<h1>Gratulujeme! 🎉</h1> <p style="color:#637381;">Hotovo! Dokončili jste další milník.</p>

Chcete-li pokračovat, zadejte své údaje pro přihlášení.

Poslali jsme 6místný kód na #MAIL_ADDRESS#\nZkontrolujte prosím doručenou poštu nebo spam a zadejte níže kód pro pokračování.

Ověřovací kód odeslán

Děkujeme za platbu. Nyní můžete přistupovat k {collectionName} jednoduchým kliknutím na tlačítko níže.

Ano, úspěšně jste objednali! 🎉

Odemknout tento exkluzivní kurz

Zdá se, že vaše e-mailová adresa není momentálně na seznamu oprávněných přístupů. Ujistěte se prosím, že používáte e-mailovou adresu, která byla pozvána, nebo kontaktujte vlastníka obsahu pro pomoc.

Pro přístup je vyžadováno ověření

MCP pro tvůrce agentů

Co je cílem kurzu: od mentálního modelu MCP po „MCP‑ready“ produkčního agenta

Výstupy (learning outcomes): měřitelná kompetence pro „MCP‑ready“ integrace

Doporučené nastavení v MCG (bez duplicit): aby generované části seděly na MCP standard

1) Mentální model MCP

Základní tok (zjednodušeně): client/host ↔ server bez magie

Definition of Done (DoD) pro hotového „MCP‑ready“ agenta: co musí projít před produkcí

2) Návrh nástrojů: pravidla, která zvyšují spolehlivost

Copy/paste: příklad JSON schema pro nástroj – kontrakt, který vede model i vývojáře

Copy/paste: vzor odpovědi nástroje (úspěch / chyba) – konzistentní a strojově čitelné

3) Bezpečnostní baseline (prakticky)

Bezpečnostní baseline: least privilege, allowlist a potvrzení zápisů bez kompromisů

Copy/paste: kontrolní seznam citlivých dat – minimalizace rizik v každém kroku

4) Observability a evaluace kvality

Observability a měřitelnost: logy, metriky, tracing a praktické evaly

Copy/paste: event log (JSON) pro volání nástroje – auditovatelný a akceschopný

Okruhy pro kvíz (MCG vygeneruje 8 otázek): prověřte hluboké porozumění MCP

5) Mini-laby (prakticky)

Lab A: Připojení ke stávajícímu MCP serveru a discovery nástrojů – první end‑to‑end průchod

Lab B: Návrh vlastního MCP serveru (2 nástroje) – čisté kontrakty a robustní chyby

Lab C: Guardrails a bezpečné potvrzení zápisové akce – bezchybné write operace

6) Produkční checklist (copy/paste)

Produkční checklist: od kontraktů po provozní dohled – nic nezapomenout

Doporučené zdroje (oficiální)

Doporučené zdroje (oficiální): studujte standard a referenční implementace

Kvíz: ověřte si své MCP dovednosti před produkčním nasazením

Anketa: vaše očekávání a použití MCP v praxi (1/4)

Anketa: překážky a rizika při adopci MCP (2/4)

Anketa: prioritizace témat pro deepen‑dive (3/4)

Anketa: připravenost týmu na „MCP‑ready“ nasazení (4/4)

MCP v praxi: bezpečné a měřitelné AI integrace je prakticky zaměřený kurz pro buildry, vývojáře a tech leady, kteří chtějí navrhovat a provozovat „MCP‑ready“ agenty bez kompromisů na bezpečnost, spolehlivost a měřitelnost. Naučíte se uvažovat v mentálním modelu MCP (client/host ↔ server), navrhovat nástroje s jasnými JSON schématy, typizovanými chybami a verzováním a zavést guardrails pro write operace (least privilege, allowlist, potvrzení zápisu). Krok za krokem projdete discovery a handshake, validaci vstupů, konzistentní odpovědi nástrojů, observability (strukturované logy, metriky p50/p95/p99, tracing, korelační ID) i lehké evaly a testy. V mini-labech připojíte klienta k existujícímu MCP serveru, navrhnete vlastní server se dvěma nástroji a implementujete dvoufázové potvrzení zápisu s auditní stopou a rollbackem. Získáte produkční checklist a Definition of Done, které můžete „copy/paste“ do svého procesu. Kurz je ideální, pokud potřebujete rychle a bezpečně integrovat AI agenty s interními systémy, snížit chybovost a mít jasný dohled nad náklady a výkonem.

MCP v praxi: bezpečné a měřitelné AI integrace

<div class="simple-box-wrapper">
    <div class="simple-box">
        <div class="column">
            <p>AI agent bez bezpečného přístupu k nástrojům je jen chytrý textový generátor. Tento kurz ukazuje, jak z Model Context Protocolu (MCP) udělat standardní most mezi agentem (client/host) a externími systémy přes MCP servery – bez magie, zato s jasnými kontrakty, měřitelností a provozní jistotou. Od prvního mentálního modelu až po „MCP‑ready“ produkčního agenta společně postavíme integraci, která má definované JSON schéma, typizované chyby, řízená oprávnění, auditní stopy i metriky. Cílem je, abyste uměli architekturu vysvětlit, nástroje správně navrhnout a zvolené use‑case dotáhnout do konce se srozumitelným Definition of Done.</p>

<p>Obsah je navržen pro builder komunitu, vývojáře, tech leady i konzultanty se znalostí JSON, API a Gitu. Začneme mentálním modelem MCP (client/host ↔ server, discovery, handshake, životní cyklus nástrojů), přejdeme k návrhu tools s praktickými „copy/paste“ šablonami pro JSON schema a konzistentní odpovědi (success/error), a posuneme se k bezpečnostní baseline: least privilege, allowlist, dvoufázové potvrzení write operací, limity a audit. V části observability nastavíme korelační ID, strukturované logy, metriky p50/p95/p99, tracing a lehké evaly. Mini‑laby vás provedou end‑to‑end průchody: od připojení ke stávajícímu MCP serveru přes návrh vlastního (read + write) až po guardrails a cvičný rollback. Závěrečný produkční checklist zajistí, že na nic nezapomenete – od verzování kontraktů přes SLO až po governance změn.</p>

<p>Výstupem je měřitelná kompetence pro „MCP‑ready“ integrace: umět navrhnout 2–3 nástroje s jasným schématem a chybami, bezpečně je volat s potvrzením zápisů, nastavit pozorovatelnost a připravit end‑to‑end DoD nad reálným scénářem. Využijete doporučené nastavení promptů a šablon v MCG, které snižují halucinace, vynucují explicitní kontrakty a drží jednotný styl logů a metrik. Po absolvování budete mít nejen znalosti, ale i opakovatelné artefakty a checklisty, které zkracují cestu od nápadu k bezpečné, auditovatelné a udržitelně provozované AI integraci.</p>
        </div>
    </div>
</div>
