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 každý pár. Model Context Protocol, otvorený štandard, ktorý Anthropic predstavila v novembri 2024, to nahradil jednou zástrčkou, ktorá sedí všade — a OpenAI, Google aj Microsoft ho odvtedy všetky prijali. Tu je, ako to naozaj funguje, a skutočný kontrolný zoznam, kým jedno pripojíte k dátam tímu.
Otvorte desktopovú aplikáciu Claude a požiadajte ju, nech skontroluje otvorené pull requesty tímu, a ona to jednoducho urobí. Nie preto, že by Anthropic zabudovala do Claude integráciu s GitHubom. Preto, že niekde — váš IT tím, dodávateľ, vývojár na GitHube — niekto napísal malý program, ktorý hovorí protokolom menom MCP, a Claude už vie hovoriť so všetkým, čo ním hovorí. To isté teraz platí pre ChatGPT, Gemini od Googlu a Microsoft Copilot. Táto konvergencia, viac než akékoľvek jednotlivé vydanie funkcie, je dôvod, prečo sa MCP stalo tým, pre čo takmer každý dodávateľ AI posledný rok staval podporu.
Čo MCP naozaj je
MCP znamená Model Context Protocol. Anthropic ho navrhla a 25. novembra 2024 otvorila špecifikáciu spolu s prvými SDK. Vlastné materiály k uvedeniu opísali tú myšlienku analógiou, ktorá ostala: predstavte si MCP ako port USB-C pre aplikácie AI — jeden fyzický štandard konektora namiesto iného kábla ku každému príslušenstvu. Pri uvedení Anthropic menovala skorých používateľov, ktorí už stavali podporu MCP do vlastných produktov, vrátane firiem podnikového softvéru 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 človeka.
Problém, ktorý rieši: N nástrojov krát M zdrojov dát
Problém, ktorý MCP rieši, má meno, ktoré inžinieri používajú ledabolo: problém integrácie N krát M. Povedzme, že firma používa päť nástrojov AI, ktoré potrebujú konať s firemnými dátami — Claude, ChatGPT, GitHub Copilot, Cursor a interného bota podpory — a tie dáta žijú na ôsmich miestach: Slack, GitHub, databáza Postgres, Salesforce, Notion, Google Drive, Jira a interné API. Bez zdieľaného protokolu zaberie užitočné prepojenie každého nástroja s každým zdrojom až štyridsať samostatných integrácií — päťkrát osem — každá s vlastnou schémou overenia, vlastnou obsluhou chýb a vlastnou daňou za údržbu zakaždým, keď jedno z tých API zmení tvar. Pridajte šiesty nástroj AI a číslo vyskočí na štyridsaťosem. V praxi nikto nepostavil všetkých štyridsať. Každý dodávateľ AI postavil tú hŕstku, ktorú posúdil ako hodnú inžinierskeho času, a všetko ostatné ostalo ručné: kopírovať, vložiť, znova vysvetliť, opakovať.
MCP mení násobenie na sčítanie. Firma, ktorá chce, aby Claude čítal z jej databázy Postgres, nestavia konektor Postgres špecifický pre Claude. Staví — alebo znova použije taký, ktorý už niekto zverejnil — jeden MCP server, ktorý vystavuje Postgres, a ten server funguje s Claude, ChatGPT, Gemini alebo akýmkoľvek iným agentom kompatibilným s MCP bez ďalšieho kódu. Vlastný zoznam Anthropic pri uvedení menovala vopred pripravené servery pre Google Drive, Slack, GitHub, Git, Postgres a nástroj na automatizáciu prehliadača menom Puppeteer. Pointa nikdy nebola, že ich všetky postaví Anthropic. Bola, že to môže ktokoľvek, a katalóg dostupných serverov vyrástol ďaleko za to, čo by jedna firma dokázala personálne uniesť.
Ako protokol naozaj funguje
Ak odložíme rám, MCP je pomerne prostý protokol klient–server, zámerne bez lesku. Definuje tri roly. Host je aplikácia, ktorú človek skutočne otvorí — Claude Desktop, IDE ako Cursor, aplikácia ChatGPT. Host v sebe nesie MCP Client, ktorý otvorí priame, stavové spojenie s MCP Server — malým programom, ktorý vystavuje 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 procedúry, ktorý je v existujúcej infraštruktúre už bežný, cez jeden z dvoch transportov: stdio, keď je server program bežiaci lokálne na tom istom stroji, alebo Streamable HTTP, keď je to hostovaná služba bežiaca niekde inde.
To, čo server môže vystaviť, sa zúži na tri primitíva. Tools sú funkcie, ktoré model môže zavolať, aby vykonal akciu — create_task, run_query, send_message — a model podľa konverzácie rozhodne, kedy jednu zavolá. Resources sú kontext len na čítanie, ktorý Host môže pritiahnuť a odovzdať modelu, bez toho aby oň model musel žiadať — obsah súboru, schéma databázy, tiket podpory. Prompts sú znovupoužiteľné šablóny spúšťané používateľom — hotové „zhrň toto vlákno“ alebo „návrh aktualizácie stavu“, ktoré človek vyvolá výslovne, nie niečo, čo sa model rozhodne urobiť sám. Dobre postavený server je explicitný v tom, ktoré z troch ponúka pre danú schopnosť, pretože práve to rozlíšenie určuje, či pripojený nástroj AI môže na niečo pozerať, alebo to zmeniť.
Kto ďalší to prevzal a kedy
Prvé mesiace MCP boli projekt len Anthropic. To sa zmenilo rýchlo a spôsobom, ktorý je v AI naozaj neobvyklý: priami konkurenti sa zišli na protokole jednej firmy, namiesto toho aby vydali vlastný. OpenAI pridala podporu MCP do svojho Agents SDK v marci 2025 a umožnila vývojárom pripojiť pracovné postupy agentov k ľubovoľnému MCP serveru namiesto stavby zákazkových integrácií nástrojov špecifických pre OpenAI. Nasledujúci mesiac Google DeepMind potvrdil, že Gemini a jeho vlastná sada na vývoj agentov budú MCP tiež podporovať — krok, ktorý Google spároval s vlastným doplnkovým protokolom Agent2Agent, zameraným na to, aby sa nezávislí agenti koordinovali medzi sebou, nie len s nástrojmi. Do mája 2025 Microsoft priniesol natívnu podporu MCP do Windows 11 cez to, čomu hovorí Windows AI Foundry, a podpora pristála aj vnútri GitHub Copilot a Copilot Studio.
Žiadna z tých štyroch firiem sa nezhodne na mnohom, pokiaľ ide o architektúru modelov, ceny alebo stratégiu platformy. Všetky štyri teraz vydávajú produkty, ktoré hovoria rovnakým protokolom na pripojenie agenta k nástroju. V tomto odvetví je to dosť zriedkavé na to, aby to bol skutočný príbeh — viac než akákoľvek jednotlivá funkcia, ktorú MCP umožňuje.
Prečo je to otázka dôvery, nie len potrubia
Tá konvergencia je naozaj užitočná a práve preto si MCP zaslúži skúmanie namiesto slepej dôvery. Protokol, ktorý agentovi robí triviálnym pripojiť sa k systémom firmy, je protokol, ktorý robí triviálnym, aby k tým istým systémom dosiahlo zle postavené alebo zle nastavené spojenie. Samotné MCP tomu nezabráni. Špecifikácia definuje, ako spolu klient a server hovoria — nehovorí nič o tom, kto smie spojenie udeliť, čoho sa to spojenie smie dotknúť, ani či si niekto všimne, keď sa niečo pokazí. Tie voľby ležia celé na tom, kto postavil alebo nastavil konkrétny server či klienta pred vami. Niektorí dodávatelia to všetko stavajú starostlivo. Niektorí to nestavajú vôbec a protokol ich nezastaví.
MCP je drôtový protokol, nie systém riadenia prístupu. Štandardizuje, ako agent žiada nástroj, aby niečo urobil. Či je tá žiadosť vymedzená, zaznamenaná a odvolateľná, je rozhodnutie, ktoré nad ním niekto urobil — alebo neurobil.
Kontrolný zoznam, kým jedno pripojíte
Kým váš tím pripojí MCP server — či je to produkt dodávateľa, open-source nástroj, ktorý niekto našiel na GitHube, alebo niečo postavené interne — šesť otázok oddeľuje riadené spojenie od otvorených dverí. Žiadna nevyžaduje čítanie špecifikácie. Vyžadujú len, aby sa niekto spýtal, kým klikne na schváliť, a naozaj si prečítal odpoveď, ktorú obrazovka spojenia vráti.
| Opýtajte sa na toto | Ako vyzerá dobre | Sledujte |
|---|---|---|
| Aké rozsahy alebo nástroje žiada? | Rozpísané Pomenovaný, konkrétny zoznam, ktorý si môžete prečítať pred schválením — „vytváraj úlohy, čítaj správy 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 Prístup na čítanie ako predvolený; každá akcia, ktorá mení dáta, potrebuje vlastné viditeľné udelenie. | Zbalené Prístup na zápis zahrnutý automaticky, bez spôsobu spoznať, ktorá schopnosť čo robí. |
| Je na osobu, alebo zdieľané v celom tíme? | Na osobu Každý sa prihlási vlastným prihlásením; agent vidí len to, čo vidí ten človek. | 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 nad to, čo vám samotný nástroj AI zvolí povedať, že sa stalo. |
| Dá sa odvolať okamžite? | Okamžite Jeden prepínač, účinný hneď, zo stránky nastavení, ktorú ovládate. | S oneskorením Odvolanie vyžaduje tiket podpory, 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 jedna konkrétna odpoveď na ten zoznam — nie preto, že by bolo neobvyklé, ale preto, že každý kus mapuje priamo na jednu zo šiestich otázok vyššie a stojí za to pomenovať skutočnú mechaniku namiesto marketingovej verzie. FabricLoop beží v oboch rolách naraz: je MCP server, do ktorého sa pripájajú vonkajšie nástroje, takže Cursor, Claude alebo ChatGPT môžu vytvoriť úlohu, pridať komentár alebo prečítať poznámku s vlastnými oprávneniami FabricLoop konkrétneho človeka — a je MCP klient, ktorý sa pripája von, takže kanál môže vtiahnuť MCP aplikáciu dodávateľa, ako GitHub alebo Linear, a @spomenúť ju ako člena tímu.
Každé spojenie, v oboch smeroch, začína človekom, nie pracovným priestorom. Pripojenie vonkajšieho klienta ako Cursor otvorí obrazovku súhlasu OAuth na app.fabricloop.com/oauth/consent, kde si ten človek vyberie pracovný priestor a schváli konkrétne nástroje, o ktoré klient žiada — klient potom môže konať len s rozsahmi udelenými na tej obrazovke, pod oprávneniami toho jedného človeka, nikdy cez zdieľaný servisný účet. Opačný smer beží rovnako: správca môže zapnúť MCP aplikáciu dodávateľa pre celý tím, ale každý človek aj tak dokončí vlastné prihlásenie, kým to preňho funguje, a správca môže tú aplikáciu nastaviť do režimu len na čítanie alebo ju obmedziť na zoznam povolených konkrétnych nástrojov namiesto všetkého, čo dodávateľ vystavuje.
Každý pripojený klient sa objaví na obrazovke nastavení vedľa ovládania Odvolať, ktoré ho odpojí okamžite — na stránke samotného človeka, nie v tikete podpory. Na plánoch Enterprise tá aktivita — vrátane udelení MCP a toho, čo pripojený agent skutočne urobil — dopadne do auditného záznamu, ktorý bezpečnostný tím môže prejsť na vyžiadanie, namiesto snímok obrazovky vyťahovaných spätne z chatového vlákna.
Nič z toho nie je exotické inžinierstvo. Je to malá, zámerne nelesklá sada rozhodnutí, opakovaná dôsledne: vymedziť, pripnúť k človeku, zaznamenať, urobiť odvolateľným bez vedľajších škôd. To je ten istý argument, ktorý tento web vedie širšie o Legibility — prístup, ktorý viete pomenovať, zaznamenať a odvolať, poráža prístup, nad ktorým nikto nemusí premýšľať — a MCP to dodá len vtedy, keď to niekto tak postaví. Protokol robí potrubie štandardným. Správu automatickou nerobí.
Rozhodnutie, na ktorom naozaj záleží
MCP nezmizne a stavať sa proti nemu v túto chvíľu je trochu ako stavať sa proti USB. Každý veľký poskytovateľ modelov ho teraz vydáva, zoznam dostupných serverov stále rastie a agent, ktorý nedosiahne na vaše nástroje, je pre väčšinu skutočnej práce agent, ktorý toho veľa nezmôže. Zaujímavé rozhodnutie nie je, či nechať nástroj AI pripojiť sa k vašim systémom — čím ďalej tým viac sa nejaká verzia toho rozhodnutia robí za vás, jedna integrácia po druhej, ako nástroje, ktoré tím už používa, ticho pridávajú podporu MCP pod funkciu, do ktorej ste klikli bez čítania drobného písma. Rozhodnutie, ktoré je stále naozaj vaše, je to, čo skontrolujete, kým kliknete na schváliť.
MCP štandardizovalo, ako agent AI žiada nástroj, aby niečo urobil. Neurobilo nič pre to, aby štandardizovalo, či je tú žiadosť bezpečné udeliť — tá časť je stále, a ostane, rozhodnutie človeka, ktorý kliká na „schváliť“.