Używasz AI do kodowania. Zadajesz pytania, wklejasz logi błędów, może pozwalasz napisać funkcję czy dwie. Odpowiada na podstawie tego, co wie — czyli czegokolwiek, czego nauczyło się podczas treningu, zamrożone w czasie jak mamut w lodzie. Nie sprawdzi twojej bazy danych. Nie otworzy twojego GitHuba. Nie wygoogluje, czy ta biblioteka, którą właśnie chcesz zainstalować, nie została porzucona od 2023 roku. Twoje AI żyje w pudełku. 😼
Pudełko jest problemem. AI, które nie może dotknąć twojej rzeczywistej infrastruktury, to po prostu bardzo elokwentna gumowa kaczuszka do debugowania.
To się zmieniło w listopadzie 2024, kiedy Anthropic wypuścił MCP (Model Context Protocol) — standard łączenia narzędzi AI z zewnętrznymi serwisami. Pomyśl o tym jak o portach USB dla twojego AI: podłączasz "serwer" (mały program działający w tle) i nagle twój agent AI może odpytywać bazy danych, zarządzać issues na GitHubie, przeszukiwać sieć czy sterować przeglądarką. Na marzec 2026, oficjalny rejestr serwerów MCP zawiera tysiące takich wtyczek. Większość to dema. Część jest zepsuta. Pięć naprawdę ma znaczenie w codziennej pracy.
Przejdę przez każdy z nich, z instrukcjami instalacji, które skopiujesz i wkleisz w mniej niż pięć minut.
Zanim zaczniesz: gdzie żyją konfiguracje MCP
Serwery MCP działają z każdym klientem kompatybilnym z MCP — Claude Code, Claude Desktop, Cursor, Windsurf, Cline. Pokażę przykłady z Claude Code, ale format konfiguracji jest prawie identyczny wszędzie.
Twój plik konfiguracyjny znajduje się tutaj:
# Claude Code (na poziomie projektu)
.mcp.json
# Claude Code (globalnie)
~/.claude.json
# Claude Desktop
~/Library/Application Support/Claude/claude_desktop_config.json # macOS
~/.config/Claude/claude_desktop_config.json # Linux
Każdy serwer ma ten sam schemat:
{
"mcpServers": {
"nazwa-serwera": {
"command": "npx",
"args": ["-y", "@package/nazwa-serwera"],
"env": {
"API_KEY": "twoj-klucz"
}
}
}
}
npx uruchamia paczkę Node.js bez instalowania jej globalnie. Flaga -y pomija pytanie o potwierdzenie. To cała ceremonia. Teraz to, po co tu przyszedłeś.
1. PostgreSQL — rozmawiaj z bazą danych po ludzku
Co robi: Twoje AI czyta schemat bazy danych (strukturę — tabele, kolumny, typy), wykonuje zapytania SQL (język, którym mówią bazy danych) i zwraca prawdziwe wyniki. Koniec z kopiowaniem outputu z terminala i wklejaniem do czatu.
Dlaczego cię to obchodzi: Połowa programowania to "sprawdź bazę, zrozum dane, napisz zapytanie". Ten serwer zamienia to w rozmowę.
Konfiguracja:
{
"mcpServers": {
"postgres": {
"command": "npx",
"args": [
"-y", "@modelcontextprotocol/server-postgres",
"postgresql://user:pass@localhost:5432/mydb"
]
}
}
}
Mówisz: "Pokaż mi wszystkich użytkowników, którzy zarejestrowali się w tym tygodniu, ale nic nie kupili." Claude odpala prawdziwe SQL na twojej bazie. Wracają prawdziwe dane. Mówisz: "Stwórz indeks, żeby to przyspieszyć." Claude analizuje plan wykonania i buduje odpowiedni indeks.
Serwer udostępnia trzy narzędzia: query (wykonanie SQL w trybie tylko do odczytu), list_tables i describe_table.
Bezpieczeństwo: Stwórz użytkownika z uprawnieniami tylko do odczytu. Nie oddawaj swoich adminowych credentiali żadnemu zautomatyzowanemu narzędziu:
CREATE USER mcp_readonly WITH PASSWORD 'bezpieczne_haslo';
GRANT CONNECT ON DATABASE mydb TO mcp_readonly;
GRANT USAGE ON SCHEMA public TO mcp_readonly;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO mcp_readonly;
Werdykt: Pierwszy serwer, który instaluję w każdym projekcie. Oszczędza 30+ minut dziennie kopiuj-wklej archeologii. 😸
2. GitHub — repozytoria bez przeglądarki
Co robi: Pełna integracja z GitHubem — issues, pull requesty (PR-y — proponowane zmiany w kodzie), przeszukiwanie kodu, operacje na plikach. Wszystko przez twojego agenta AI.
Dlaczego cię to obchodzi: Przeskakiwanie między terminalem, czatem i GitHubem zabija koncentrację. Ten serwer trzyma cię w jednym miejscu.
Konfiguracja:
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_twoj_token"
}
}
}
}
Potrzebujesz personal access token — wygeneruj go na github.com/settings/tokens. Wymagane uprawnienia: repo, read:org, read:user.
Teraz możesz powiedzieć: "Stwórz issue dla buga z timeoutem logowania ze stack tracem, który ci właśnie pokazałem." Albo: "Zrecenzuj PR #47 i skomentuj problemy z bezpieczeństwem." Claude czyta diff, analizuje kod, wrzuca prawdziwe komentarze do review na GitHubie.
Główne narzędzia: create_issue, list_pull_requests, search_code, create_branch, get_file_contents. Łącznie ponad tuzin.
Manewr zaawansowany: Połącz to z serwerem Postgres. "Sprawdź logi błędów w bazie danych, znajdź odpowiedni kod na GitHubie, stwórz issue z oboma." Jeden prompt. Trzy narzędzia. Zero kart w przeglądarce. 😹
Werdykt: Drugi serwer, który instaluję. Webowe UI GitHuba jest OK do przeglądania. Do pracy — to jest szybsze.
3. Filesystem — kontrolowany dostęp do plików z barierkami
Co robi: Daje twojemu agentowi AI dostęp do czytania, pisania, wyszukiwania i zarządzania plikami — ale tylko w katalogach, które jawnie wskażesz. Nie wejdzie do twoich kluczy SSH ani plików .env.
Konfiguracja:
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y", "@modelcontextprotocol/server-filesystem",
"/home/user/projects",
"/home/user/documents"
]
}
}
}
Wymieniasz katalogi — serwer ogranicza dostęp wyłącznie do tych ścieżek. Blokuje próby path traversal (sztuczki typu ../../etc/passwd).
Narzędzia: read_file, write_file, create_directory, list_directory, move_file, search_files, read_multiple_files.
Kto tego potrzebuje: Głównie użytkownicy Claude Desktop. Claude Code ma wbudowany dostęp do systemu plików, więc ten serwer jest tam zbędny. Ale dla Claude Desktop — gdzie AI domyślnie nie może dotknąć twoich plików — jest niezbędny. Sandboxing katalogów (ograniczenie dostępu do konkretnych folderów) to naprawdę porządna funkcja bezpieczeństwa.
Werdykt: Pomiń, jeśli używasz Claude Code. Zainstaluj natychmiast, jeśli siedzisz na Claude Desktop.
4. Brave Search — dane z sieci w czasie rzeczywistym
Co robi: Wyszukiwanie przez Brave Search API. Twoje AI szuka na żywo, zamiast zgadywać z danych treningowych.
Dlaczego cię to obchodzi: "Ile kosztuje teraz Hetzner CAX11?" "Czy ta biblioteka jest jeszcze utrzymywana?" "Jaka jest najnowsza wersja Next.js?" Te pytania potrzebują aktualnych odpowiedzi. Dane treningowe nie wiedzą, co się wydarzyło w zeszły wtorek.
Konfiguracja:
{
"mcpServers": {
"brave-search": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-brave-search"],
"env": {
"BRAVE_API_KEY": "BSA_twoj_klucz"
}
}
}
}
Darmowy klucz API dostaniesz na brave.com/search/api. Darmowy plan: 2000 zapytań/miesiąc, 1 request/sekundę. Dla samodzielnego programisty to więcej niż wystarczy. Płatny plan zaczyna się od $5/miesiąc za 20 000 zapytań, jeśli wypalasz darmowy limit.
Dwa narzędzia: brave_web_search (ogólne wyszukiwanie z paginacją) i brave_local_search (wyszukiwanie lokalne).
Sprytne użycie: Weryfikuj sugestie architektoniczne AI, zanim zacommitujesz. "Wyszukaj znane problemy z Prisma 6.x i PostgreSQL 17" to świetny sanity check, zanim wbijesz trzy dni w implementację.
Werdykt: Wypełnia największą lukę w kodowaniu z AI — niemożność sprawdzenia, co jest prawdą właśnie teraz. 😼
5. Puppeteer — automatyzacja przeglądarki przez rozmowę
Co robi: Steruje headless browserem (przeglądarka Chromium, która działa niewidocznie, bez okna). Twoje AI nawiguje po stronach, robi screenshoty, klika przyciski, wypełnia formularze, wyciąga treść ze stron renderowanych JavaScriptem.
Konfiguracja:
{
"mcpServers": {
"puppeteer": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-puppeteer"]
}
}
}
Bez kluczy API. Bez konfiguracji. Puppeteer ściąga Chromium automatycznie.
Narzędzia: puppeteer_navigate, puppeteer_screenshot, puppeteer_click, puppeteer_fill, puppeteer_evaluate (uruchom JavaScript na stronie).
Mówisz: "Wejdź na localhost:3000, zrób screenshot strony logowania, powiedz mi, czy renderuje się poprawnie." Potem: "Wpisz testowe dane logowania i wyślij formularz." Claude nawiguje, wypełnia pola, klika submit, robi screenshot wyniku.
Używam tego do testów regresji wizualnej — "Przejdź po każdej ścieżce i zrób screenshot" daje mi wizualny snapshot, który Claude porównuje z oczekiwanym layoutem. Bez setupu Playwrighta, bez frameworka testowego. Po prostu "idź i popatrz na stronę".
Uwaga: To odpala prawdziwą przeglądarkę. Każda instancja zjada 200-500MB RAM-u. Nie zostawiaj tego na laptopie, który ledwo zipie. Serwer sprząta po sobie automatycznie, gdy zamkniesz klienta MCP.
Werdykt: Najfajniejszy serwer na tej liście. Automatyzacja przeglądarki przez naturalny język jest naprawdę satysfakcjonująca. Niezbędny do pracy z frontendem i web scrapingu. 😸
Kompletna konfiguracja — skopiuj i wklej
Wszystkie pięć serwerów, jeden plik:
{
"mcpServers": {
"postgres": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres",
"postgresql://mcp_readonly:password@localhost:5432/mydb"]
},
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"
}
},
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem",
"/home/user/projects"]
},
"brave-search": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-brave-search"],
"env": {
"BRAVE_API_KEY": "BSA_xxx"
}
},
"puppeteer": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-puppeteer"]
}
}
}
Zamień placeholdery na swoje prawdziwe dane. Zapisz jako .mcp.json w katalogu projektu lub ~/.claude.json dla globalnego dostępu.
Szukanie kolejnych (i wiedza, kiedy przestać)
Oficjalny rejestr żyje na github.com/modelcontextprotocol/servers. mcpservers.org listuje serwery społecznościowe. Przeglądaj, jeśli cię ciągnie.
Ale oprzyj się pokusie instalowania 15 serwerów "na wszelki wypadek". Każdy z nich to działający proces. Każdy dodaje czas startu. Każdy to potencjalna powierzchnia ataku — możliwy punkt wejścia dla problemów z bezpieczeństwem. 80% programistów potrzebuje dwóch, góra trzech serwerów.
Teraz jesteś niebezpieczny
Zacząłeś z AI, które żyło w okienku tekstowym. Teraz masz takie, które odpytuje twoją bazę, zarządza twoim GitHubem, przeszukuje żywy internet i prowadzi przeglądarkę. Protokół pod spodem — JSON-RPC (prosty format wiadomości) po stdio (standardowe wejście/wyjście, sposób, w jaki programy ze sobą rozmawiają) — jest nudny. Nudne protokoły, które działają, to dokładnie to, czego potrzebowaliśmy.
Te pięć serwerów pokrywa 90% potrzeb samodzielnego programisty. Cała reszta w katalogu MCP to albo niszowe narzędzia do specyficznych zastosowań, albo demo, które się posypie w momencie, gdy zaczniesz na nim polegać. Zacznij od Postgres i GitHub. Dodaj Brave Search, gdy potrzebujesz aktualnych danych. Dodaj Puppeteer, gdy chcesz poczuć się, jakbyś żył w 2030.
Pudełko jest otwarte. Twoje AI ma teraz ręce. Postaraj się, żeby nic ważnego nie upuściło. 😹
