Slovník pojmů

MCP

Model Context Protocol (MCP) sjednocuje způsob, jak AI aplikace zjišťuje a používá externí nástroje, zdroje a šablony promptů. Pro HTTP obsahuje autorizační rámec, sám však neurčuje důvěryhodnost serveru, business oprávnění ani bezpečnou konfiguraci integrace.

Stručná definice

Standardní rozhraní mezi AI aplikací a externími schopnostmi.

MCP odděluje AI aplikaci od konkrétních integrací. Server popíše své schopnosti a host pro něj vytvoří klienta, který předá hostu kontext nebo výsledek volání.

Aktuální specifikace používá JSON-RPC. Server může vystavit nástroje pro operace, resources jako kontextová data a prompts jako šablony interakce. Protokol ale nerozhoduje, zda má akce proběhnout ani kdo ji smí schválit; to zůstává hostu, identitě a konkrétní integraci.

Jaký problém řeší

Méně jednorázových konektorů, jasnější rozhraní schopností.

MCP je užitečné tam, kde jedna AI aplikace potřebuje spolupracovat s více datovými zdroji nebo nástroji bez vytváření vlastního integračního protokolu pro každý z nich.

zpřístupnění dokumentace projektu a read-only dat AI nástroji jednotným způsobem
napojení issue trackeru, interního API nebo testovacího příkazu přes explicitně popsané schopnosti
oddělení AI hostu od implementace služby, která drží data nebo provádí akci
dynamické zjištění, jaké nástroje, resources a prompts server skutečně nabízí
přenos strukturovaných argumentů a výsledků bez parsování přirozeného jazyka jako integračního formátu
konzistentnější řízení vzdálených i lokálních integrací, pokud je podporuje použitý host a SDK

Praktický příklad

Vývojový nástroj s dokumentací, tickety a testy

Vývojářský AI nástroj může připojit několik MCP serverů: resource s pravidly repozitáře, read-only vyhledání ticketu a testovací nástroj v izolovaném adresáři. Host zjistí jejich schopnosti a zpřístupní jen operace povolené politikou.

Když model potřebuje ověřit zadání, host načte resource nebo volá vyhledávání. Změna ticketu či nebezpečný příkaz vyžaduje schválení. MCP samo nerozhoduje o produkčních datech, secretech ani síťovém přístupu; pravidla vynucuje host, server a používaná identita.

Jak funguje

Textové schéma: host → client → MCP server → schopnost → výsledek → host

Tok odpovídá aktuálnímu modelu pro lokální i vzdálený server. Bezpečnostní rozhodnutí implementace provádí nad ním.

Host AI aplikace řídí připojení, model, uživatelské rozhraní a politiku.
Client a transport Klient posílá JSON-RPC přes stdio nebo Streamable HTTP; lze podporovat i vlastní transporty.
Discovery a capabilities Server oznamuje verze a podporované prvky; klient je nesmí předpokládat.
Tools, resources a prompts Tool se volá s argumenty, resource dává kontext a prompt je znovupoužitelná šablona.
Odpověď serveru Server vrátí výsledek či chybu; externímu obsahu nelze bez kontroly důvěřovat.
Politika a audit MCP pro HTTP popisuje autorizační rámec, ale konkrétní host a server stále vynucují business oprávnění, potvrzení citlivých akcí a logování.

Hlavní části

Role a schopnosti MCP nejsou totéž co oprávnění.

Specifikace rozlišuje účastníky komunikace a prvky, které server může nabízet. Ne každá implementace podporuje všechny capabilities.

Host, client a server

Host je AI aplikace, client komunikuje s konkrétním serverem a server poskytuje kontext či operace lokálně nebo vzdáleně.

Tools

Jsou to vykonatelné funkce s pojmenovaným vstupem a výstupem; jejich popis není oprávnění k akci.

Resources

Poskytují kontextová data. Obvykle se čtou, ale tento rozdíl nezaručuje bezpečnost ani necitlivost dat.

Prompts

Jsou to serverem nabízené šablony pro interakci; host rozhoduje, zda je použije.

Discovery a capability negotiation

Klient zjistí podporované části bez domněnek. Moderní bezstavový model používá server/discover a metadata požadavků; starší implementace mohou používat inicializaci.

Transporty

Stdio propojuje lokální procesy. Streamable HTTP používá HTTP požadavky a podle potřeby Server-Sent Events pro stream zpráv.

Vztah k podobným pojmům

MCP je integrační protokol, nikoli model ani obecné API.

Stejné řešení může používat MCP i další technologie, ale jejich role je potřeba oddělit.

MCP a AI agent: Agent může přes MCP získat nástroje a kontext. MCP neurčuje jeho cíl, plán ani rozhodnutí.
MCP a REST API: REST API je styl HTTP rozhraní; MCP je JSON-RPC protokol pro schopnosti AI aplikace a může REST API používat uvnitř.
MCP server a webový server: MCP server slouží kontext nebo operace MCP klientovi. Může používat HTTP, ale není automaticky veřejné webové API.
Tool a funkce modelu: Tool vykonává schopnost mimo model. Model pouze navrhuje volání; jeho generování textu není MCP tool.
Resource a tool: Resource dává kontextová data, tool provádí operaci s argumenty. Obě cesty mohou číst citlivá data.

Výhody a omezení

Jednotné rozhraní nezmenšuje provozní odpovědnost.

Kdy může pomoci

sníží počet produktově specifických konektorů mezi hosty a službami
zpřehlední schopnosti serveru přes pojmenované tools, resources a prompts
umožní oddělit AI aplikaci od interní implementace data source nebo akce
podporuje postupné zjištění verzí a capabilities místo pevného předpokladu o serveru

Omezení a časté chyby

autorizační rámec pro HTTP nenahrazuje business autorizaci ani automatické schvalování uživatelem
nepromyšlený MCP server může zpřístupnit citlivější operace než původní integrace
příliš obecný nástroj komplikuje validaci, audit a princip nejmenších oprávnění
verze specifikace a podpora SDK se vyvíjejí, proto je nutné ověřit konkrétní implementaci

Pragmatické použití

Začít malým, čitelným a omezeným serverem.

MCP se vyplatí, když schopnost použije více AI hostů nebo samostatná hranice kolem dat a akcí zjednoduší provoz. Pro jednu pevnou automatizaci nemusí být nový protokol nutný. Účel serveru, identitu, citlivost dat a audit je vhodné vyjasnit před seznamem nástrojů.

První integrace má být read-only a úzce zaměřená, například vyhledání dokumentace nebo test v sandboxu. Zápis se přidává až s přesnými scopes, validací argumentů, auditním účtem a případně lidským potvrzením.

Bezpečnost a důvěra

MCP je kanál schopností, ne bezpečnostní hranice sám o sobě.

Důvěryhodné MCP řešení musí omezit dopad chyb modelu, škodlivého obsahu i kompromitovaného serveru. Oprávnění se posuzují pro každou konkrétní akci a zdroj dat.

oddělit read-only a write nástroje, dát serveru jen nutné scopes a nepoužívat účet s širšími právy
považovat resources i výsledky tools za nedůvěryhodné; prompt injection může přijít z dokumentu, ticketu, webu i databáze
před citlivou akcí zobrazit dopad a vyžádat potvrzení; model nemá sám rozhodovat o secretech, platbě ani produkční změně
u Streamable HTTP ověřovat původ, autentizaci a tokeny; lokální server nevystavovat zbytečně do sítě a omezit sandboxem
logovat volání, identitu, schválení a chyby bez zbytečných secretů a pravidelně kontrolovat scopes i specifikaci

Časté otázky

Co je důležité o MCP vědět

Je MCP totéž co AI agent?

Ne. MCP standardizuje externí schopnosti; agentní workflow řídí, jak model plní cíl. Agent MCP může, ale nemusí používat.

Nahrazuje MCP běžné API?

Ne. MCP server může uvnitř volat REST, GraphQL, databázi i příkazový nástroj. Nenahrazuje všechna integrační rozhraní.

Poskytuje MCP automaticky bezpečnou autorizaci?

Ne. Pro HTTP MCP popisuje autorizační rámec, ale bezpečnost závisí i na identitě, scopes, validaci tokenů, politice hostu, oprávněních nástrojů a provozu serveru.

Jsou tools, resources a prompts vždy podporované?

Ne. Server oznamuje capabilities a klient musí pracovat s tím, co skutečně podporuje.

Má server dostat produkční secrets, aby byl užitečný?

Ne automaticky. Přednost má read-only či omezený přístup. Citlivý přístup vyžaduje úzký rozsah, bezpečné uložení a audit.

Jak AI integrace používám při vývoji

Integrace musí mít stejnou hranici a audit jako jiný backendový přístup.

AI nástroje připojuji k projektovým zdrojům tak, aby byly jejich schopnosti, oprávnění i výstupy kontrolovatelné.

Zobrazit zkušenosti s AI vývojem Nezávazně probrat projekt