Niedawno zbudowałem dwa serwery MCP (Model Context Protocol) i Docker dodał oba do swojego oficjalnego repozytorium MCP. Chciałem, żeby asystenci AI lepiej współpracowali z narzędziami biznesowymi, takimi jak silniki procesów Camunda i specyfikacje OpenAPI.

Jaki problem rozwiązuje MCP

Model Context Protocol pozwala asystentom AI bezpiecznie łączyć się z zewnętrznymi systemami. AI nie opiera się wtedy tylko na danych treningowych. Może na bieżąco pracować z działającymi systemami biznesowymi, bazami danych i API.

To trochę tak, jakby Claude albo ChatGPT mógł zajrzeć do twoich workflow w Camundzie, uruchomić proces albo przeczytać dokumentację API. Nie musisz wklejać wszystkiego do czatu.

Dwa serwery

Oba serwery są teraz dostępne jako oficjalne obrazy Dockera.

Camunda MCP Server (mcp/camunda) łączy asystentów AI z procesami w Camunda 7 Community Edition. Kod jest na GitHubie w lepoco/mcp-camunda.

OpenAPI MCP Server (mcp/openapi) pomaga asystentom AI rozumieć specyfikacje OpenAPI/Swagger i z nimi pracować. Kod jest na GitHubie w lepoco/openapi.client.

Integracja z Camundą

Serwer Camunda udostępnia 12 narzędzi do pracy z silnikami procesów. Przy zarządzaniu procesami możesz wyświetlać i monitorować instancje BPMN. Przy zadaniach możesz kończyć zadania użytkownika. Możesz też monitorować i rozwiązywać incydenty, sięgać do danych procesu przez zmienne oraz wysyłać wiadomości do uruchomionych procesów.

{
  "mcpServers": {
    "camunda": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-e", "CAMUNDA_HOST", "mcp/camunda"],
      "env": {
        "CAMUNDA_HOST": "http://host.docker.internal:8080/"
      }
    }
  }
}

OpenAPI MCP Server

OpenAPI MCP Server to zestaw narzędzi do pracy ze specyfikacjami API. Zawiera 5 narzędzi.

Najważniejsze funkcje

  • Analiza specyfikacji: walidacja dokumentów OpenAPI/Swagger
  • Generowanie kodu: fragmenty kodu w C# dla dowolnej operacji
  • Generowanie cURL: gotowe do użycia polecenia cURL
  • Analiza odpowiedzi: możliwe odpowiedzi HTTP
  • Odkrywanie operacji: lista wszystkich dostępnych endpointów

Praktyczne zastosowania

  • Dokumentacja API: automatyczne generowanie kodu klienta
  • Przepływy testowe: skrypty testowe tworzone ze specyfikacji
  • Planowanie integracji: szybkie poznanie możliwości API
  • Szybszy development: mniej pisania boilerplate’u

Jak zacząć

Chcesz wypróbować te serwery MCP? Oto jak to zrobić.

Szybki start z Dockerem

# Enable Camunda MCP Server
docker mcp server enable camunda

# Enable OpenAPI MCP Server  
docker mcp server enable openapi

Rozwój

Ekosystem MCP dopiero się rozkręca. Możesz wypróbować serwery w swoich workflow z AI, dołożyć coś do repozytoriów open source, podzielić się opinią i pomysłami na funkcje albo zbudować własny serwer MCP.

Oba projekty znajdziesz na GitHubie:


Programowanie z AI opiera się na otwartych standardach, współpracy społeczności i dzieleniu się pomysłami. Chętnie zobaczę, co zbudujesz.