MCP i czym różni się od lokalnego?

Zdalny serwer MCP to serwer narzędzi dostępny przez HTTPS pod publicznym adresem URL, uruchamiany przez kogoś innego, bez instalowania czegokolwiek. Konsumenckie aplikacje AI, takie jak ChatGPT i Claude, pokazują te same serwery jako konektory w swoich ustawieniach. Lokalny serwer MCP to proces działający na twoim komputerze, z którego mogą korzystać tylko klienci na tym komputerze. Hostowany AI agent obsługujący klientów potrzebuje wariantu zdalnego: stałego adresu URL, który może wywoływać z chmury w każdej rozmowie.

Czy MCP używa HTTP? Co stało się z SSE?

Tak. Od rewizji specyfikacji 2026-07-28 zdalny serwer MCP jest zwykłym, bezstanowym endpointem HTTPS używającym streamable HTTP, a starszy transport HTTP-plus-SSE jest przestarzały i ma okno migracji. W praktyce wklejasz jeden URL. Quickchat AI obsługuje streamable HTTP i nadal wraca do SSE dla starszych serwerów, których ścieżka URL kończy się na /sse.

Skąd mój AI agent wie, jakie narzędzia oferuje serwer MCP?

Pyta serwer. MCP definiuje żądanie tools/list: klient łączy się z adresem URL serwera, a serwer odpowiada nazwą, opisem i schematem wejścia każdego narzędzia. W Quickchat AI to wykrywanie uruchamia się przy podłączaniu, więc narzędzia pojawiają się jako lista przełączników, a agent ponownie odczytuje listę narzędzi na żywo w czasie odpowiedzi.

Czy mogę podłączyć serwer MCP bez pisania albo hostowania kodu?

Tak. Podłączenie to kliknięcie w katalogu albo wklejenie URL oraz włączenie wybranych narzędzi. Wszystko w tym poradniku to wartości do skopiowania i wklejenia, nie ma kodu do napisania, hostowania ani wdrożenia w żadnym planie.

Czy to jest darmowe?

Tak. Akcje MCP są dostępne w każdym planie Quickchat AI, w tym darmowym, a podłączony serwer MCP liczy się jako jedna akcja w limicie 15 AI Actions na agenta. Tworzenie tokenów API dla ścieżki REST to jedyny element wymagający planu Business.

Czy potrzebuję OAuth, czy są serwery MCP bez uwierzytelniania?

Istnieją oba typy. Serwery dokumentacji i wyszukiwania, takie jak DeepWiki, Context7 i Microsoft Learn, są otwarte: wklejasz URL i masz połączenie. Serwery powiązane z kontem, takie jak Calendly, Notion albo Stripe, używają OAuth: zamiast wklejać klucz, otwiera się popup, zatwierdzasz dostęp, a Quickchat AI zapisuje tokeny. Zwykły klucz API w nagłówku połączenia też działa dla serwerów, które go używają.

Podłączyłem serwer MCP. Jak mam go faktycznie używać?

Powiedz agentowi, kiedy ma po niego sięgać. Dodaj do AI Main Prompt jeden akapit wskazujący sytuacje, w których narzędzie pomaga, oraz wartości, które powinno przekazywać, a potem zadaj pasujące pytanie w AI Preview. Połączenie daje agentowi możliwość, prompt daje mu okazję.

Dlaczego mój agent nie wywołuje narzędzia MCP?

Prawie zawsze z jednego z trzech powodów: narzędzie jest wyłączone w panelu Tools akcji, główny prompt nigdy nie mówi agentowi, kiedy ma go użyć, albo zadane pytanie ma już odpowiedź w bazie wiedzy, więc agent nie ma powodu wychodzić na zewnątrz. Najpierw sprawdź panel Tools, potem dodaj jawne wskazówki do promptu, a następnie przetestuj pytaniem, na które baza wiedzy na pewno nie może odpowiedzieć.

Ile serwerów MCP powinienem podłączyć do jednego agenta?

Mniej, niż myślisz. Opis każdego włączonego narzędzia jest ładowany dla modelu przy każdej odpowiedzi, a opublikowane testy pokazują, że wybór narzędzi pogarsza się wraz ze wzrostem liczby narzędzi: niemal idealna trafność przy około 20 narzędziach załamuje się całkowicie powyżej 100. Praktycy zwykle kończą z kilkoma serwerami na agenta. Podłącz jeden lub dwa serwery, których agent naprawdę potrzebuje, i włącz tylko narzędzia, których używasz.

Jak ograniczyć, co może zrobić podłączony serwer MCP?

Włącz tylko narzędzia, których agent potrzebuje, w panelu Tools, i wyłącz Default tool activation, aby narzędzie dodane później przez serwer pozostało wyłączone do czasu, aż je sprawdzisz. Agent nigdy nie może wywołać narzędzia, którego nie włączyłeś. Trzymaj dane uwierzytelniające w nagłówkach połączenia, nie w prompcie, a naprawdę wrażliwe operacje zapisu chroń przez API Action z warunkiem uruchomienia zamiast przez narzędzie MCP.

Czy ChatGPT albo Claude mogą zbudować tę konfigurację Quickchat AI za mnie?

Tak. Podłącz swoją aplikację AI do własnego serwera MCP Quickchat AI z dashboardu, a potem poproś ją o utworzenie agenta, napisanie bazy wiedzy, podłączenie serwera MCP i uruchomienie testów. Jest też ścieżka REST: utworzenie akcji MCP to jeden POST i jeden PATCH z tokenem API.

Co się stanie, jeśli serwer MCP jest wolny albo przestanie działać w trakcie rozmowy?

Rozmowa się nie zawiesi. Quickchat AI ogranicza każdy serwer krótkimi timeoutami: 10 sekund na połączenie i 20 sekund na odczyt, w ramach 20-sekundowego budżetu na serwer dla każdej odpowiedzi. Nieudane albo przeterminowane wywołanie wraca do modelu jako błąd, więc agent odpowiada bez narzędzia i wyjaśnia, czego nie mógł sprawdzić. Inbox zapisuje nieudane wywołanie.