MCP'nin tanımı
Model Context Protocol (MCP), LLM tabanlı agent’ların harici sistemlere düzenli ve denetimli şekilde erişmesini sağlayan bir protokoldür. Yani MCP, yapay zekâ modelinin şirket içi veri ve servislerle konuştuğu ortak dil gibi çalışır.
Bu protokolü, LLM ile kurumsal altyapınız arasına yerleştirdiğiniz ince ama güçlü bir katman gibi düşünebilirsiniz. Tek tek API entegrasyonları yazmak yerine, standartlaştırılmış bir context köprüsü kurarsınız. Böylece farklı modeller, aynı MCP sunucusu üzerinden benzer şekilde kaynaklara erişir. Özellikle karmaşık CRM, ERP ya da veri ambarı senaryolarında bu standart büyük fark yaratır.
MCP'nin temel amacı, yapay zekâ modellerini rastgele script’ler yerine tanımlı araçlar ve kurallarla sınırlandırmaktır. Bunun için protokol, üç ana alanı tarif eder:
- Hangi tool ve kaynakların modele açık olduğunu
- Bu araçların nasıl çağrılacağını ve hangi parametreleri alacağını
- Hangi kaynak ve şablonların sunulduğunu; bağlamın modele ne zaman verileceğine ise uygulama karar verir
Bu yapı sayesinde siz, LLM'in neye erişebileceğini merkezi olarak tanımlarsınız. Model ise bu tanıma uyar ve MCP sunucusu üzerinden hareket eder. MCP'yi sadece teknik bir entegrasyon değil, aynı zamanda yönetişim aracı olarak görmek bu yüzden daha doğrudur. Ajanları bu çerçeveyle kurumsal sistemlere bağlamak, yapay zekâ ajanı geliştirme işinin merkezindedir.
MCP istemci/sunucu yapısı
MCP istemci/sunucu mimarisi, konuyu anlamanın kilit noktasıdır. Bir yanda MCP host'u, yani yapay zekâ uygulaması bulunur. Örneğin bir chat arayüzü, kod editörü veya agent orkestratörü host olabilir; host, bağlandığı her sunucu için ayrı bir MCP istemcisi açar. Sunucu tarafında ise MCP sunucusu bulunur ve kurumsal sistemlere açılan kapıları yönetir.
Bu mimariyi sadeleştirirsem, üç aktör görürsünüz. Birincisi, LLM veya agent. İkincisi, MCP sunucusu. Üçüncüsü, sizin CRM, veritabanı, dosya sistemi gibi arka uç sistemleriniz. Uygulama, istemciler üzerinden hangi MCP tool’larının çağrılabileceğini öğrenir ve bunları modele sunar. Sunucu ise bu çağrıları gerçek sistemlere çevirir.
Tipik bir akışta istemci, sunucudan “kullanılabilir araçlar” listesini (tools/list) alır ve uygulama bunu modele sunar. Model yapılandırılmış bir çağrı üretir; uygulama bu çağrıyı istemci üzerinden sunucuya iletir. Sunucu, gelen isteği doğrular ve uygun kurumsal API ya da veri kaynağına yönlendirir. Siz bu katmanda loglama, hız limiti, yetki kontrolü gibi politikaları uygularsınız.
Bu yapı, farklı istemcilerin aynı MCP sunucusu ile konuşmasına da izin verir. Böylece hem web tabanlı bir arayüz, hem Cursor gibi bir kod editörü, hem de Claude Code gibi bir komut satırı aracı aynı kurumsal kaynakları ortak kurallar altında paylaşabilir.
MCP ve araç-kaynak-prompt kavramları
Araç, kaynak ve prompt kavramları sık karıştırılır. Oysa bu üçlü, protokolün mantığını kavramak için temel bileşenlerdir. Ben bunları “modelin elleri, gözleri ve talimatları” olarak anlatmayı seviyorum.
Araçlar, yani tool’lar, modelin aktif olarak çağırdığı işlemlerdir. Örneğin “müşteri bul”, “sipariş oluştur”, “dosya oku” gibi eylemler birer MCP aracı olabilir. Kaynaklar ise salt veri sağlayan uçlardır. Log dosyaları, rapor çıktıları, yapılandırma dosyaları bu kategoriye girer. Kaynakları model değil uygulama okur ve hangisinin modele bağlam olarak gideceğine kendisi karar verir; kaynaklar salt okunurdur.
Prompt'lar ise sunucunun sunduğu, kullanıcının seçerek çalıştırdığı hazır istem şablonlarıdır. Mesela “bu müşterinin son çeyrek özetini çıkar” gibi sık tekrarlanan bir görevi, parametreleriyle birlikte şablon hâline getirebilirsiniz. Bu sayede kullanıcılar aynı işi her seferinde aynı çerçeveyle başlatır.
Bu üç kavramı doğru modellediğinizde MCP'nin gücünü tam kullanırsınız. Araçlar operasyonel işleri üstlenir, kaynaklar güvenli okuma sağlar, prompt şablonları ise tekrar eden işleri iş kurallarıyla hizalar.
Kurumsal sistemlere bağlanma: yetki ve güvenlik
Kurumsal dünyada MCP konuşulurken arkasında çoğu zaman şu kaygı yatar: “Modeli CRM’e, veritabanına, dosya sistemine bağlarsam güvenliği nasıl korurum?” Tam da burada MCP’nin yetki ve güvenlik yaklaşımı devreye girer.
Benim net görüşüm şu: MCP’yi sadece entegrasyon katmanı olarak görmek hata olur, asıl değeri yetkilendirme sınırlarını merkezileştirmesidir. Protokolün kendisi agent bazında bir yetki modeli getirmez: yetkilendirme isteğe bağlıdır ve HTTP taşımasında OAuth 2.1 tabanlıdır. Hangi agent’ın hangi aracı hangi parametrelerle kullanabileceğini siz MCP sunucusunda ve uygulamada açıkça tanımlarsınız. Sonuçta, model, doğrudan sistemlere değil, kontrollü kapılara erişir.
Tipik bir kurumsal senaryoda aşağıdaki güvenlik kararlarını vermeniz gerekir:
- Hangi sistemlere sadece okuma, hangilerine yazma yetkisi verileceği
- Hangi kullanıcı gruplarının hangi MCP tool’larını tetikleyebileceği
- Loglama, denetim izi ve hata durumunda geri alma politikaları
Söz gelimi, satış asistanı agent’ına sadece belirli CRM alanlarını okuma yetkisi verip, sözleşme sistemine hiç erişim tanımayabilirsiniz. Ayrıca MCP sunucusu ile arka uç API’ler arasına ek kimlik doğrulama katmanları koyabilirsiniz. Böylece modeli güçlendirirken veri sızıntısı riskini makul seviyede tutarsınız.
Bu ayrımı Eylül 2026'da YouContent360 için kurduğum büyüme ajanlarında uyguladım. Ajanların ürün veritabanına bağlandığı MCP sunucusunu salt okunur modda açtım; izinli araçlar sorgu çalıştırma, tablo listeleme, öneri ve log okumayla sınırlı kaldı. Şema değiştirme, fonksiyon yayınlama, dal açma ve projeyi durdurma araçlarını, ürün deposuna yazmayı, git push'u ve dışarıya istek atmayı yasak listesine koydum. Gerekçe basitti: bu ekip yalnız taslak hazırlıyor, dışarı çıkan her şeyi bir insan gönderiyor; canlı veritabanı onun için yalnız okunacak bir kaynak. Kurulum günü kuralı denedim: oturumdan ürün deposunda bir dosyayı düzenlemesini istedim, istek yasak listesine takıldı. Altı gün sonra yapıyı yeniden kurarken Slack ve Gmail araçlarını da yasakladım ve canlı veritabanına giden her sorguyu yalnız SELECT'e izin veren ayrı bir kontrolden geçirdim. Salt okunur bağlantı ilk savunma hattı, bu kontrol ikincisi.
MCP nasıl çalışır?
Bir MCP akışını adım adım görmek, mimariyi kafanızda netleştirir. Burada karmaşık teoriler yerine, pratik bir çağrı zinciri üzerinden ilerlemek daha faydalı olur. Basit bir “müşteri bilgisi getir” senaryosu üzerinden gidelim.
Bu tür bir akışta tipik olarak şu adımlar gerçekleşir:
- Kullanıcı, istemci arayüzünde doğal dilde bir istek yazar.
- Uygulama, bu isteği LLM’e gönderirken sunuculardan aldığı araç tanımlarını da context içine ekler.
- Model, gerekli tool’u seçer ve yapılandırılmış bir çağrı üretir.
- Uygulama gerekirse kullanıcı onayı alır ve çağrıyı MCP istemcisi üzerinden sunucuya gönderir; sunucu çağrıyı doğrular ve ilgili kurumsal API’ye iletir.
- Gelen yanıt, sunucudan modele geri taşınır ve kullanıcıya açıklayıcı çıktı olarak sunulur.
Buradaki kritik nokta, modelin doğrudan sistemlere bağlanmamasıdır. Aradaki MCP katmanı, hangi tool’ların görünür olduğunu ve hangi argümanların kabul edildiğini tanımlar. Siz bu tasarımı iyi yaparsanız, model beklenmedik alanlara sapamaz.
Bu yaklaşım, farklı sistemler arasında tutarlı bir entegrasyon mantığı kurmanızı da sağlar. Yeni bir veri kaynağı eklediğinizde, sadece MCP sunucusuna yeni bir tool veya resource tanımı girersiniz. İstemci tarafındaki agent mantığı çoğu zaman aynen çalışmaya devam eder.
MCP ne işe yarar? Kullanım alanları
Birçok yönetici aslında “Bu iş bize nerede fayda sağlar?” diye merak eder. Ben, MCP’yi özellikle kurumsal yapay zekâ projelerinde hızlandırıcı bir çerçeve olarak görüyorum. Çünkü hem entegrasyon tekrarını azaltır hem de yönetişim katmanı ekler.
Farklı sektörlerde öne çıkan bazı kullanım alanlarını şöyle toparlayabilirim:
- CRM üzerinden satış asistanı agent’ları çalıştırmak
- İç doküman arşivine bağlı bilgi tabanlı destek botları kurmak
- Veri ambarı ve raporlama sistemlerine bağlı analitik asistanlar geliştirmek
- IT operasyon araçlarına erişebilen otomasyon agent’ları tasarlamak
Diyelim ki, şirket içi destek masası için kurduğunuz agent, MCP sunucusu üzerinden hem bilet sistemine hem bilgi tabanına bağlanabilir. Aynı altyapıyla, finans ekibi için bütçe analizi yapan başka bir agent da çalıştırabilirsiniz. Siz sadece yeni tool ve resource tanımları ekleyerek kapsamı genişletirsiniz.
Bence en önemli kazanım, yapay zekâ projelerinin “tek seferlik entegrasyon” olmaktan çıkıp, yönetilebilir bir platforma dönüşmesidir. MCP, bu dönüşümde omurga rolü üstlenir.
MCP ve API'ler arasındaki farklar
MCP'nin en sık karıştırıldığı kavram, klasik API'dir. Birçok kişi “Zaten API’lerim var, MCP’ye neden ihtiyaç duyayım?” diye sorar. Buradaki ayrımı net koymak, doğru mimari kararı vermeniz için kritik önem taşır.
Özetle, API’ler sistemler arası iletişimi tanımlar, MCP ise LLM ve agent dünyası için model odaklı bir bağlam protokolü sunar. Yani API, işlevleri; MCP ise bu işlevlerin yapay zekâ tarafından nasıl keşfedileceğini, çağrılacağını ve yönetileceğini tarif eder.
Bu farkı daha net görmek için kısa bir karşılaştırma tablosu kullanmak faydalı olur.
| Özellik | API | MCP |
|---|---|---|
| Odak | Sistemler | Model |
| Tanım | Endpoint | Tool/Resource |
| Context | Sınırlı | Zengin |
| Keşif | Doküman | Protokol |
| Yönetişim | Dağınık | Merkezi |
Pratikte siz, mevcut API’leri kapatmazsınız. Tam tersine, MCP sunucusu bu API’lerin üzerine oturur. Bu sayede, agent’lar doğrudan endpoint detaylarıyla uğraşmaz. MCP, API dünyasını yapay zekâya uygun bir soyutlama katmanına dönüştürür.
Sık sorulan sorular
MCP sunucusu yazmak zor mu?
MCP sunucusu yazmak, temel web geliştirme deneyimi olan bir ekip için genelde yönetilebilir düzeydedir. Zorluk, protokolü anlamaktan çok doğru tool ve resource tasarımını yapmaktadır. Küçük bir pilot projeyle başlamak bu yüzden daha sağlıklı olur.
MCP güvenli mi, nelere dikkat edilmeli?
MCP yapısı güvenli olabilir, ancak bunu sizin yetki ve sınır tasarımınız belirler. Her tool için ayrı yetki seviyesi tanımlamayı, okuma ve yazma erişimini ayırmayı ve detaylı log tutmayı ihmal etmemelisiniz. Ayrıca MCP sunucusu ile arka uç sistemler arasında güçlü kimlik doğrulama kuralları kullanmalısınız.
Hangi uygulamalar MCP destekliyor?
MCP desteği, ağırlıklı olarak LLM tabanlı agent, sohbet ve kodlama araçlarında bulunur. Örneğin Claude Code ve Cursor, yapılandırmaya eklediğiniz MCP sunucularının tool’larını otomatik keşfedebilir; ikisi de bir aracı çalıştırmadan önce varsayılan olarak onay ister. Kurumsal tarafta ise genellikle özel geliştirme ile mevcut iç uygulamalarınıza MCP desteği eklersiniz.
MCP'yi mevcut kurumsal mimariye nasıl entegre etmeliyim?
MCP entegrasyonuna genellikle tek bir MCP sunucusu ile pilot alan seçerek başlamak en mantıklısıdır. Mesela, sadece CRM veya sadece doküman arşivi için tool ve resource tanımlarsınız. Başarılı sonuç aldıktan sonra aynı kalıbı diğer sistemlere genişletirsiniz.
MCP sadece yapay zekâ projeleri için mi gereklidir?
MCP esas olarak yapay zekâ ve LLM tabanlı agent senaryolarını hedefler, klasik entegrasyon projeleri için zorunlu değildir. Ancak kurumsal ölçekte birden fazla model ve agent kullanmayı planlıyorsanız, erken aşamada MCP benimsemek mimari borcu azaltır. Uzun vadede yönetilebilirlik avantajı sağlar.
Terimlerin kısa tanımları için kurumsal yapay zekâ sözlüğüne, modeli mevcut sistemlerinize ve verinize bağlama işi için LLM entegrasyonu sayfasına bakabilirsiniz.
