Čo je MCP a prečo ním zrazu hovorí každý nástroj AI?
Po väčšinu poslednej dekády znamenalo pripojenie modelu AI k nástrojom firmy vlastnú integráciu pre každú dvojicu. Model Context Protocol, otvorený štandard, ktorý Anthropic predstavila v novembri 2024, to nahradil jednou zástrčkou, ktorá pasuje všade — a OpenAI, Google aj Microsoft ho odvtedy prijali. Tu je, ako to naozaj funguje, a skutočný kontrolný zoznam, ktorý prejdite predtým, než ho pripojíte k dátam svojho tímu.
Otvorte desktopovú aplikáciu Claude a požiadajte ju, aby skontrolovala otvorené pull requesty vášho tímu, a jednoducho to urobí. Nie preto, že by Anthropic zabudovala do Claude integráciu s GitHubom. Ale preto, že niekde — váš IT tím, dodávateľ, vývojár na GitHube — niekto napísal malý program, ktorý komunikuje protokolom MCP, a Claude už vie komunikovať so všetkým, čo týmto protokolom hovorí. To isté dnes platí pre ChatGPT, Gemini od Googlu a Microsoft Copilot. Práve táto konvergencia, viac než ktorékoľvek jednotlivé vydanie funkcie, je dôvod, prečo takmer každý dodávateľ AI v uplynulom roku budoval podporu pre MCP.
Čo MCP naozaj je
MCP znamená Model Context Protocol. Navrhla ho Anthropic a 25. novembra 2024 zverejnila špecifikáciu ako open source spolu s prvými SDK. Vlastné materiály k uvedeniu opísali túto myšlienku analógiou, ktorá sa ujala: predstavte si MCP ako port USB-C pre aplikácie AI — jeden fyzický štandard konektora namiesto iného kábla ku každému príslušenstvu. Pri uvedení Anthropic uviedla prvých používateľov, ktorí už budovali podporu MCP do vlastných produktov, vrátane firiem s podnikovým softvérom Block a Apollo a tvorcov vývojárskych nástrojov Zed, Replit, Codeium a Sourcegraph. Desktopová aplikácia Claude vyšla v ten istý deň so schopnosťou spúšťať servery MCP lokálne na vlastnom počítači používateľa.
Problém, ktorý rieši: N nástrojov krát M zdrojov dát
Problém, ktorý MCP rieši, má názov, ktorý inžinieri bežne používajú: problém integrácie N krát M. Povedzme, že firma používa päť nástrojov AI, ktoré potrebujú pracovať s firemnými dátami — Claude, ChatGPT, GitHub Copilot, Cursor a interného bota podpory — a tie dáta sú na ôsmich miestach: Slack, GitHub, databáza Postgres, Salesforce, Notion, Google Drive, Jira a interné API. Bez zdieľaného protokolu si užitočné prepojenie každého nástroja s každým zdrojom vyžaduje až štyridsať samostatných integrácií — päťkrát osem — pričom každá má vlastnú schému overovania, vlastné spracovanie chýb a vlastnú daň za údržbu zakaždým, keď sa niektoré z tých API zmení. Pridajte šiesty nástroj AI a číslo vyskočí na štyridsaťosem. V praxi nikto nepostavil všetkých štyridsať. Každý dodávateľ AI vytvoril tých niekoľko, ktoré považoval za hodné inžinierskeho času, a všetko ostatné zostalo ručné: skopírovať, vložiť, znova vysvetliť, opakovať.
MCP mení násobenie na sčítanie. Firma, ktorá chce, aby Claude čítal z jej databázy Postgres, nevytvára konektor Postgres špecifický pre Claude. Vytvorí — alebo opätovne použije taký, ktorý už niekto zverejnil — jeden MCP server, ktorý sprístupňuje Postgres, a ten server funguje s Claude, ChatGPT, Gemini alebo akýmkoľvek iným agentom kompatibilným s MCP bez ďalšieho kódu. Vlastný zoznam Anthropic pri uvedení spomínal vopred pripravené servery pre Google Drive, Slack, GitHub, Git, Postgres a nástroj na automatizáciu prehliadača Puppeteer. Zmyslom nikdy nebolo, že ich všetky vytvorí Anthropic. Zmyslom je, že to môže urobiť ktokoľvek, a katalóg dostupných serverov narástol ďaleko za to, čo by dokázala obsadiť jedna firma.
Ako protokol naozaj funguje
Ak odhliadneme od rámcovania, MCP je pomerne jednoduchý protokol typu klient–server, zámerne nenápadný. Definuje tri roly. Host je aplikácia, ktorú človek skutočne otvorí — Claude Desktop, IDE ako Cursor, aplikácia ChatGPT. Host v sebe obsahuje MCP Client, ktorý otvorí priame, stavové spojenie s MCP Server — malým programom, ktorý sprístupňuje jeden konkrétny systém: databázu, nástroj na tikety, súborový systém, interné API. Klient a server si vymieňajú správy vo formáte JSON-RPC 2.0, ľahkom formáte vzdialeného volania procedúr (RPC), ktorý je v existujúcej infraštruktúre už bežný, cez jeden z dvoch transportov: stdio, keď je server program bežiaci lokálne na tom istom počítači, alebo Streamable HTTP, keď ide o hostovanú službu bežiacu niekde inde.
To, čo server môže sprístupniť, sa redukuje na tri primitíva. Tools sú funkcie, ktoré model môže zavolať, aby vykonal akciu — create_task, run_query, send_message — a model podľa priebehu konverzácie rozhodne, kedy niektorú zavolá. Resources sú kontext len na čítanie, ktorý Host môže načítať a odovzdať modelu bez toho, aby oň model musel žiadať — obsah súboru, schéma databázy, tiket podpory. Prompts sú opakovane použiteľné šablóny spúšťané používateľom — hotové „zhrň toto vlákno“ alebo „priprav aktualizáciu stavu“, ktoré človek vyvolá výslovne, a nie niečo, o čom sa model rozhodne sám. Dobre navrhnutý server jasne uvádza, ktoré z týchto troch pre danú schopnosť ponúka, pretože práve toto rozlíšenie určuje, či sa pripojený nástroj AI môže na niečo len pozerať, alebo to aj meniť.
Kto ďalší to prevzal a kedy
Prvé mesiace bol MCP projektom samotnej Anthropic. To sa rýchlo zmenilo, a to spôsobom, ktorý je v AI naozaj nezvyčajný: priami konkurenti sa zjednotili na protokole jednej firmy namiesto toho, aby vydali vlastný. OpenAI pridala podporu MCP do svojho Agents SDK v marci 2025, čím umožnila vývojárom pripojiť pracovné postupy agentov k ľubovoľnému MCP serveru namiesto budovania zákazkových integrácií nástrojov špecifických pre OpenAI. O mesiac neskôr Google DeepMind potvrdil, že MCP bude podporovať aj Gemini a jeho vlastná sada na vývoj agentov — a Google tento krok spojil s vlastným doplnkovým protokolom Agent2Agent, ktorého cieľom je umožniť nezávislým agentom koordinovať sa medzi sebou, nielen s nástrojmi. Do mája 2025 priniesol Microsoft natívnu podporu MCP do Windows 11 prostredníctvom služby Windows AI Foundry a podpora pribudla aj v GitHub Copilot a Copilot Studio.
Tieto štyri firmy sa v mnohom nezhodujú, pokiaľ ide o architektúru modelov, ceny alebo stratégiu platformy. Všetky štyri však dnes vydávajú produkty, ktoré používajú ten istý protokol na pripojenie agenta k nástroju. V tomto odvetví je to dostatočne zriedkavé na to, aby to bol skutočný príbeh — väčší než ktorákoľvek jednotlivá funkcia, ktorú MCP umožňuje.
Prečo je to otázka dôvery, nielen infraštruktúry
Táto konvergencia je naozaj užitočná a práve preto si MCP zaslúži skúmanie namiesto slepej dôvery. Protokol, vďaka ktorému je pre agenta triviálne pripojiť sa k systémom firmy, je zároveň protokol, vďaka ktorému je triviálne, aby sa k týmto istým systémom dostalo zle postavené alebo zle nastavené spojenie. Samotné MCP tomu nezabráni. Špecifikácia určuje, ako spolu klient a server komunikujú — nehovorí nič o tom, kto smie spojenie povoliť, čoho sa smie dotýkať, ani či si niekto všimne, keď sa niečo pokazí. O týchto veciach rozhoduje výlučne ten, kto konkrétny server alebo klienta, s ktorým pracujete, vytvoril či nastavil. Niektorí dodávatelia to všetko robia starostlivo. Niektorí to nerobia vôbec a protokol ich nezastaví.
MCP je komunikačný protokol, nie systém riadenia prístupu. Štandardizuje, ako agent požiada nástroj, aby niečo urobil. Či je táto požiadavka vymedzená, zaznamenávaná a odvolateľná, je rozhodnutie, ktoré nad ním niekto urobil — alebo neurobil.
Kontrolný zoznam predtým, než niečo pripojíte
Skôr než váš tím pripojí MCP server — či už ide o produkt dodávateľa, open-source nástroj, ktorý si niekto našiel na GitHube, alebo niečo vytvorené interne — šesť otázok oddeľuje riadené spojenie od otvorených dverí. Žiadna z nich nevyžaduje čítanie špecifikácie. Stačí, aby sa niekto opýtal skôr, než klikne na schváliť, a naozaj si prečítal odpoveď, ktorú mu obrazovka pripojenia zobrazí.
| Opýtajte sa na toto | Ako vyzerá dobre | Sledujte |
|---|---|---|
| Aké rozsahy alebo nástroje žiada? | Rozpísané Pomenovaný, konkrétny zoznam, ktorý si môžete prečítať pred schválením — „vytváranie úloh, čítanie správ v tomto kanáli.“ | Paušálne „Plný prístup k účtu“ bez rozpísaného zoznamu toho, čo skutočne vie. |
| Je len na čítanie, alebo vie písať a konať? | Oddelené Predvolene prístup na čítanie; každá akcia, ktorá mení dáta, vyžaduje samostatné viditeľné povolenie. | Zbalené dohromady Prístup na zápis je zahrnutý automaticky a nedá sa zistiť, ktorá schopnosť čo robí. |
| Je na osobu, alebo zdieľané v celom tíme? | Na osobu Každý sa prihlasuje vlastnými prihlasovacími údajmi; agent vidí len to, čo vidí daná osoba. | Zdieľané Jeden API kľúč alebo servisný účet pre celý tím, ktorý obchádza individuálne oprávnenia. |
| Existuje auditný záznam toho, čo urobil? | Zaznamenané Každé volanie nástroja sa zapisuje — kto ho pripojil, čoho sa dotkol a kedy. | Bez záznamu Žiadny záznam okrem toho, čo vám samotný nástroj AI uzná za vhodné oznámiť. |
| Dá sa odvolať okamžite? | Okamžite Jeden prepínač s okamžitým účinkom na stránke nastavení, ktorú máte pod kontrolou. | So zdržaním Odvolanie vyžaduje tiket na podporu, hovor s dodávateľom alebo nie je možné vôbec. |
| Rozbije jeho odvolanie niečo ďalšie? | Izolované Vymedzené na to jedno spojenie; vypnutie sa týka len jeho. | Prepletené Zdieľa prihlasovací údaj s inými nástrojmi, takže odvolanie jedného ticho rozbije tri ďalšie. |
Ako naozaj vyzerá dobre postavené spojenie
Vlastné nastavenie MCP vo FabricLoop je jednou konkrétnou odpoveďou na tento zoznam — nie preto, že by bolo nezvyčajné, ale preto, že každá jeho časť priamo zodpovedá jednej zo šiestich otázok vyššie, a oplatí sa pomenovať skutočnú mechaniku namiesto jej marketingovej verzie. FabricLoop funguje v oboch rolách naraz: je MCP serverom, do ktorého sa pripájajú externé nástroje, takže Cursor, Claude alebo ChatGPT môžu vytvoriť úlohu, pridať komentár alebo prečítať poznámku s oprávneniami konkrétneho používateľa vo FabricLoop — a je aj MCP klientom, ktorý sa pripája navonok, takže do kanála možno pridať MCP aplikáciu dodávateľa, napríklad GitHub alebo Linear, a @spomenúť ju ako člena tímu.
Každé pripojenie, v oboch smeroch, začína človekom, nie pracovným priestorom. Pripojenie externého klienta ako Cursor otvorí obrazovku súhlasu OAuth na app.fabricloop.com/oauth/consent, kde si daná osoba vyberie pracovný priestor a schváli konkrétne nástroje, o ktoré klient žiada — klient potom môže konať len v rozsahoch povolených na tejto obrazovke, s oprávneniami tej jednej osoby, nikdy cez zdieľaný servisný účet. Opačný smer funguje rovnako: správca môže zapnúť MCP aplikáciu dodávateľa pre celý tím, ale každý používateľ sa aj tak musí prihlásiť sám, kým mu začne fungovať, a správca môže túto aplikáciu nastaviť do režimu len na čítanie alebo ju obmedziť na zoznam povolených konkrétnych nástrojov namiesto všetkého, čo dodávateľ sprístupňuje.
Každý pripojený klient sa zobrazí na obrazovke nastavení vedľa tlačidla Odvolať, ktoré ho okamžite odpojí — na stránke samotného používateľa, nie cez tiket na podporu. V plánoch Enterprise sa táto aktivita — vrátane udelených povolení MCP a toho, čo pripojený agent skutočne urobil — zapisuje do auditného záznamu, ktorý môže bezpečnostný tím kedykoľvek skontrolovať, namiesto snímok obrazovky vyberaných dodatočne z chatového vlákna.
Nič z toho nie je exotické inžinierstvo. Je to malá, zámerne nenápadná sada rozhodnutí uplatňovaných dôsledne: vymedziť prístup, priradiť ho k osobe, zaznamenávať ho a umožniť jeho odvolanie bez vedľajších škôd. Je to rovnaký argument, ktorý tento web uvádza širšie v súvislosti s Legibility — prístup, ktorý viete pomenovať, zaznamenať a odvolať, je lepší než prístup, nad ktorým nikto nemusí rozmýšľať — a MCP to prinesie len vtedy, ak to tak niekto vytvorí. Protokol robí infraštruktúru štandardnou. Správu automatickou nerobí.
Rozhodnutie, na ktorom naozaj záleží
MCP nezmizne a namietať proti nemu je dnes trochu ako namietať proti USB. Každý veľký poskytovateľ modelov ho už podporuje, zoznam dostupných serverov stále rastie a agent, ktorý sa nedostane k vašim nástrojom, je pri väčšine reálnej práce agent, ktorý toho veľa nezvládne. Zaujímavé rozhodnutie nie je, či nechať nástroj AI pripojiť sa k vašim systémom — čoraz častejšie sa nejaká podoba tohto rozhodnutia robí za vás, jedna integrácia po druhej, keď nástroje, ktoré váš tím už používa, potichu pridávajú podporu MCP pod funkciu, na ktorú ste klikli bez prečítania drobného písma. Rozhodnutie, ktoré je stále naozaj vaše, je to, čo skontrolujete skôr, než kliknete na schváliť.
MCP štandardizovalo, ako agent AI požiada nástroj, aby niečo urobil. Nijako však nestandardizovalo, či je bezpečné takú požiadavku povoliť — to je stále a aj naďalej bude rozhodnutie človeka, ktorý klikne na „schváliť“.