MCP: proč se z Model Context Protocol stává důležitá součást AI
Model Context Protocol propojuje AI aplikace s nástroji a daty přes společný otevřený standard. Vysvětluji, jak MCP funguje, proč nestačí klasické API a proč mi dává smysl pro praktické používání AI agentů.
Ještě nedávno jsem při používání AI řešil hlavně to, který model je lepší. Dnes mi ale přijde stále důležitější něco jiného: k čemu všemu má AI přístup a co dokáže skutečně udělat.
Samotný jazykový model nevidí moje soubory, nezná obsah databáze a nemá automaticky přístup k nástrojům, které používám. A právě tady začíná být zajímavý Model Context Protocol, zkráceně MCP.
Co je MCP
MCP je otevřený standard pro propojení AI aplikací s externími nástroji a daty. Místo toho, aby každá AI aplikace vytvářela vlastní integraci pro GitHub, databázi, Google Drive nebo interní firemní systém, mohou spolu komunikovat pomocí stejného protokolu.
Princip mi trochu připomíná USB. Zařízení mohou být úplně odlišná, ale pokud používají společný standard, nemusí výrobce počítače řešit speciální způsob připojení pro každé z nich.
Na jedné straně je AI aplikace a na druhé MCP server, který jí zpřístupňuje určité možnosti. MCP server přitom nemusí být vzdálený server v cloudu. Může běžet i lokálně na počítači.
Tools, resources a prompts
MCP pracuje s několika základními stavebními kameny. Tools umožňují AI něco udělat, například vyhledat informace, pracovat s databází nebo vytvořit issue na GitHubu.
Resources zpřístupňují informace, například obsah souboru, dokumentaci nebo data z aplikace. Prompts jsou předpřipravené šablony instrukcí, které může klient nabídnout uživateli.
MCP tak není jen API pro volání funkcí, ale obecnější způsob, jak popsat možnosti externího systému AI aplikaci.
Proč nestačí klasické API
Na první pohled jsem si říkal, že MCP řeší něco, co už dávno řeší REST API. A do určité míry je to pravda. MCP REST API nenahrazuje a samotný MCP server často nějaké API používá.
Rozdíl je v tom, že MCP mezi AI aplikaci a službu přidává standardizovanou vrstvu. AI klient tak nemusí mít každou integraci implementovanou úplně jiným způsobem.
Pokud služba poskytne MCP server, může ho používat více AI klientů podporujících stejný protokol. A AI klient zase nemusí obsahovat stovky speciálně vytvořených integrací.
Co to znamená v praxi
Představme si AI asistenta, kterému zadám:
Najdi v projektu poslední otevřené bugy, podívej se do dokumentace a připrav návrh řešení.
Bez integrací bych mu musel jednotlivé informace dodat ručně. S vhodnými MCP servery může mít přístup k repozitáři, issue trackeru a dokumentaci a potřebné informace si vyhledat sám.
Sám už přes MCP používám GitHub, GitLab, Trello, Gmail, Google Drive nebo Rohlík.cz. V praxi je ale moje zkušenost zatím podstatně méně růžová, než by samotná myšlenka MCP naznačovala.
Většina MCP integrací, které jsem zkoušel, je velmi omezená a někdy až skoro nepoužitelná. GitHub integrace například neumí pracovat s binárními soubory, Trello neumí komentáře a u Rohlík.cz se mi nepodařilo ani přidat banán do košíku.
MCP mi proto pořád připadá jako skvělý nápad, ale současná realita za ním výrazně zaostává. Poskytovatelé MCP serverů často zpřístupňují jen omezenou část možností služby a výsledkem jsou spíš nedodělané prototypy než integrace, na které bych se mohl při běžné práci spolehnout.
Pokud má navíc povolený zápis, nemusí jen navrhnout změnu. Může například vytvořit issue, upravit soubor nebo provést jinou povolenou akci.
Právě tady se podle mě rozdíl mezi klasickým chatbotem a AI agentem stává opravdu praktickým.
Bezpečnost bude stále důležitější
Jakmile AI získá přístup k reálným nástrojům, je velký rozdíl mezi tím, když může pouze přečíst dokumentaci, a tím, když může měnit data, odesílat zprávy nebo zapisovat do repozitáře.
Proto mi dává smysl přemýšlet o MCP serverech podobně jako o aplikacích, kterým uděluji oprávnění. Nechci AI automaticky zpřístupnit všechno jen proto, že je to technicky možné.
Čím schopnější budou AI agenti, tím důležitější bude přesně vědět, ke kterým datům a akcím mají přístup.
Proč mi MCP dává smysl
Na AI mě momentálně nejvíc nezajímá další procento v benchmarku jazykových modelů. Zajímavější mi připadá posun od modelu, který pouze odpovídá na otázky, k systému, který dokáže pracovat s nástroji, daty a aplikacemi, které skutečně používám.
MCP tento problém neřeší celý. Pořád potřebujeme samotné integrace, správně nastavená oprávnění a AI, která dokáže dostupné nástroje rozumně používat.
Společný protokol ale odstraňuje jednu důležitou překážku: nemusíme pro každou kombinaci AI aplikace a služby vytvářet úplně novou integraci. A právě proto si myslím, že o MCP budeme v souvislosti s AI agenty slýchat stále častěji.