In meinem letzten Blog, habe ich gezeigt, wie Sie Ihre Mendix Microflows als Werkzeuge, die Large Language Models (LLMs) wie Claude entdecken und aufrufen können über die Model Context Protocol (MCP). Das öffnete die Tür für KI-Assistenten, um direkt auf Ihre Mendix Logik. Jetzt drehen wir die Dinge um.

Mit dem neuen MCP-Client-ModulIhr Mendix Die App kann als Verbraucher externer MCP-Server fungieren, d. h. Ihre App kann Eingabeaufforderungen und Tools, die an anderer Stelle ausgeführt werden, erkennen und aufrufen. Dies erleichtert die Einbindung leistungsstarker externer Logik- oder KI-Dienste in Ihre Mendix Apps, ohne benutzerdefinierte Integrationen zu erstellen.

Was ist das MCP-Clientmodul?

Mit dem MCP-Client-Modul können Sie Mendix App verbindet sich mit jedem MCP-kompatiblen Server, egal ob es sich um einen anderen Mendix App, ein High-Code-basierter Tool-Dienst oder ein in der Cloud gehosteter Agent.

Das bedeutet:

• Logik in allen Apps wiederverwenden – eine Mendix App bietet Tools, und eine andere nutzt sie
• Stellen Sie eine Verbindung zu KI-Diensten von Drittanbietern her – kein REST- oder SDK-Wrangling erforderlich
• Verketten Sie Tools und Eingabeaufforderungen in vollständige GenAI-Workflows – alles mit wenig Code

Zusamenfassend, Mendix kann nun sowohl MCP-Server als auch -Client sprechen und ist damit das Werkzeug zum Erstellen leistungsstarker KI-gestützter Anwendungen. Es ist, als würde man seinen Mendix App in eine gemeinsame Toolbox mit KI-gestützten Funktionen.

So funktioniert das auf hoher Ebene für unser Beispiel:

Bitte beachten Sie, dass diese Tools zwar den Datenabruf übernehmen, MCP-Tools jedoch genauso einfach Aktionen auslösen, Datensätze aktualisieren oder andere Vorgänge ausführen können, die Ihre App oder Ihr externes System unterstützt.

Dies zeigt eine Mendix App, die als MCP-Client fungiert und mit einem externen MCP-Server verbunden ist (der ein anderer sein könnte Mendix App). Wenn der Benutzer mit der Chatbot-Benutzeroberfläche interagiert, erkennt der Client dynamisch Tools vom Server und fügt sie in die Anfrage an das LLM ein. Wenn das Modell eines aufruft, leitet der Client den Aufruf an den Server weiter, erhält das Ergebnis und setzt die Konversation fort.

Alles läuft über standardmäßige MCP-HTTPS-Aufrufe und es sind keine benutzerdefinierten Integrationen erforderlich.

Hinweis: Die neueste Version der GenAI Showcase App zeigt eine Schritt-für-Schritt-Anleitung zum Verbinden eines MCP-Clients in Ihrem Mendix App auf einen externen Server, um Tools zu nutzen und sie dann in Ihrem Mendix Chatbot.

Stellen Sie von Ihrem Computer aus eine Verbindung zu einem MCP-Server her. Mendix App

Voraussetzungen:

Sie können wählen, ob Sie von Grund auf neu beginnen oder eine bestehende Anwendung erweitern möchten. Wenn Sie von Grund auf neu beginnen möchten, Leere GenAI-App, das bereits alle notwendigen GenAI-Module enthält, ist der beste Ausgangspunkt. Wenn Sie eine bestehende App erweitern, installieren Sie unbedingt die MCP-Client, GenAI Commons, Konversations-Benutzeroberfläche und Ihr bevorzugtes GenAI-Anschlussmodul vom Marktplatz. Sie sollten außerdem Zugriff auf einen MCP-Server haben (der in einem Mendix App oder extern), wofür Sie auch das Beispiel des GenAI Showcase App MCP Server verwenden können.

Erstellen Sie Ihren Chatbot

Falls Sie noch keinen Chatbot in Ihrer Anwendung haben, führe ich Sie Schritt für Schritt durch die Erstellung. Auch wenn Sie bereits einen Chatbot implementiert haben, befolgen Sie am besten diese Schritte, um die entsprechenden Änderungen vorzunehmen.

Schritt eins

Im MCP-Client-Modul sind einige Beispiel-Microflows verfügbar, die Ihnen den Einstieg erleichtern. Gehen Sie zum Modul und kopieren Sie den Microflow: ChatContext_MCPClient_ActionMicroflow in Ihr eigenes Modul.

Schritt zwei

Da der Microflow standardmäßig ausgeschlossen ist, müssen Sie ihn zuerst einschließen.

Schritt drei

Fügen Sie Ihrer Seite eine Datenansicht mit einem Microflow als Datenquelle hinzu. Erstellen Sie einen Microflow mit dem Namen DS_ChatContext_Create:

1. • Innerhalb dieses Mikroflusses rufen Sie zunächst einen Bereitgestelltes Modell aus der Datenbank (oder führen Sie Ihren benutzerdefinierten Abruf durch, um das richtige LLM auszuwählen).
   • Anschließend fügen Sie die Neuer Chat Aktion aus der Toolbox. Wählen Sie das abgerufene Modell aus und wählen Sie für den Aktions-Microflow den zuvor eingefügten Aktions-Microflow. Die Eingaben für die Systemaufforderung und den Anbieternamen können Sie leer lassen, da sie optional sind.
   • Schließlich geben Sie die ChatContext Objekt am Ende des Mikroflusses.

Schritt vier

Hinzufügen Taste im nun erscheinenden Bestätigungsfenster nun wieder los. innerhalb der Datenansicht Seite öffnen ConversationalUI_FullScreenChat (oder eine andere ConversationalUI-Seite) aus dem ConversationalUI-Modul.

Stellen Sie sicher, dass Ihr Benutzer die Modulrolle hat Mitglied von ConversationalUI zugewiesen. Ihr Chat ist jetzt einsatzbereit.

Aber Moment: Wie Mendix wissen Sie, welchen MCP-Server Sie verwenden sollen?

Wie funktioniert das technisch?

Werkzeuge mit der Anfrage registrieren

Lassen Sie mich zunächst erklären, was Sie gerade blind in Ihr eigenes Modul kopiert haben:

• Der ChatContext_MCPClient_ActionMicroflow stellt sicher, dass eine von einem Benutzer eingegebene Nachricht mit allen wichtigen Konfigurationen und Kontexten (z. B. dem Konversationsverlauf) korrekt an das richtige Modell gesendet wird.
• Innerhalb des Aktions-Mikroflusses wird ein MCPServerConfiguration Objekt aus der Datenbank abgerufen wird. Sie können dies gerne anpassen und andere MCPServerConfiguration Objekt und übergeben Sie es an die Anfrage: Alle Tools aus der MCP-Serveraktion hinzufügen. Diese Aktion stellt eine Verbindung zu Ihrem MCP-Server her, erkennt alle verfügbaren Tools und ergänzt sie zur Anfrage, die an das LLM gesendet wird.
• Für jede an das Modell gesendete Nachricht sind die MCP-Tools bekannt und es kann diese aufrufen.

Toolaufruf und Proxying

Wie kann Ihr Mendix App ruft ein Tool in einer anderen App auf? Es beginnt damit, dass die MCP-Tools mit einer Anfrage zusammen mit ihren Eingabeargumenten registriert werden. Wenn das Modell einen Tool-Aufruf für ein MCP-Tool zurückgibt, MCPClient_ToolMicroflow ausgeführt wird. Mit dem MCP Client Anruftool Der Microflow leitet die Anfrage an den MCP-Server weiter, der als Vermittler fungiert. Die Antwort des Servers wird dann an das LLM zurückgesendet, das die Anfrage des Benutzers verarbeiten kann – entweder durch direkte Antwort oder bei Bedarf durch den Einsatz anderer Tools.

Wie Sie sehen, sind keine benutzerdefinierten Integrationen oder Änderungen erforderlich, damit es auf jedem MCP-Server funktioniert. Einfach Plug-and-Play, um Ihr Chat-Erlebnis mit leistungsstarken Tools zu bereichern, die Sie nicht in derselben Anwendung verwalten müssen.

Stellen Sie die MCP-Verbindung her

Jetzt verkabeln wir es. Ihre App muss wissen, wo sich der MCP-Server befindet.

Zunächst müssen wir Administratoren die Einrichtung und Verwaltung von MCP-Serverkonfigurationen ermöglichen. Weisen Sie daher Ihrer Administratorrolle die Modulrolle MCP-Clientadministrator zu. Fügen Sie anschließend die MCPServerConfiguration_Overview Seite aus dem MCP-Client-Modul in Ihre Navigation. Starten Sie anschließend die App, melden Sie sich als Administrator an und navigieren Sie zu dieser Seite. Von dort aus können Sie Ihre erste MCP-Serverkonfiguration erstellen und in der Datenbank speichern.

Wenn Sie die Authentifizierung durch Übergabe benutzerdefinierter HTTP-Header durchführen müssen, können Sie einen Microflow zum Abrufen von Anmeldeinformationen erstellen. Dieser Microflow darf keine Inout-Parameter haben und muss eine Liste von System.HttpHeader. Sie können die Verwendung Konfiguration: HTTP-Header erstellen und fügen Sie dazu die Toolbox-Aktion „Liste“ hinzu. Sie können diesen Microflow dann als Microflow „Anmeldeinformationen abrufen“ auswählen, wenn Sie die MCP-Serverkonfiguration zur Laufzeit als Administrator erstellen. Schauen Sie sich die GetCredentials_EXAMPLE Microflow für ein vereinfachtes Beispiel zum Erstellen eines Microflows zum Abrufen von Anmeldeinformationen.

Sie haben keinen MCP-Server zur Hand? Dies könnte der richtige Zeitpunkt für einen erneuten Besuch sein. der neuste Blogbeitrag über die Offenlegung der Logik aus Ihrem Mendix App über MCP. Sie können Ihren eigenen MCP-Server erstellen oder das Beispiel in der GenAI Showcase-App wiederverwenden. Für die lokale Verwendung aus der Showcase-App sieht der Endpunkt wahrscheinlich so aus: https://localhost:8080/mcp-ticketsystem

Führen Sie Ihre Anwendung erneut aus und stellen Sie eine Frage, die mit den verfügbaren Tools beantwortet werden kann. Wenn Sie den Showcase-MCP-Server verwenden, lautet die Frage: „Wie viele Tickets sind offen?“ löst wahrscheinlich zwei Tool-Aufrufe aus, um zu prüfen, wie viele Bug- und Feature-Tickets offen sind. Das Modell kann diese Informationen verwenden, um die Gesamtzahl der offenen Tickets zu berechnen.

Wie geht es weiter?

Nun das dein Mendix Apps können Tools über MCP bereitstellen und nutzen. Sie sind bereit, erweiterte Agenten-Workflows zu erstellen – Anwendungen miteinander zu verketten, Aufgaben an KI auszulagern oder teamübergreifend mit internen Microservices zu integrieren. Es gibt wirklich keine Ausreden mehr: Sie können mit Low-Code eine nahtlose KI-basierte Landschaft in Ihrem gesamten Unternehmen schaffen.

Noch besser: Es gibt ein wachsendes Ökosystem von Open-Source-MCP-Servern für Drittanbieterdienste wie GitHub, Slack oder Google Drive. Sie können diese selbst hosten und Ihre Mendix App-Plug-In direkt. Also – welcher externe Dienst wird Ihre Mendix App zuerst verbinden?