Om din MCP-server har dussintals verktyg är den förmodligen felbyggd. Du behöver verktyg som är specifika och tydliga för varje användningsfall – men du kan inte heller ha för många. Detta skapar en nästan omöjlig avvägning som de flesta företag inte vet hur de ska lösa. Därför intervjuade jag min vän Alex Rattray (@RattrayAlex), grundare och VD för @StainlessAPI. Stainless bygger API:er, SDK:er och MCP-servrar för företag som @OpenAI och @AnthropicAI. Alex har ägnat flera år åt att bemästra hur man får programvara att prata med programvara, och han kom till programmet för att dela med sig av vad han kan. Jag hade honom på @every's AI & I för att prata om MCP och framtiden för AI-inbyggt internet. Vi går in på: • Designa MCP-servrar för att vara smidiga och exakta. Alex bästa praxis för att bygga tillförlitliga MCP-servrar börjar med att hålla verktygsuppsättningen liten, ge varje verktyg ett exakt namn och en exakt beskrivning och minimera de in- och utdata som modellen måste hantera. På Stainless lägger de också ofta till ett JSON-filter ovanpå för att ta bort onödig data. • Gör komplexa API:er hanterbara med dynamiskt läge. För att lösa problemet med hur en AI räknar ut vilket verktyg som ska användas i större API:er växlar Stainless till "dynamiskt läge", där modellen bara får tre verktyg: Lista slutpunkterna, välj en och lär dig om den och kör den sedan. • MCP-servrar som affärspiloter. På Stainless använder Alex MCP-servrar för att ansluta verktyg som @NotionHQ och @HubSpot, så att han kan ställa frågor som "Vilka kunder registrerade sig förra veckan?" Systemet frågar flera databaser och returnerar en sammanfattning som annars skulle ha krävt flera inloggningar och sökningar. • Skapa en "hjärna" för ditt företag med Claude Code. Alex byggde upp en gemensam företagshjärna på Stainless genom att hålla Claude Code igång på sitt system och be det att spara användbara indata – som kundfeedback och SQL-frågor – i GitHub. Med tiden skapar detta ett kurerat arkiv som hans team enkelt kan söka i. • Framtiden för MCP är kodexekvering. I stället för att ge modellerna hundratals verktyg tror Alex att den mest kraftfulla installationen kommer att vara ett enkelt verktyg för kodexekvering och ett verktyg för dokumentsökning. AI:n skriver kod mot ett API:s SDK, kör det på en server och kontrollerar dokumenten när det fastnar. Det här är ett måste för alla som vill förstå MCP – och lära sig hur man använder dem som en konkurrensfördel. Titta nedan! Tidsstämplar: Introduktion: 00:01:14 Varför Alex gillar att springa barfota: 00:02:54 API:er och MCP, anslutningarna för det nya Internet: 00:05:09 Varför MCP-servrar är svåra att få rätt: 00:10:53 Designprinciper för tillförlitliga MCP-servrar: 00:20:07 Skalning av MCP-servrar för stora API:er: 00:23:50...