خوادم MCP في كود كلود

What is MCP

MCP is defined as "USB-C for AI applications." MCP provides a consistent protocol for linking AI models with external tools.

With MCP, AI applications like Claude or ChatGPT aren’t limited to just generating text. They can connect directly to data sources (such as local files or databases), tools (like search engines or calculators), and structured workflows (specialized prompts or automations).

When MCP is not yet available.

When there is no protocol like MCP, each AI application has to integrate with every external tool separately. This makes the process very complex, time-consuming, and costly

When we have multiple AI applications and many tools, the number of required integrations becomes extremely large

When MCP is available

MCP solves the M × N integration problem by transforming it into an M + N model through a standardized connection protocol. Each AI application integrates once on the MCP client side, and each tool or data source integrates once on the MCP server side.

Key Terminology of MCP

Components

Similar to the client–server model in the HTTP protocol, MCP also follows a client–server architecture.

• Host: The environment where the user directly interacts with the AI application (e.g., Claude Desktop, Cursor).
• ‍Client: A component within the Host responsible for establishing and managing the connection to the MCP Server.‍
• Server: An external application or service that provides capabilities (such as tools, resources, and prompts) through the MCP protocol.

Capabilities

Although MCP can connect to many different tools, there are common tools that are shared across multiple AI applications. Below are the main categories of tools commonly used across AI systems:

• ‍Tools: Executable functions that an AI model can call to perform actions or computations (e.g., a calculate_summary tool).‍
• Resources: Read-only data sources that provide contextual information without requiring significant computation (e.g., company documentation pages).‍
• Prompts: Templates or predefined workflows that guide interactions between users, AI models, and external tools.

MCP Architecture Components

After understanding the key concepts and terminology of MCP, we can now look at its architecture.

The Model Context Protocol (MCP) is built on a client–server architecture that enables AI models to interact with external tools and services.

Host

The Host is the environment where end users directly interact with the AI application (e.g., Claude Desktop, Cursor).

The Host is responsible for:

• Managing user interactions and permissions
• Initiating connections to MCP Servers through MCP Clients
• Processing user requests and routing them to appropriate external tools
• Returning results back to the user

Client

The Client is a component inside the Host that manages the connection to a specific MCP Server.

Key characteristics:

• Each Client maintains a 1:1 connection with a single Server
• Handles MCP protocol-level communication
• Acts as an intermediary between the Host and the Server
  

Server

The Server is an external program or service that provides capabilities to the AI model via the MCP protocol.

The Server is responsible for:

• Providing access to external tools, data sources, or services
• Running either locally (on the same machine as the Host) or remotely (over the network)
• Exposing standardized interfaces so Clients can interact with its capabilities
  

Building the simple MCP Server

Install fastmcp

pip install fastmcp

Basic MCP Server: Weather Tool

That’s it! FastMCP handles everything, including:

• JSON-RPC protocol
• Tool registration
• Type validation
• Error handling

Connecting to Claude Code

claude mcp add weather --command python --args /full/path/to/get_weather.py

Restart Claude Code → the MCP servers will automatically connect.

Now you can ask Claude things like:

• “What’s the temperature in Japan?”
• “Read the file at ~/documents/report.txt”

Claude will automatically invoke the tools from your MCP servers seamlessly.

Setting up MCP with Claude Code

Basedon the Claude docs (https://code.claude.com/docs/en/mcp), setting up

MCPin Claude Code is pretty straightforward — just run

claude  mcp add

andit handles the configuration for you automatically

Tolist and verify all configured MCP servers in Claude Code, try to run:

claude mcp list 

Claude Code & MCP: Best Practices

1. Serena MCP

Link: https://github.com/oraios/serena

I’ve been experimenting with an AI-driven workflow and plugged Serena MCP straight in (just using Sonet 4.5).

Honestly, it feels kind of “wow.” Instead of dumping a bunch of files on the AI and hoping it figures things out, it actually reads the codebase like a senior dev on the team.

Why it works so well?

• ‍RAG: It indexes the whole codebase, uses semantic search to pull only the most relevant parts, and feeds clean context to the model → less noise, better answers.
• مبني على بروتوكول خادم اللغة، لذا فهو يفهم الكود هيكليًا، وليس فقط كنص خام.‍
• ذاكرة عميقة: يتذكر قاعدة الكود المفهرسة، لذلك لا تحتاج إلى إعادة تحميل الرموز في كل مرة.‍
• البحث الدلالي هو — اسأل "أين تتم معالجة المصادقة؟" وسيجد الوظائف/الفئات ذات الصلة حتى لو كانت التسمية غريبة. في المشاريع الكبيرة، هذا منقذ حقيقي.

بشكل عام: رموز أقل، سياق أوضح، فهم أعمق بكثير للكود.

إذا كنت تبني وكلاء برمجة، فعليك تجربته. سيبدأ الأمر حقًا وكأن الذكاء الاصطناعي هو زميلك في الفريق.

2. بروتوكول السياق النموذجي للتفكير المتسلسل (MCP)

الرابط: https://github.com/modelcontextprotocol/servers/tree/main/src/sequentialthinking

أبرز الميزات

• ‍استدلال منظم: يحل Claude Code المشكلات المعقدة باستخدام التفكير المنطقي والخطوات المتسلسلة.‍
• يتعامل مع المهام المعقدة: مُحسّن للمهام متعددة المراحل مثل تصميم الأنظمة أو إعادة هيكلة البنية.‍
• قابلية التوسع: يدعم التخطيط والتحليل خطوة بخطوة لقواعد الأكواد الكبيرة.
  

حالات الاستخدام

• إعادة هيكلة معماريات الخدمات المصغرة
• تخطيط المهام القائم على المراحل للمشاريع الكبيرة
• تحسين تصميم النظام وسير عمل تصحيح الأخطاء

3. استخدام الوكلاء الفرعيين المتخصصين

الرابط: https://github.com/wshobson/agents
هذا نظام شامل وجاهز للإنتاج، مصمم للاندماج مع Claude Code وتوسيع قدراته بشكل كبير.

يجمع بين:

• ‍112 وكيل ذكاء اصطناعي متخصص
• 16 منسق سير عمل متعدد الوكلاء
• 146 مهارة وكيل
• 79 أداة تطوير‍
• منظمة في 72 إضافة مركزة أحادية الغرض لكود كلود
  

لكل وكيل دور محدد بوضوح — مثل تصميم بنية الواجهة الخلفية، وتطوير الواجهة الأمامية، وتحسين البنية التحتية السحابية، والاختبار الآلي، وMLOps، والمزيد — وكلها مُكوّنة وفقًا لأفضل الممارسات الحديثة.

التثبيت:

git clone https://github.com/wshobson/agents.git ~/.claude/agents