O nasUsługiProjektyArtykuły
← Powrót do usług

Agenci AI i integracja z serwerami MCP: modele językowe podłączone do systemów, które już Państwo eksploatują

Demonstracje zawsze działają. Pilotaż, który streszczał dokumentację, robił wrażenie, prototyp odpowiadający na pytania klientów wyglądał na gotowy, a potem spotkał prawdziwy CRM, prawdziwy model uprawnień i prawdziwe dane, i przestał być gotowy.

Ta różnica to właśnie praca. Nie model (model jest dziś najłatwiejszą częścią) tylko wszystko między modelem językowym a systemem, który ma własne zdanie na temat uwierzytelniania, limitów zapytań, wielodostępności i tego, kto co może zobaczyć.

Co budujemy

Serwery MCP dla Państwa systemów wewnętrznych

Model Context Protocol to otwarty standard udostępniania narzędzi i danych asystentom AI w sposób jednolity dla różnych klientów. Stał się praktyczną odpowiedzią na pytanie „jak pozwolić asystentowi korzystać z naszych systemów bez pisania osobnej integracji dla każdego asystenta".

Budujemy produkcyjne serwery MCP nad tym, na czym firma faktycznie stoi: nad CRM-em, systemem zgłoszeń, hurtownią danych, wewnętrznymi API, repozytorium dokumentów, ERP-em. Nie serwer demonstracyjny z zaszytym tokenem, tylko taki z porządnym uwierzytelnianiem, autoryzacją per użytkownik respektującą uprawnienia, które Państwa systemy już egzekwują, izolacją najemców, limitowaniem zapytań, ustrukturyzowanym logowaniem i obsługą błędów, która przy nieudanym wywołaniu mówi modelowi coś użytecznego.

Autorscy agenci i asystenci AI

Agenci, którzy wykonują zadanie od początku do końca: segregują kolejkę przychodzącą, uzgadniają dwa systemy, które się nie zgadzają, przygotowują pierwszą wersję dokumentu zatwierdzanego potem przez człowieka, prowadzą kwerendę po źródłach wewnętrznych i zewnętrznych. Budujemy je razem z nudnymi elementami: ponowieniami, limitami czasu, pułapami kosztów, idempotentnością wszystkiego, co zapisuje, i krokiem akceptacji przez człowieka wszędzie tam, gdzie działanie trudno cofnąć.

Wyszukiwanie po Państwa własnych treściach

RAG zrobiony porządnie: wczytywanie i dzielenie dokumentów według ich struktury, a nie według liczby znaków, embeddingi i wyszukiwanie wektorowe, wyszukiwanie hybrydowe (słowa kluczowe i semantyka, bo czysty wektor gubi trafienia dosłowne) przestawianie wyników oraz odnośniki do źródła, dzięki którym odpowiedź da się sprawdzić. Do tego mniej efektowna połowa: utrzymywanie indeksu w aktualności, gdy dokumenty się zmieniają, i respektowanie kontroli dostępu, żeby wyszukiwanie nigdy nie pokazało dokumentu, którego użytkownik i tak nie mógłby otworzyć.

Automatyzacja procesów i zaplecza

Nie wszystko wymaga agenta. Sporą część tego, czego firmy oczekują od AI, stanowi klasyfikacja, ekstrakcja i kierowanie do właściwego miejsca: odczytanie maila i rozpoznanie, czym jest, wyciągnięcie danych ustrukturyzowanych z nieustrukturyzowanego dokumentu, dopasowanie opisu do pozycji katalogowej. To jest tańsze, bardziej niezawodne i łatwiejsze do oceny niż agent, a gdy taka jest właściwa odpowiedź, budujemy właśnie to.

Ewaluacja, obserwowalność i zabezpieczenia

Funkcja AI bez ewaluacji to funkcja, której nikt nie potrafi poprawić. Budujemy zestawy testowe z Państwa prawdziwych przypadków, mierzymy wobec nich przy każdej zmianie, śledzimy każde wywołanie razem z wejściami, użyciem narzędzi, opóźnieniem i kosztem, i ustawiamy limity, zanim rozbiegana pętla znajdzie Państwa rachunek za API. Prompt injection to realne ryzyko od chwili, gdy agent czyta niezaufaną treść i jednocześnie potrafi działać: projektujemy granicę narzędzi tak, żeby złośliwy dokument nie zamienił się w niszczące działanie.

Jak pracujemy z dostawcami modeli

Nie jesteśmy związani z jednym. Budujemy na modelach Claude od Anthropic, na OpenAI, Google oraz na modelach o otwartych wagach działających na Państwa infrastrukturze, a integrację projektujemy tak, by model był komponentem wymiennym. Który z nich wybrać, zależy od zadania, wymaganego opóźnienia, kosztu wywołania przy Państwa wolumenie i (w Europie coraz częściej decydująco), od tego, dokąd dane wolno wypuścić.

Klientom z ograniczeniami co do miejsca przetwarzania danych wdrażamy rozwiązania w regionach UE albo inferencję na własnym sprzęcie, i uczciwie mówimy, gdzie kosztuje to możliwości.

Czego nie robimy

Nie jesteśmy firmą doradzającą w strategii AI. Nie prowadzimy warsztatów o transformacyjnym potencjale czegokolwiek.

Nie zbudujemy też agenta do problemu, który agenta nie potrzebuje. Znaczącą część projektów AI, o które nas pytają, lepiej rozwiązuje dobrze opisana integracja API, indeks wyszukiwania albo naprawienie leżącego pod spodem problemu z jakością danych. Rekomendowanie tego kosztuje nas większe zlecenie, a Państwu oszczędza system, który trzeba by utrzymywać.

Gdzie to się zwykle opłaca

Wiedza wewnętrzna technicznie dostępna, a praktycznie nieosiągalna: tysiące dokumentów rozrzuconych po wiki, dysku współdzielonym i systemie zgłoszeń, gdzie osoba wiedząca, który z nich jest aktualny, akurat jest na urlopie.

Segregacja przy dużym wolumenie: kolejki wsparcia, przyjmowanie szkód, zapytania sprzedażowe, ocena wniosków. Wszędzie tam, gdzie dziś człowiek coś czyta, rozstrzyga, czym to jest, i przekazuje dalej.

Systemy, które nigdy nie doczekały się integracji: dwa narzędzia, które powinny ze sobą rozmawiać, nie rozmawiają, a obejściem jest człowiek z arkuszem. Agent z dostępem przez MCP do obu bywa krótszą drogą niż formalny projekt integracyjny.

Procesy oparte na dokumentach: umowy, faktury, specyfikacje, sprawozdania regulacyjne. Ekstrakcja z krokiem weryfikacji przez człowieka jest już dziś na tyle niezawodna, że zmienia ekonomikę tych procesów.

Produktywność programistów w Państwa własnym kodzie: narzędzia wewnętrzne, wsparcie przy przeglądach kodu, generowanie testów oraz serwery MCP dające asystentom Państwa zespołu dostęp do systemu budowania, trackera zadań i logów.

Jak przebiega współpraca

Rozpoznanie, tydzień do dwóch. Przyglądamy się procesowi, który ma się zmienić, systemom, których dotyczy, i temu, jak naprawdę wyglądają dane. Efektem jest pisemna ocena tego, co jest wykonalne, ile będzie kosztować miesięcznie przy Państwa wolumenie i jakie są tryby awarii. Czasem wynikiem jest: tego nie budujcie.

Proof of concept, trzy do sześciu tygodni, na prawdziwych danych w kontrolowanym środowisku. Chodzi nie o demo, tylko o wiarygodny wynik ewaluacji, ze zmierzoną skutecznością na przypadkach, które sami Państwo wybrali.

Budowa produkcyjna, zwykle osiem do szesnastu tygodni, wraz z uwierzytelnianiem, autoryzacją, monitoringiem, zestawem ewaluacyjnym, kontrolą kosztów i dokumentacją. Wdrażana w Państwa infrastrukturze, w Państwa repozytorium, z udziałem Państwa zespołu przez cały czas.

Utrzymanie albo przekazanie. Albo Państwa zespół przejmuje rozwiązanie wraz z runbookiem i zestawem ewaluacyjnym, albo prowadzimy je dalej w ramach wsparcia. Modele się zmieniają, prompty dryfują, a zestaw ewaluacyjny to jedyne, co powie, że coś po cichu się pogorszyło.

Technologie

Python i TypeScript do pracy z agentami i MCP; PostgreSQL z pgvector, Qdrant, Weaviate lub OpenSearch do wyszukiwania; AWS Bedrock, Azure OpenAI, bezpośrednie API dostawców oraz własna inferencja na vLLM lub Ollamie tam, gdzie dane nie mogą wyjechać; śledzenie oparte na OpenTelemetry; a po stronie integracji to, co Państwo mają, bo to tam dzieje się właściwa praca.

Najczęstsze pytania

Czym jest serwer MCP, po ludzku?

Małą usługą, która udostępnia jakąś zdolność (odczyt z bazy danych, założenie zgłoszenia, przeszukanie dokumentów), w standardowym formacie zrozumiałym dla asystentów AI. Wystarczy zbudować jeden, a każdy asystent zgodny z MCP może z tej zdolności korzystać bez osobnej integracji.

Budować serwer MCP czy zwykłą integrację API?

Jeśli jeden asystent AI potrzebuje jednego systemu, prostsza jest integracja bezpośrednia. MCP zaczyna się opłacać, gdy tych samych systemów potrzebuje kilku asystentów lub kilka zespołów, gdy chcą Państwo udostępnić zdolność narzędziom jeszcze niewybranym albo mieć jedno miejsce, w którym mieszkają uprawnienia i dziennik audytu.

Jak powstrzymują Państwo agenta przed zrobieniem czegoś nieodwracalnego?

Warstwowo. Narzędzia zapisujące są oddzielone od odczytujących, a zakres tych pierwszych jest zawężony tak bardzo, jak pozwala zadanie. Wszystko nieodwracalne przechodzi przez akceptację człowieka. Każde wywołanie jest logowane wraz z argumentami. Agent działa na tożsamości usługowej mającej wyłącznie uprawnienia potrzebne do zadania, więc zasięg ewentualnej szkody wyznacza Państwa własny model autoryzacji, a nie treść promptu.

Ile kosztuje utrzymanie takiego rozwiązania?

Zależy niemal wyłącznie od wolumenu i od tego, ile kontekstu niesie każde wywołanie. Modelujemy to na etapie rozpoznania na prawdziwych liczbach, bo różnica między projektem wysyłającym cały dokument w każdej turze a takim, który pobiera tylko istotny fragment, potrafi wynieść rząd wielkości w kosztach miesięcznych.

Czy da się to uruchomić bez wywożenia naszych danych poza UE?

Tak. Najwięksi dostawcy oferują regiony UE, a modele o otwartych wagach mogą działać na infrastrukturze pod Państwa kontrolą. Zwykle wiąże się to z kompromisem co do możliwości i mówimy konkretnie, na czym on polega, zamiast udawać, że go nie ma.

Nasz poprzedni pilotaż AI nie doszedł do produkcji. Dlaczego ten miałby dojść?

Zwykle dlatego, że pilotaż udowodnił, że model potrafi wykonać zadanie, i nigdy nie dotknął uwierzytelniania, uprawnień, obsługi błędów, ewaluacji ani kosztów, a tam leży pozostałe dziewięćdziesiąt procent pracy. My zaczynamy od założenia, że model działa, i całą współpracę poświęcamy reszcie.

Pierwszy krok

Proszę opisać proces, który ma się zmienić, i systemy, których dotyka. Powiemy, czy agent jest właściwym narzędziem, jak wygląda realistyczna pierwsza wersja i ile kosztuje jej zbudowanie oraz utrzymanie.

Skontaktujcie się z nami, aby umówić techniczną sesję rozpoznawczą.

Powiązane usługi

Gotowy do rozpoczęcia z tą usługą?

Skontaktuj się
← Powrót do wszystkich usług