The 5 MCP to serwer MCP, który połączył asystenta AI z wiedzą zawartą w książce „The 5: Pierwsze pięć lat prowadzenia firmy” Tomasza Karwatki. Czytelnik mógł zadać własne pytanie, a system wyszukiwał odpowiednie fragmenty publikacji i przekazywał je asystentowi jako podstawę odpowiedzi.
Projekt zaczął się 16 grudnia od wiadomości Grzegorza Roga. Książka była tydzień po premierze, a pomysł brzmiał: zbudujmy asystenta, z którym społeczność The 5 będzie mogła porozmawiać o problemach związanych z prowadzeniem firmy.
Był tylko jeden warunek. Całość miała być gotowa na Wigilię.
Zostało siedem dni.
Brief: książka, asystent i bardzo krótki termin
Pierwsza propozycja dotyczyła asystenta AI spójnego z treścią książki. Zamiast budować kolejny zamknięty czat z wgranym plikiem, zaproponowałem serwer MCP — osobną warstwę, która udostępnia wiedzę z książki aplikacji AI.
Różnica wydaje się techniczna, ale ma praktyczne znaczenie. Asystent jest miejscem rozmowy. Serwer MCP dostarcza mu narzędzie do przeszukiwania książki. Dzięki temu wiedza i interfejs nie muszą być jednym, nierozłącznym produktem.
Cel nie polegał na zastąpieniu książki. Chodziło o skrócenie drogi do właściwego fragmentu. Czytelnik nie zawsze pamięta, w którym rozdziale autor opisał finansowanie, budowanie zespołu albo wybór rynku. Pamięta za to problem, z którym właśnie siedzi.
To od niego powinna zaczynać się rozmowa.
Co właściwie zbudowałem
Sercem projektu było narzędzie search_the5_ebook. Jego zadaniem było wyszukanie w treści książki fragmentów znaczeniowo powiązanych z pytaniem użytkownika.
Przykładowe pytania mogły brzmieć:
- Jakie są różnice między rozwijaniem firmy z własnych środków a pozyskaniem inwestora?
- Kiedy warto zacząć szukać zewnętrznego finansowania?
- Jak rozpoznać rynek, który zaczyna szybko rosnąć?
- Co książka mówi o budowaniu pierwszego zespołu?
Użytkownik nie musiał znać słów użytych w książce. Mógł opisać sytuację po swojemu. Wyszukiwanie semantyczne próbowało odnaleźć fragmenty podobne pod względem znaczenia, a nie tylko identyczne słowa.
Do serwera dodałem również dwa gotowe sposoby rozpoczęcia rozmowy:
- Szybki wgląd — krótka odpowiedź na jedno pytanie na podstawie książki.
- Porównanie podejść — zestawienie dwóch dróg opisanych w publikacji, na przykład rozwoju z własnych środków i finansowania zewnętrznego.
To nie były ozdobniki. Gotowy początek pomaga użytkownikowi zrozumieć, o co może zapytać i jakiego rodzaju odpowiedzi się spodziewać.
Jak książka trafiała do odpowiedzi
Pod spodem działał prosty przepływ:
Pytanie → wyszukanie fragmentów → przekazanie kontekstu → odpowiedź asystenta
Najpierw treść książki została przygotowana do wyszukiwania. Tekst trzeba było podzielić na fragmenty w taki sposób, aby pojedynczy wynik zawierał wystarczający kontekst, ale nie mieszał kilku odległych tematów.
Następnie pytanie użytkownika trafiało do wyszukiwarki. Odnalezione fragmenty książki były przekazywane do modelu językowego razem z instrukcją opisującą sposób przygotowania odpowiedzi.
Ten mechanizm jest przykładem RAG, czyli generowania wspomaganego wyszukiwaniem. Model nie opiera się wtedy wyłącznie na tym, czego nauczył się wcześniej. Przed odpowiedzią otrzymuje materiał z wybranego źródła. Szerszy opis tego procesu znajdziesz w artykule o rozmowie z dokumentami przez RAG.
MCP pełnił inną rolę. Udostępniał wyszukiwanie jako narzędzie, z którego mogła korzystać aplikacja AI. Dokładny podział na aplikację, klienta i serwer opisuję w poradniku czym są serwery MCP i jak działają.
Najtrudniejsza część nie była techniczna
Samo wyszukanie fragmentu to dopiero połowa pracy. Surowy wynik wyszukiwarki nadal nie jest dobrą rozmową.
Zależało mi, aby asystent posługiwał się pojęciami z książki i odpowiadał bez zbędnego akademickiego tonu. Jednocześnie nie mógł dopisywać Tomaszowi Karwatce nowych opinii ani udawać, że każdy problem został opisany w publikacji.
Instrukcja asystenta musiała więc pilnować trzech rzeczy:
- Najpierw korzystaj z odnalezionych fragmentów książki.
- Oddzielaj treść publikacji od własnego objaśnienia.
- Jeżeli książka nie odpowiada na pytanie, powiedz to wprost.
To właśnie tutaj asystent oparty na wiedzy najłatwiej się wykłada. Może odnaleźć właściwy fragment, a chwilę później dopisać do niego płynnie brzmiący wniosek. Dlatego ważniejsza od samej pewności głosu jest możliwość sprawdzenia, na czym odpowiedź się opiera.
Nie chciałem stworzyć cyfrowej kopii autora. Chciałem, aby rozmowa zachowywała charakter książki, ale nadal była rozmową z AI korzystającym z konkretnego materiału.
Po co w tym projekcie był serwer MCP
Model Context Protocol (MCP) to otwarty standard, który pozwala aplikacji AI korzystać z zewnętrznych danych i narzędzi. W tym projekcie serwer MCP był mostem między aplikacją, w której użytkownik prowadził rozmowę, a wyszukiwarką książki.
Takie rozdzielenie dawało mi trzy korzyści:
- logika wyszukiwania nie była zaszyta w jednym oknie czatu;
- można było rozwijać serwer bez przebudowy całego asystenta;
- to samo narzędzie mogło być udostępniane aplikacjom obsługującym odpowiedni sposób połączenia.
Domyślnym miejscem korzystania z projektu była aplikacja Alice, w której The 5 MCP działał razem z przygotowanym asystentem. Nie zakładałem jednak, że samo hasło „obsługuje MCP” oznacza identyczne działanie w każdej aplikacji. Klient musi jeszcze poprawnie obsłużyć narzędzie, jego parametry i zwracane wyniki.
To ograniczenie nie jest głównym tematem tego case study. Jest po prostu częścią projektowania produktu: protokół ułatwia połączenie, ale nie wykonuje za twórcę testów.
Bezpłatne narzędzie
Sprawdź w 3 minuty, czy Twój pomysł na AI da się wdrożyć
Opisz pomysł, odpowiedz na kilka pytań i zobacz ocenę: macierz wykonalność × impakt, plan MVP i rekomendację — bez zakładania konta.
Sprawdź swój pomysł →Co trzeba było dowieźć w siedem dni
Krótki termin wymusił dyscyplinę. Nie było miejsca na budowanie funkcji „na później”, bo dobrze wyglądały na liście.
Do uruchomienia pierwszej wersji potrzebowałem:
- przygotowanego tekstu książki;
- podziału materiału na fragmenty;
- wyszukiwania semantycznego;
- narzędzia MCP zwracającego wyniki;
- instrukcji dla asystenta;
- gotowych początków rozmowy;
- konfiguracji w aplikacji;
- próbnych pytań sprawdzających cały przepływ.
Każdy z tych elementów da się rozwijać miesiącami. W tym projekcie liczyło się jednak pierwsze użyteczne wydanie: użytkownik zadaje pytanie, system odnajduje materiał, a asystent przygotowuje odpowiedź, z którą można dalej pracować.
Projekt został uruchomiony przed Wigilią jako prezent dla społeczności skupionej wokół książki. Powstało też krótkie nagranie pokazujące The 5 MCP w działaniu.
Rzecz, którą ten projekt pokazał mi najmocniej
Na początku łatwo patrzeć na taki projekt jak na zadanie techniczne: weź książkę, dodaj wyszukiwanie, podłącz model. Tyle że technologia nie decyduje jeszcze, czy rozmowa będzie użyteczna.
Najwięcej pracy wymaga przejście między znalezionym fragmentem a odpowiedzią, której człowiek może zaufać. Asystent musi wiedzieć, gdzie kończy się materiał źródłowy. Użytkownik z kolei powinien rozumieć, że rozmawia z modelem korzystającym z książki — nie z samym autorem.
Druga lekcja dotyczy zakresu. W siedem dni da się zbudować działający produkt, jeżeli od początku wiadomo, co jest jego jednym zadaniem. The 5 MCP nie miał odpowiadać na każde pytanie przedsiębiorcy. Miał pomagać znaleźć i wykorzystać wiedzę zapisaną w jednej, konkretnej książce.
To ograniczenie nie osłabiało projektu. Nadawało mu sens.
Co The 5 MCP mówi o asystentach opartych na wiedzy
Książka nie musi kończyć jako plik na dysku albo pozycja, do której wraca się raz na kilka miesięcy. Może stać się aktywnym źródłem wiedzy: dostępnym przez pytania zadawane w chwili, gdy czytelnik mierzy się z konkretną decyzją.
Nie oznacza to, że do każdego dokumentu trzeba budować serwer MCP. Jeżeli wiedza ma działać tylko w jednej aplikacji, prostsze rozwiązanie może wystarczyć. MCP nabiera znaczenia wtedy, gdy źródło wiedzy ma być oddzielone od interfejsu i dostępne jako samodzielne narzędzie.
Najważniejszy wniosek z The 5 MCP jest prostszy: dobra odpowiedź nie zaczyna się od modelu językowego. Zaczyna się od dobrze przygotowanego źródła, jasno określonego zadania i granicy, której asystent nie powinien przekraczać.
AI ma tu nie opowiadać o książce. Ma pomóc użyć jej wtedy, gdy wiedza jest potrzebna.
Najczęściej zadawane pytania
Czy do zbudowania asystenta opartego na książce potrzebny jest MCP?
Nie. Można wykorzystać funkcje pracy z dokumentami dostępne w jednej aplikacji albo zbudować własne połączenie z bazą wiedzy. MCP przydaje się wtedy, gdy wyszukiwanie ma działać jako osobne narzędzie, niezależne od jednego interfejsu rozmowy.
Czy asystent odpowiadał wyłącznie na podstawie książki?
Takie było założenie instrukcji i mechanizmu wyszukiwania: najpierw odnaleźć materiał w książce, a następnie oprzeć na nim odpowiedź. Model językowy nadal może jednak źle zinterpretować fragment, dlatego ważne są próby, czytelne granice i możliwość sprawdzenia podstawy odpowiedzi.
Czy podobny mechanizm można zastosować do innej publikacji?
Tak, jeżeli twórca ma prawo wykorzystać materiał i potrafi przygotować go do wyszukiwania. Sama zamiana pliku nie wystarczy. Trzeba jeszcze ustalić sposób dzielenia treści, zachowanie przy braku odpowiedzi, instrukcję asystenta oraz pytania kontrolne.
Gdzie można zobaczyć The 5 MCP?
Zachowało się nagranie demonstracyjne projektu, pokazujące sposób rozmowy z asystentem i wykorzystanie wiedzy z książki.
Podsumowanie
The 5 MCP powstał z prostego briefu i mało wygodnego terminu. W ciągu siedmiu dni książka została przygotowana jako źródło wiedzy, wyszukiwanie trafiło do serwera MCP, a całość została połączona z asystentem dostępnym w aplikacji.
Najcenniejsza lekcja nie dotyczy jednak szybkości. Dotyczy granic. Asystent oparty na książce jest użyteczny wtedy, gdy pomaga znaleźć odpowiedź, ale nie udaje, że wie więcej niż materiał, na którym pracuje.
To był jeden z tych projektów, w których AI faktycznie zaczęło działać na wiedzy — zamiast tylko o niej rozmawiać.
Źródła
- The 5 — oficjalna strona książki Tomasza Karwatki — https://ksiazka.the5.tech/
- Model Context Protocol — architektura hosta, klienta i serwera — https://modelcontextprotocol.io/docs/learn/architecture
- Model Context Protocol — narzędzia i zasoby udostępniane przez serwer — https://modelcontextprotocol.io/docs/learn/server-concepts
