MCP servers: real tools के साथ AI को extend करना

Large language models smart हैं। वो reason, write, analyze और create कर सकते हैं। लेकिन वो isolated भी हैं। By default, एक LLM आज का weather नहीं देख सकता, आपका database check नहीं कर सकता, web search नहीं कर सकता या आपके computer से एक file नहीं पढ़ सकता। यह सिर्फ वो जानता है जो उसके training data में था और जो आप prompt में paste करते हैं।

MCP — Model Context Protocol — वो change करता है। यह AI models को external tools से connect करने के लिए एक standard है। इसे AI के लिए USB के रूप में सोचें: एक universal plug जो किसी भी model को किसी भी tool का use करने देता है, जब तक दोनों protocol speak करते हैं।

MCP कैसे काम करता है

Flow simple है:

Key insight: LLM decide करता है कब एक tool use करना है। आप ऐसा code नहीं लिखते जो कहे “अगर user GitHub के बारे में पूछे, तो GitHub API call करो।” Model user's intent समझता है, recognize करता है कि उसे external data चाहिए, appropriate MCP server call करता है, result पाता है, और उसे अपने response में incorporate करता है।

यही MCP को powerful बनाता है — और यही इसे traditional API integrations से अलग बनाता है जहाँ एक developer को हर possible workflow anticipate करना पड़ता है।

कौनसे MCP servers exist करते हैं

Zubnet पर 117 MCP servers available हैं। यहाँ categories और कुछ highlights हैं:

Development tools

• GitHub — repos search, issues create/read/close, PRs list, file contents read, branches create
• GitLab — GitHub के जैसा, GitLab-hosted projects के लिए
• Linear — issues create और manage, project status read
• Sentry — errors search, stack traces read, issues resolve

Databases

• PostgreSQL — अपने Postgres DB के against read queries execute करें
• MySQL — MySQL/MariaDB के लिए same
• SQLite — local SQLite files query करें
• Redis — keys read, patterns scan

Search और research

• Brave Search — tracking के बिना web search
• Exa — web पर semantic search
• ArXiv — academic papers search
• Wikipedia — encyclopedic knowledge query करें

File systems और storage

• Filesystem — specified directory में files read, write, list और search
• Google Drive — Drive से documents search और read
• S3 — AWS S3 buckets से objects list और read

Communication

• Slack — channels read, messages send, history search
• Discord — servers में messages read और send
• Email — IMAP/SMTP के through emails read और draft करें

Data और APIs

• Fetch — किसी भी URL पर HTTP requests करें
• Puppeteer — web pages browse करें, screenshots लें, content extract करें
• Google Maps — geocoding, directions, place search

हमारे MCP Store पर full list browse करें।

Claude Desktop के लिए configuration

Claude Desktop natively MCP support करता है। एक server connect करने के लिए, आप Claude's config file में उसकी configuration add करते हैं। Zubnet के MCP Store पर हर server में इस exact config के लिए एक one-click copy button है।

Config file यहाँ रहती है:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

दो MCP servers वाली एक config ऐसी दिखती है:

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_your_token_here"
      }
    },
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "your_brave_key_here"
      }
    }
  }
}

File save करें, Claude Desktop restart करें, और tools automatically appear हो जाते हैं। Claude उन्हें तब use करेगा जब वो आपकी conversation के लिए relevant हों।

Cursor के लिए configuration

Cursor (AI code editor) भी MCP support करता है। Config आपके project की .cursor/mcp.json file में जाती है:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y", "@modelcontextprotocol/server-filesystem",
        "/path/to/your/project"
      ]
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "POSTGRES_CONNECTION_STRING": "postgresql://user:pass@localhost/mydb"
      }
    }
  }
}

यह Cursor के AI को आपकी project files read करने और आपका database query करने की क्षमता देता है — जो इसे आपके codebase को समझने और आपके data के बारे में questions answer करने में dramatically बेहतर बनाता है।

Zubnet पर configuration

Zubnet platform पर चलने वाले agents के लिए, MCP servers configure करना और भी simple है:

1. MCP Store पर जाएँ

2. जो server चाहिए उसे find करें (जैसे GitHub)

3. “Activate” पर click करें

4. Required configuration enter करें (API keys, URLs, etc.)

5. अपने agent से connect करें

Server हमारे infrastructure पर चलता है। कोई local installation नहीं, कोई npx नहीं, कोई Node.js required नहीं। बस काम करता है।

Config schemas: हर server को क्या चाहिए

हर MCP server को कुछ configuration चाहिए। Most common patterns:

AI tools use करने का decide कैसे करती है

यह वो part है जो magic feel करता है। आप rules नहीं लिखते। LLM figure out करता है।

जब आप पूछते हैं “GitHub पर हमारे कौनसे open issues हैं?”, तो model recognize करता है कि:

1. यह ऐसे data की जरूरत है जो उसके पास नहीं है (आपके specific GitHub issues)
2. एक GitHub tool available है
3. list_issues function state=open के साथ correct call है

यह tool call construct करता है, MCP server को send करता है, JSON response पाता है, फिर उसे natural language में summarize करता है।

Multi-step tasks के लिए, model tool calls chain करता है। “सबसे ज्यादा-commented open issue find करो और #dev-chat Slack पर एक summary post करो” involve कर सकता है:

1. github.list_issues(state=open, sort=comments)
2. github.get_issue(number=142) (full details के लिए)
3. slack.post_message(channel=#dev-chat, text=...)

तीन tool calls, automatically orchestrated। कोई code नहीं लिखा गया।

Security considerations

अपना खुद का MCP server build करना

MCP spec open है। अगर आपको चाहिए वो tool अभी exist नहीं करता, आप उसे build कर सकते हैं। एक MCP server एक program है जो:

1. अपने available tools declare करता है (name, description, parameter schema)
2. Tool call requests handle करता है
3. Structured results return करता है

Official SDK TypeScript और Python में available है। TypeScript में एक minimal server लगभग 50 lines of code है। Spec और SDKs modelcontextprotocol.io पर हैं।

अगर आप एक server build करते हैं जो दूसरों को useful लगे, तो उसे MCP ecosystem पर publish करने पर consider करें। Community हर week grow करती है।

MCP vs. regular API calls कब use करें

MCP हमेशा सही answer नहीं है। इसे तब use करें जब:

• आप चाहते हैं AI decide करे कब external services call करनी हैं (dynamic, user-driven workflows)
• आप agents build कर रहे हैं जिन्हें tool access चाहिए
• आप कई tools में एक standard interface चाहते हैं (एक protocol, 117 servers)

Regular API calls तब use करें जब:

• Flow deterministic है (हमेशा इस API को call करो, फिर वो)
• आपको हर request पर precise control चाहिए
• Performance critical है और आप LLM decision loop afford नहीं कर सकते

---

हमारे MCP Store पर 117 MCP servers browse करें। Claude Desktop और Cursor के लिए one-click configurations। या अपने Zubnet agents के लिए directly activate करें।