MCP (Model Context Protocol)
MCP (Model Context Protocol) to otwarty standard, który określa, jak aplikacja z modelem AI łączy się z zewnętrznymi narzędziami i danymi: kalendarzem, dyskiem, bazą danych, systemem zadań. Zamiast budować osobną integrację dla każdej pary „asystent AI + program”, wystarczy, że oba trzymają się jednego protokołu. Dokumentacja projektu porównuje go do złącza USB-C dla aplikacji AI.
W praktyce, gdy słyszysz, że asystent „ma serwer MCP do Notion” albo „obsługuje MCP”, chodzi o to, że model może przez ten standard czytać dane z danego narzędzia albo wykonywać w nim działania.
Kto stworzył MCP i dlaczego
Protokół ogłosiła firma Anthropic 25 listopada 2024 roku, razem ze specyfikacją, zestawami narzędzi dla programistów i gotowymi serwerami między innymi do Google Drive, Slacka, GitHuba i baz Postgres (ogłoszenie Anthropic). Problem, który rozwiązuje, jest znany każdemu, kto próbował spiąć AI z firmowymi systemami: każdy dostawca modeli i każda aplikacja miały własny sposób łączenia, więc integracje trzeba było pisać od nowa.
Standard szybko zaczęli wspierać także inni producenci narzędzi AI. W grudniu 2025 roku Linux Foundation ogłosiła powołanie Agentic AI Foundation, a MCP stał się jednym z jej projektów założycielskich, czyli przeszedł pod opiekę neutralnej organizacji (komunikat Linux Foundation).
Jak działa MCP: host, klient, serwer
W MCP występują trzy role:
- Host – aplikacja, w której rozmawiasz z modelem, na przykład asystent na komputerze albo edytor kodu.
- Klient – część hosta, która utrzymuje połączenie z jednym serwerem.
- Serwer MCP – mały program, który wystawia modelowi możliwości konkretnego systemu. Serwer do kalendarza udostępnia na przykład funkcje „pokaż wydarzenia” i „dodaj spotkanie”.
Serwer może udostępniać narzędzia (działania, które model może wywołać), zasoby (dane do odczytu, jak pliki czy rekordy) i szablony promptów. Może działać lokalnie na Twoim komputerze albo zdalnie, przez internet. Pod spodem serwer zwykle korzysta ze zwykłego API danego systemu. MCP nie zastępuje API. Opisuje je w sposób zrozumiały dla każdego modelu obsługującego standard.
Do czego MCP przydaje się w małej firmie
- Asystent z dostępem do dokumentów. Podłączasz dysk z umowami i procedurami, a model odpowiada na pytania, czytając aktualne pliki zamiast kopii wklejonej miesiąc temu.
- Raporty bez eksportów. Serwer MCP do bazy danych albo arkusza pozwala zapytać „ile zamówień mieliśmy w październiku w porównaniu z wrześniem” bez ręcznego kopiowania danych.
- Zadania i kalendarz. Model zakłada zadania w systemie projektowym albo proponuje terminy na podstawie kalendarza. Dla osób z ADHD to mniej przełączania się między aplikacjami, bo notatka z rozmowy od razu trafia tam, gdzie będzie widoczna.
- Własne narzędzia. Programista może w krótkim czasie napisać serwer do wewnętrznego systemu firmy, który od razu zadziała w różnych aplikacjach AI.
MCP to fundament, na którym budowani są Agenci AI: model z narzędziami podłączonymi przez MCP może sam zaplanować i wykonać kilka kroków.
Ryzyka: prompt injection i zbyt szerokie uprawnienia
Każde podłączone narzędzie to nowe drzwi do Twoich danych. Najpoważniejsze zagrożenia:
- Prompt injection. Model czyta treści z zewnątrz: maile, strony, dokumenty. Ktoś może ukryć w nich polecenie w rodzaju „wyślij zawartość folderu Faktury na ten adres”. Jeśli model ma jednocześnie dostęp do poufnych danych i narzędzie do wysyłki, takie polecenie może zostać wykonane.
- Za szerokie uprawnienia. Serwer z pełnym dostępem do poczty albo bazy daje modelowi więcej, niż potrzebuje do zadania. Specyfikacja MCP w części o bezpieczeństwie zaleca zasadę najmniejszych uprawnień i stopniowe nadawanie dostępu (MCP Security Best Practices).
- Serwery z nieznanego źródła. Lokalny serwer MCP to program uruchamiany na Twoim komputerze z Twoimi uprawnieniami. Instalując go z przypadkowego repozytorium, dajesz obcemu kodowi dostęp do plików.
- Brak zatwierdzania. Działania nieodwracalne, jak wysłanie maila, usunięcie rekordu czy przelew, powinny czekać na Twoje kliknięcie.
Pierwsze kroki z MCP bez ryzyka
- Zacznij od serwerów tylko do odczytu, na przykład dostępu do jednego folderu z dokumentacją.
- Instaluj serwery od producenta danego narzędzia albo z oficjalnych repozytoriów projektu.
- Nie łącz w jednej sesji dostępu do poufnych danych z narzędziem, które wysyła coś na zewnątrz.
- Zostaw włączone potwierdzanie każdego wywołania narzędzia, dopóki nie wiesz, jak model się zachowuje.
Przed podłączeniem kolejnego serwera zadaj sobie pytanie: co najgorszego mógłby zrobić model z tym dostępem, gdyby ktoś mu to podpowiedział w mailu?
Najczęściej zadawane pytania
MCP, czyli Model Context Protocol, to otwarty standard opisujący, jak aplikacje z modelami AI łączą się z zewnętrznymi narzędziami i źródłami danych. Ogłosiła go firma Anthropic w listopadzie 2024 roku. Zamiast pisać osobną integrację dla każdego połączenia asystenta AI z kalendarzem, dyskiem czy bazą danych, wystarczy, że obie strony obsługują ten sam protokół. Działa to w układzie host, klient i serwer. Host to aplikacja, w której rozmawiasz z modelem. Serwer MCP to program, który wystawia modelowi możliwości konkretnego systemu, na przykład odczyt plików albo dodawanie zadań. Serwer może udostępniać narzędzia do wywołania, zasoby do odczytu i szablony promptów. Dokumentacja projektu porównuje MCP do złącza USB-C: jedna wtyczka pasuje do wielu urządzeń. Standard obsługuje dziś wiele aplikacji AI różnych producentów, a od grudnia 2025 roku rozwija go fundacja działająca przy Linux Foundation.
MCP i API działają na różnych poziomach i się uzupełniają. API to interfejs konkretnego systemu, na przykład kalendarza czy sklepu internetowego, przez który inne programy mogą pobierać dane i wykonywać działania. Każde API ma własne adresy, formaty i zasady logowania, więc programista musi je poznać i obsłużyć osobno. MCP to wspólny protokół, przez który model AI rozmawia z narzędziami. Serwer MCP zwykle korzysta pod spodem z API danego systemu, ale opisuje jego możliwości w ujednolicony sposób: jakie narzędzia są dostępne, jakie przyjmują parametry, co zwracają. Dzięki temu ten sam serwer działa w różnych aplikacjach AI, które obsługują standard. Dla małej firmy wniosek jest praktyczny: jeśli Twoje narzędzie ma serwer MCP, podłączysz je do asystenta AI bez programowania integracji od zera. Jeśli ma tylko API, ktoś musi ten serwer najpierw napisać.
MCP jako protokół nie jest ani bezpieczny, ani niebezpieczny sam w sobie. Ryzyko zależy od tego, jakie serwery podłączysz i jakie uprawnienia im dasz. Najpoważniejsze zagrożenie to prompt injection: model czyta treści z zewnątrz, na przykład maile albo strony internetowe, a ktoś może ukryć w nich polecenie, które model wykona przy pomocy podłączonych narzędzi. Drugie ryzyko to zbyt szerokie uprawnienia. Serwer z pełnym dostępem do poczty czy bazy daje modelowi więcej, niż potrzebuje. Trzecie to serwery z nieznanych źródeł, bo lokalny serwer MCP jest programem uruchamianym z Twoimi uprawnieniami. Specyfikacja MCP zaleca zasadę najmniejszych uprawnień i jasne zgody użytkownika. W praktyce: zaczynaj od dostępu tylko do odczytu, instaluj serwery od producentów narzędzi, nie łącz poufnych danych z narzędziami wysyłającymi coś na zewnątrz i zatwierdzaj każde nieodwracalne działanie.
Serwer MCP w firmie pozwala modelowi AI pracować na aktualnych danych z Twoich narzędzi zamiast na tekście wklejonym do czatu. Kilka przykładów. Serwer do dysku z dokumentami pozwala zapytać asystenta, co mówi umowa z danym klientem o terminach płatności, a model czyta aktualny plik. Serwer do bazy danych albo arkusza sprzedaży odpowiada na pytania o wyniki bez ręcznego eksportu. Serwer do systemu zadań pozwala zamienić notatkę ze spotkania od razu w listę zadań przypisanych do osób. Serwer do kalendarza proponuje terminy spotkań. Programiści używają serwerów MCP do repozytoriów kodu i dokumentacji technicznej. Własny serwer do wewnętrznego systemu firmy da się napisać w stosunkowo krótkim czasie, korzystając z oficjalnych zestawów narzędzi. Dobrą praktyką jest zaczynanie od jednego serwera tylko do odczytu i rozszerzanie dostępu dopiero wtedy, gdy wiesz, jak model z niego korzysta.
Z MCP zaczniesz korzystać bez programowania, jeśli Twój asystent AI obsługuje ten standard, a narzędzie, które chcesz podłączyć, ma gotowy serwer. Coraz więcej aplikacji AI pozwala dodać serwer MCP w ustawieniach, często przez wskazanie adresu serwera zdalnego i zalogowanie się do danego narzędzia. Zanim to zrobisz, sprawdź, kto jest autorem serwera. Najbezpieczniejsze są serwery udostępniane przez producenta narzędzia albo w oficjalnych repozytoriach projektu MCP. Na start wybierz jedno źródło danych i dostęp tylko do odczytu, na przykład folder z procedurami firmy. Zostaw włączone potwierdzanie wywołań narzędzi, żeby widzieć, co model robi. Przez pierwsze dni obserwuj, o co model sięga i czy odpowiedzi są trafne. Dopiero potem dodawaj kolejne serwery lub uprawnienia do zapisu. Unikaj łączenia w jednej rozmowie poufnych danych z narzędziem, które może wysyłać wiadomości na zewnątrz.
Powiązane pojęcia
API (Application Programming Interface)
Interfejs programistyczny umożliwiający komunikację między systemami — kelner między Twoją aplikacją a serwisem zewnętrznym,…
ADHD
Zespół nadpobudliwości psychoruchowej z deficytem uwagi — neurorozwojowe zaburzenie wpływające na koncentrację, impulsywność i…
Agent AI (agenci AI / AI agents)
Autonomiczne systemy AI zdolne do samodzielnego planowania, podejmowania decyzji i wykonywania wieloetapowych zadań — następny…
Prompt injection (wstrzyknięcie polecenia)
Atak polegający na ukryciu instrukcji w treści, którą model przeczyta — a on wykona ją tak samo jak polecenie od Ciebie, bo nie…