Gjør designene dine direkte om til kode ved å bruke @figma Dev Mode MCP-server i @code - nå tilgjengelig i åpen beta!

Anthropic har nettopp sluppet et gratis kurs om å bygge AI-apper med MCP. Lær hvordan du kobler AI-agenter til eksterne datakilder som GitHub, Google Dokumenter og lokale filer ved hjelp av MCP. 100% gratis.

Å kjøre mlx-lm lokalt med MCP ved hjelp av @huggingface bittesmå agenter er faktisk ganske enkelt og fungerer ganske bra. En demo som kjører Qwen3 4B med en MCP-klient for det lokale filsystemet:

Med MCP kan du koble agenten din til et helt økosystem av verktøy – men hvordan kan du sikre at agenten din orkestrerer disse verktøyene pålitelig? Verktøyregler i Letta lar deg spesifisere begrensninger på agentens verktøykall, slik at du kan bytte bort autonomi og kontroll.

Ta med Apple-appene dine inn i agentøkosystemet. @mattt fra @loopworkai demoer iMCP, en innebygd macOS-app som kobler tjenester som Meldinger og Kontakter til MCP-agenter ved hjelp av Swift MCP SDK – ja, selv for AI-drevne bursdagspåminnelser.

AI dukket nettopp opp i kassen din. Vår egen @cmatheson bygget med Next.js og WorkOS-@AuthKit – noe som viser hvor enkelt det er å koble MCP til en ekte app med AI-kasse og moderne godkjenning.

Har nettopp sluppet noe vi har bygget: MonetizedMCP () – en åpen kildekode-utvidelse av MCP som bringer innfødte, programmatiske betalinger til enhver MCP-server • Betalingsskinne-agnostiker • Endrer ikke MCP-spesifikasjonen • Bygget for utviklere og agenter for å tjene penger sømløst Hvis du utforsker betalinger eller bygger med MCP, vil du gjerne ha tankene dine Her er en demo av det i aksjon:

MorphIS er bygget for utvidbarhet. Fra finansielle verktøy til robotkontrollere kan agenter koble seg til virkelige systemer ved hjelp av tillegg drevet av Model Context Protocol (MCP). Enhver tjeneste. Enhver bransje. Ett grensesnitt.

Gratis åpen kildekode-kurs om MCP – bygget med kunnskapsgrafer! Jeg laget et komplett kurs om hvordan du bygger en MCP-klient og MCP-server ved hjelp av Python SDK. Alt strukturert via kunnskapsgrafer hentet fra selve repoen. La meg vise deg hva som er inni 👇 🧵 1/

Noe magisk skjer når du kombinerer MCP med generativt brukergrensesnitt 🤩

🤖 Vi introduserer Motion for AI Få fart på LLM-en din med den nye Motion MCP: • Generer CSS-fjær- og sprettlettinger • Fjær- og forenklende visualiseringer •Dokumentasjon Pluss Motion+-regler og veiledninger for vibekoding for @framer, @v0 og @figma

Bygg din første AI-agent + MCP-server i Python. Her er alt du trenger for å bygge din første AI-agent på mindre enn 20 minutter. Om koden ser du her: 1. Jeg brukte Google ADK med Gemini Flash for å drive agenten 2. Agenten kobler til en MCP-server 3. Den bruker også to tilpassede verktøy for å gjøre jobben sin 4. Du kan se alt agenten gjør takket være @Cometml Opik-bibliotek Her er videoen, gratis for deg å se.

Claude Code + Gemini Pro: To AI-kodere slår seg sammen. Ja, En redditor har nettopp droppet en MCP-server som lar Claude Code og Gemini 2.5 Pro jobbe sammen, og resultatene er seriøst neste nivå. Claude starter med planlegging, mens Gemini legger til dype resonnementer og kontekst.

Takk @TaskmasterAI nok et prosjekt fullført! Dette er en utmerket MCP for å jobbe med nye prosjekter med @cursor_ai eller @claude_code Lenke nedenfor 👇

Glad for å kunngjøre at den lokale mistral-rs-inferensserveren nå har full, innebygd MCP-støtte 🔌 - det nye AI-agentgrensesnittet eller 'USB-C for AI'! Du kan sømløst bruke din lokale LLM med hvilken som helst MCP, lokalt vert eller i skyen, med automatisk verktøygjenkjenning. Bare spesifiser MCP-serverkilden, og din lokale LLM kan dra full nytte av det. I tillegg kan du med mistral-rs bruke multimodale modeller som Gemma 3 for syn eller Phi 4 for syn + lyd. Alt støttes ut av esken med forhåndsbygde PyPi-hjul eller Docker-containere. 1️⃣Det hele er automatisk, bare spesifiser MCP-serverkilden og mistral-rs vil gjøre resten og registrere alle verktøyene som serveren er vert for 2️⃣HTTP/WebSocket/Prosesstransporter 3️⃣Null-konfigurasjonsoppsett med smarte standarder 4️⃣Sikker med ihendehavertokens og tilpassede overskrifter Du kan enkelt bygge lokale AI-resonnementsystemer. Spent på å se hva dere alle bygger med dette! 🔗 Lenke til åpen kildekode som svar.

Bygde et internt verktøy for å koble til en hvilken som helst eksternt hostet MCP-server og teste den mot flere agentarkitekturer for å utføre evalueringer. Bare lim inn MCP-serverens URL og trykk på koble til. Databasen er SQLite, og alle agentkjørelogger lagres lokalt.

Har bygget dette i det stille siden jeg begynte 🚀 Nå live: Nimble #MCP Server ✅ Strukturerte nettdata i sanntid ✅ JS-gjengitt innhold? ✅ Anti-bot-forsvar? ✅ Koble til #Claude, @QodoAI og mer. Prøv det → 📍 Ta meg @Data_AI_Summit

Lei av å åpne gamle kodebaser og føle deg som en fremmed i din egen repo? Jeg bygde et par MCP-servere slik at Claude kan lese koden min, oppsummere den og skrive notater rett inn i Obsidian. Vi slapper av sånn.

Agentminne kan være grunnleggende enkelt og gratis. Jeg bygde en enkel, men kraftig minne MCP-server med mindre enn 1000 linjer med kode. 100 % åpen kildekode. #buildinpublic #agentmemory

Hadde ikke noe bedre å gjøre, så jeg gjorde en gratis dag om til et 12-timers hackathon og bygde en MCP-server for @Core_LN i Rust. For åpenbart er det å stole på noden din til en AI topp Bitcoin-sikkerhet. 😃 Fortsatt grov rundt kantene, men det fungerer!

Denne repoen er gull! en samling LLM-apper med multiagenter, MCP, RAG og mye mer. Den beste måten å lære på er å bygge, og dette repositoriet gir tegningen.

Du vil ikke gå glipp av MCP-lanseringene fra Windows, OpenAI, Stripe, Docker, Zapier, Vapi, Hugging Face, Postman og mer denne uken!  Jeg oppsummerte alt du trenger å vite nedenfor.  (lagre til senere)