Vedeli sme, že FlowHunt potrebuje MCP server, a nemysleli sme si, že nám pomôže veľa. Nakoniec nám pomohol najviac.
Hlavné poznatky
- Vždy sme vedeli, že FlowHunt potrebuje MCP server. Videli sme ho ako funkciu, ktorú používatelia očakávajú, a boli sme si istí, že nám ako vývojárom nebude ničím pomáhať. To sa ukázalo ako nesprávne.
- Agent pripojený k MCP serveru nemôže vidieť kód. Vidí len nástroje a ich odpovede, takže testuje aplikáciu ako by to robil používateľ. V našich testoch pred spustením našiel spustenia, ktoré hlásili nulovú cenu, hromadné akcie, ktoré hovorili „úspech" na identifikátoroch, ktoré neexistovali, a skupinu 11 riadkov, ktorá hlásila 16 hotových. Všetky sme opravili pred spustením servera.
- Tiež nám to ukázalo, kde náš dizajn nezodpovedal tomu, ako agent o ňom uvažuje. Šesť agentov vytváralo toky, všetkých šesť zlyhalo pri prvom volaní, pretože sa pomýlili na názve argumentu.
- Vytváranie s agentom na kódovanie bolo dosť rýchle, pretože naše API už existovalo. Väčšina diela bola rozhodovanie, čo vystaviť a ako to bezpečne vystaviť.
- Oba servery sú spustené: AmICited pre SEO, GEO a AEO a AI Studio pre automatizáciu, kde váš agent vytvára toky z vedomostí v našej Agents Library. Kroky pripojenia sú na konci.
Prečo vytvoriť MCP server, ak vaša aplikácia už má API?
MCP server vystavuje vašu aplikáciu agentom AI cez Model Context Protocol , otvorený štandard, ktorý umožňuje MCP klientovi ako Claude, ChatGPT alebo Cursor objaviť vaše nástroje a volať ich. Ak ste nováčik, náš sprievodca k čo je MCP server pokrýva základy.
Po dlhú dobu FlowHunt nemal správny MCP server. Každá populárna aplikácia sa zdala, že dodáva jeden, a my sme mali tu a tam beta verziu, ale nikto si neurobil čas, aby ju skončil.
Vedeli sme, že ho potrebujeme. S AmICited to bolo zrejmé, pretože ľudia chcú spýtať agenta „ako je moja značka citovaná v AI vyhľadávaní tento týždeň" bez otvorenia paluba. AI Studio, náš vizuálny tvorca tokov, potreboval jeden tiež. Videli sme ho len ako zaškrtávacia políčka: niečo, čo používatelia očakávajú, stojí za to mať, nič zvláštne. A boli sme si istí, že to nám ako vývojárom nič neprinieslo. Bolo by to len ďalšie API povrchie, ktoré by sa malo udržiavať.
Opak sa ukázal ako pravdivý. MCP server sa stal jednou z najužitočnejších vecí, ktoré sme v roku 2026 vytvárali, a ľudia, ktorým pomohol najviac, boli my.
Pripravení rozšíriť svoje podnikanie?
Začnite svoju 30-dňovú skúšobnú verziu ešte dnes a vidzte výsledky behom pár dní.
Ako vytvoriť MCP server pre existujúcu aplikáciu
Ak už máte aplikáciu, už máte väčšinu MCP servera. Funkcie a API trasy existujú. Čo zostáva, je väčšinou rozhodovanie a agenta na kódovanie ich rýchlo. Pre samotný kód (inštalácia SDK, definovanie nástroja, spustenie servera) pozrite si náš sprievodca vývojom MCP servera .
Premeňte vaše API trasy na MCP nástroje
- Požiadajte agenta, aby vypísal každú funkciu a API trasu, ktorú má aplikácia.
- Rozhodnite sa, ktoré z nich by mal agent vedieť používať. Pre nás to bolo takmer všetko, čo môže používateľ robiť na palube.
- Nechajte agenta obaľovať každú ako nástroj: názov, popis napísaný slovami, ktoré by používateľ hľadal, a volaním existujúceho koncového bodu.
- Urobte bezpečnostnú prácu.
- Pošlite server do adresárov konektorov Anthropic a ďalších poskytovateľov AI, aby ho ľudia našli tam, kde už hľadajú.
Naše MCP nástroje sú tenké obaly. Každý volá existujúci koncový bod a vracia jeho existujúcu odpoveď, takže agent môže zoznamovať toky, čítať canvas toku, upravovať ho, spúšťať ho a čítať výsledok. Oprávnenia a kontroly kreditu sú pod týmto obaľom, takže agent dostáva presne práva, ktoré má používateľ na palube.
Zabezpečte MCP server
Bezpečnostná práca vyžadovala najviac premýšľania a stále to bola záležitosť zameraných sedení s Claude, nie týždňov. V týchto sedeniach sme:
- presunuli prihlasovanie na OAuth, s grantmi, ktoré používateľ vidí a môže ich odvolať z paluba
- viazali každé pripojenie na jeden workspace, takže žiaden nástroj nepreberá ID workspace, ktorý by agent mohol zmeniť
- limitovali veľkosti importu a paralelizmus
- označili každý nástroj, ktorý zapisuje údaje, a príznaky na vymazanie a čokoľvek, čo vynakučuje peniaze ako deštrukčné
Nič z toho nie je exotické. Je to rovnaký zoznam, ktorý by ste spustili na akomkoľvek verejnom API. Claude bol dobrý pri hľadaní miest, kde sme jeden vynechali. Náš zoznam bezpečnosti MCP a príspevok o autentifikácii MCP s OAuth idú hlbšie.
Ako sa testovanie MCP servera líši od jednotkových testov?
Toto som nevidel prichádzať.
Keď agenti kódujú kód pre vás, väčšinou testujú kód. Spúšťajú jednotkové testy. Niekedy robia overovací pass alebo klikaním cez webové rozhranie v prehliadači. To všetko kontroluje, že kód robí, čo kód hovorí. Nič z toho nekontroluje, či osoba alebo agent môže skutočne realizovať svoju prácu s produktom.
MCP server to mení. Agent pripojený k nemu nemôže vidieť zdroj. Vidí len nástroje, ich popisy a odpovede, ktoré vracajú. To je rovnaká pozícia ako skutočný používateľ, takže keď agent používa MCP server, testuje aplikáciu.
Čo agenti našli pred spustením
Náš test čiernej skrinky pred spustením robil presne to. Dali sme agentom úlohy a nechali sme ich používať AI Studio cez MCP server na našom internom testovacom prostredí a našli problémy, ktoré nebol chytil žiaden jednotkový test:
- Skončené spustenie hlásilo náklady na nulu, hoci vynaložilo kredity.
- Hromadné akcie povedali „úspech" na ID, ktoré neexistovalo.
- Skupiny 11 riadkov hlásili 16 riadkov hotových, pretože opakované kroky počítali hotové riadky druhýkrát.
- Zastavené spustenie vyzeralo, že stále beží, a tak to bolo navždy.
- Zmena odpovede FAQ neaktualizovala jej alternatívne otázky.
- Nástroje prijímali nastavenia, ktoré produkt nemôže používať, napríklad názov modelu, ktorý nie je v katalógu, a uložili si ich bez sťažnosti.
Žiadne z týchto sa nedostali k našim používateľom. Interné testovanie ich našlo a opravili sme ich pred spustením servera. Jednotkové testy prešli bez všimnutia každého z nich a osoba, ktorá klikla cez používateľské rozhranie, by ich mohla ľahko zmeškať, obnovila stránku alebo sa pokrčila nad nepárnym číslom. Agent nie. Berie odpoveď za čistú hodnotu a robí nasledujúcu vec nesprávne, čo vám presne ukáže, kde bola odpoveď nesprávna.
Prihláste sa na newsletter
Získajte najnovšie tipy, trendy a ponuky zadarmo.
Aké medzery v dizajne nástroja agenti odhalili?
Druhý typ nálezov bol zaujímavejší. To neboli chyby. Boli to medzery medzi tým, ako sme navrhli nástroj a ako sa agent skutočne pokúsil ho používať.
Názvy argumentov, ktoré agent uhádne
V jednom teste šesť agentov každý vytváralo tok cez MCP server. Všetkých šesť zlyhalo pri prvom volaní na vyhľadanie komponenty, pretože uhádli, že argument sa volá type a my sme ho pomenovali component_type. Jeden agent strávil asi desať volaní hľadaním Google vyhľadávania, pretože náš vyhľadávač umiestnil krok „Search Received Orders" z integrácie ERP vyššie ako „Google Search Retriever" keď ste zadali „search".
Nikdy by ste to nepustili v revízii kódu, pretože kód bol správny. Nástroj robil, čo povedal. Len sa to nezhodovalo s tým, čo by ktokoľvek rozumne skúšal ako prvé. Takže sme premenovať argumenty na mená, ktoré vyhľadávací výsledky vracajú, a zoradili sme vyhľadávané výsledky podľa toho, ako sa zhodujú. Agenti prestali zakopávať sa.
Playbooks testované rovnakým spôsobom
Napísali sme aj krátke playbooks, podávané cez MCP server ako zručnosti, ktoré agentovi hovoria, ako vytvoriť dobrý tok: najskôr skontroluj knižnicu, testuj návrh pred publikovaním, udržuj zábezpeky mimo konečnej odpovede. Potom sme testovali playbooks rovnakým spôsobom. Čerství agenti rekonštruovali rovnaké úlohy len s playbook na čítanie a oddelený model ohodnotil výsledky bez vedenia, ktorý bol ktorý. S konečným playbook sa tvorcovia skončili zhruba v tretine času, ktorý vzali s návrhom. Spustenia tiež odhalila medzery v samotnom playbook, napríklad to, že vyhľadávanie nemá filter data, pokiaľ do dotazu neumiestníte after:YYYY-MM-DD. To sa vrátilo späť do textu.
To je spätná väzba, ktorú sme nikdy predtým nemali. Agent používa aplikáciu, počká niekde konkrétne, a my to miesto opravíme.
Ako MCP server mení revízii pull requestu
Revízia pull requestu je teraz iná. Predtým, verifikácia zmeny znamenala čítanie diffu, spustenie testov a možno kliknutie cez rozhranie. Teraz je scenár testovania veta: „pripoj sa k MCP serveru, vytvára tok, ktorý robí X, spusti ho, skontroluj náklady." Agent riadi skutočnú aplikáciu a výsledok je niečo, čo môžete vložiť do pull requestu ako dôkaz.
Scenáre sa stali jasnejšími, pretože sú napísané ako úlohy používateľa, nie ako testovací funkcie. Tiež stoja menej tokenov. Riadenie aplikácie cez MCP nástroje je oveľa lacnejšie ako to, aby agent čítal snímky obrazovky a hľadal tlačidlá v prehliadači. A nájdu medzery medzi funkciami, čo je miesto, kde väčšina našich skutočných problémov skrývala.
Čo MCP server mení pre vašich používateľov
FlowHunt je veľká aplikácia. AI Studio sama má toky, agentov, chatboty, vedomostné základy, plány, dávky, integrácie a viac ako tisíc komponentov. AmICited má svoju dlhú zoznam správ. Veľa ľudí to považuje za ťažké začať. Aj ľudia, ktorí začínajú, vynechajú funkcie alebo ich nájdú omylom mesiacov neskôr.
S MCP serverom to znamená oveľa menej. Povieš svojmu agentovi, čo chceš, a agent nájde nástroj, ktorý to robí. Číta popis, vie, ktorá funkcia sedí a používa ju. Okrem kopírovania URL pripojenia sa nemusíte otvoriť palubou. Ľudia skončia používaním väčšieho množstva toho, čo môže produkt robiť, a myslím si, že ho viac oceňujú, pretože ho skutočne vidia všetko.
Ako pripojiť FlowHunt a AmICited MCP servery
Oba servery sú spustené a chcel by som, aby všetci ich skúsili: spoločnosti, agentúry, marketingové tímy, zakladatelia, ktorí si robia vlastné SEO. Pripojíte agenta, ktorého už používate, prihlásite sa, vyberiete si workspace a začnete sa pýtať.
AmICited MCP server pre SEO, GEO a AEO
AmICited sleduje, ako vás AI vyhľadávače citujú, a spája Search Console, GA4, audity stránok, spätné odkazy, konkurentov, reklamné platformy a modely marketingového mixu. Cez MCP môže váš agent používať všetko. Server tiež dodáva 29 playbooks, ktoré agent môže čítať, napísané podľa toho, ako sami spúšťame tieto analýzy: triage poklesu premávky, audit viditeľnosti AI, analýza medier konkurentov, čistenie kanibalizácie, revízia zadarmo reklamy, „fungovalo naša zmena", a viac. Zadáte otázku v jednoduchých slovách a agent nasleduje playbook, ktorý sedí:
- „Prečo organická premávka klesla minulý týždeň?"
- „Ktoré výzvy citujú mojich konkurentov, ale nie nás a aký obsah by to napravil?"
- „Ktoré reklamné kampane vynakličú peniaze bez konverzie?"
- „Audituj stránku a povedz mi päť opráv, ktoré sa oplatí robiť."
Nemusíte vedieť, ktorá správa obsahuje odpoveď. Agent to vie.
FlowHunt AI Studio MCP server pre automatizáciu pracovného toku
Túto čásť ma prekvapilo najviac. FlowHunt Agents Library má 264 publikovaných tokov, ktoré sme vytvárali a zdokoňovali počas rokov a zákazníci si niektorých z nich najímajú každý deň. Destilovali sme, čo robí tie toky pracovať do playbook, ktorý MCP server predáva vášmu agentovi, vážený v smere 28 tokov, ktoré si zákazníci najímajú najviac. Takže keď požiadate vášho agenta, aby niečo automatizoval, nezačína z prázdného plátna. Skontroluje knižnicu na blízku šablónu, prečíta si, ako je ten tok postavený (nástroje, výzva, formát výstupu, zábezpeky), aplikuje vzor na vašu úlohu, testuje návrh a až potom ho publikuje.
V praxi popíšete prácu a dostanete funkčný tok, ktorý používa roky našich vedomostí:
- „Každé ráno zhrnúť novinky o našich konkurentoch a poslať ich na Slack."
- „Prečítajte si nové lístky podpory, odpoveďte na tie, ktoré vedomostná základňa pokrýva, a označte zvyšok."
- „Vytvorte chatbot pre našu stránku s cenami, ktorý odpoveda z našich dokumentov."
Týmto spôsobom môžete vytvoriť zložité toky: agenti, ktorí volajú iných agentov, smerovače, plánované spustenia, dávky cez tabuľku. Taký tok trval chvíľu naučiť sa vo vizuálnom editore. Váš agent sa tam dostane za minúty a stále môžete otvoriť plátno potom, aby ste videli, čo postavil.
Pripojte sa v Claude Code, Claude alebo ChatGPT
Pripojenie trvá minútu. Pridajte server k ľubovolnému MCP klientovi, ktorý podporuje vzdialené servery. V Claude Code spustite:
claude mcp add --transport http flowhunt-aistudio https://api.flowhunt.io/mcp/aistudio
claude mcp add --transport http flowhunt-amicited https://api.flowhunt.io/mcp/amicited
V Claude a ChatGPT pridajte rovnakú URL ako vlastný konektor. Váš klient otvára stránku prihlásenia, vyberiete si workspace a agent vidí len ten workspace. Vidíte a môžete kedykoľvek odvolať pripojených klientov z paluba. Dokumentácia k pripojeniu má kroky pre každého klienta.
Plány a ceny
Agenta môžete pripojiť na 7-dennej skúške a na plánoch Pro, Agency a Enterprise pricing . Starter nezahŕňa prístup MCP. Na AI Studio sú volania MCP samotné bezplatné, až do hodinového limitu, ktorý závisí od vášho plánu: 120 volaní na skúške, 600 na Pro, 2 000 na Agency a bez limitu na Enterprise. Čokoľvek, čo vynakučuje kredity na palube, ako spustenie toku, vynakúva rovnaké kredity cez MCP. Na AmICited každá požiadavka MCP stojí 0,001 kreditu, takže tisíc požiadaviek stojí jeden kredit.
Ďalšie kroky: vytvorte MCP server a skúste nás
Ak vlastníte aplikáciu, vytvorte MCP server. Urobte to aj keď si myslíte, že je to len funkcia pre používateľov a neurobí to nič pre vašich vývojárov. My sme si to mysleli a mali sme nesprávnosť. Je to tesťovací klient, ktorý používa váš produkt ako by to robil cudzinec, a hlási všetko, čo je mätúci názov argumentu, zlé číslo a každé „úspech", ktoré nebolo. Ak už máte API, vytváranie je rýchle a bezpečnostná práca je niekoľko zameraných sedení, nie projekt.
Ak pracujete na marketingu, SEO alebo operáciách, pripojte svojho agenta k FlowHunt a AmICited a dajte mu skutočnú úlohu z vášho týždňa. Nájdete funkcie, o ktorých ste nevedeli, že máme, a nebudete musieť sa naučiť palubou, aby ste ich používali.
MCP servery nie sú len pre vašich používateľov. Sú to jeden z najlepších nástrojov, ktoré môžu mať vaši vývojári. A pre vašich používateľov sú najrýchlejší spôsob, ako dostať čo najviac z vášho produktu.
