Verbinden Sie JamJet mit externen Tool-Servern über das Model Context Protocol.

MCP-Integration

JamJet bietet erstklassige Unterstützung für das Model Context Protocol (MCP) — der offene Standard zur Verbindung von KI-Agenten mit externen Tools, Datenquellen und Services.

Was ist MCP?

MCP definiert eine standardisierte Methode, wie KI-Agenten externe Tools erkennen und aufrufen können. Ein MCP-Server stellt Tools mit typisierten Schemas bereit; ein MCP-Client (JamJet) erkennt diese Tools und ruft sie auf.

Das bedeutet, du kannst JamJet mit jedem MCP-kompatiblen Tool-Server verbinden — und es gibt hunderte Community-Server für Websuche, Datenbanken, GitHub, Slack, Dateisysteme und mehr.

MCP-Server konfigurieren

Füge Server zur jamjet.toml im Projektstammverzeichnis hinzu:


# Lokaler stdio-Server (am häufigsten für Entwicklung)

[[mcp.servers]]
name = "brave-search"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-brave-search"]
env = { BRAVE_API_KEY = "${BRAVE_API_KEY}" }

# Lokaler Python-Server

[[mcp.servers]]
name = "my-tools"
command = "python"
args = ["-m", "my_tools.server"]

# Remote-HTTP-Server (SSE-Transport)

[[mcp.servers]]
name = "remote-api"
url = "https://tools.example.com/mcp"
headers = { Authorization = "Bearer ${TOOLS_API_KEY}" }

JamJet verbindet sich mit allen konfigurierten Servern, wenn jamjet dev startet.

Tools in Workflows verwenden

YAML

nodes:
  search:
    type: tool
    server: brave-search        # entspricht `name` in jamjet.toml
    tool: web_search            # Tool-Name vom MCP-Server
    arguments:
      query: "{{ state.query }}"
      count: 10
    output_key: search_results
    next: summarize

Python SDK

@node
async def search(self, state: State) -> State:
    result = await self.tool(
        server="brave-search",
        tool="web_search",
        arguments={"query": state["query"], "count": 10},
    )
    return {"search_results": result.content}

Verfügbare Tools entdecken

Liste alle Tools von verbundenen Servern auf:

jamjet tools list

Server: brave-search
  web_search(query: str, count: int) → list[SearchResult]
  news_search(query: str, freshness: str) → list[NewsItem]

Server: my-tools
  run_query(sql: str) → list[dict]
  get_schema(table: str) → dict

Teste ein Tool direkt:

jamjet tools call brave-search web_search --args '{"query": "JamJet runtime", "count": 3}'

Einen MCP-Server erstellen

JamJet kann Tools auch über MCP bereitstellen und deine Workflows als aufrufbare Tools für andere Agenten verfügbar machen.

Füge dies zu jamjet.toml hinzu:

[mcp.server]
enabled = true
port = 7701
workflows = ["my-agent", "research-agent"]   # diese als Tools verfügbar machen

Jeder Workflow, den du verfügbar machst, wird zu einem aufrufbaren MCP-Tool. Andere Agenten können ihn entdecken, sein Input-/Output-Schema einsehen und ihn aufrufen — ohne zu wissen, dass darunter JamJet läuft.


# MCP-Server zusammen mit der Runtime starten

jamjet dev --with-mcp-server

Beliebte MCP-Server

Server	Package	Was es bereitstellt
Brave Search	`@modelcontextprotocol/server-brave-search`	Web- + Nachrichtensuche
GitHub	`@modelcontextprotocol/server-github`	Repos, Issues, PRs
Filesystem	`@modelcontextprotocol/server-filesystem`	Lokale Dateien lesen/schreiben
PostgreSQL	`@modelcontextprotocol/server-postgres`	SQL-Abfragen
Slack	`@modelcontextprotocol/server-slack`	Nachrichten, Kanäle
Memory	`@modelcontextprotocol/server-memory`	Persistenter Key-Value-Store

tip: Die vollständige Liste der Community-MCP-Server findest du unter github.com/modelcontextprotocol/servers.

Tool-Output

Tool-Ergebnisse sind im State unter output_key verfügbar. Die Struktur hängt vom Tool ab — prüfe das Schema mit jamjet tools list.

Bei mehrstufigen Workflows sammeln sich Zwischenergebnisse von Tools im State an:

nodes:
  search:
    type: tool
    server: brave-search
    tool: web_search
    arguments:
      query: "{{ state.query }}"
    output_key: search_results   # → state.search_results = [...]
    next: docs

  docs:
    type: tool
    server: brave-search
    tool: web_search
    arguments:
      query: "{{ state.query }} documentation"
    output_key: doc_results      # → state.doc_results = [...]
    next: synthesize

Fehlerbehandlung

Tool-Aufrufe können aus vielen Gründen fehlschlagen — Netzwerkfehler, ungültige Argumente, Rate Limits. Konfiguriere das Retry-Verhalten pro Node:

  search:
    type: tool
    server: brave-search
    tool: web_search
    arguments:
      query: "{{ state.query }}"
    output_key: search_results
    retry:
      max_attempts: 3
      backoff: exponential
      delay_ms: 1000
    next: summarize

Wenn alle Wiederholungsversuche fehlschlagen, wird die Ausführung als failed markiert und kann manuell fortgesetzt oder wiederholt werden.

MCP-Integration

On this page