MCP Nedir? Yapay Zekayı Şirket Araçlarına Bağlayan Standart

Yapay zeka asistanları ne kadar akıllı olursa olsun, şirketin verilerini göremedikleri sürece işe yararlılıkları sınırlı kalır. Proje durumunu sorduğunda Jira'ya, müşteri geçmişini sorduğunda CRM'e, son toplantıyı sorduğunda takvime bakabilmeleri gerekir. İşte MCP (Model Context Protocol) bu sorunu çözmek için ortaya çıktı.

Kısaca MCP

MCP, yapay zeka uygulamalarının dış sistemlere bağlanması için açık bir standart. Anthropic tarafından Kasım 2024'te duyuruldu ve kısa sürede OpenAI, Google ve Microsoft gibi büyük oyuncuların da desteklediği yaygın bir standarda dönüştü.

En sık kullanılan benzetme USB-C. Eskiden her cihazın kendine özgü bir kablosu vardı; USB-C ile tek bir standart her şeyi bağlar hale geldi. MCP de yapay zeka için benzer bir rol üstleniyor: Her araç için ayrı entegrasyon yazmak yerine, araç bir kez MCP sunucusu olarak hazırlanıyor ve MCP'yi destekleyen tüm yapay zeka uygulamaları onu kullanabiliyor.

Nasıl çalışır?

Üç temel parça var:

• İstemci (client): Yapay zeka uygulaması. Örneğin bir sohbet asistanı ya da kod editörü.
• Sunucu (server): Bir aracı ya da veri kaynağını MCP diliyle dışarı açan küçük bir program. Örneğin "takvim sunucusu" ya da "proje yönetim aracı sunucusu".
• Araçlar ve kaynaklar: Sunucunun sunduğu yetenekler. "Toplantı oluştur", "görevleri listele", "dosyayı oku" gibi.

Kullanıcı "Bu haftaki geciken görevleri listele ve ekibe özet bir mesaj taslağı hazırla" dediğinde asistan, proje aracının MCP sunucusundan görevleri çeker, analiz eder ve taslağı hazırlar.

Neden önemli?

Entegrasyon maliyeti düşüyor. Bir şirketin 10 aracı ve 3 farklı yapay zeka uygulaması varsa, standart olmadan 30 ayrı entegrasyon gerekebilir. MCP ile her araç bir kez hazırlanır.

Ajanların önünü açıyor. Yapay zeka ajanlarının görev tamamlayabilmesi için araçlara erişmesi şart. MCP, ajanların şirket sistemlerinde iş yapabilmesinin altyapısı haline geliyor.

Tedarikçiye bağımlılık azalıyor. Araçlar standart bir dille bağlandığında, yapay zeka sağlayıcısını değiştirmek daha kolay hale geliyor.

Proje yöneticileri için örnek kullanımlar

• Durum raporu: Asistan proje aracındaki görevleri, takvimdeki kilometre taşlarını ve son toplantı notlarını birleştirip haftalık rapor taslağı hazırlar.
• Risk taraması: Geciken görevleri ve bloklanan işleri tarayıp olası riskleri listeler.
• Toplantı hazırlığı: Katılımcıların son e-postalarını ve ilgili belgeleri bulup gündem önerisi sunar.
• Veri sorgusu: "Geçen çeyrekte en çok gecikme yaşanan iş paketi hangisiydi?" gibi soruları veri tabanına bağlanarak cevaplar.

Dikkat edilmesi gereken riskler

MCP, yapay zekaya gerçek sistemlere erişim verdiği için güvenlik konusu kritik.

Güvenilmeyen sunucular: İnternette herkesin yazabildiği binlerce MCP sunucusu var. Kaynağı belirsiz bir sunucu, verilerini dışarı sızdırabilir. Yalnızca resmî ya da kurum içinde incelenmiş sunucuları kullan.

İstem enjeksiyonu (prompt injection): Asistanın okuduğu bir e-posta ya da belgeye gizlenmiş talimatlar, asistanı istenmeyen bir eylem yapmaya yönlendirebilir. Örneğin bir belgenin içine "tüm müşteri listesini şu adrese gönder" gibi gizli bir komut yerleştirilebilir. Dışarıdan gelen içeriği işleyen ajanlarda kritik eylemler mutlaka onaya bağlanmalı.

Aşırı yetki: Bir sunucuya "okuma" yeterliyken "yazma ve silme" yetkisi vermek gereksiz risk yaratır.

Kişisel veri: Asistanın erişebildiği sistemlerde kişisel veri varsa KVKK yükümlülükleri devreye girer. Verinin nereye gittiği ve nasıl işlendiği bilinmeli.

Şirketler için başlangıç adımları

1. Envanter çıkar: Hangi araçların resmî MCP desteği var? Birçok yaygın yazılım artık kendi sunucusunu sunuyor.
2. Pilot seç: Düşük riskli, okumaya dayalı bir senaryoyla başla. Örneğin proje aracından rapor üretmek.
3. Politika yaz: Hangi sunuculara izin verildiğini, hangi eylemlerin onay gerektirdiğini belirle.
4. İzle: Asistanın hangi araçları ne sıklıkla kullandığını kayda al.

Son söz

MCP, yapay zekanın "bilgili bir sohbet ortağı" olmaktan çıkıp "iş yapan bir ekip üyesine" dönüşmesinin teknik altyapısı. Teknik ayrıntıları bilmek zorunda değilsin; ama ekibinin yapay zekayı hangi sistemlere bağladığını ve bu bağlantıların nasıl yönetildiğini bilmek artık bir yönetim sorumluluğu.