내 마지막 블로그에서, 당신이 어떻게 노출할 수 있는지 보여드렸습니다. Mendix Claude와 같은 대규모 언어 모델(LLM)이 발견하고 호출할 수 있는 도구로서의 마이크로플로 모델 컨텍스트 프로토콜(MCP). 그것은 AI 보조자가 귀하의 정보를 직접 활용할 수 있는 문을 열었습니다. Mendix 논리입니다. 이제 상황을 뒤집어 보겠습니다.

새로운 기능 MCP 클라이언트 모듈당신의 Mendix 앱은 외부 MCP 서버의 소비자 역할을 할 수 있습니다. 즉, 앱이 다른 곳에서 실행 중인 프롬프트와 도구를 검색하고 호출할 수 있습니다. 이를 통해 강력한 외부 로직이나 AI 서비스를 앱에 쉽게 연결할 수 있습니다. Mendix 사용자 정의 통합을 만들지 않고도 앱을 만들 수 있습니다.

MCP 클라이언트 모듈이란 무엇인가요?

MCP 클라이언트 모듈을 사용하면 Mendix 앱은 다른 MCP 호환 서버에 연결됩니다. Mendix 앱, 고코드 기반 도구 서비스 또는 클라우드에 호스팅된 에이전트.

그 의미는:

• 앱 전체에서 논리를 재사용하세요. Mendix 앱은 도구를 제공하고 다른 앱은 이를 사용합니다.
• REST 또는 SDK 작업 없이 타사 AI 서비스에 연결
• 로우코드에서 전체 GenAI 워크플로에 체인 도구 및 프롬프트를 모두 추가합니다.

즉, Mendix 이제 MCP 서버와 클라이언트 모두에서 통신할 수 있어 강력한 AI 기반 애플리케이션을 구축하는 도구가 되었습니다. 마치 Mendix 앱을 AI 기반 기능의 공유 툴박스로 전환합니다.

다음은 우리의 예에서 이것이 높은 수준에서 작동하는 방식입니다.

이러한 도구가 데이터 검색을 처리하는 반면, MCP 도구는 앱이나 외부 시스템이 지원하는 작업을 쉽게 트리거하고, 레코드를 업데이트하고, 다른 작업을 수행할 수 있습니다.

이것은 다음을 보여줍니다 Mendix 외부 MCP 서버(다른 서버일 수 있음)에 연결된 MCP 클라이언트 역할을 하는 앱 Mendix 앱). 사용자가 챗봇 UI와 상호작용할 때, 클라이언트는 서버에서 도구를 동적으로 검색하여 LLM 요청에 포함합니다. 모델이 도구를 호출하기로 선택하면, 클라이언트는 해당 호출을 서버로 전달하고 결과를 받아 대화를 이어갑니다.

모든 것이 표준 MCP HTTPS 호출을 통해 실행되며 사용자 정의 통합이 필요하지 않습니다.

참고: 최신 버전의 GenAI 쇼케이스 앱 MCP 클라이언트를 연결하는 방법에 대한 단계별 가이드를 보여줍니다. Mendix 도구를 소비한 다음 이를 외부 서버에 앱으로 전송하여 사용할 수 있습니다. Mendix 챗봇.

MCP 서버에 연결 Mendix 앱

사전 조건

처음부터 시작할지, 기존 애플리케이션을 확장할지 선택할 수 있습니다. 처음부터 시작하려면 빈 GenAI 앱이미 필요한 모든 GenAI 모듈이 포함되어 있으므로 시작하기에 가장 좋습니다. 기존 앱을 확장하는 경우 다음을 설치해야 합니다. MCP 클라이언트, GenAI 커먼즈, 대화형 UI 그리고 마켓플레이스에서 선호하는 GenAI 커넥터 모듈을 사용할 수 있습니다. 또한 MCP 서버( Mendix 앱이나 외부에서) GenAI Showcase 앱 MCP 서버 예제를 사용할 수도 있습니다.

챗봇을 만들어 보세요

아직 앱에 챗봇이 없으신가요? 챗봇을 만드는 방법을 단계별로 안내해 드리겠습니다. 이미 챗봇을 구현하셨더라도, 다음 단계에 따라 변경 사항을 적용하는 것이 좋습니다.

XNUMX 단계

MCP 클라이언트 모듈에는 몇 가지 예시 마이크로플로가 있어 더 빠르게 시작할 수 있고, 작동을 위해 별도의 사용자 정의가 거의 필요하지 않습니다. 모듈로 이동하여 마이크로플로를 복사하세요. ChatContext_MCPClient_ActionMicroflow 그리고 세 가지 미세 흐름 모두 GenAI Commons 지도 모듈에 폴더를 추가하세요.

XNUMX 단계

기본적으로 제외되어 있으므로 먼저 포함해야 합니다. 이렇게 하면 오류가 발생하는데, 복사된 마이크로플로우를 다시 연결하면 해결할 수 있습니다. 걱정하지 마세요. 이러한 오류는 예상된 것이며 쉽게 해결할 수 있습니다. 이름을 따라 해당 마이크로플로우 복사본을 선택하기만 하면 됩니다.

XNUMX 단계

모든 오류가 해결된 후, 마이크로플로를 데이터 소스로 사용하여 페이지에 데이터뷰를 추가합니다. 이름이 다음과 같은 마이크로플로를 만듭니다. DS_ChatContext_생성:

1. • 그 미세흐름 내부에서 먼저 하나를 회수합니다. 배포된 모델 데이터베이스에서 (또는 사용자 정의 검색을 통해 올바른 LLM을 선택).
   • 그 후에 추가하세요 새로운 채팅 도구 상자에서 작업을 선택합니다. 검색된 모델을 선택하고 작업 마이크로플로에 이전에 포함된 작업 마이크로플로를 선택합니다.
   • 마지막으로 반환 채팅 컨텍스트 마이크로흐름의 끝에 있는 물체.

4 단계

추가 할 단추 내부 데이터뷰 페이지를 열려면 대화형 UI_전체 화면 채팅 (또는 다른 ConversationalUI 페이지) ConversationalUI 모듈에서.

사용자에게 모듈 역할이 있는지 확인하세요. 사용자 ConversationalUI에서 할당되었습니다. 이제 채팅을 사용할 준비가 되었습니다.

하지만 잠깐만요: 어떻게 Mendix 어떤 MCP 서버를 사용해야 할지 아십니까?

이것은 기술적으로 어떻게 작동하나요?

요청에 도구 등록

먼저 당신이 방금 맹목적으로 자신의 모듈에 복사한 내용을 설명하겠습니다.

• 따라서 ChatContext_MCPClient_ActionMicroflow 사용자가 입력한 메시지가 모든 중요한 구성 및 컨텍스트(대화 기록 등)와 함께 올바른 모델로 올바르게 전송되는지 확인합니다.
• 그 미세흐름 내부에서 요청_추가MCP도구 sub-microflow라고 합니다. MCP 서버에 연결하여 노출된 모든 도구를 검색하여 추가합니다. GenAICommons.Tools LLM에 전송된 요청으로.
• 모델에 전송되는 각 메시지에 대해 모델은 도구를 알고 있으며, 도구를 호출할 도구를 선택할 수 있습니다.

도구 호출 및 프록시

어떻게 당신의 Mendix 앱에서 다른 앱의 도구를 호출하는 방법? MCP 도구가 요청을 통해 등록되는 것으로 시작합니다. 이 요청은 특정 마이크로플로우를 가리킵니다. 도구_오케스트레이트도구호출마이크로플로우는 도구 이름과 전송할 인수를 알고 있습니다. 이 정보는 모델 요청에 포함되어 있기 때문입니다. MCP 클라이언트의 통화 도구 동작 시, 마이크로플로우는 중개자 역할을 하는 MCP 서버로 요청을 전달합니다. 서버의 응답은 LLM으로 전송되고, LLM은 직접 응답하거나 필요한 경우 다른 도구를 사용하여 사용자 요청을 처리할 수 있습니다.

보시다시피, 모든 MCP 서버에서 작동하도록 사용자 지정 통합이나 변경이 필요하지 않습니다. 플러그 앤 플레이 방식으로, 동일한 애플리케이션에서 관리할 필요 없이 강력한 도구를 사용하여 더욱 풍부한 채팅 경험을 누리세요.

MCP 연결 설정

이제 연결해 보겠습니다. 앱에서 MCP 서버의 위치를 알아야 합니다.

마이크로흐름에서 도구_오케스트레이트도구호출 그리고 요청_추가MCP도구 당신은 변경해야합니다 MCP클라이언트 구성 MCP 서버를 가리키는 엔드포인트입니다. 사용자 지정 HTTP 헤더를 전달하여 인증해야 하는 경우 다음 작업을 사용할 수 있습니다. 구성: Http 헤더 추가 나중에. MCP 클라이언트 생성을 재사용 가능한 하위 마이크로플로로 래핑하는 것이 좋습니다. 특히 지금은 두 곳에서 사용되기 때문입니다.

MCP 서버가 없으신가요? 지금이 바로 다시 확인해 볼 적기일 수 있습니다. 최신 블로그 게시물 당신의 논리를 폭로하는 것에 관하여 Mendix MCP를 통해 앱을 실행할 수 있습니다. 직접 MCP 서버를 구축하거나 GenAI Showcase 앱에서 예제를 재사용할 수 있습니다. Showcase 앱에서 로컬로 사용하는 경우 엔드포인트는 다음과 같습니다. http://localhost:8080/mcp-ticketsystem

애플리케이션을 다시 실행하고 사용 가능한 도구를 통해 답변할 수 있는 질문을 하세요. 쇼케이스 MCP 서버를 사용하는 경우 다음과 같은 질문을 할 수 있습니다. "티켓이 몇 장이나 열려 있나요?" 버그와 기능 티켓이 얼마나 열려 있는지 확인하는 두 가지 도구 호출이 발생할 가능성이 높으며, 모델은 이 정보를 사용하여 열려 있는 티켓의 총량을 계산할 수 있습니다.

무엇 향후 계획?

이제 너의 Mendix 앱은 MCP를 통해 도구를 노출하고 사용할 수 있으므로, 애플리케이션을 연결하고, AI에 작업을 오프로드하고, 여러 팀 간의 내부 마이크로서비스와 통합하는 등 더욱 진보된 에이전트 워크플로를 구축할 준비가 되었습니다. 더 이상 변명의 여지가 없습니다. 로우코드를 사용하여 기업 전체에 원활한 AI 기반 환경을 구축할 수 있습니다.

더 좋은 점은 GitHub, Slack, Google Drive와 같은 타사 서비스를 위한 오픈소스 MCP 서버 생태계가 확대되고 있다는 것입니다. 이러한 서버를 직접 호스팅하여 Mendix 앱 플러그인이 바로 가능합니다. 그러면 어떤 외부 서비스를 사용하시겠습니까? Mendix 앱을 먼저 연결할까요?