MCP server je program, cez ktorý AI asistent ako Claude alebo ChatGPT bezpečne pristupuje k vašim firemným dátam a systémom, napríklad k ERP, CRM alebo reklamným účtom. Vy určíte, aké nástroje AI dostane, čo smie len čítať a čo smie meniť. Zamestnanci sa potom pýtajú v bežnej reči a AI odpovedá z aktuálnych dát firmy namiesto všeobecných vedomostí z internetu.
Čo je MCP server jednoducho povedané?
MCP je skratka pre Model Context Protocol. Ide o otvorený štandard, ktorý koncom roka 2024 zverejnila spoločnosť Anthropic a ktorý dnes podporujú Claude, ChatGPT aj viaceré vývojárske nástroje. Opisuje, ako sa jazykový model dozvie, aké nástroje má k dispozícii, a ako ich zavolá.
Predstavte si ho ako zásuvku s adaptérom. Na jednej strane je AI asistent, na druhej vaše systémy. Server medzi nimi ponúka zoznam nástrojov, napríklad „nájdi produkt“, „over sklad“ alebo „ukáž históriu zmien v kampani“, a ku každému popis, vstupy a pravidlá.
Model sám nikam nepíše ani nečíta. Keď potrebuje údaj, požiada o zavolanie nástroja. Server požiadavku overí, vykoná ju nad vaším systémom a vráti výsledok. O tom, čo sa s dátami deje, teda rozhoduje kód, ktorý vlastníte a kontrolujete.
Napojiť sa dá takmer každý systém, ktorý má API alebo databázu. U klientov sme takto sprístupnili ERP s katalógom produktov, reklamné platformy, interné workflowy v n8n aj nástroje na správu úloh. Server môže kombinovať viac zdrojov naraz, napríklad katalóg z vyhľadávacej databázy a živé ceny priamo z ERP.
Čím sa líši od API alebo chatbota s dokumentmi?
API vášho ERP alebo CRM je určené pre programátorov. Má desiatky volaní, technické názvy a predpokladá, že volajúci presne vie, čo robí. MCP vrstva z neho vyberie len to, čo dáva zmysel pre AI, pomenuje to zrozumiteľne a pridá ochranné pravidlá.
Chatbot s nahratými dokumentmi odpovedá z textu, ktorý mu niekto raz dal. Keď sa zmení cena alebo stav skladu, jeho odpoveď je zastaraná. Nástroj cez MCP siaha na živé dáta v momente otázky, takže odpoveď platí teraz.
Ďalšia výhoda je prenositeľnosť. Jeden server môžu používať rôzni AI klienti aj automatizované workflowy, napríklad v n8n. Nemusíte stavať samostatnú integráciu pre každý nástroj, ktorý si tím obľúbi, a pri zmene AI nástroja zostáva napojenie na dáta rovnaké.
Kedy sa firme oplatí vlastný MCP server?
Najčastejšie vtedy, keď ľudia trávia čas hľadaním informácií, ktoré firma už má, len sú zamknuté v systéme so zložitým rozhraním. Alebo keď tím opakuje rovnaké kontroly a úkony, ktoré by zvládol AI asistent, keby mal k systémom bezpečný prístup. Typické situácie z našej praxe:
- Obchodníci hľadajú produkty, ceny a dostupnosť v ERP a zákazníkom odpovedajú pomaly.
- Marketing denne kontroluje desiatky reklamných účtov a chyby v nastaveniach hľadá ručne.
- Tím má skripty a automatizácie, ktoré vie bezpečne spustiť len ich autor.
- Chcete, aby AI agenti robili rutinnú prácu, a potrebujete presne určiť, čo smú.
Ak máte jeden malý systém a pár otázok mesačne, vlastný server sa vám nevráti. Vtedy často stačí export dát alebo hotová integrácia, ktorú ponúka samotný dodávateľ systému.
Ako bezpečne sprístupniť firemné dáta AI asistentom?
Bezpečnosť je hlavný dôvod, prečo takýto server staviame na mieru. AI asistent sa môže pomýliť alebo zle pochopiť zadanie. Preto o tom, čo sa reálne stane, rozhoduje server a pri zápisoch človek. Pri návrhu prechádzame tento kontrolný zoznam:
- Čítanie a zápis oddelene. Väčšina nástrojov len číta. Zápisy sú výnimka s vlastnými pravidlami.
- Režim nanečisto. Zápis najprv vráti plán zmien bez toho, aby čokoľvek zmenil.
- Oprávnenia podľa používateľa. Každý má vlastný prístup a vidí len to, na čo má právo.
- Audit každého volania. Kto, kedy, ktorý nástroj a s akými vstupmi.
- Limity a núdzová brzda. Obmedzený počet dopytov a možnosť okamžite všetko zastaviť.
- Dáta v EÚ. Spracovanie v EÚ a zmluva s DPA podľa čl. 28 GDPR.
Pri AI agentoch, ktorí robia viac krokov za sebou, platia tieto pravidlá ešte prísnejšie. Viac o tom píšeme v článku AI agenti vo firme a ich nasadenie bez straty kontroly.
Ako sme to riešili my: tri servery v prevádzke
AI asistent nad katalógom 34 500 produktov
IT distribútor chcel, aby sa zamestnanci dostali k produktu, skladu a cene otázkou v bežnej reči namiesto hľadania v ERP. Katalóg sa každú hodinu synchronizuje z ERP do vyhľadávacej databázy a prenášajú sa len zmenené produkty. Nad celým katalógom beží vektorové a fulltextové vyhľadávanie.
Claude sa pýta cez server so 7 nástrojmi: katalóg, odporúčania a živý sklad a ceny priamo z ERP. Každý používateľ má vlastný prístup, aktivita sa zaznamenáva a počet dopytov je obmedzený. Z 50 reálnych testovacích otázok odpovedal správne na 47, na 3 čiastočne a ani jednu odpoveď si nevymyslel. Systém sme odovzdali klientovi na vlastnú prevádzku. Detaily nájdete v case study AI asistent nad katalógom IT distribútora.
78 nástrojov nad PPC kampaňami
Pre medzinárodný e-commerce marketplace sme monitoring a automatizácie PPC tímu premenili na hostovaný server so 78 nástrojmi nad 87 reklamnými účtami. Z toho 45 sú kontroly len na čítanie, 5 nástrojov slúži na vyhodnocovanie a 5 na históriu zmien. Zápisy idú najprv nanečisto a naostro len pre povolené účty.
Prístupové tokeny majú 3 úrovne oprávnení a každé volanie sa zaznamená. Pôvodný kód tímu beží bez zmeny, lokálne súbory len nahradila zdieľaná PostgreSQL databáza. V cloude beží 8 plánovaných úloh. Pri prechode sme odstránili aj nočný pád pamäte, keď jeden dopyt vracal 1,08 milióna riadkov. Viac v case study MCP server pre PPC kampane.
Reklama na sociálnych sieťach nanečisto
Na rovnakej architektúre stojí server pre reklamu na sociálnych sieťach s 24 nástrojmi. Každý zápis je predvolene nanečisto, kampane vznikajú pozastavené a zapínajú sa samostatným krokom. Jeden nástroj vie okamžite zastaviť celý účet. Každú zmenu zaznamenávame aj s odpoveďou platformy a pravidelne ju porovnávame s jej denníkom aktivít.
V produkcii je 13 nastavených reklamných účtov, z toho 12 aktívnych, a správanie servera stráži 63 automatických testov. Postup opisuje case study server pre reklamu na sociálnych sieťach.
Všetky tri projekty majú spoločný základ. AI dostane úzko vymedzené nástroje, väčšina z nich len číta, zápisy prechádzajú režimom nanečisto a o ostrom spustení rozhoduje človek. Vďaka tomu môže tím AI asistentov používať denne bez obavy, že niečo nechcene zmenia.
Koľko stojí MCP server a ako dlho trvá vývoj?
Cena závisí najmä od systémov, na ktoré sa napájate. Systém s dobrým API je jednoduchší než staršie ERP, ku ktorému treba stavať synchronizáciu. Ďalšie faktory sú počet nástrojov, podiel zápisov, požiadavky na oprávnenia a audit a to, či potrebujete vyhľadávanie podľa významu nad veľkým katalógom.
Okrem vývoja rátajte s prevádzkou. Server beží v cloude a každá otázka stojí aj volanie AI modelu. Náklady držíme pod kontrolou limitmi počtu dopytov, menšími modelmi na jednoduché úlohy a tým, že server vráti len údaje, ktoré model naozaj potrebuje.
Servery vyvíjame s AI agentmi pod dohľadom skúsených vývojárov. Vďaka tomu ušetríte až 80 % oproti tradičnému vývoju a kód aj dáta zostávajú vaše. Typický postup je Discovery za 5 až 10 dní, vývoj 2 až 6 týždňov a pilot s nasadením 2 týždne. Potom server prevádzkujeme a rozvíjame podľa SLA, alebo ho odovzdáme vášmu IT. Ako pri vývoji spolupracuje AI s človekom, opisujeme v článku vývoj softvéru s AI agentmi.
Máte dáta, ku ktorým sa ľudia dostávajú zbytočne pracne? Dohodnite si úvodnú konzultáciu a navrhneme, aké nástroje by mal váš MCP server mať a čo by smel meniť.