5 dk okuma
Giriş
Yapay zeka uygulamaları sadece metin üretmekten çıkıp dosya okumaya, veri tabanına sorgu göndermeye, takvim kontrol etmeye veya geliştirme araçlarını çalıştırmaya başladıkça yeni bir entegrasyon problemi ortaya çıktı: Her AI istemcisi her araç için ayrı bağlantı mı geliştirecek?
Model Context Protocol bu noktada devreye giriyor. MCP, AI uygulamalarını harici veri kaynakları, araçlar ve iş akışlarıyla bağlamak için açık bir standart sunuyor. MCP nedir sorusunun en kısa cevabı; yapay zeka uygulamaları ile dış sistemler arasında ortak bir entegrasyon katmanıdır.
MCP hangi problemi çözüyor?
Bir AI uygulamasının Git repository, SQL Server, dosya sistemi ve şirket içi API’lerle çalıştığını düşünelim. Geleneksel yaklaşımda her istemci için özel entegrasyon kodu yazılması gerekir.
MCP’de araç veya veri kaynağı bir server üzerinden standart şekilde sunulur. MCP destekleyen farklı client’lar bu server’a bağlanıp yetenekleri keşfedebilir.
Resmî MCP dokümantasyonu protokolü, AI uygulamalarını data sources, tools ve workflows ile bağlayan açık bir standart olarak tanımlıyor. Bu yaklaşım geliştiricinin aynı entegrasyonu tekrar tekrar yazma ihtiyacını azaltabilir.
Tool, resource ve prompt yeteneklerini kullanan örnek bir MCP server'ı .NET 8 üzerinde çalışan kodla inceleyebilirsiniz.
GitHub Projesini İncele →1. Client ve Server modeli
MCP mimarisinde client, AI uygulaması tarafındaki bağlantıyı yönetir. Server ise sunmak istediği araçları ve kaynakları protokol üzerinden erişilebilir hale getirir.
Örneğin bir şirket içi MCP server; 'müşteri ara', 'stok sorgula' veya 'log getir' gibi tools sunabilir. Başka bir server yalnızca doküman veya dosya kaynaklarını resource olarak sağlayabilir.
Bu ayrım, AI modelini iş sistemlerinin iç detaylarından uzak tutar.
2. Tools, Resources ve Prompts
MCP ekosisteminde server tarafındaki yetenekler farklı primitive'lerle sunulur. Tools, modelin bir işlem gerçekleştirmesini sağlar. Resources, okunabilir veri veya içerik sunar. Prompts ise tekrar kullanılabilir prompt şablonlarını temsil edebilir.
Bu ayrım önemlidir çünkü her veriyi 'tool' yapmak gerekmez. Salt okunur doküman kaynağı resource olarak daha doğal olabilirken, bir siparişi güncellemek açıkça bir tool davranışıdır.
3. Keşfedilebilirlik
MCP'nin güçlü taraflarından biri client'ın server'ın hangi özellikleri sunduğunu keşfedebilmesidir. Bu, statik entegrasyon koduna göre daha esnek bir model sağlar.
Yeni bir tool eklendiğinde istemci protokol üzerinden güncel tool listesini alabilir. Elbette kullanılabilir olması, AI'ın her aracı otomatik ve kontrolsüz çalıştırması gerektiği anlamına gelmez. Yetkilendirme ve kullanıcı onayı ayrı tasarım konularıdır.
4. Güvenlik ve yetkilendirme
AI otomasyonunda en önemli konu araç erişimidir. Dosya okuyan bir tool ile production veri tabanında DELETE çalıştırabilen bir tool aynı risk seviyesinde değildir.
MCP'nin HTTP tabanlı transportları için authorization tanımı bulunur. STDIO gibi local transportlarda ise credential'ların environment üzerinden alınması önerilir.
Uygulama tarafında least privilege, allowlist, audit log ve riskli işlemler için insan onayı gibi ek güvenlik katmanları düşünülmelidir.
5. MCP agent değildir
MCP ile agent kavramları zaman zaman birbirine karıştırılıyor. MCP bir agent davranış modeli değil, bağlantı ve yetenek sunma protokolüdür.
Planlama, karar verme, hafıza veya çok adımlı iş akışı agent katmanında bulunabilir. MCP ise bu agent'ın dış dünyayla konuşabileceği standart kapılardan biri olabilir.
Bu ayrım mimariyi daha net kurmayı sağlar.
6. Geliştirici otomasyonunda nerede kullanılır?
Yazılım geliştirme süreçlerinde MCP server'lar repository dosyalarına erişim, dokümantasyon arama, test komutları, browser otomasyonu veya şirket içi servislerle entegrasyon için kullanılabilir.
Örneğin bir kod asistanı issue bilgisini okuyup ilgili dosyaları analiz ettikten sonra test çalıştırabilir. Bu işlemler farklı sistemlere özgü özel plugin'ler yerine MCP server'lar üzerinden sunulabilir.
Bu yaklaşım özellikle çok sayıda araç kullanan ekiplerde entegrasyon katmanını standartlaştırma potansiyeline sahiptir.
2026 tarafında MCP'nin yönü
MCP ekosistemi hızlı gelişiyor. 2026-07-28 spesifikasyonunda stateless protocol core, authorization tarafında güçlendirmeler ve extension framework gibi değişiklikler duyuruldu. Ağustos 2026 yol haritasında agent kimliği, enterprise-ready security ve HTTP transport hardening gibi alanlar öncelikler arasında gösteriliyor.
Bu hız nedeniyle üretim sistemlerinde MCP entegrasyonu yapılırken kullanılan specification sürümünü ve SDK davranışlarını takip etmek önemli.
Sonuç
MCP nedir sorusuna teknik açıdan baktığımızda cevap; AI istemcileriyle harici araç ve veri kaynakları arasında ortak bir protokol katmanıdır.
Doğru kullanıldığında tekrar eden entegrasyon kodunu azaltabilir, tool ekosistemini daha taşınabilir hale getirebilir ve AI otomasyonlarının farklı sistemlerle kontrollü biçimde çalışmasını kolaylaştırabilir. Ancak gerçek fayda, protokolün yanında iyi yetkilendirme, audit ve insan kontrolü tasarlandığında ortaya çıkar.
