Smithery

Разработка сложных AI-агентов часто сопряжена с необходимостью их подключения к различным внешним инструментам и источникам данных. Управление этими интеграциями может быстро стать сложным, требуя написания специального кода для каждого соединения, что приводит к фрагментированным и трудноподдерживаемым системам. Smithery предоставляет специализированную платформу для упрощения этого процесса для разработчиков, работающих с агентным AI. Мы предлагаем централизованный реестр и решение для хостинга, разработанное специально для агентных сервисов – серверов, предназначенных для беспрепятственного взаимодействия с агентами языковых моделей с использованием Model Context Protocol (MCP). Наша цель – ускорить разработку агентного AI, сделав эти необходимые сервисы обнаруживаемыми, стандартизированными и простыми в развертывании.

Ключевые особенности

• 🔍 Обнаружение агентных сервисов: Найдите подходящие MCP-серверы для ваших AI-приложений через наш централизованный реестр. Вы можете просматривать платформу или программно выполнять поиск, используя Registry API (GET /servers), применяя семантический поиск и определенные фильтры (например, owner:, repo:, is:deployed), чтобы точно определить необходимые вам сервисы. Каждый листинг содержит подробную информацию, такую как описания, конечные точки и метрики использования.

• 🚀 Развертывание и хостинг ваших MCP-серверов: Легко делитесь своими агентными сервисами с сообществом. Smithery позволяет развертывать стандартные серверы MCP ввода/вывода (STDIO), размещая их через WebSocket-соединение. Это обеспечивает такие преимущества, как автоматическая генерация площадки для пользовательского тестирования, повышение видимости в результатах поиска и упрощенный доступ для пользователей без необходимости локальной установки. Развертывания выполняются в бессерверной среде.

• 🧩 Бесшовная интеграция с MCP: Используйте Model Context Protocol (MCP), открытый стандарт для подключения LLM к внешним инструментам и данным. Используя MCP-серверы, перечисленные на Smithery, вы устраняете необходимость в пользовательском коде интеграции для каждого источника данных или инструмента. Этот стандартизированный подход упрощает создание и обслуживание агентов, таких как интеллектуальные IDE, интерфейсы чата и пользовательские AI-воркфлоу.

• ⚙️ Стандартизация конфигурации и подключения: Взаимодействуйте с различными MCP-серверами через единый интерфейс. Smithery использует JSON-схемы (configSchema), предоставляемые авторами серверов, для определения необходимой конфигурации для подключения. Независимо от того, подключаетесь ли вы через WebSocket (wss://server.smithery.ai/${qualifiedName}/ws?config=${base64encode(config)}) или другими способами, вы заранее будете знать необходимые параметры.

Примеры использования

1. Расширение AI-ассистента данными в реальном времени: Вы разрабатываете AI-ассистента, которому требуется доступ к текущей информации о погоде. Вместо создания пользовательской обертки API вы ищете в реестре Smithery с помощью API (GET /servers?q=weather) MCP-сервер, предоставляющий данные о погоде. Вы извлекаете его детали (GET /servers/{qualifiedName}), отмечаете необходимую схему конфигурации и интегрируете его в своего агента, используя клиентскую библиотеку MCP, подключаясь через предоставленный URL-адрес WebSocket.

2. Совместное использование пользовательского внутреннего инструмента: Ваша команда создала внутренний сервис, который позволяет агенту LLM запрашивать базу данных документации вашей компании через интерфейс MCP. Чтобы сделать его доступным для других разработчиков и агентов внутри компании, вы добавляете сервер в Smithery и используете функцию Deployments. Smithery размещает сервер, предоставляет стабильную конечную точку WebSocket и делает его обнаруживаемым через реестр, упрощая его внедрение в различных проектах.

3. Создание воркфлоу агента с несколькими инструментами: Вы создаете исследовательского агента, которому необходимо извлекать научные статьи, обобщать веб-контент и управлять цитатами. Вы используете Smithery для обнаружения отдельных MCP-серверов, специализирующихся на каждой задаче (например, сервер поиска arXiv, сервер веб-скрейпинга/обобщения, сервер Zotero/библиографии). Поскольку все они соответствуют стандарту MCP, интеграция этих различных инструментов в вашего агента становится значительно более управляемой, чем работа с разрозненными API.

Заключение

Smithery выступает в качестве важнейшего узла для разработчиков, работающих с агентным AI. Предоставляя централизованный реестр для обнаружения MCP-серверов и предлагая упрощенное развертывание и хостинг, мы упрощаем процесс подключения ваших LLM-агентов к необходимым им инструментам и данным. Принятие Model Context Protocol через Smithery означает меньше времени, затраченного на шаблонный код интеграции, и больше времени, уделенного созданию интеллектуальных, способных AI-приложений. Изучите реестр, чтобы найти существующие сервисы, или разверните свои собственные и внесите свой вклад в растущую экосистему.