Como construir um agente de IA com Model Context Protocol (MCP) no Jitterbit Harmony
Introdução
Este guia mostra como construir um agente de IA básico com um cliente MCP no Jitterbit Harmony usando Studio. Utiliza o conector MCP Client para consumir ferramentas fornecidas por um servidor Model Context Protocol (MCP) e atua como um assistente chatbot.
O processo envolve definir o contexto para o modelo de linguagem grande (LLM), que define o agente como um assistente pessoal para um engenheiro de software, registrar ferramentas para que o LLM saiba quais ações executar, e expor uma API customizada Jitterbit para ativar o fluxo de trabalho que invoca ferramentas no servidor MCP.
Dica
Para fins de aprendizagem, consulte o GitHub Agent com MCP fornecido pelo Jitterbit Marketplace para uma implementação deste guia.
Construir um agente de IA com um cliente MCP
-
Crie um novo projeto Studio:
- Faça login no portal Harmony e selecione Studio > Projetos.
- Clique em Novo Projeto. Uma caixa de diálogo Criar Novo Projeto é aberta.
- Na caixa de diálogo, digite um Nome do projeto como
AI Agent - MCP, selecione um ambiente existente e clique em Começar a Projetar. O designer de projeto é aberto.
-
Crie o fluxo de trabalho de entrada principal e a API customizada Jitterbit. Este fluxo de trabalho foi projetado para receber consultas de usuários por meio da API. Para criar o fluxo de trabalho de entrada principal e a API:
-
No designer de projeto, clique duas vezes no nome do fluxo de trabalho padrão e renomeie-o para
Main Entry - API Request Handler. -
Na guia Endpoints e conectores do projeto da paleta de componentes de design, na categoria Endpoints disponíveis, clique em API para exibir os tipos de atividade que podem ser criados. Em seguida, clique e arraste o tipo de atividade Requisição para a zona de soltura na tela de design.
-
Clique duas vezes na atividade API Request para configurá-la. Defina um novo schema JSON da seguinte forma:
{ "prompt": "<string>" } -
Passe o mouse para a direita da atividade API Request, clique na zona de soltura e selecione Nova Transformação. Uma tela de configuração é aberta.
-
Crie o schema de destino conforme apropriado e mapeie campos dentro da transformação de acordo com seus dados e caso de uso. Consulte o GitHub Agent com MCP fornecido pelo Jitterbit Marketplace para exemplos de transformação de dados.
-
Clique duas vezes no nome da operação padrão e renomeie-o conforme apropriado, por exemplo como
Main Entry - API Request Handler(mesmo nome do fluxo de trabalho). -
Clique no menu ações da operação e selecione Deploy > Deploy.
-
Crie uma API customizada Jitterbit para aceitar e analisar cargas de consulta do usuário:
- Clique no menu ações da operação e selecione Publicar como uma API ou selecione Publicar como uma API usando IA.
- Mantenha as configurações padrão exceto pelas seguintes:
- Método:
POST - Tipo de Resposta:
Variável do Sistema
- Método:
- Retenha a URL de serviço da API publicada.
-
-
Crie o fluxo de trabalho de lógica de IA principal. O propósito deste fluxo de trabalho é processar chamadas de LLM e retornar respostas. Para criar o fluxo de trabalho de lógica de IA principal:
-
Clique em Adicionar Novo Fluxo de Trabalho ao longo do topo da tela de design para criar um novo fluxo de trabalho.
-
Clique duas vezes no nome do fluxo de trabalho padrão e renomeie-o para
Main - AI Logic. -
Use um conector LLM nativo para criar um endpoint que se conecte ao serviço LLM que você está usando. Na guia Endpoints e conectores do projeto da paleta de componentes de design, na categoria Endpoints disponíveis, clique no endpoint para exibir seus tipos de atividade, em seguida, arraste uma atividade para a zona de soltura na tela de design e clique duas vezes nela para configurá-la com informações como um prompt a ser enviado para o LLM para definir o contexto.
-
-
Passe o mouse à direita da atividade recém-criada, clique na zona de soltura e selecione New Transformation. Uma tela de configuração é aberta. Mapeie a resposta do LLM para uma saída estruturada. Consulte Agente GitHub com MCP para obter um exemplo.
-
Use o conector MCP Client para criar um endpoint que se conecte ao servidor MCP que você está usando. Em seguida, arraste o tipo de atividade List Tools para uma nova zona de soltura de operação na tela de design para criar outra operação.
-
Arraste um tipo de atividade Register Tools do seu LLM para a mesma operação, à direita da atividade List Tools, e coloque uma transformação entre elas. Mapeie a saída da lista de ferramentas para a entrada do registro de ferramentas com o LLM. Quando essa operação é executada, o Jitterbit armazena os esquemas de ferramentas registradas na memória do agente privado. Qualquer operação encadeada para ser executada depois desta tem acesso automático a esses esquemas. Você não precisa passar as definições de ferramentas explicitamente para a operação Prompt subsequente.
-
Crie operações adicionais para enviar o prompt para o LLM e para o LLM responder, consultando os exemplos fornecidos em Agente GitHub com MCP.
-
Conecte os dois fluxos de trabalho para que o fluxo de trabalho de lógica de IA principal receba a consulta do usuário do fluxo de trabalho de entrada principal:
-
Retorne ao fluxo de trabalho
Main Entry - API Request Handler. -
Adicione um script para chamar o fluxo de trabalho de lógica de IA:
- Passe o mouse à direita da transformação, clique na zona de soltura e selecione New Script.
- Configure o script para executar a operação no fluxo de trabalho
Main - AI Agent Tools Logicusando a funçãoRunOperation. Para obter um exemplo, consulte o scriptOrchestrator #1em Agente GitHub com MCP.
-
-
Crie o fluxo de trabalho de ferramentas. Nele, adicione uma operação para cada ferramenta que você deseja que o LLM possa invocar, consultando os exemplos fornecidos em Agente GitHub com MCP. Se você tiver muitas ferramentas, pode usar variáveis para fornecer os valores de configuração necessários para configurar as etapas da operação.
-
Crie todos os fluxos de trabalho utilitários. Um fluxo de trabalho sugerido para tratamento de erros está incluído como exemplo em Agente GitHub com MCP.
-
Clique no menu de ações do projeto e selecione Deploy Project.
