Masz agenta AI, który może wywoływać API, pobierać dokumenty, a nawet być wyzwalaczem cyklu pracy. Jednak za każdym razem, gdy skalujesz system, coś zaczyna działać nieprawidłowo. 🫨
Jeśli trafiłeś tutaj, potrzebujesz bardziej przejrzystego i uporządkowanego sposobu zarządzania zachowaniem agentów. Klienci MCP odgrywają tu kluczową rola.
W tym przewodniku omówimy, czym są i jak działają. Ponadto przyjrzymy się, jak ClickUp obsługuje cykle pracy agentów bez zbędnych elementów pomocniczych. Zaczynamy!
Czym jest klient MCP?
Model Context Protocol (MCP) to otwarta platforma, która umożliwia agentom AI bezpieczną interakcję z systemami Enterprise. Ułatwia ona pamięć, rozumowanie kontekstowe i koordynację między rozproszonymi narzędziami i usługami.
Klient MCP jest kluczowym elementem tej architektury, wbudowanym w aplikacje AI, takie jak aplikacja komputerowa Claude lub niestandardowe frameworki agentów. Ustanawia on jedno-do-jednego, stanowe połączenie z serwerem MCP, zarządzając komunikacją między modelem AI a systemami zewnętrznymi.
Odgrywa kluczową rola w infrastrukturze MCP AI poprzez:
- Negocjowanie wersji protokołów i możliwości z serwerami
- Zarządzanie transportem komunikatów JSON-RPC (JavaScript Object Notation-Remote Procedure Call)
- Odkrywanie i wywoływanie narzędzi i API
- Dostęp do zasobów Enterprise w bezpiecznym kontekście
- Obsługa podpowiedzi i opcjonalnych funkcji, takich jak zarządzanie rootem i próbka
Rodzaje klientów MCP:
- *proste narzędzia klienckie: Podstawowe klienci dla chatbotów lub /AI, które wykonują pojedyncze, proste zadania, takie jak wywołanie kalkulatora lub narzędzia pogodowego
- klienci frameworku agentycznego:* Bardziej zaawansowani klienci dla agentów AI, którzy zarządzają sekwencją wywołań narzędzi w celu osiągnięcia złożonych, wieloetapowych celów (np. planowanie podróży poprzez wywołanie narzędzi do rezerwacji lotów i hoteli)
- klienci wbudowani w aplikacje:* Klienci wbudowani w konkretną aplikację (np. CRM), aby umożliwić asystentowi AI sterowanie funkcjami tej aplikacji za pomocą języka naturalnego.
- *klienci koordynujący: klienci wysokiego poziomu, którzy działają jako hub, przekazując zadania do różnych serwerów narzędzi lub koordynując wiele agentów AI w celu wykonania złożonych cykli pracy
💡 Wskazówka dla profesjonalistów: Chcesz zobaczyć, jak agenci AI zmieniają rzeczywiste cykle pracy? Dowiedz się, jak stworzyć własnego agenta AI w ClickUp — nie potrzebujesz wiedzy z zakresu programowania.
Podstawowe funkcje klientów MCP
Klienci MCP pełnią rolę pomostu operacyjnego między agentami AI a systemami Enterprise, umożliwiając interakcje AI bogate w kontekst, podejmowanie decyzji w czasie rzeczywistym oraz dynamiczne wykonywanie zadań. Poniżej przedstawiono podstawowe funkcje, które określają ich możliwości:
- Nawiązuje połączenia: Utrzymuje sesję jeden do jednego z określonym kodem serwera MCP, zapewniając izolowane i bezpieczne interakcje
- *negocjuje protokół i możliwości: Angażuje się w początkowe procesy uzgadniania protokołów w celu dostosowania wersji protokołów i wzajemnie wspieranych funkcji, zapewniając kompatybilność i optymalną funkcjonalność
- Zarządza komunikacją dwukierunkową: Obsługuje routing komunikatów JSON-RPC, w tym żądań, odpowiedzi i powiadomień, między aplikacją hosta a połączoną architekturą klient-serwer
- Wykrywa i uruchamia narzędzia: identyfikuje dostępne narzędzia MCP udostępnione przez serwer i ułatwia ich wywołanie, umożliwiając agentom AI wykonywanie takich czynności, jak pobieranie danych lub wykonywanie zadań
- *dostęp do zasobów i zarządzanie nimi: Współdziała z różnymi zasobami dostarczanymi przez serwer, takimi jak pliki lub bazy danych, umożliwiając agentom /AI włączanie danych zewnętrznych do swoich operacji
- Priorytet bezpieczeństwa i kontroli dostępu: Przyjmuje podejście „lokalnie najpierw”, w którym serwery działają lokalnie, chyba że wyraźnie zezwolono na zdalne użytkowanie. Zapewnia to użytkownikom kontrolę nad danymi i działaniami. Poświadczenia uwierzytelniające do testowania serwerów MCP można bezpiecznie zarządzać, na przykład poprzez zmienne środowiska wirtualnego przekazywane do procesu serwera
Klient MCP a API – wyjaśnienie
Zarówno klienci MCP, jak i API mają kluczowe znaczenie dla interakcji między oprogramowaniem, ale służą one różnym celom. Zasadniczo klient MCP jest konkretnym komponentem zaprojektowanym dla agentów AI do interakcji z narzędziami zewnętrznymi, natomiast API to szerszy zestaw reguł umożliwiających komunikację między różnymi aplikacjami.
Klient MCP oferuje wsparcie dla wykrywania w czasie wykonywania, umożliwiając AI zapytanie o dostępne narzędzia. Z drugiej strony, API zazwyczaj opiera się na statycznej dokumentacji, którą programiści muszą przeczytać, aby zrozumieć, jak z niego korzystać.
Przykłady zastosowań klientów MCP
Poniżej przedstawiono konkretne przykłady automatyzacji cyklu pracy ilustrujące możliwości klientów MCP:
🤖 Koordynacja wielu agentów
W złożonych cyklach pracy często konieczna jest współpraca wielu agentów AI, z których każdy wykonuje odrębne podzadania. Klienci MCP ułatwiają to poprzez zapewnienie ujednoliconego protokołu do udostępniania kontekstu i dostępu do narzędzi.
Każdy agent działa niezależnie, komunikując się asynchronicznie poprzez ustrukturyzowane zadania za pośrednictwem klienta MCP, co zapewnia wydajne i skoordynowane rozwiązywanie problemów.
📌 Przykład: System wsparcie IT w Enterprise wykorzystuje wiele agentów AI do rozwiązywania problemów użytkowników, takich jak „Mój laptop nie włącza się po ostatniej aktualizacji oprogramowania”.
- W przypadku niepowodzenia przywrócenia, agent wymiany urządzenia inicjuje wymianę sprzętu
- Agent diagnostyczny sprzętu sprawdza fizyczne komponenty urządzenia
- Jeśli sprzęt ma funkcję, agent przywracania oprogramowania ocenia ostatnie aktualizacje
🧠 Ciekawostka: Claude 4 Opus grał w Pokémon Red przez 24 godziny bez przerwy i zapamiętał wszystko. Wykorzystał MCP do śledzenia postępów, planowania ruchów i zachowania spójności od początku do końca.
🤖 Agenci z rozszerzoną pamięcią do obsługi klienta
Tradycyjne agenty AI często nie są w stanie zachować kontekstu podczas długotrwałych interakcji. Klienci MCP rozwiązują ten problem, umożliwiając agentom przechowywanie i odzyskiwanie informacji kontekstowych między sesjami.
W większości przypadków wsparcie MCP umożliwia agentom dostęp do informacji z różnych źródeł, takich jak bazy danych lub dokumenty, oraz ich integrację, co zwiększa trafność i dokładność odpowiedzi.
📌 Przykład: Linia lotnicza zatrudnia agentów AI z zintegrowanymi systemami pamięci w celu poprawy obsługi klienta. Gdy stały pasażer prosi o zmianę lotu, agent:
- Dostęp do pamięci encji w celu zarządzania konkretnymi szczegółami, takimi jak numery stałych klientów linii lotniczych
- Pobiera informacje o poprzednich interakcjach i preferencjach z pamięci długotrwałej
- Wykorzystuje pamięć krótkotrwałą do zachowania kontekstu podczas bieżącej sesji
⚙️ Bonus: W przypadku agentów opartych na pamięci dokumentów i ich wyszukiwaniu, porównanie agentów RAG, MCP i AI oferuje bezpośrednią analizę różnic między agentami opartymi na pamięci a tradycyjnymi podejściami.
🤖 Autonomiczne menedżery zadań
Różne typy agentów AI, takie jak ci pełniący funkcję dyrektorów generalnych lub kierowników zarządzania projektami, wymagają dostępu do różnorodnych narzędzi i danych, aby skutecznie planować, wykonywać i monitorować zadania.
Klienci MCP zapewniają tym agentom ujednolicony sposób na połączenie z kalendarzami, narzędziami do zarządzania projektami, platformami komunikacyjnymi i nie tylko za pośrednictwem interaktywnego interfejsu czatu.
📌 Przykład: Firma technologiczna wdraża agenta AI do nadzorowania zadań związanych z zarządzaniem projektami. Agent:
- Podsumowuje komunikację zespołu i raporty z postępów prac
- Monitoruje osie czasu projektów i kamienie milowe
- Deleguje zadania członkom zespołu w oparciu o obciążenie pracą i wiedzę specjalistyczną
🚀 Zalety ClickUp: Wykorzystaj AI do automatycznego ustalania priorytetów zadań w oparciu o rzeczywisty kontekst, np. oznaczając błąd jako pilny, gdy klient wyraża frustrację. Poświęć mniej czasu na sortowanie, a więcej na rozwiązywanie problemów.
Jak działają klienci MCP w praktyce
Klienci MCP to oparte na protokołach mosty między aplikacjami wykorzystującymi duże modele językowe (LLM) a Enterprise systemami. Są to ustrukturyzowane punkty końcowe komunikacji, które umożliwiają AI wnioskowanie na podstawie kontekstu zewnętrznego i podejmowanie decyzji na dużą skalę.
Oto jak one pełnią swoją funkcję pod maską. 👇
Krok 1: Inicjalizacja sesji i negocjowanie możliwości
Po uruchomieniu klient MCP inicjuje uzgodnienie z serwerem MCP w celu ustanowienia sesji. Obejmuje to wymianę wersji protokołów i możliwości w celu zapewnienia kompatybilności. Klient wysyła żądanie, a serwer odpowiada, podając wspierane funkcje.
Negocjacje te zapewniają, że obie strony rozumieją dostępne narzędzia, zasoby i podpowiedzi, ustawiając scenę do skutecznej komunikacji.
🔍 Czy wiesz, że... Dzięki MCP Bridge możesz podłączyć wiele serwerów protokołu kontekstu modelu do jednego API RESTful. Zapewnia to większą elastyczność bez konieczności stosowania wielu różnych integracji.
Krok 2: Odkrywanie narzędzi i dostarczanie kontekstu
Po nawiązaniu sesji klient wysyła zapytanie do serwera, aby wykryć dostępne narzędzia i zasoby, używając metod takich jak tools/list. Serwer odpowiada listą możliwości, zawierającą opisy i schematy wejściowe.
Następnie klient przedstawia te możliwości modelowi AI, często konwertując je do formatu zgodnego z jego API wywołującym funkcje. Proces ten wyposaża agenta AI w rozszerzony zestaw umiejętności, umożliwiając mu wykonywanie szerszego zakresu zadań.
📖 Przeczytaj również: Najlepsze rozszerzenia Chrome dla sztucznej inteligencji, które zwiększają wydajność
Krok 3: Wywołanie narzędzia i wykonanie
Gdy agent AI stwierdzi, że do realizacji żądania użytkownika potrzebne jest określone narzędzie, klient wysyła do serwera żądanie tools/call, określając nazwę narzędzia i niezbędne argumenty.
Serwer przetwarza to żądanie, wchodzi w interakcję z podstawowym systemem zewnętrznym (np. wywołuje API, wysyła zapytanie do bazy danych) i wykonuje żądaną czynność. Wynik jest następnie wysyłany z powrotem do klienta w standardowym formacie.
🔍 Czy wiesz, że... AI może współpracować bez udostępniania danych. Dzięki federacyjnemu uczeniu kontekstowemu wiele modeli może uczyć się od siebie nawzajem bez ryzyka naruszenia prywatności lub zgodności z przepisami.
Krok 4: Integracja i generowanie odpowiedzi
Klient integruje wynik serwera z kontekstem aplikacji AI. Informacje te są dostarczane do modelu AI, wpływając na jego kolejne odpowiedzi lub działania.
Na przykład, jeśli agent AI pobrał dane z bazy danych, mógłby wykorzystać te informacje do udzielenia dokładnej odpowiedzi na zapytanie użytkownika. Ta płynna integracja gwarantuje, że agent AI może udzielać odpowiedzi opartych na wiedzy i kontekście.
🧠 Ciekawostka: Microsoft nazywa MCP „USB-C aplikacji AI”, ponieważ umożliwia AI bezpośrednie połączenie z aplikacjami, usługami i narzędziami systemu Windows w jednym płynnym przepływie.
📮 ClickUp Insight: 24% pracowników twierdzi, że powtarzalne zadania uniemożliwiają im wykonywanie bardziej znaczącej pracy, a kolejne 24% uważa, że ich umiejętności są niedostatecznie wykorzystywane. To prawie połowa pracowników, którzy czują się zablokowani twórczo i niedoceniani. 💔
ClickUp pomaga ponownie skupić się na zadaniach o dużym znaczeniu dzięki łatwym w ustawieniu agentom AI, które automatyzują powtarzające się zadania na podstawie wyzwalaczy. Na przykład, gdy zadanie zostanie oznaczone jako zakończone, agent AI ClickUp może automatycznie przypisać następny krok, wysłać przypomnienia lub zaktualizować status projektu, zwalniając Cię z ręcznego monitorowania.
💫 Rzeczywiste wyniki: Firma STANLEY Security skróciła czas tworzenia raportów o co najmniej 50% dzięki konfigurowalnym narzędziom do raportowania ClickUp—Free, dzięki czemu jej Teams mogą poświęcić mniej czasu na format, a więcej na prognozę.
Limitacje i kwestie do rozważenia podczas korzystania z klientów MCP
Chociaż klienci MCP stanowią potężną podstawę do tworzenia systemów AI opartych na agentach, należy wziąć pod uwagę kilka istotnych limitów. 💭
- ewolucja standardów protokołu: *MCP jest nadal na wczesnym etapie standaryzacji, co oznacza, że niektóre elementy protokołu, formaty komunikatów lub wspierane funkcje mogą ulec zmianie
- złożoność oparta na schemacie: *Efektywne wykorzystanie MCP zależy w dużej mierze od jasnych, ustrukturyzowanych schematów JSON dla definicji narzędzi, formatów podpowiedzi i umów dotyczących zasobów. Źle zdefiniowane schematy mogą mieć następujący wynik: niestabilną integrację lub nieprawidłowe użycie narzędzi przez agentów LLM
- Nestandardowe obciążenie agenta: Agenci, którzy nie posiadają nativnego wsparcia dla protokołu MCP, wymagają warstw opakowujących lub niestandardowych adapterów do tłumaczenia między logiką wewnętrzną a oczekiwaniami MCP
🚀 Zalety ClickUp: Podczas gdy klienci MCP wymagają niestandardowej implementacji i ustawień technicznych, ClickUp pozwala zautomatyzować rutynowe cykle pracy bez pisania ani jednej linii kodu. Ten przewodnik dotyczący automatyzacji ręcznych procesów Business pokazuje, jak to zrobić.
Jak ClickUp oferuje wsparcie dla cykli pracy agentów podobnych do MCP
Klienci MCP oferują potężne możliwości, ale często wymagają ręcznego łączenia kontekstów i intensywnej integracji, zwłaszcza w przypadku agentów niestandardowych.
ClickUp naprawdę robi tu różnicę.
To wszystko aplikacja do pracy, która łączy zarządzanie projektami, dokumenty i komunikację zespołową w jednej platformie — przyspieszonej dzięki automatyzacji i wyszukiwaniu opartym na AI nowej generacji.
ClickUp to nie tylko najlepsze oprogramowanie do zarządzania zadaniami. Eliminuje również potrzebę wdrażania platformy MCP, oferując wsparcie dla cykli pracy agentów podobnych do MCP w bardziej ujednolicony i wydajny sposób, bez dodatkowych kosztów operacyjnych. Przyjrzyjmy się temu bliżej. 👀
Pamięć kontekstowa bez obciążenia infrastruktury
Większość ustawień MCP wymaga łączenia magazynów wektorowych lub łańcuchowania podpowiedzi.
ClickUp Brain rozwiązuje ten problem.
To neuronalny rdzeń Twoich agentowych cykli pracy, który osadza pamięć, kontekst i wnioskowanie bezpośrednio w Twoim obszarze roboczym. W przeciwieństwie do tradycyjnych ustawień opartych na płytkich oknach podpowiedzi lub pamięci powiązanej z API, ClickUp Brain rozumie Twoje zadania, dokumenty, osie czasu, komentarze i zależności w czasie rzeczywistym.
Jego trwała pamięć projektu pomaga przywołać historyczne aktualizacje, blokady, zarejestrowany czas i aktywność osób przypisanych. Jeśli zadanie w rejestrze produktów ciągle się opóźnia, AI może je oznaczyć do eskalacji lub zalecić przeniesienie zasobów na podstawie wcześniejszych działań.
📌 Przykład: Możesz zapytać ClickUp Brain: „Jakie są aktualności od zespołu prawnego i IT dotyczącego projektu A?”. System przeszuka wszystkie powiązane zadania, dokumenty, komentarze i osie czasu, a następnie wygeneruje raport z postępów zawierający zakończone kamienie milowe, otwarte blokady i zaznaczone ryzyka.
Wszystkie modele LLM w jednym miejscu
Dzięki ClickUp Brain możesz również uzyskać dostęp do różnych modeli AI bezpośrednio ze swojego obszaru roboczego ClickUp. Przełączaj się między ChatGPT, Claude i Gemini. Rozwiązywanie złożonych problemów nigdy nie było łatwiejsze.
Autonomiczne agenty AI do zrobienia Twoich poleceń
ClickUp Brain nieustannie interpretuje i porządkuje dane z obszaru roboczego, umożliwiając agentom ClickUp AI działanie przy minimalnym udziale użytkownika. Agenci ci nie opierają się na ręcznie tworzonych regułach ani pamięci zewnętrznej. Zamiast tego dziedziczą tę samą inteligencję kontekstową, na której działa ClickUp Brain.
Przyjrzyjmy się, jak działają te agenci AI zwiększający wydajność, aby zapewnić autonomię podobną do MCP na dużą skalę:
- agenci automatyzacji zadań* zajmują się powtarzającymi się zadaniami, takimi jak planowanie sprintów lub porządkowanie zaległości, jako wyzwalacze działań w oparciu o status zadania, terminy lub przeszkody
- *analitycy danych przetwarzają wskaźniki lub wyniki kampanii, wykorzystując dane połączone z projektem w celu uzyskania wniosków lub wykrycia anomalii
- Boty obsługi klienta pobierają informacje ze wspólnych dokumentów i wątków zadań, aby szybko rozwiązywać problemy wewnętrzne lub pytania klientów
- *monitorowanie konkurencji śledzi zmiany zewnętrzne i kompiluje raporty zawierające informacje, które można wykorzystać w ClickUp, synchronizując się z integracjami takimi jak Google Alerts lub publiczne zbiory danych
- agenci triage *mapa przychodzące żądania lub rozmowy do odpowiednich zadań, zapewniając ich realizację i identyfikowalność
- agenci odpowiadający* korzystają z wewnętrznych baz wiedzy, takich jak dokumenty, wiki i standardowe procedury operacyjne, aby odpowiedzieć na zapytania typu: „Jaki jest proces eskalacji błędu produkcyjnego?”
Automatyzacja usprawniająca powtarzalne zadania
Automatyzacje ClickUp doskonale nadają się do precyzyjnego wykonywania powtarzalnych zadań, a w połączeniu z ClickUp Brain stają się inteligentniejsze, bardziej elastyczne i łatwiejsze w ustawieniu.
Chociaż zarówno agenci Autopilot, jak i automatyzacje ClickUp działają w oparciu o logiczne cykle pracy, są one przeznaczone do różnych rodzajów zadań:
- agenci Autopilot* podejmują krok, gdy sytuacja wymaga podjęcia decyzji uwzględniających kontekst, udzielenia odpowiedzi w formie konwersacyjnej lub inteligentnego generowania zawartości
- Automatyzacje najlepiej sprawdzają się w przypadku rutynowych czynności opartych na ustalonych regułach. Przykładem może być aktualizacja statusu zadania lub przypisanie go współpracownikowi po spełnieniu określonego warunku
Dzięki AI Automation Builder nie musisz ręcznie składać skomplikowanych cykli pracy. Po prostu opisz, czego chcesz, prostym językiem, np. „Przypisz wszystkie zaległe zadania kierownikowi projektu i zmień status na Ryzykowne”, a ClickUp Brain natychmiast utworzy cykl pracy z odpowiednimi wyzwalaczami i działaniami.
Możesz edytować lub publikować za pomocą jednego kliknięcia.
Używaj zmiennych, takich jak twórca zadania, osoba obserwująca lub wyzwalacz, aby automatyzacja dostosowywała się do roli w czasie rzeczywistym i zmian własności. Jest to szczególnie przydatne w przypadku rotacyjnych Teams lub cykli pracy opartych na klientach.
📖 Przeczytaj również: Jak wykorzystać AI do automatyzacji zadań
Interoperacyjność w celu zmniejszenia kosztów Toggl
Integracje ClickUp ułatwiają połączenie z ponad 1000 narzędziami, w tym Figma, Microsoft Teams i Google Drive.
Niektóre z najlepszych integracji ClickUp umożliwiają agentom AI dostęp do danych na różnych platformach i manipulowanie nimi, zapewniając interoperacyjność i spójne zarządzanie kontekstem, co stanowi podstawową zasadę MCP.
🔍 Czy wiesz, że... Agenci AI obecnie zarządzają innymi agentami AI. Dzięki MCP agent może przydzielać zadania podagentom, śledzić ich postępy i podjąć krok, jeśli coś pójdzie nie tak.
✨Bonus: Zwiększ wydajność swojego cyklu pracy dzięki Brain Max — najbardziej zaawansowanemu rozwiązaniu AI od ClickUp! Brain Max łączy w sobie potężną automatyzację, inteligentne zarządzanie zadaniami, funkcje zamiany tekstu na mowę oraz wgląd w dane w czasie rzeczywistym, aby pomóc Ci pracować mądrzej, a nie ciężej. Niezależnie od tego, czy zarządzasz projektami, współpracujesz z zespołem, czy optymalizujesz codzienne zadania, Brain Max został zaprojektowany, aby podnieść Twoją wydajność na wyższy poziom.
Chcesz doświadczyć przyszłości pracy? Dowiedz się więcej o Brain Max i uwolnij pełen potencjał swojego zespołu!
Daj swoim klientom chwilę wytchnienia dzięki ClickUp
Jeśli tworzysz agenty, które muszą rozumować, zapamiętywać i działać w różnych narzędziach, klienci MCP zapewniają elastyczność w projektowaniu dokładnego przepływu informacji.
Mają jednak również swoje limity. 👎
ClickUp stanowi przekonujący argument za alternatywą o zachowaniu podobnym do agenta, bez obciążenia inżynieryjnego.
Dzięki ClickUp Brain zyskujesz AI, która rozumie kontekst, oraz automatyzacje obsługujące powtarzalne czynności bez konieczności pisania kodu. A dzięki integracjom Twoje narzędzia naprawdę się ze sobą komunikują. Czasami prostsze systemy pozwalają osiągnąć więcej w krótszym czasie.
Zarejestruj się w ClickUp i przekonaj się, jak wygląda agentowa wydajność!
Często zadawane pytania (FAQ)
W uproszczeniu klient MCP działa jak wyspecjalizowany tłumacz i asystent dla agenta AI, umożliwiając mu korzystanie z zewnętrznych narzędzi i dostęp do informacji ze świata rzeczywistego.
agent AI jest „myślicielem” lub „mózgiem”. Jest to podstawowa inteligencja, która podejmuje decyzje, rozumie cele, rozumuje i decyduje, co należy zrobić. Jest to część, która ma cel. klient MCP jest „komunikatorem” lub „ustami i uszami”. Jest to konkretne narzędzie, którego agent AI używa do interakcji ze światem zewnętrznym. Sam nie myśli.
Tak, dostępnych jest wiele implementacji klientów MCP typu open source. Ponieważ protokół MCP (Model Context Protocol) jest otwartym standardem, jego rozwój jest napędzany przez silny ekosystem open source. Implementacje te mogą przybierać zakres formularzy, od oficjalnych zestawów deweloperskich po aplikacje tworzone przez społeczność, umożliwiające elastyczne wykorzystanie narzędzi.