Podstawy tworzenia agentów AI zintegrowanych z MCP

Materiał jest nagraniem archiwalnym Stacji IT (warsztatów z różnych technologii w trybie 4- lub 8-godzinnym).

➡️ Czego się nauczysz?

Dowiesz się czym jest serwer MCP, jak stworzyć prostego agenta AI i jak je ze sobą zintegrować. Dowiesz się jak skonfigurować narzędzie dla agenta, a także, jak zbudować klienta serwera MCP. Będziemy korzystać z takich narzędzi, jak FastMCP czy PydanticAI.

➡️ Dla kogo jest ten materiał?

Materiał jest przeznaczony dla osób, które mają doświadczenie w korzystaniu z API dużych modeli językowych (np. OpenAI, OpenRouter itp), ale nie mają doświadczenia z tworzeniem agentów.

➡️ Wymagania wstępne

Znajomość Pythona, podstawowa umiejętność łączenia się z modelami LLM poprzez API. Przydatna będzie znajomość narzędzia JupyterNotebook / JupyterLab lub innego edytora plików .ipynb, ponieważ będziemy go używać podczas warsztatu.

Niezbędne będzie posiadanie własnego klucza API, najlepiej z OpenAI / OpenRouter.

➡️ Program

1. Czym jest agent AI – implementacja prostego agenta.
2. Narzędzia agenta.
3. Definicja zestawu narzędzi w postaci zewnętrznego zasobu (serwer MCP).
4. Klient serwera MCP.

Materiał „Podstawy tworzenia agentów AI zintegrowanych z MCP” (C) Sages 2026.

➡️ Informacje o prowadzącym:

Patryk Palej

Od 2018 roku zajmuje się analizą danych, uczeniem maszynowym oraz programowaniem w Pythonie. W międzyczasie ukończył studia na kierunku Energetyka w trakcie których zajmował się matematycznym modelowaniem procesów transportu ciepła i masy. Szybko jednak przebranżowił się do IT i jako data scientist pracował przy projektach dla takich sektorów jak finanse, telekomunikacja czy media. Obecnie pracuje w firmie Ailleron nad rozwiązaniami dla sektora bankowego opartymi o sztuczną inteligencję. W Sages prowadzi szkolenia, warsztaty oraz zajęcia z zagadnień na pograniczu Pythona i data science.