MCP (Model Context Protocol) Nedir? Yapay Zeka ve Veri Bağlantılarının Açık Standardı

MCP (Model Context Protocol), Anthropic tarafından açık kaynak olarak duyurulan ve yapay zekâ (LLM) uygulamalarının dış veri kaynakları, veritabanları, iş araçları ve API'lerle güvenli ve standart bir biçimde iletişim kurmasını sağlayan protokoldür. Yapay zekâ sistemleri için adeta bir USB-C portu işlevi gören MCP, her sistem için ayrı bir özel entegrasyon yazma ihtiyacını ortadan kaldırır. Bu rehberde MCP'nin ne olduğunu, mimarisini, bileşenlerini ve kurumsal sistemlerde nasıl kullanıldığını ele alıyoruz.

MCP (Model Context Protocol) Nedir?

Model Context Protocol (MCP), büyük dil modelleri ile verilerin bulunduğu sistemler arasında güvenli ve iki yönlü bir bağlantı kuran açık bir iletişim standardıdır. Anthropic'in duyurusu ile açık kaynak topluluğuna sunulan bu protokol, yapay zekâ modellerinin şirket içi veritabanlarını okumasına, dosya sisteminde işlem yapmasına veya önceden tanımlanmış API araçlarını çağırmasına olanak tanır. Protokolün detaylı teknik spesifikasyonuna Model Context Protocol Resmi Mimari Belgesi üzerinden ulaşılabilir.

Eskiden her yapay zekâ uygulaması kendi özel veri bağlayıcısını yazmak zorundaydı. MCP bu yaklaşımı değiştirerek istemci (client) ve sunucu (server) rollerini ayırır. Böylece veri kaynağı bir kez MCP Server olarak paketlendiğinde, MCP protokolünü destekleyen tüm yapay zekâ uygulamaları bu kaynağa anında erişebilir. Bu standartlaştırma, yapay zekâ ekosisteminde entegrasyon maliyetlerini radikal biçimde düşürür.

Neden MCP'ye İhtiyaç Var?

MCP öncesinde her yapay zekâ uygulaması için özel bağlayıcılar (custom connectors) yazılıyordu. Bu durum 'N x M entegrasyon karmaşasına' yol açıyordu. N sayıda farklı model/uygulama ile M sayıda veritabanı veya API için ayrı ayrı kod yazılması ve bu kodların sürekli güncellenmesi gerekiyordu. Anthropic tarafından yayınlanan Anthropic Resmi MCP Duyurusu bu karmaşanın nasıl çözüldüğünü detaylandırır.

MCP bu karmaşıklığı çözer: veritabanı veya servis geliştiricisi tek bir MCP sunucusu (MCP Server) geliştirir. Claude Desktop, Antigravity IDE veya özel otonom ajanınız gibi tüm MCP istemcileri (MCP Client) bu standart sunucuya anında bağlanabilir. Açık kaynak kodlu sunucu ve SDK kütüphaneleri MCP GitHub Organizasyonu altında topluluk katkısına açıktır.

MCP Mimarisi Nasıl Çalışır? (Client-Server Mantığı)

MCP, istemci-sunucu (Client-Server) mimarisine dayanır. İletişim JSON-RPC 2.0 mesajlaşma formatı üzerinden yürütülür.

• MCP Host / Client: Kullanıcının etkileşimde bulunduğu AI uygulamasıdır (örneğin Claude Desktop, Antigravity IDE veya özel otonom ajanınız). Modelin ne zaman hangi aracı çağıracağına karar verir.
• MCP Server: Dış sistemi temsil eden hafif programdır. Veritabanını, dosya sistemini veya API'yi güvenli bir arayüz olarak dışa açar. İstekleri karşılar ve yanıtları döndürür.
• Ulaşım Katmanı (Transport Layer): stdio (yerel süreç iletişimi) veya SSE (Server-Sent Events / Streamable HTTP) üzerinden güvenli bağlantı sağlar.

Bu standart sayesinde modeller güvenli izolasyon duvarları arkasında dış dünya ile konuşabilir. Temel model kavramlarını ve bağlam penceresi davranışlarını LLM nedir rehberimizde detaylandırmıştık.

MCP'nin Temel Bileşenleri: Resources, Prompts ve Tools

MCP sunucusu istemcilere üç ana ilkel (primitive) sunar. Aşağıdaki tablo bu bileşenlerin işlevlerini özetlemektedir:

Kurumsal İşletmelerde MCP Kullanım Alanları

MCP, kurumsal veri güvenliğini koruyarak yapay zekâ dönüşümü yapmanın en pratik yoludur. Şirket içi SQL veritabanı veya CRM sistemi için yazılan bir MCP Server, şirketin tüm AI asistanlarına yetkilendirilmiş erişim sunar. Benzer kurumsal yapıyı Çoklu Ajan Mimarisi Rehberimizde anlatmıştık.

Verilerin dışarı sızmasını engelleyen MCP mimarisi, şirket verilerini modelin eğitim kümesine vermeden anlık olarak bağlama (context) almayı sağlar. Kurumsal otomasyon ihtiyaçlarınız için SEO & AI Danışmanlık Çözümlerimizi inceleyebilirsiniz.

MCP Güvenliği ve Yetkilendirme Katmanı

Kurumsal sistemlerde bir yapay zekâ ajanını veritabanı veya API'ye bağlarken güvenlik en üst önceliktir. MCP bu güvenliği 3 aşamalı yetkilendirme mimarisi ile sağlar:

• Salt Okunur (Read-Only) İzolasyon: Başlangıç aşamasında MCP sunucuları veritabanı üzerinde sadece SELECT sorgularına izin verir. Silme veya güncelleme fonksiyonları araç kümesinden çıkarılır.
• İnsan Onayı Kapısı (Human Approval Gate): Kritik eylem sunan araçlar (örneğin send_email veya update_user_role) çalıştırılmadan önce MCP Client kullanıcıdan açık onay ister.
• stdio vs. Streamable HTTP İletişimi: Yerel araçlar için stdio süreç izolasyonu kullanılır. Uzak sunucu bağlantılarında ise OAuth2 ve TLS sertifikası ile güçlendirilmiş SSE (Server-Sent Events) katmanı şart koşulur.

Güvenlik politikasının ihlal edilmemesi için yetkilendirme rolleri (RBAC) MCP Server seviyesinde tanımlanmalıdır. Hatalı bir araç çağrısı geldiğinde sunucu işlemi derhal reddeder ve güvenlik audit log dosyasına kaydeder. Böylece yapay zekâ ajanları kurumsal veri sınırlarını aşamaz.

Çalışılmış Örnek: PostgreSQL MCP Server İle Güvenli Sorgu Akışı

MCP protokolünün pratik gücünü anlamak için şirket içi PostgreSQL veritabanına bağlanan bir ajan senaryosunu inceleyelim.

Girdi: Kullanıcı yapay zekâ asistanına sorar: "Geçen ay en çok satış yapılan 5 ürünün toplam cirosunu hesapla."

1. Araç Keşfi (Tool Discovery): MCP Client, bağlı PostgreSQL MCP Server'a tools/list JSON-RPC çağrısı atar. Sunucu execute_read_only_query aracını bildirir.
2. Parametre Oluşturma: AI modeli gelen istek doğrultusunda SELECT product_name, SUM(amount) FROM sales WHERE date >= '2026-06-01' GROUP BY product_name ORDER BY SUM(amount) DESC LIMIT 5 SQL sorgusunu parametre olarak hazırlar.
3. Güvenli Çağrı (Tool Call): MCP Client tools/call ile sorguyu sunucuya iletir. MCP Server sorgunun SADECE READ-ONLY olduğunu doğrular ve veritabanında çalıştırır.
4. Yanıt ve Bağlam: JSON formatındaki ham veri istemciye döner. AI modeli veriti okunabilir bir tabloya dönüştürerek kullanıcıya sunar.

Bu akışta yapay zekâ modeli veritabanı şifresini veya doğrudan bağlantı dizesini asla görmez. İletişim izole edilmiş MCP Server üzerinden yürütülür.

Veri ve Ölçüm: MCP Protokolünün Performans ve Güvenlik Metrikleri

Bir MCP mimarisinin başarısı ve güvenliği şu dört metrik üzerinden takip edilir:

• Gecikme Süresi (Overhead Latency): MCP JSON-RPC mesajlaşmasının getirdiği ek gecikme süresi. stdio ile çalışan yerel sunucularda bu süre 5ms'nin altındadır.
• Araç Başarı Oranı (Tool Execution Success): Çağrılan MCP araçlarının hatasız tamamlanma oranı. Üretim ortamında hedef %99.5+ olmalıdır.
• Yetkisiz Erişim Engelleme Sayısı: MCP Server tarafındaki yetki kapılarına takılan veya yazma izni olmayan araçlara yapılan engellenmiş çağrı sayısı.
• Bağlam Token Verimliliği: Tüm veritabanını yüklemek yerine sadece sorgu sonucunun bağlama alınmasıyla sağlanan token tasarrufu (%80-95 arası).

MCP Mimarisinde Karşılaşılan Temel Hata Desenleri

MCP entegrasyonlarında sıklıkla yapılan 4 mimari hata ve çözüm yolları:

• Yazma Yetkilerini Serbest Bırakmak: MCP Server araçlarına sınırsız UPDATE/DELETE yetkisi vermek. Çözüm: İnsan onayı (Human-in-the-loop) kapısı koymak.
• Hatalı JSON-RPC Şeması: Araç parametre şemalarının (JSON Schema) eksik tanımlanması sebebiyle modelin yanlış parametre üretmesi. Çözüm: Kesin tip tanımları kullanmak.
• Bağlantı Zaman Aşımları (Timeout): Uzun süren veritabanı veya API sorgularının transport katmanında kopması. Çözüm: Üstel geri çekilme ve async işlem kurgulamak.
• Log ve İzlenebilirlik Eksikliği: Hangi ajanın hangi MCP aracını ne zaman çağırdığının kaydedilmemesi. Çözüm: İstemci ve sunucu seviyesinde audit log tutmak.

MCP İle Kurumsal RAG ve Vektör Veritabanı Bağlantısı

MCP protokolü yalnızca SQL veritabanları veya API'ler için değil, vektör veritabanları (Pinecone, Qdrant, pgvector) ve kurumsal RAG sistemleri için de ideal bir standarttır. Bir kurumsal doküman bankasını MCP Server olarak dışa açtığınızda, şirket asistanınız dokümanlar üzerinde anlık semantik arama (similarity search) gerçekleştirebilir. Bu mimarinin kurumsal bilgi bankalarında nasıl kurgulandığını RAG Mimarisi ve Kurumsal Bilgi Bankaları rehberimizden inceleyebilirsiniz.

Geleneksel RAG kurulumlarında vektör arama kodu doğrudan uygulama mantığına gömülürdü. MCP ile vektör araması tek bir search_knowledge_base aracı olarak paketlenir. Böylece Claude Desktop, Cursor veya özel agentic AI uygulamanız aynı vektör sunucusuna tek bir konfigürasyon satırı ile bağlanabilir. Bu modülerlik, şirket içinde kullanılan AI modelini (örneğin OpenAI'dan Anthropic'e) değiştirdiğinizde veritabanı bağlantı kodunu baştan yazma zorunluluğunu ortadan kaldırır.

MCP ve Otonom Ajanların Geleceği

Otonom yapay zekâ ajanları (Agentic AI), tek başlarına dünyayı değiştiremez; aksiyon alabilmek ve doğru verilere erişebilmek için standart bir arayüze ihtiyaç duyarlar. MCP, otonom ajanların dinamik araç keşfi (tool discovery) yapmasını, sunucu yetkilerini sorgulamasını ve izole yetkilerle işlem yapmasını kolaylaştırır. Geleceğin yazılım ekosisteminde MCP, mikroservis mimarilerindeki REST veya gRPC protokolü gibi yapay zekanın temel bağlantı omurgası haline gelmektedir. Yapay zekanın gelişimiyle birlikte MCP, modern yazılım mimarilerinin vazgeçilmez bir parçası olarak konumlanmaktadır.