Model Context Protocol (MCP): AI için Dış Dünya ile Standart Bağlantı Noktası

Posted by Asiye Yiğit Bilişim Makaleler

Model Context Protocol (MCP): AI için Dış Dünya ile Standart Bağlantı Noktası

Model Context Protocol (MCP), büyük dil modellerinin (Large Language Models: LLM’ler) dış dünyaya, yani veri kaynaklarına, araçlara ve sistemlere standart ve güvenli bir şekilde bağlanmasını sağlayan açık bir protokoldür. HTTP nasıl web’in temel taşı olduysa, MCP de AI’nın gerçek iş ortamlarına entegrasyonu için evrensel bir standart olma potansiyeline sahiptir.
MCP Bileşenleri ve Görevleri:
MCP, üç ana bileşenden oluşur:
MCP Host: Orkestrasyon merkezi olan AI uygulaması (örneğin, Claude Desktop, Visual Studio Code, özel bir AI entegrasyonu). İçinde ajan (agent) mantığını barındırır. Ajan, veriyi nasıl toplayacağını ve LLM’e nasıl ileteceğini belirler, LLM’den aldığı yanıtı da kullanıcıya sunar.

  • MCP Client: Her bir MCP Server’a özel, birebir çalışan bağlantı bileşeni (1:1 connection).
  • MCP Server: AI’ya “bağlam” (context) veya “araç” (tool) sağlayan kaynak sistemi.
    Kural: Her MCP Client yalnızca bir MCP Server ile konuşur. Bu sayede bağlantılar izole olur (bir server’daki sorun diğerini etkilemez), yetkilendirme ve güvenlik her server için ayrı yapılır, özellikler (capabilities) bağımsız keşfedilir ve yönetilir.

Geleneksel Entegrasyon Sorunu ve MCP’nin Getirdiği Değişim:
Bir dahili yapay zeka asistanı (AI assistant) geliştirdiğinizi düşünün. Bu asistanın minimumda aşağıdakileri yapması gerekiyor.

  • Müşteri geçmişini Müşteri İlişkileri Yönetimi (Customer Relationship Management: CRM) sisteminden alması,
  • Bilgi tabanından (knowledge base) ilgili makaleleri önermesi,
  • Gerektiğinde şirket içi sohbet sistemi (company chat) üzerinden konuları yükseltmesi (escalation)

Geleneksel yöntemde bu işler için özel entegrasyonlar (integration), API köprüleri (API bridge) veya script’ler yazılır. API’lerde bir değişiklik olursa bu kodlar bozulur. Bu, yazılım geliştiricilerin yıllardır yaşadığı parçalı ve kırılgan entegrasyon gerçeğidir.

Bugünkü AI sistemleri e-posta yazma, kod hatalarını bulma veya dil çevirme gibi birçok iş yapabilir. Ancak gerçek iş sistemleriyle entegre olmaları genellikle karmaşık kod parçaları, özel prompt’lar ve sürekli insan gözetimi gerektirir. Bu hem verimsizdir hem de inovasyonu yavaşlatır.

MCP’nin Farkı
Geleneksel yaklaşımda, geliştiriciler AI’nın API’leri kullanabilmesi için uzun entegrasyon çalışmaları yapar. MCP ise tam tersini yapar: Sistemler, sahip oldukları araçları, ne işe yaradıklarını, nasıl çalıştıklarını ve hangi verileri kabul ettiklerini AI modeline kendileri bildirir. Böylece model, hangi araçları nasıl kullanabileceğini otomatik olarak öğrenir.

MCP Host’u Nereden ve Nasıl Kurarız?
MCP Host, ayrı bir yazılım paketi olarak indirip kuracağınız bir bileşen değildir. Aslında, kullandığınız yapay zeka uygulamasının içinde “orkestrasyon merkezi” olarak görev yapan kısımdır. Eğer Claude Desktop, Cursor IDE, Replit ya da Visual Studio Code için geliştirilmiş Claude eklentisi gibi hazır uygulamalar kullanıyorsanız, MCP Host fonksiyonu zaten bu uygulamanın içine gömülüdür. Bu sayede doğrudan MCP Server’lara bağlanabilir ve veri kaynaklarınıza erişebilirsiniz. Ancak kendi yapay zeka asistanınızı geliştiriyorsanız, MCP Host’u sizin yazmanız gerekir. Bunun için Model Context Protocol’ün resmi SDK’larını (Node.js veya Python) kullanabilir, kendi uygulamanız içinde MCP Client bileşenleri aracılığıyla istediğiniz MCP Server’lara bağlanabilirsiniz. Host’un görevi, kullanıcıdan gelen isteği yorumlamak, hangi MCP Server’a hangi araçla bağlanacağını belirlemek, veriyi toplamak ve bunu LLM’e bağlam (context) olarak iletmektir. Ardından, LLM’den gelen yanıtı tekrar kullanıcıya sunar. Kısacası, hazır bir uygulama kullanıyorsanız MCP Host zaten elinizin altında; kendi sisteminizi kuruyorsanız ise MCP Host’u kendiniz inşa edersiniz.

Örnek Senaryo:

Diyelim ki Visual Studio Code içinde çalışıyoruz:

  • MCP Client 1: Sentry’den hata raporları çeker.
  • MCP Client 2: Yerel dosya sisteminden kod dosyalarını okur.
  • MCP Client 3: PostgreSQL veri tabanından rapor verilerini çeker.

MCP Host’taki ajan, bu üç kaynaktan gelen veriyi bir araya getirip LLM’e bağlam olarak verir.
LLM (örneğin, Claude veya GPT), bu bağlama göre yanıt üretir ve ajan bu yanıtı kullanıcıya iletir.
Yani, bu üç client’tan gelen veriler MCP Host’un içindeki ajan tarafından toplanır. Ajan, verileri birleştirerek LLM’e bağlam (context) olarak iletir. LLM, bağlama göre yanıt üretir ve yanıtı tekrar ajana gönderir. Ajan da bu yanıtı kullanıcıya, sorunun sorulduğu arayüz (chat ekranı, IDE vb.) üzerinden iletir.

Gerçek Dünya Senaryosu: PostgreSQL ile MCP Kullanımı
Diyelim ki bir geliştirici olarak Claude Desktop, ChatGPT veya VS Code eklentisi gibi bir uygulama kullanıyorsunuz. Bu uygulama MCP Host görevini üstlenir ve içinde bir ajan barındırır. Siz, kullanıcı olarak chat ekranına doğal dilde bir soru yazarsınız:

“PostgreSQL veri tabanındaki son 7 günün satış raporunu getir.”
MCP Host içindeki ajan bu talebi alır, soruyu anlamlandırır ve yanıtı oluşturmak için hangi veri kaynaklarına ihtiyaç olduğunu belirler. Bu senaryoda PostgreSQL veri tabanına erişim gerektiği için ajan, MCP Client üzerinden MCP Server’a bağlanır. PostgreSQL MCP Server, modelin (ve dolayısıyla ajanın) kullanabileceği araçları ve veri erişim yeteneklerini standart bir formatta sunar. Ajan, bu araçları kullanarak veri tabanına sorgu gönderir, sonuçları alır ve gerekirse bunları diğer veri kaynaklarından gelen bilgilerle birleştirir. Elde edilen bu bağlam (context), yani soru + gerekli veri, LLM’e iletilir. LLM (örneğin Claude veya GPT), bu bağlama göre doğal dilde anlaşılır bir yanıt oluşturur. Yanıt tekrar ajana döner, ajan da bunu sizin chat ekranınızda gösterir. Siz kullanıcı olarak yalnızca “sorumu yazdım ve cevabım geldi” deneyimini yaşarsınız; ancak perde arkasında MCP Host, MCP Client, MCP Server, ajan ve LLM birlikte çalışarak bu sonucu üretmiştir.  Bu yapı sayesinde PostgreSQL gibi kurumsal veri kaynaklarından, API’lerden veya dosya sistemlerinden gelen bilgiler AI yanıtlarına doğrudan entegre edilebilir. API değişiklikleri, yetkilendirme süreçleri ve veri formatı yönetimi MCP’nin standartları sayesinde kolayca kontrol altında tutulur. Böylece hem güvenli hem de esnek bir AI entegrasyonu sağlanır.

Ekosistem ve Gelecek
Nisan 2025 itibarıyla MCP’ye resmi veya geliştirme aşamasında destek verenler arasında aşağıdaki önemli isimler yer alıyor.

  • Anthropic (MCP’nin yaratıcısı, Claude ile kullanıyor)
  • OpenAI (ChatGPT ve Agents SDK’ya entegre ediyor)
  • Microsoft (Copilot Studio desteği, C# SDK katkısı)
  • Replit, Cursor, Sourcegraph, Zed gibi geliştirme araç platformları

Gelecekte ise şunlar bekleniyor.

  • MCP uyumlu araçların paylaşılabileceği tool marketplace’ler
  • API değişimlerinde geriye dönük uyumluluk sağlayan versiyonlu sözleşmeler (versioned contracts)
  • Güvenlik katmanları ve izin şemaları (permission schemas)
  • Modellerin araçları kendi başına zincirleme şekilde kullanabilmesi (tool chaining)

MCP, Standart bir bağlantı yüzeyi sunarak, LLM’lerin mevcut veri kaynakları ve araçlarla minimum entegrasyon maliyeti ile çalışabilmesini sağlar.

*** Sarav Asiye Yiğit * 10 Ağustos 2025 ***

Kaynakça

 

Etiketler