שרת MCP

כל אפליקציית Agent-Lab כוללת שרת Model Context Protocol הבנוי על FastMCP, ומעוגן בנתיב /mcp (Streamable HTTP, ללא מצב). לקוחות MCP — Claude Desktop, סביבות פיתוח, הסוכנים שלך — יכולים לגלות את הסוכנים של האפליקציה, לקרוא את היסטוריית השיחות ולשוחח עם סוכנים ישירות. השרת ורכיבי הרישום של הכלים והפרומפטים שלו משתתפים באותו מנגנון גילוי כמו הסוכנים: scan_packages וקבוצת ה-entry point agent_lab.agents.

מה השרת חושף

שלישיית הפרומפטים חושפת את פרומפטי המערכת המוגדרים כברירת מחדל לכל סוג סוכן, עם אפשרות לעקיפה ברמת ה-tenant באמצעות agent_type + setting_key.

ניסיון עם MCP Inspector

מפעילים את MCP Inspector ומתחברים לאפליקציה (לדוגמה http://localhost:18000/mcp, transport: Streamable HTTP):

npx @modelcontextprotocol/inspector

ניגשים לקונסולת הרשת (משתמשים בקישור ה-proxy שמודפס בקונסולה).

חיבור Claude Desktop

הערה: Claude Desktop משמש כאן להדגמה בלבד. פרויקט זה אינו קשור ל-Anthropic AI.

1. מתקינים את הגשר mcp-proxy שבו Claude Desktop משתמש כדי להגיע לשרתי HTTP מרוחקים:

   pip install mcp-proxy

2. פותחים את Settings → Developer → Edit Config ועורכים את claude_desktop_config.json (מתאימים את נקודת הקצה להתקנה שלך; סביבת ה-Python חייבת לכלול את mcp-proxy):

3. מפעילים מחדש את Claude Desktop ונכנסים שוב ל-Settings → Developer — Agent-Lab אמור להופיע:

4. מנסים: מבקשים מ-Claude להציג את רשימת הסוכנים, לשלוף את היסטוריית השיחות של מופע סוכן מתכנת בפיקוח, או להציג קטע קוד שהסוכן יצר קודם לכן:

OpenAI Responses API

כלי ה-Model Context Protocol (MCP) המתארח ב-Responses API מקל על החיבור לשירותים חיצוניים: מגדירים את המודל פעם אחת כך שיפנה לשרת MCP — והוא משמש כמארח כלים מרכזי. (מקור: MCP Tool Guide)

מחברת שמדגימה את האינטגרציה של OpenAI Responses API עם שרת ה-MCP של Agent-Lab זמינה בכתובת notebooks/11_mcp_client-openai-responses.ipynb.

הוספת כלים ופרומפטים משלך

הכול מתגלה באותה דרך שבה מתגלים הסוכנים — מעטרים, ו(עבור צרכני הספרייה) מוודאים שהחבילה שלך נמצאת ב-scan_packages או מתפרסמת דרך קבוצת ה-entry point agent_lab.agents.

כלי — פונקציה אסינכרונית רגילה; הפרמטר הראשון שלה, container, מוזרק מקונטיינר ה-DI ומוסתר מהלקוחות:

from agent_lab import discoverable_mcp_tool


@discoverable_mcp_tool(
    "my_hello_tool",
    description="Returns a friendly greeting.",
    annotations={"readOnlyHint": True},
)
async def hello_tool(container, name: str) -> str:
    return f"Hello, {name}!"

פרומפט — נחשף בשלישיית הפרומפטים המלאה (כלי / prompts/get / משאב prompt://):

from agent_lab import discoverable_mcp_prompt


@discoverable_mcp_prompt("my_greeting_prompt")
def greeting_prompt() -> str:
    return "Greet the user warmly and briefly."

מתקדם — תת-מחלקה מלאה של McpRegistrar (או PromptSetRegistrar) עבור קבוצות מותאמות של כלים/פרומפטים/משאבים, באמצעות @discoverable_mcp_registrar(extra_deps=(...)). כדי להוסיף הנחיות MCP ללקוחות, מעבירים מקטעים בזמן ההרכבה:

app = create_app(mcp_instructions=["Extra guidance for MCP clients."])

דוגמה מלאה כלולה בשלד (mcp/tools.py, mcp/prompts.py) — ראו הסוכן הראשון שלך.

אימות

כשהאימות מופעל, לקוחות MCP מאמתים את עצמם דרך OAuth proxy המגובה ב-Keycloak: אימות JWT מול ה-JWKS של ה-realm (scopes openid, profile, email), ואחסון לקוחות OAuth ב-Redis (מוצפן). האפליקציה מפרסמת את נקודות הקצה הסטנדרטיות של המטא-נתונים (/.well-known/oauth-protected-resource/mcp, /.well-known/oauth-authorization-server/mcp), כך שלקוחות תואמים יכולים להגדיר את עצמם באופן אוטומטי.