MCP Nedir? Model Context Protocol'ün Çalışma Mantığı ve Kullanımı

MCP, yapay zeka uygulamalarını dış veri kaynaklarına ve araçlara bağlayan açık kaynaklı bir protokoldür. Anthropic'in Kasım 2024'te duyurduğu MCP, her araç için ayrı entegrasyon yazma ihtiyacını ortadan kaldırır. MCP sayesinde Claude ve ChatGPT gibi modeller dosyalara, veri tabanlarına ve uygulamalara erişip işlem yapabilir.

MCP Nedir ve Neden Gereklidir?

Model Context Protocol (MCP), bir yapay zeka modeli ile dış veri kaynakları ve araçların aynı dili konuşmasını sağlayan ortak bir iletişim setidir. Yapay zeka modeli, MCP sayesinde bir sunucunun sağladığı araçları çalışma anında görebilir, gerekli parametrelerle çağırabilir ve dönen sonucu kendi yanıtına katabilir. Anthropic’in 2024'te duyurduğu MCP, artık farklı modellerle de çalışmaktadır.

MCP, bir bakıma yapay zekanın dış dünyaya açılan kapısıdır. Büyük dil modelleri (LLM) pek çok açıdan güçlü özelliklere sahip olsa da yalnızca eğitim verisiyle sınırlıdır. Gerçek zamanlı veriye, şirket belgelerine ve bir veri tabanına erişemedikçe, gerçek iş akışlarında bir adım eksik kalır.

Bu sınırı aşmak için geliştiriciler, uzun süre boyunca API entegrasyonları yazdı. Ancak burada bir ölçek sorunu vardı. Üç farklı model ile dört farklı aracı bağlamak istediğinizde on iki ayrı entegrasyon yazmanız gerekir. On model ve yirmi araçta bu sayı iki yüze kadar çıkar.

Aynı zamanda Model Bağlam Protokolü anlamına gelen MCP’de ise her araç için bir kez MCP sunucusu, her model için bir kez istemci yazarsınız. Böylece on iki entegrasyon yerine yedi, iki yüz entegrasyon yerine otuz bağlantı yeterli olur. Bunu basitçe açıklamak için USB-C portu benzetmesi yapılır, çünkü MCP de farklı sistemleri tek standart bağlantıda buluşturur.

MCP, kısa sürede geniş bir ekosisteme dönüştü. OpenAI 2025 Mart'ında, Google DeepMind ise Nisan ayında protokolü benimsedi. GitHub'ın açtığı MCP kayıt defterinde kırktan fazla resmi sunucu, topluluk kayıt defterinde ise binden fazla sunucu yer alır.

MCP Mimarisi Nasıl Çalışır?

MCP mimarisi, istemci-sunucu modeline dayanır ve üç bileşenden oluşur:

1. Host, kullanıcının etkileşim kurduğu ana uygulamadır. 

2. Client, her sunucuyla birebir bağlantı kuran aracı katmandır. 

3. Server ise dosya, veri tabanı veya API'a erişip veriyi getiren parçadır.

Host, Claude Desktop veya Cursor gibi kullanıcının kullandığı uygulamadır. Client, host içinde çalışır ve sunucu bağlantısını yönetir. Server ise ilgili veri kaynağına gidip sonucu döndüren bir servistir.

Süreç boyunca kullanıcı bir soru sorar, host bu soruyu yorumlar. Client, bağlı sunucuların hangi araçları barındırdığını bilir ve model, buna göre gereken aracı seçer. Server işlemi yapar ve sonucu verir. Ardından model, bu gerçek veriyle çok daha bağlamlı bir yanıt üretir. 

Aynı host, birden çok client çalıştırabilir. Böylece tek asistan, aynı anda farklı sunuculardan veri alabilir. Her bağlantı birbirinden bağımsız kaldığı için sistem düzenli ve yönetilebilir kalır.

MCP Sunucusu Hangi Yeteneklere Sahiptir?

MCP sunucusu, modele üç farklı yetenek kazandırır:

1. Araçlar (Tools), modelin aksiyon almasını sağlayan fonksiyonlardır.

2. Kaynaklar (Resources), modelin okuyabileceği veri kaynaklarıdır.

3. İstemler (Prompts), belirli görevler için yeniden kullanılabilir şablonlardır.

MCP sunucusu geliştirdiğinizde modele bu yapıları sağlarsınız. Araçlar, bir API çağrısı yapmak ya da veri tabanına kayıt eklemek gibi aksiyonları çalıştırır. Kaynaklar, dosyalar ve veri tabanı şemaları gibi salt okunur bilgileri sağlar. Promptlar (istemler) ise tekrar tekrar yazmadan kullanabileceğiniz hazır talimat şablonlarıdır.

İletişim tarafında MCP, mesajları JSON-RPC 2.0 biçiminde taşır. İki taşıma yöntemi öne çıkar. Stdio yöntemi, yerel entegrasyonlar için uygundur ve sunucuyu bilgisayarınızda alt süreç olarak başlatır. Streamable HTTP yöntemi ise uzak sunucularla iletişim için önerilir.

Client, sunucudaki yetenekleri bir liste komutuyla keşfeder ve uygun bulduğunda ilgili aracı çağırır. Böylece yeni bir araç eklediğinizde model, aracı otomatik olarak görebilir ve kullanabilir.

MCP ve API Arasındaki Fark Nedir?

MCP; mevcut API'larınızı ve verinizi yapay zekaya keşfedilebilir biçimde sağlayan bir katmandır. Klasik bir API'da her servis için ayrı kod ve güvenlik tanımı yaparsınız. MCP sunucusu ise aynı yapıyı tüm uyumlu istemcilerin anlayacağı tek formata çevirir.

MCP, bir API'ın alternatifi değil, onu tamamlayan bir yapıdır. Bir API yazdığınızda uç noktaları ve yetkilendirmeyi yalnızca sizin ekibiniz bilir. Bunu bir modele kullandırmak için ayrıca araç şeması ve parametre tipleri tanımlamanız gerekir. MCP sunucusu bu işi standartlaştırır ve yeni bir iş mantığı yazmadan servislerinizi yapay zekaya açar.

MCP ve API’a ek olarak fonksiyon çağırma (function calling) seçeneği de bulunmaktadır. Fonksiyon çağırma, bir yapay zeka modeline hazır fonksiyonlar tanıttığınız ve modelin gerektiğinde bunları kendisinin çağırdığı yöntemdir. Bu yöntem, her yapay zeka sağlayıcısına özeldir. Bu yüzden tanımları her model için yeniden yazmanız gerekir. Aşağıdaki tabloda, bu yaklaşımların karşılaştırmasını bulabilirsiniz.

Dar kapsamlı basit bir sohbet botu geliştiriyorsanız function calling kullanmak yeterli olabilir. Ancak birden çok asistanın bağlanacağı, yeniden kullanılabilir ve ölçeklenebilir bir yapı kurmak istiyorsanız MCP kullanmak daha avantajlıdır.

MCP’nin Kullanım Alanları Nelerdir?

Yapay zekanın gerçek işler yapmasını gerektiren her senaryoda MCP’den yararlanılabilir. Kurumsal veri asistanları, kodlama agent'ları, kişisel üretkenlik araçları ve veri analizi, başlıca kullanım alanları arasında yer alır. Modeller, MCP sayesinde e-posta okuyabilir, takvime etkinlik ekleyebilir, kod tabanını inceleyebilir ve rapor üretebilir.

Aşağıdakiler, protokolün ne kadar kullanışlı olabileceğini gösteren örneklerden bazılarıdır:

• Kurumsal asistanlar, bir çalışanın İK kayıtlarını çekip Slack'te güncelleme paylaşabilir.

• Kodlama agent'ları, build ve test komutlarını çalıştırıp ilgili dosyaları okuyabilir.

• Kişisel asistanlar, Gmail ve Google Calendar arasında görev koordine edebilir.

• Veri analizi araçları, bir tablodan veri çekip grafik ve istatistikle yanıt verebilir.

• SEO uzmanları için Search Console verilerini kısa süre içerisinde raporlayabilir.

Semust MCP Sunucusu ile SEO Verinizi Yapay Zekaya Bağlayın

Semust MCP sunucusu, Google Search Console verinizi Claude ve Cursor gibi yapay zeka asistanlarına bağlar. Böylece panel açıp dışa aktarma yapmak yerine asistanınıza doğrudan soru sorabilirsiniz. Semust MCP, on üç hazır araçla anahtar kelime listelemeden içerik düşüş analizine kadar pek çok SEO görevini tek komutla yanıtlar.

Semust MCP sunucusu, açık kaynak olarak GitHub'da yayınlanır ve ücretsizdir. Sunucu sizin bilgisayarınızda çalışır, bu yüzden Semust API anahtarınız Anthropic'e veya başka bir üçüncü tarafa gönderilmez. Claude, yalnızca sorduğunuz isteğin yanıtını görür, ham veriniz hiçbir yerde depolanmaz.

Sunucuda on üç araç bulunur. Dört veri aracı Search Console verinize erişir, dokuz rapor aracı ise belirli SEO sorularına yanıt verir:

• list_projects, get_keywords, get_pages ve get_performance araçları; anahtar kelime, sayfa ve performans verinizi tarih, cihaz ve ülke filtreleriyle getirir.

• cannibalization aracı, aynı sorguda birbiriyle yarışan sayfalarınızı tespit eder.

• content decay aracı, son aylarda trafik kaybeden sayfalarınızı kayıp tıklamaya göre sıralar.

• striking distance aracı, ilk sayfaya yakın olan kelimelerinizi yüksek gösterime göre listeler.

• monthly summary aracı; kazananlar, kaybedenler ve yeni sıralamalarla aylık özet üretir.

• questions aracı, trafiğinizi getiren gerçek kullanıcı sorularını ortaya çıkarır.

Bunların yanında winner/loser, long-tail, low CTR ve thin content araçları da gelir. Birden çok aracı aynı anda kullanabilirsiniz. Asistanınızdan tam bir SEO denetimi yapmasını istediğinizde, birden çok raporu sırayla çağırabilir ve sonucu özetleyebilir. Bu sayede ajanslar, müşteri toplantısından önce dakikalar içinde aylık rapor alabilir, içerik ekipleri ise gerçek kullanıcı sorularını bulup blog konularına dönüştürebilir.

Semust MCP kurulumu birkaç adımdan oluşur:

1. Semust panelinden API anahtarınızı alırsınız.

2. GitHub'dan semust-mcp deposunu indirirsiniz ve gerekli paketleri kurarsınız.

3. Ardından Claude Desktop yapılandırma dosyasına veya Cursor'da MCP Servers bölümüne Semust girdisini eklersiniz.

4. Uygulamayı yeniden başlattığınızda araç listesinde Semust sunucusunu ve on üç aracı görürsünüz. 

macOS, Windows ve Linux desteklenir, Python 3.10 ve üzeri gerekir. Sunucu, şu anda yalnızca Google Search Console verisine erişir. Google Analytics, Google Ads ve Meta Ads desteği ise yakında ekleniyor.

MCP Hakkında Sıkça Sorulan Sorular

MCP açık kaynak mı?

MCP açık kaynaklı bir standarttır. Claude, ChatGPT, Cursor ve Visual Studio Code gibi pek çok istemci destekler. Bu sayede geliştiriciler, kendi sunucularını yazabilir veya hazır sunucuları kullanabilir.

MCP kullanmak için kod bilmem gerekir mi?

MCP kullanmak için her zaman kod yazmanız gerekmez. Hazır bir MCP sunucusunu birkaç yapılandırma adımıyla ekleyebilirsiniz. Örneğin Semust MCP sunucusunu Claude Desktop'a tanımlamak için tek JSON girdisi yeterlidir. Yalnızca kendi sunucunuzu geliştirecekseniz programlama bilgisi gerekir.

MCP ile API arasındaki fark nedir?

MCP, mevcut API'larınızı yapay zekaya keşfedilebilir olarak sunan bir katmandır. API'da her servis için ayrı kod yazarsınız. MCP sunucusu ile aynı yapı, tüm uyumlu istemcilerle çalışır ve sunucular arasında geçişi kolaylaştırır.

Semust MCP sunucusu hangi verilere erişir?

Semust MCP sunucusu, Google Search Console verinize erişir. Anahtar kelime, sayfa, tıklama, gösterim, pozisyon ve CTR gibi pek çok veriyi getirir. Google Analytics, Google Ads ve Meta Ads desteği yakında eklenecektir.

SEO analizlerine ulaşmak için artık paneller arasında kaybolmanıza gerek yok. Semust'ı ücretsiz deneyerek Search Console projelerinizi bağlayabilir, ardından ücretsiz Semust MCP sunucusunu kurup verinizi doğrudan Claude veya Cursor'da yorumlatabilirsiniz.