MCP Nedir? Model Context Protocol

01MCP Hangi Sorunu Çözüyor?

Bir dil modeli tek başına yalnızca eğitildiği bilgiyle ve sohbete yapıştırdığınız metinle çalışır. Şirketinizin sipariş verisini, takvimini, belgelerini ya da kod deposunu göremez. Bu bilgilere erişmesi için her araçla ayrı bir bağlantı kurulması gerekir.

Sorun şuradadır: beş farklı yapay zeka uygulaması ve on farklı iş aracı varsa, her ikiliyi ayrı ayrı bağlamak onlarca özel entegrasyon demektir. Model Context Protocol bu karmaşayı tek bir ortak dile indirir. Sık kullanılan benzetmeyle MCP, yapay zeka uygulamaları için bir USB-C girişi gibidir: fiş standart olduğunda her cihaz her porta takılabilir.

Bu standart, yapay zekanın yalnızca cevap veren değil iş yapan sistemlere, yani ajanlara dönüşmesinin de altyapısıdır. Ajanların çalışma mantığını AI agent nedir yazımızda anlattık.

02MCP Nasıl Çalışır?

MCP, istemci ve sunucu mimarisine dayanır. Taraflar arasındaki mesajlaşma JSON-RPC biçiminde yapılır ve protokolün resmî belirtimi modelcontextprotocol.io adresinde yayımlanır.

Host ve istemci

Host, kullanıcının etkileşim kurduğu yapay zeka uygulamasıdır: bir masaüstü sohbet uygulaması, kod editörü ya da terminal aracı. Host, bağlandığı her sunucu için bir istemci oluşturur ve modelin sunucularla konuşmasını yönetir.

MCP sunucusu

MCP sunucusu, belirli bir aracı ya da veri kaynağını protokol üzerinden açan küçük bir programdır. Bir dosya sistemi sunucusu klasörleri, bir veritabanı sunucusu tabloları, bir CRM sunucusu müşteri kayıtlarını modele sunar. Sunucu kendi bilgisayarınızda yerel olarak ya da uzak bir adreste çalışabilir.

Bağlantı yolları

Yerel sunucular genellikle standart giriş çıkış (stdio) üzerinden, uzak sunucular ise HTTP tabanlı bir aktarım üzerinden bağlanır. Uzak sunucularda kimlik doğrulama ve yetkilendirme ayrıca kurgulanır. Yerel sunucu, dosyaların ayrı bir sunucuya taşınmadan okunmasını sağlar; uzak sunucu ise ekibin ortak kullanımına uygundur.

03Araçlar, Kaynaklar ve İstemler

Bir MCP sunucusu modele üç temel yapı taşı sunabilir. Bu ayrım, modelin neyi okuyabileceğini ve neyi yapabileceğini netleştirir.

04Claude MCP Örneği

MCP, Anthropic tarafından tanıtıldığı için ilk geniş kullanım örnekleri Claude uygulamalarında görüldü; zamanla farklı yapay zeka uygulamaları ve geliştirici araçları da protokolü desteklemeye başladı. Claude MCP kullanımında masaüstü uygulaması, yapılandırma dosyasındaki sunucuları başlatır ve modele sunar.

Aşağıdaki örnek, resmî dosya sistemi sunucusunu yalnızca belirli bir klasöre erişecek şekilde tanımlar. Komutun çalışması için bilgisayarınızda Node.js'in güncel LTS sürümünün kurulu olması gerekir; klasör yolunu kendi sisteminize göre değiştirin.

{
  "mcpServers": {
    "dosyalar": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/kullanici/Belgeler/Raporlar"]
    }
  }
}

claude mcp add dosyalar -- npx -y @modelcontextprotocol/server-filesystem ~/Belgeler/Raporlar
claude mcp list

05İşletmeler İçin MCP Kullanım Örnekleri

Ai araç entegrasyonu için MCP'nin değeri, şirket içindeki dağınık bilgiyi yapay zeka asistanına güvenli ve kontrollü biçimde açmasıdır. Birkaç tipik senaryo:

• Satış ve sipariş: Asistan, sipariş sisteminden durum bilgisini okuyup müşteri temsilcisine özet sunar.
• Raporlama: Analitik ve reklam verilerini okuyan bir sunucu sayesinde yönetici, “geçen hafta hangi kampanya satış getirdi” sorusunu doğal dille sorar.
• Belge erişimi: Politika, sözleşme ve teknik dokümanlar kaynak olarak açılır; asistan cevabını bu belgelere dayandırır.
• Yazılım geliştirme: Kod deposu, hata kayıtları ve test ortamı sunucularla bağlanır; kod asistanı daha fazla bağlamla çalışır.
• Konaklama ve rezervasyon: Müsaitlik ve rezervasyon bilgisini okuyan bir sunucu, ekip içi asistanın hızlı bilgi vermesini sağlar.

06MCP, API ve Otomasyon Farkı

MCP, API'nin yerini almaz; çoğu MCP sunucusu arka planda zaten bir API çağırır. Fark, kimin için tasarlandığıdır. API'ler yazılımcıların kod içinden kullanması için tasarlanır; MCP ise bu yetenekleri bir yapay zeka modelinin anlayıp seçebileceği biçimde tanımlar: araç adı, açıklaması ve girdi şeması.

Kural tabanlı otomasyon araçlarıyla farkı ise karar mekanizmasındadır. Zapier, Make ya da n8n gibi araçlarda akış önceden çizilir; MCP ile bağlanan bir modelde hangi aracın ne zaman çağrılacağına model karar verir. İki yaklaşımın karşılaştırması için iş akışı otomasyonu yazımıza bakabilirsiniz.

Yapay zekayı baştan merkeze alan ürünlerin nasıl tasarlandığını merak ediyorsanız AI native uygulama yazımız bu konuyu ayrıntılı ele alıyor.

07Güvenlik: Nelere Dikkat Edilmeli?

MCP sunucusu, yapay zekaya gerçek sistemlerinize erişim verir. Bu güç, dikkatli bir güvenlik tasarımı gerektirir; özellikle üçüncü taraf sunucular kullanırken.

• Kaynağı güvenilir sunucular kullanın; kodunu incelemediğiniz bir sunucuyu şirket verisine bağlamayın.
• Her sunucuya en az yetki verin: dosya sunucusunu tek bir klasörle, veritabanı sunucusunu salt okunur kullanıcıyla sınırlayın.
• Silme, ödeme ve dış iletişim gibi eylemlerde kullanıcı onayı isteyin.
• Modelin okuduğu dış içeriklerdeki gizli talimatlara (istem enjeksiyonu) karşı dikkatli olun; dış veri talimat değil veri olarak ele alınmalıdır.
• API anahtarlarını yapılandırma dosyalarında açık bırakmayın; ortam değişkeni ya da güvenli anahtar deposu kullanın.
• Kişisel veri işleniyorsa KVKK yükümlülüklerini değerlendirin; güncel mevzuatı ve hukuk danışmanınızı kontrol edin.

08MCP'ye Hazır Bir Altyapı

MCP'den gerçek fayda sağlamanın ön koşulu, bağlanacak verinin düzenli ve erişilebilir olmasıdır. Siparişleri, stokları ya da rezervasyonları elle tutulan tablolarda duran bir işletme için önce bu verinin tek bir sistemde toplanması gerekir.

Pazaryeri, kargo ve e-fatura bağlantıları tek panelde çalışan bir e-ticaret entegrasyonu, rezervasyon ve misafir bilgisini toplayan bir hotel yazılımı ya da işletmenize özel sektörel yazılım çözümleri, yarın bir MCP sunucusuyla yapay zekaya açılabilecek temiz bir veri kaynağı oluşturur. Farklı sistemleri tutarlı bir yapıda birleştirmek için entegre çözümler hizmetimize de göz atabilirsiniz.

Pazarlama tarafında da benzer bir tablo var: reklam, analitik ve CRM verileri düzenli tutulduğunda, yapay zeka asistanları kampanya performansını doğal dille sorgulanabilir hâle getirir. Bu ölçüm düzeninin kurulması dijital pazarlama çalışmalarının parçasıdır.