MCP (Model Context Protocol) Nedir?

MCP, büyük dil modeli (LLM) uygulamaları ile harici veri kaynakları ve araçları arasında sorunsuz entegrasyonu kolaylaştırmak için Anthropic tarafından geliştirilen açık bir standarttır. Yapay zeka uygulamalarının herhangi özel bir entegrasyona ihtiyaç duymadan çeşitli veri havuzlarına, iş araçlarına ve geliştirme ortamlarına erişmesini sağlayan standartlaştırılmış bir arayüz sağlamak amacıyla geliştirilmiştir.

MCP Nedir?

MCP yani Model Context Protocol, yapay zeka modellerini harici hizmetlere bağlamak için kullanılan standart bir protokoldür. İlk olarak 2024’ün sonlarında Anthropic tarafından tanıtılan ve desteklenen MCP, şu an yapay zeka endüstrisi genelinde oldukça ilgi görmektedir.

MCP, farklı yapay zeka asistanlarının; üçüncü taraf araçlar, yazılım uygulamaları ve veri kaynaklarıyla kolayca entegre olmasını sağlayarak herkesin kullanabileceği standart bir bağlantı yapısı sunar.

Peki MCP neden önemlidir?

• Basitleştirilmiş Entegrasyon: Geliştiriciler, yapay zeka uygulamalarını tek bir protokol kullanarak birden fazla veri kaynağına bağlayabilir ve birden fazla özel bağlayıcı ihtiyacını ortadan kaldırabilir.
• Gelişmiş Birlikte Çalışabilirlik: MCP’nin standartlaştırılmış yaklaşımı, çeşitli yapay zeka sistem ve araçlarının birlikte daha etkili çalışmasını sağlar.
• Ölçeklenebilirlik: İşletmeler, MCP’nin tek tip entegrasyon çerçevesinden yararlanarak yapay zeka çözümlerini daha kolay ölçeklendirebilir.
• Güvenlik: MCP, yapay zeka sistemleri ve veri kaynakları arasında güvenli, iki yönlü bağlantılar için özellikler içerir ve veri bütünlüğü ve gizliliği sağlar.

MCP Hangi Sorunları Çözmeyi Amaçlar?

Gemini ve Claude gibi yapay zeka modelleri, çeşitli kaynaklardan alınan metin ve kodlardan oluşan devasa bir veri kümesi kullanılarak eğitilir. Bunlar arasında kitaplar, makaleler ve diğer kamuya açık bilgiler yer alır. Bir soru sorduğunuzda, yapay zeka eğitim verilerine dayanarak olası cevabı tahmin eder. Bu nedenle yapay zeka sohbet robotları, Türkiye’nin başkenti gibi internette zaten mevcut olan genel bilgileri size vermekte oldukça başarılıdır. Ancak yapay zeka araçları gerçek dünya verilerinden izole edildiği için bilgileri belirli bir zamana kadar eğitildikleri bilgilerle sınırlıdır. Ayrıca canlı bilgilerle, harici uygulamalarla doğrudan etkileşime giremez veya bunlara erişemez ya da gerçek dünyada eylemler gerçekleştiremezler.

‍Örneğin, bir yapay zeka sohbet robotu, CRM yazılımınızdan veri çekme erişimi vermediğiniz sürece, işletmenizin her yıl ne kadar para kazandığını veya en sadık müşterilerinizin kimler olduğunu öğrenemez. Aynı şekilde, bir yapay zeka asistanını Gmail hesabınızla entegre etmezseniz, gelen kutunuzu açamaz ve e-postalarınızı yanıtlayamaz.

İşte bu noktada MCP devreye girer.

MCP, yapay zeka araçlarına, e-postaları yanıtlamak, toplantıları planlamak veya sayfaları güncellemek gibi harici kaynaklardan ilgili bilgileri alma ve bu hizmetlerdeki görevleri yerine getirme gücü verir. Bu sayede geliştiricilerin çok fazla zaman ve emek tasarrufu yapmasına yardımcı olur.

MCP’den önce geliştiriciler bağlanmak istedikleri her harici hizmet için özel bir entegrasyon oluşturmak zorundaydı. Bu süreç sadece zaman alıcı değildi, aynı zamanda yüzlerce araçla entegre olmak istediğinizde ölçeklendirmesi inanılmaz derecede zordu. Bir hizmet aniden API’sini değiştirirse, tüm iş akışınız altüst olurdu.

MCP, yapay zekayı harici araçlara bağlama sürecini basitleştirmek için standart bir çerçeve ve evrensel bir API dili sağladı. Bu sayede, geliştiricilerin her entegrasyon için özel kod yazarak saatler harcamasına gerek kalmadı.

MCP Nasıl Çalışır?

MCP’nin nasıl çalıştığına değinmeden önce aşağıdaki temel terimlere aşina olmanız gerekir:

1. MCP ana bilgisayarı: Harici hizmetlere bağlanmak için MCP kullanan bir yapay zeka uygulaması. Örnek olarak Claude Desktop, Cursor IDE ve GPT Computer Assistant verilebilir.
2. MCP istemcisi: Bir MCP ana bilgisayarı içinde bir veya daha fazla MCP sunucusuna bağlanan bir yazılım bileşeni.
3. MCP sunucusu: MCP istemcilerine belirli yetenekleri (araçlar, kaynaklar ve istemler) sunan bir web sunucusu. Örneğin, bir dosya işleme sunucusu, yapay zeka aracınızın Google Drive’daki bir dosyayı aramasına, okumasına ve değiştirmesine olanak tanır.
4. MCP protokolü: Verilerin MCP istemcilerinden MCP sunucularına ve MCP sunucularından MCP istemcilerine nasıl gönderileceğini tanımlayan aktarım katmanıdır. İki yöntem vardır: Yerel makineler için Standard Input/Output (stdio) ve uzak bağlantılar için Server-Sent Events (SSE) ile HTTP.

‍Peki MCP’nin genel olarak nasıl çalışır?

Örneğin Claude Desktop’a bir Slack kanalına mesaj göndermesini söylediğinizi varsayalım. Süreç aşağıdaki şekilde işleyecektir:

1. Keşif: Claude’un MCP istemcisi Slack MCP sunucusunu ziyaret eder, sunucuya istek hakkında bilgi verir ve hangi “araçların” mevcut olduğunu sorar. Slack_post_message adında ilgili bir araç olduğu ortaya çıkar.
2. İstek: MCP istemcisi kanal bilgilerinizi içeren channel_id dizesini ve göndermek istediğiniz mesajı içeren metin dizesini doldurur. Daha sonra, biçimlendirilmiş post_message isteğini HTTP gibi bir protokol kullanarak Slack MCP sunucusuna gönderir.
3. Yürütme: MCP sunucusu isteği aldıktan sonra Slack’e mesajınızı belirtilen kanalda yayınlamasını söyler.
4. Onaylama: Slack MCP sunucusu, Slack’ten mesajınızın başarıyla gönderilip gönderilmediğine dair onay alır. Daha sonra mesajı Claude’un MCP istemcisine geri iletir.

MCP’nin Avantajları Nelerdir?

MCP aşağıdakileri mümkün kılan basit ama çığır açan bir yeniliktir ve aşağıdaki avantajları sunar:

‍1. Yapay zeka yeteneklerini geliştirmek

Yapay zeka araçları tek başlarına sanıldığı kadar güçlü değildir. Yapay zeka size herhangi bir şehir hakkında bilgi verebilir veya basit bir e-posta metni yazmanıza yardımcı olabilir, ancak hepsi bu kadardır. Üçüncü taraf uygulama entegrasyonları olmadan, yapay zeka diğer sistemlerle etkileşim gerektiren görevlerde yardımcı olamaz.

‍MCP, yapay zeka modellerinin gerçek zamanlı bilgilere erişmesi ve diğer uygulamalardaki eylemleri tetiklemesi için ortak bir protokol sağlayarak bunu çözer. Bu sayede yapay zeka çok daha kullanışlı hale gelir ve iş akışınıza entegre olur.

2. Uygulama entegrasyonlarını basitleştirme

USB standardı icat edilmeden önce bağlantı noktaları birçok farklı boyut ve şekildeydi. Bu nedenle, farklı çevre birimlerini bilgisayarınıza bağlamak, her cihaz için özel kablolar ve sürücüler gerektirdiğinden oldukça zordu.

Aynı şekilde, MCP’den önce geliştiriciler her harici API için özel bir entegrasyon oluşturmak zorundaydı. Bunun nedeni, her hizmetin (Google Calendar, Slack veya Hubspot gibi) API’sini biraz farklı oluşturmasıydı. Yapay zeka modellerinin bu farklı sistemlerle iletişim kurması için evrensel bir dil veya standart bir protokol yoktu.

MCP ile geliştiriciler artık yapay zeka araçlarını bir dizi farklı uygulamaya bağlamak için bir tür ”şablon” izleyebilir. Bu, süreci çok daha basit ve hızlı hale getirir.

3. Ürününüzü yapay zeka uygulamalarına bağlama

Kullanıcılar hemen hemen her şeyi yapmak için yapay zekaya giderek daha fazla güvenmektedir. Bu, belgeleri özetlemek gibi temel görevlerden, kayıtları otomatik olarak oluşturmak ve güncellemek gibi daha karmaşık işlemlere kadar uzanır.

Dolayısıyla, bir SaaS ürününüz varsa veya kullanıcılara yazılım çözümleri sunuyorsanız, ürününüzün yapay zeka ile iyi entegre olması gerekir. Bu noktada MCP ile sunucunuzu oluşturabilir ve kullanıcıların AI uygulamalarını ürününüze kolayca bağlamalarını sağlayabilirsiniz.

MCP ve Benzer Protokoller

MCP, farklı uygulama ve yazılım sistemlerinin sorunsuz bir şekilde birlikte çalışmasına olanak tanıyan ilk çerçeve değildir.

‍Peki, MCP’yi kendisinden önce var olan diğer protokollerden ayıran nedir?

‍1. MCP vs API’ler

API, farklı yazılım sistemlerinin birbirleriyle entegre olmasını sağlayan bir iletişim köprüsüdür. MCP ile aynı gibi görünse de, bu ikisinin temelinde bazı farklılıklar vardır. Her şeyden önce, API’ler sadece yapay zeka için değil, çok çeşitli entegrasyon amaçları için tasarlanmıştır.

‍Neredeyse her uygulamanın kendine özgü bir API’si vardır. Dolayısıyla, örneğin Salesforce’u Slack ile entegre etmek istiyorsanız, her platform için özel API’yi öğrenmeniz ve uygulamanız gerekir.

‍Öte yandan MCP, özellikle yapay zeka modelleri için yapılmış birleşik bir çerçevedir. Her bir aracın API’sini ayrı ayrı yapılandırmak zorunda kalmadan yapay zeka asistanlarını harici hizmetlere bağlamanızı sağlar.

‍Çok sayıda MCP sunucusu diğer araçlarla iletişim kurmak için API’ler kullanır, bu nedenle bu ikisi kesinlikle birlikte çalışabilir. Ancak bunlar tam olarak aynı kavramlar değildir.

2. MCP vs Eklentiler

Eklentiler, bir web tarayıcısı, IDE ve CMS gibi tek bir ana uygulama tarafından, yeteneklerini genişletmek için geliştirilir. Fakat eklentileri yalnızca kendi orijinal ana bilgisayar uygulamaları içinde kullanabilirsiniz. Yani, Shopify’da bir WooCommerce eklentisi kullanamayacağınız gibi Safari’ye de bir Chrome eklentisi yükleyemezsiniz.‍

MCP ise açık kaynaklı bir protokoldür, yani kısıtlama olmaksızın kullanmak isteyen herkese açıktır.

3. MCP vs AI agents (Yapay Zeka Ajanları)

Yapay zeka ajanları kendi başlarına düşünebilen, hareket edebilen ve karar verebilen akıllı yazılım sistemleridir.

Örneğin, DeepSearch gibi bir yapay zeka ajanına bulut depolama hakkında veri almasını söylerseniz, hangi web sayfalarını ziyaret edeceğini bilir. Ayrıca gerçeği kurgudan ayırmak, kaynakları çapraz kontrol etmek ve doğru yanıtlar sunmak için yeterli muhakeme yeteneğine sahiptir.

Şu an dış dünyayla etkileşime girebilen yapay zeka ajanları oluşturmak için back-end’de çok fazla iş vardır ve her web sitesinin API’si ile bağlantı kurmayı içerir.

‍Ancak, bu yaklaşımla ilgili üç temel sorun vardır:

• ‍Tüm sitelerin genel API’leri yoktur: Resmi bir API dokümantasyonu olmadan, geliştiriciler sitenin verilerine ve işlevlerine erişemez.
• API’ler büyük farklılıklar gösterir: Web sitelerinin API’leri olsa bile, yapıları, kimlik doğrulama yöntemleri, veri formatları ve mevcut işlevleri açısından önemli ölçüde farklılık gösterir.
• Bakım zorlukları: Bir hizmet API’sini güncellediğinde, yapay zeka aracısındaki entegrasyonların da güncellenmesi gerekir.

MCP’nin kullanıma sunulması ile, geliştiricilerin artık yapay zeka aracılarının kullanmasını istedikleri her API için entegrasyonları öğrenmeleri ve uygulamaları gerekmez.

‍Yapay zeka aracıları oluşturmak daha az programlama ve insan gücü gerektireceğinden, maliyet de çok daha ucuz olur. Bu nedenle, önümüzdeki yıllarda giderek daha fazla markanın kendi yapay zeka aracısı tanıtması beklenmektedir.

En Çok Sorulan Sorular

1. MCP ile normal bir API arasındaki temel fark nedir?

Normal bir API, yazılım programlarının birbirleriyle nasıl konuşabileceğine ve bilgi veya işlevleri nasıl paylaşabileceğine ilişkin bir kural kitabı gibidir. Bir API, belirli verileri sağlayan veya belirli şeyleri yapan belirli uç noktalar sunar.

MCP ise özellikle Büyük Dil Modellerinin (LLM’ler) ve yapay zeka aracılarının bu API’leri (ve diğer veri kaynaklarını ve araçlarını) tutarlı bir şekilde nasıl bulacağına, bunlara nasıl bağlanacağına ve kullanacağına yönelik daha geniş bir açık standarttır.

MCP, bir yapay zeka istemcisinin bir MCP sunucusunun neler yapabileceğini (araçları, kaynakları, istemleri) ve bunları nasıl kullanacağını nasıl öğrenebileceğini ortaya koyar.

2. MCP açık kaynak kodlu mu?

Evet, MCP Anthropic’in açık kaynak haline getirdiği açık bir standarttır. Açık kaynak kodu, topluluğu katkıda bulunmaya teşvik eder, daha fazla insanın benimsemesine yardımcı olur ve işleri şeffaf tutar.

3. MCP’yi kim oluşturdu?

Bir yapay zeka güvenlik ve araştırma şirketi olan Anthropic, Kasım 2024’te MCP’yi tanıttı ve açık kaynaklı hale getirdi.

4. Hangi şirketler MCP’yi benimsiyor?

Giderek artan sayıda büyük teknoloji şirketi ve yapay zeka geliştiricisi MCP’yi benimsemektedir. Yaratıcısı Anthropic’in yanı sıra OpenAI, Google DeepMind, Microsoft, GitHub, Replit, Sourcegraph, Workato ve Spring AI bunlardan birkaçıdır.

5. MCP, LLM halüsinasyonlarını azaltmaya nasıl yardımcı olur?

LLM halüsinasyonları (modellerin yanlış veya anlamsız bilgiler üretmesi) genellikle model yeterli ve doğru bilgiye sahip olmadığında veya harici bir aracın nasıl kullanılacağını yanlış anladığında ortaya çıkar. MCP bu konuda aşağıdaki şekilde yardımcı olur:

Standartlaştırılmış ”Kaynaklar” aracılığıyla LLM’lerin harici veri kaynaklarından gerçek zamanlı, spesifik ve ilgili bilgilere erişimini sağlamak.

LLM’lerin harici ”Araçların” neler yapabileceğini, hangi bilgilere ihtiyaç duyduklarını ve neleri geri verdiklerini anlamaları için yapılandırılmış bir yol sunmak. Bu, etkileşimleri daha öngörülebilir ve daha az net tanımlanmış bağlantı yollarına kıyasla yanlış gitme olasılığını daha düşük hale getirir.

MCP, LLM yanıtlarını doğrulanmış harici bilgilere ve açıkça tanımlanmış araç etkileşimlerine dayandırarak, LLM’nin (muhtemelen eski veya eksik) eğitim verilerine ne kadar güvenmesi gerektiğini azaltır.

6. Kendi MCP sunucumu oluşturabilir miyim?

Evet, geliştiriciler kendi özel MCP sunucularını oluşturabilir. Yazılım Geliştirme Kitleri (SDK’lar) Python, TypeScript, Java ve C# dahil olmak üzere çeşitli programlama dillerinde mevcuttur. Bunlar, MCP standardına göre belirli araçlar, veri kaynakları veya işlevler sunan sunucular oluşturmayı kolaylaştırır.

7. MCP güvenli midir?

MCP güvenlik göz önünde bulundurularak tasarlanmıştır. Örneğin, eylemler için kullanıcı onayını teşvik eder, erişim kontrollerine izin verir ve güvenli iletişim kanallarını destekler.

Ancak bir MCP kurulumunun ne kadar güvenli olduğu büyük ölçüde MCP sunucularının ve istemcilerinin gerçekte nasıl oluşturulduğuna ve geliştiricilerin güvenlik uygulamalarına bağlıdır. Toplulukta potansiyel güvenlik riskleri (araç izin sorunları ve kimlik doğrulama zayıflıkları gibi) ve bunlarla başa çıkmanın en iyi yolları hakkında devam eden araştırmalar ve tartışmalar vardır.

İşletmelerin MCP tabanlı çözümleri kullanırken, özellikle de hassas veriler içeriyorsa, kapsamlı güvenlik kontrolleri yapmaları ve güçlü önlemler almaları gerekir.

8. MCP dahili kurumsal sistemlerle birlikte kullanılabilir mi?

Evet. MCP, yapay zeka modellerini eski platformlar ve kurumsal uygulamalar dahil olmak üzere harici ve dahili araçlara bağlar. Farklı teknoloji yığınları arasında güvenli, ölçeklenebilir entegrasyonu destekler.

9. MCP daha önce yapamadığınız neleri yapmanıza olanak tanıyor?

MCP’den önce yapay zekayı kurumsal araçlarla entegre etmek genellikle tek seferlik çözümler gerektiriyordu. Artık ekipler yapay zeka modellerini standartlaştırılmış bir protokol aracılığıyla birden fazla sisteme bağlayabiliyor.

10. MCP, yapay zeka iş akışları için neden önemlidir?

MCP, yapay zekanın canlı ve ilgili içeriğe erişimini sağlayarak bilgi silolarını ortadan kaldırır. Bu, ekiplerin iş akışlarını kolaylaştırmasına, manuel adımları azaltmasına ve sistemler arasında daha akıllı otomasyon sağlamasına olanak tanır.