Saltar al contenido

Cómo construir un agente de IA con Model Context Protocol (MCP) en Jitterbit Harmony

Introducción

Esta guía muestra cómo construir un agente de IA básico con un cliente MCP en Jitterbit Harmony usando Studio. Utiliza el conector MCP Client para consumir herramientas proporcionadas por un servidor Model Context Protocol (MCP) y actúa como asistente chatbot.

El proceso implica establecer el contexto para el modelo de lenguaje grande (LLM), que define el agente como asistente personal de un ingeniero de software, registrar herramientas para que el LLM sepa qué acciones ejecutar, y exponer una API personalizada de Jitterbit para activar el flujo de trabajo que invoca herramientas en el servidor MCP.

Consejo

Para propósitos de aprendizaje, consulta el Agente GitHub con MCP proporcionado a través de Jitterbit Marketplace para una implementación de esta guía.

ai agent mcp

Construir un agente de IA con un cliente MCP

  1. Crea un nuevo proyecto de Studio:

    1. Inicia sesión en el portal Harmony y selecciona Studio > Proyectos.
    2. Haz clic en Nuevo Proyecto. Se abre un diálogo Crear Nuevo Proyecto.
    3. En el diálogo, ingresa un Nombre del proyecto como Agente de IA - MCP, selecciona un entorno existente y luego haz clic en Comenzar a Diseñar. Se abre el diseñador de proyectos.
  2. Crea el flujo de trabajo de entrada principal y la API personalizada de Jitterbit. Este flujo de trabajo está diseñado para recibir consultas del usuario a través de la API. Para crear el flujo de trabajo de entrada principal y la API:

    1. En el diseñador de proyectos, haz doble clic en el nombre predeterminado del flujo de trabajo y cámbialo a Controlador de Solicitud de Entrada Principal - API.

    2. En la pestaña Extremos y conectores del proyecto de la paleta de componentes de diseño, bajo la categoría Extremos disponibles, haz clic en API para mostrar los tipos de actividad que se pueden crear. Luego haz clic y arrastra el tipo de actividad Solicitud a la zona de entrega en el lienzo de diseño.

    3. Haz doble clic en la actividad API Request para configurarla. Define un nuevo esquema JSON como sigue:

      {
          "prompt": "<string>"
      }
      
    4. Desplázate hacia la derecha de la actividad API Request, haz clic en la zona de entrega y selecciona Nueva Transformación. Se abre una pantalla de configuración.

    5. Crea el esquema de destino según corresponda y mapea campos dentro de la transformación de acuerdo a tus datos y caso de uso. Consulta el Agente GitHub con MCP proporcionado a través de Jitterbit Marketplace para ejemplos de transformación de datos.

    6. Haz doble clic en el nombre predeterminado de la operación y cámbialo según corresponda, por ejemplo a Controlador de Solicitud de Entrada Principal - API (igual que el nombre del flujo de trabajo).

    7. Haz clic en el menú acciones de la operación y selecciona Implementar > Implementar.

    8. Crea una API personalizada de Jitterbit para aceptar y analizar cargas útiles de consultas del usuario:

      1. Haz clic en el menú acciones de la operación y selecciona Publicar como una API o selecciona Publicar como una API usando IA.
      2. Mantén la configuración predeterminada excepto por lo siguiente:
        • Método: POST
        • Tipo de respuesta: Variable del sistema
      3. Retén la URL de servicio de la API publicada.
  3. Crea el flujo de trabajo principal de lógica de IA. El propósito de este flujo de trabajo es manejar llamadas al LLM y devolver respuestas. Para crear el flujo de trabajo principal de lógica de IA:

    1. Haz clic en Agregar Nuevo Flujo de Trabajo en la parte superior del lienzo de diseño para crear un nuevo flujo de trabajo.

    2. Haz doble clic en el nombre predeterminado del flujo de trabajo y cámbialo a Principal - Lógica de IA.

    3. Utiliza un conector LLM nativo para crear un extremo que se conecte al servicio LLM que estés utilizando. En la pestaña Extremos y conectores del proyecto de la paleta de componentes de diseño, bajo la categoría Extremos disponibles, haz clic en el extremo para mostrar sus tipos de actividad, luego arrastra una actividad a la zona de entrega en el lienzo de diseño y haz doble clic para configurarla con información como un indicador a enviar al LLM para establecer el contexto.

  4. Desplázate hacia la derecha de la actividad recién creada, haz clic en la zona de destino y selecciona New Transformation. Se abre una pantalla de configuración. Asigna la respuesta del LLM a una salida estructurada. Consulta el Agente de GitHub con MCP para ver un ejemplo.

  5. Utiliza el conector MCP Client para crear un punto de conexión que se conecte al servidor MCP que estés utilizando, luego arrastra su tipo de actividad List Tools a una nueva zona de destino en el lienzo de diseño para crear otra operación.

  6. Arrastra un tipo de actividad Register Tools para tu LLM a la misma operación, a la derecha de la actividad List Tools, y coloca una transformación entre ellas. Asigna la salida de la lista de herramientas a la entrada para registrar herramientas con el LLM. Cuando se ejecuta esta operación, Jitterbit almacena los esquemas de herramientas registradas en la memoria del agente privado. Cualquier operación encadenada para ejecutarse después de esta automáticamente tiene acceso a esos esquemas. No necesitas pasar las definiciones de herramientas explícitamente a la operación Prompt posterior.

  7. Crea operaciones adicionales para enviar la indicación al LLM y para que el LLM responda, consultando los ejemplos proporcionados en Agente de GitHub con MCP.

  8. Conecta los dos flujos de trabajo para que el flujo de trabajo de lógica principal de IA reciba la consulta del usuario desde el flujo de trabajo de entrada principal:

    1. Regresa al flujo de trabajo Main Entry - API Request Handler.

    2. Añade un script para llamar al flujo de trabajo de lógica de IA:

      1. Desplázate hacia la derecha de la transformación, haz clic en la zona de destino y selecciona New Script.
      2. Configura el script para ejecutar la operación en el flujo de trabajo Main - AI Agent Tools Logic utilizando la función RunOperation. Para ver un ejemplo, consulta el script Orchestrator #1 en Agente de GitHub con MCP.
  9. Crea el flujo de trabajo de herramientas. En él, añade una operación para cada herramienta que desees que el LLM pueda invocar, consultando los ejemplos proporcionados en Agente de GitHub con MCP. Si tienes muchas herramientas, puedes utilizar variables para proporcionar los valores de configuración necesarios para configurar los pasos de operación.

  10. Crea los flujos de trabajo de utilidad que necesites. Un flujo de trabajo sugerido para el manejo de errores se incluye como ejemplo en Agente de GitHub con MCP.

  11. Haz clic en el menú de acciones del proyecto y selecciona Deploy Project.