Model Context Protocol (MCP)
Model Bağlam Protokolü (MCP), yapay zekâ uygulamalarını araçlara ve verilere tek bir arayüz üzerinden bağlayan açık bir standarttır. Mimari, kullanım alanları ve kod.
Model Context Protocol (MCP), AI uygulamalarını harici araçlara, veri kaynaklarına ve iş akışlarına bağlamak için kullanılan açık bir standarttır. MCP'den önce her AI uygulaması, kullandığı her hizmet için kendi özel entegrasyonuna ihtiyaç duyuyordu; dolayısıyla on asistan ve on hizmet, yüz adede kadar ayrı bağlayıcı anlamına geliyordu. MCP ile bir hizmet bir kez MCP sunucusu olarak sarılır ve MCP uyumlu tüm uygulamalar bu hizmeti kullanabilir. Anthropic protokolü Kasım 2024'te tanıttı ve Aralık 2025'te, Linux Foundation bünyesindeki ve Anthropic'in Block ve OpenAI ile birlikte kurduğu bir fon olan Agentic AI Foundation'a bağışladı. Claude, ChatGPT, VS Code, Cursor ve Gemini CLI gibi ana uygulamalar protokolü destekliyor ve AI ajanlarının ve büyük dil modellerinin (LLM'ler) dış dünyaya erişmesi için standart yöntem hâline geldi.
MCP Nasıl Çalışır#
MCP belirtimi, JSON-RPC 2.0 mesajları alışverişinde bulunan üç rolü tanımlar. Ana uygulama, kullanıcının kullandığı sohbet robotu, IDE veya ajan gibi bir AI uygulamasıdır. Ana uygulamanın içinde, bir istemci her sunucuyla bağlantıyı yönetir ve her sunucu bir dizi yetenek sunar. Yerel sunucular alt süreçler olarak çalışır ve standart girdi ile çıktı (stdio) üzerinden iletişim kurarken uzak sunucular Streamable HTTP kullanır. 2026-07-28 tarihli revizyondan bu yana temel protokol durumsuzdur: her istek kendi protokol sürümünü ve istemci yeteneklerini taşır, eski initialize el sıkışması ve oturum kimlikleri artık yoktur ve yük dengeleyicinin arkasındaki herhangi bir sunucu örneği her isteğe yanıt verebilir.
Sunucular üç tür özellik sunar:
- Araçlar: Modelin çağırabileceği işlevlerdir. Her işlev ad, açıklama ve
create_issueveyarun_querygibi argümanları için bir JSON Schema ile tanımlanır. Araçlar metin, görüntü veya yapılandırılmış veri döndürebilir. - Kaynaklar: Dosyalar, veritabanı şemaları veya günlük alıntıları gibi URI'lerle tanımlanan salt okunur bağlamdır; uygulama bu bağlamı modelin bağlamına ekleyebilir.
- İstemler: Kullanıcıların açıkça seçtiği, genellikle eğik çizgi komutları olarak sunulan yeniden kullanılabilir mesaj şablonlarıdır.
Sunucular, bir görev devam ederken eksik bilgileri isteme yoluyla kullanıcıdan da talep edebilir. İsteğe bağlı uzantılar daha fazla özellik ekler: Tasks, istemcinin sonuçları almak için düzenli olarak sorguladığı uzun süreli işlemleri yönetir; MCP Apps ise bir aracın etkileşimli bir arayüz döndürmesini sağlar. Bu, konuşma içinde grafikler ve formlar oluşturan üretken kullanıcı arayüzü yaklaşımıdır.
MCP Sunucusu Oluşturma#
Resmî MCP Python SDK, türü belirtilmiş bir Python işlevini araca dönüştürür ve tür ipuçlarından JSON Schema oluşturur. Ultralytics YOLO26 tahminini bu şekilde sarmak, her MCP ana uygulamasına nesne algılama özelliği kazandırır: araç, modelin üzerinde akıl yürütebileceği her nesnenin sınıf adını, güven değerini ve kutu koordinatlarını içeren bir liste olan Results.summary() döndürür. Aşağıda süreç içi bir istemci, ana uygulamanın yapacağı gibi aracı keşfedip çağırıyor:
import asyncio
from mcp import Client
from mcp.server.mcpserver import MCPServer
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
server = MCPServer("vision")
@server.tool()
def detect(image_url: str) -> list[dict]:
"""Detect objects in an image and return each object's class, confidence, and box."""
results = model(image_url)
return results[0].summary()
async def main():
"""Discover the server's tools and call one, as an MCP host does."""
async with Client(server) as client:
tools = await client.list_tools()
print(tools.tools[0].name, tools.tools[0].input_schema)
result = await client.call_tool("detect", {"image_url": "https://ultralytics.com/images/bus.jpg"})
print(result.structured_content)
asyncio.run(main())İlk print, aracın adını ve ana uygulamanın modelinin gördüğü girdi şemasını gösterir. Bu şema, image_url adlı tek bir dize argümanı gerektirir; ikinci çıktı ise yapılandırılmış içerik olarak döndürülen algılama listesini gösterir.
MCP ve İlgili Kavramlar#
- İşlev çağırma: Modelin bir araç için yapılandırılmış istek üretme yeteneğidir. MCP, uygulamalar arasında araçların nasıl keşfedildiğini, tanımlandığını ve yürütüldüğünü standartlaştırır; ana uygulama ise MCP araç tanımlarını modelin yerel işlev çağırma biçimine dönüştürür.
- API'ler: Bir REST veya GraphQL API'si tek bir hizmetin istemcilerine hizmet verir. Bir MCP sunucusu genellikle böyle bir API'yi sarar ve modelin özel kod yazmadan API'yi kullanabilmesi için gerekli adları, açıklamaları ve şemaları ekler.
- Getirim destekli üretim (RAG): Yanıtları getirilen belgelere dayandırma tekniğidir. MCP, bu getirim işlemini bir arama aracı veya eklenen kaynaklar üzerinden sunmanın yollarından biridir.
- Agent2Agent (A2A) protokolü: Ajanları diğer ajanlara bağlayarak tüm görevleri devretmelerini sağlar. MCP ise bir ajanı doğrudan kullandığı araçlara ve verilere bağlar.
- Ajan becerileri: Bir görev gerektirdiğinde ajanın bağlamına yüklediği yönerge ve betik klasörleridir. Beceriler ajana bir görevi nasıl yapacağını öğretir; MCP sunucuları ise ilgili sistemlere canlı erişim sağlar. Bu nedenle ajanlar genellikle ikisini de kullanır.
Gerçek Dünya Uygulamaları#
- Ajan tabanlı kodlama: Kodlama ajanları MCP sunucuları üzerinden GitHub'a, sorun izleyicilere, veritabanlarına ve tarayıcılara bağlanır. Böylece oturum açmanın neden başarısız olduğunu sorduğunda ajan hata günlüklerini alabilir, kimlik doğrulama kodunu okuyabilir ve açık sorunları tek bir oturumda inceleyebilir.
- Kurumsal asistanlar: Belge depolarına, sohbete, biletleme ve CRM sistemlerine bağlanan bağlayıcılar, asistanın şirket verilerinden soruları yanıtlamasını ve kullanıcı adına güncellemeleri kaydetmesini sağlar.
- Görsel denetim: Bir ajan kamera görüntüsünde algılama aracını çağırır, hasarlı bir bileşen bulduğunda yedek parçalar için stok sunucusuna sorgu gönderir ve bir bakım bileti taslağı hazırlar. Böylece tek bir tahmin, eksiksiz bir otomasyon iş akışına dönüşür.
- Veri analitiği: Veritabanı sunucuları salt okunur sorgu araçları sunar; böylece analistler gündelik dille soru sorabilir ve canlı tablolardan hesaplanan yanıtlar alabilir.
Güvenlikle İlgili Hususlar#
Bir MCP aracı, kullanıcının kimlik bilgileriyle rastgele kod çalıştırabilir. Bu nedenle her bağlantı, modelin yapabileceklerini ve saldırganın erişebileceklerini genişletir. Araç sonuçları ve kaynakları, modeli başka araçları çağırmaya veya veri sızdırmaya yönlendirmeye çalışan metinler olan istem enjeksiyonu içerebilir; kötü amaçlı bir sunucu da kendi araç açıklamalarında araç zehirleme olarak bilinen saldırı kapsamında yönergeler gizleyebilir. Uzak sunucular kullanıcıların kimliğini OAuth tabanlı yetkilendirmeyle doğrular. Dikkatli ana uygulamalar her sunucuyu ihtiyaç duyduğu izinlerle sınırlar, yerel sunucuları korumalı alanlarda çalıştırır ve hassas işlemlerden önce onay istemleri gibi güvenlik önlemleri ekler. Belirtim, ana uygulamaların herhangi bir aracı çağırmadan önce kullanıcıdan açık onay almasını ve güvenilir bir sunucudan gelmediği sürece araç açıklamalarını güvenilmeyen içerik olarak ele almasını zorunlu kılar.










