כיצד להשתמש ב-MCP AI: מדריך מעשי שלב אחר שלב

אם ניסיתם לחבר AI agent לבסיס הנתונים שלכם, לקבצים ב-Google Drive, או לכלי כמו GitHub, כנראה בזבזתם שעות על כתיבת integration מותאם מאפס לכל שילוב. MCP (Model Context Protocol) נולד בדיוק כדי לפתור את הבעיה הזו: תקן פתוח שמאפשר לכל AI לדבר עם כל כלי חיצוני בשפה אחת, בלי לכתוב את אותו קוד boilerplate שוב ושוב. במדריך הזה תבינו מה זה MCP, תגדירו את ה-MCP server הראשון שלכם, ותדעו לכתוב אחד משלכם מאפס.

מה צריך לפני שמתחילים

לפני שצוללים לתוך ה-MCP, וודאו שיש לכם את הכלים הבאים מוכנים:

• Claude Desktop (גרסה 0.9 ומעלה) או כל AI client שתומך ב-MCP: Cursor, Cline, VS Code עם תוסף MCP
• Node.js גרסה 18 ומעלה, או Python 3.10 ומעלה
• Terminal בסיסי (PowerShell ב-Windows, Terminal ב-Mac/Linux)
• הבנה בסיסית של JSON לעריכת קובץ ה-config

אין צורך ב-API keys מיוחדים לשלב הראשון. רוב ה-MCP servers הציבוריים עובדים ישר מהקופסה.

שלב 1: הבינו מה זה MCP ולמה הוא שינה את עולם ה-AI

MCP הוא תקן תקשורת פתוח שפותח על ידי Anthropic ונכנס לאוויר בנובמבר 2024. הרעיון המרכזי פשוט: כמו שמחבר USB-C מאפשר לחבר כל מכשיר לכל מחשב, MCP מאפשר לכל AI model לתקשר עם כל כלי חיצוני בפרוטוקול אחיד. בדצמבר 2025, Anthropic תרמה את MCP ל-Linux Foundation, עם OpenAI, Google ו-Microsoft כשותפות, מה שהפך אותו מ"פרוטוקול של Anthropic" לתשתית תעשייתית אמיתית.

המבנה של MCP כולל שלושה רכיבים:

• Host: ה-AI client שלכם, למשל Claude Desktop או Cursor
• Client: הרכיב שמנהל את החיבור ל-server בתוך ה-Host
• Server: הכלי שה-AI יכול להפעיל, כגון קבצים מקומיים, API חיצוני, בסיס נתונים, או שירות web

בלי MCP, כל חיבור בין AI לכלי דרש integration ייחודי. עם MCP, כותבים server אחד לכל כלי, וכל AI client שתומך בתקן יכול להשתמש בו.

הנתונים מדברים בעד עצמם: עד מרץ 2026, ה-MCP SDK הגיע ל-97 מיליון הורדות בחודש, עלייה של פי 970 מהשקת הפרוטוקול. יש כיום מעל 17,000 MCP servers זמינים ב-registries שונים, ו-78% מצוותי AI בארגונים מדווחים על לפחות agent אחד שמבוסס MCP שרץ בפרודקשן. מפתחים ישראלים שעובדים עם Claude, Cursor, או n8n נמצאים בדיוק במרכז המהפכה הזו. MCP ועוד כלים למפתחים תמצאו בעמוד המפתחים של Onyx AI.

שלב 2: הגדרת MCP Server מוכן ב-Claude Desktop

הדרך המהירה ביותר להתנסות ב-MCP היא עם server מוכן מה-registry. ניקח דוגמה מעשית: חיבור Claude Desktop לקבצים המקומיים שלכם באמצעות ה-Filesystem MCP server הרשמי של Anthropic.

1. פתחו את קובץ ההגדרות של Claude Desktop:

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

אם הקובץ לא קיים, צרו אותו עם תוכן ריק {}.

2. הוסיפו את ה-server להגדרות:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/YOUR_NAME/Documents"
      ]
    }
  }
}

שנו את /Users/YOUR_NAME/Documents לנתיב שרוצים לאפשר ל-Claude גישה אליו.

3. הפעילו מחדש את Claude Desktop. בממשק הצ'אט יופיע סמל כלים קטן. עכשיו Claude יכול לקרוא קבצים, לחפש בהם, ולכתוב אליהם ישירות.

כדאי לבדוק גם את ה-MCP servers המוכנים לשירותים נפוצים: GitHub, Slack, PostgreSQL, Google Drive, ו-Brave Search. כולם זמינים ב-registry הרשמי של Anthropic ב-GitHub. לסקירה מלאה של MCP Servers בפועל, כולל השרתים הפופולריים ביותר וכיצד לשלב אותם בפרויקט שלכם, ראו את המדריך המפורט שלנו.

שלב 3: כתיבת MCP Server משלכם ב-Python

כשהצרכים שלכם ייחודיים לעסק או לפרויקט, תרצו לכתוב server משלכם. MCP SDK ל-Python מקל על זה משמעותית.

1. התקינו את ה-SDK:

pip install mcp

2. צרו קובץ my_server.py עם הכלי הראשון שלכם:

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent
import asyncio

app = Server("my-custom-server")

@app.list_tools()
async def list_tools():
    return [
        Tool(
            name="search_customers",
            description="מחפש לקוחות לפי שם בבסיס הנתונים. השתמש בכלי הזה כשמבקשים מידע על לקוח ספציפי.",
            inputSchema={
                "type": "object",
                "properties": {
                    "name": {
                        "type": "string",
                        "description": "שם הלקוח לחיפוש"
                    }
                },
                "required": ["name"]
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "search_customers":
        customer_name = arguments.get("name", "")
        # כאן תוסיפו את החיבור האמיתי לבסיס הנתונים שלכם
        return [TextContent(
            type="text",
            text=f"נמצאו 2 לקוחות בשם {customer_name}: מספר 1042, מספר 2891"
        )]

async def main():
    async with stdio_server() as streams:
        await app.run(*streams)

if __name__ == "__main__":
    asyncio.run(main())

3. הוסיפו את ה-server ל-config של Claude Desktop:

{
  "mcpServers": {
    "my-custom": {
      "command": "python",
      "args": ["/path/to/my_server.py"]
    }
  }
}

הפעילו מחדש את Claude Desktop, ותמצאו את הכלי החדש שלכם זמין מיד. זה כל מה שצריך כדי לחבר את ה-AI לכל מקור נתונים שקיים בארגון.

טיפים לשיפור התוצאות

כתבו descriptions ספציפיים לכל tool. ה-AI מחליט אם להשתמש בכלי על סמך ה-description בלבד. "מחפש בבסיס הנתונים" הרבה פחות אפקטיבי מ-"מחפש לפי מספר לקוח בטבלת ההזמנות". ככל שה-description מדויק יותר, ה-AI ישתמש בכלי בזמן הנכון.

הגבילו הרשאות לפי עיקרון ה-least privilege. MCP server שמחובר לבסיס נתונים לא צריך גישת write אם ה-use case הוא קריאה בלבד. הגדירו את ההרשאות המינימליות הדרושות בלבד.

הוסיפו logging מובנה. אחת מנקודות הכאב הגדולות בפרודקשן היא חוסר visibility: כשה-AI אומר "יצרתי כרטיס" ולא קורה כלום, קשה לדעת איפה נשברה השרשרת. לוגים בצד ה-server עוזרים לאתר בעיות במהירות.

השתמשו ב-MCP Inspector לפיתוח. זהו כלי debugging רשמי שמאפשר לראות בזמן אמת אילו כלים ה-server חושף, לשלוח קריאות בדיקה, ולוודא שהכל עובד לפני שמחברים ל-AI client.

בעיות נפוצות ופתרונות

השגיאה "Server not found" עם הפעלת Claude: לרוב נובעת מנתיב שגוי בקובץ ה-config. בדקו שהנתיב ל-executable מדויק ושה-process של Claude Desktop הופעל מחדש לאחר השינוי.

ה-tool לא מופיע ב-Claude: הריצו את ה-server ישירות מה-Terminal ובדקו שאין שגיאות הפעלה. כלים שה-server לא מחזיר ב-list_tools לא יהיו גלויים ל-AI.

ה-AI לא קורא ל-tool כשמצפים לו: ה-description של ה-tool לא מספיק ספציפי. נסחו מחדש וכללו פרטים על מתי בדיוק יש להשתמש בכלי ובאיזה סוג שאלות.

בעיות authentication ב-servers חיצוניים: MCP לא מגדיר תקן אחיד לאימות בין servers. לשירותים שדורשים API key, העבירו אותו כ-environment variable ולא כטקסט גלוי בקובץ ה-config.

מאמרים קשורים

• MCP Servers: כל מה שמפתחים צריכים לדעת
• Claude API ישראל: מדריך מלא למפתחים

רוצה ללמוד AI בצורה מעשית?

ב-Onyx AI מלמדים מפתחים, עסקים וארגונים לעבוד חכם יותר עם AI. קורסים, ייעוץ, סדנאות, הכל בעברית, לשוק הישראלי.

גלה את Onyx AI