Što je Model Context Protocol i zašto je važan
U posljednje dvije godine umjetna inteligencija preselila je iz laboratorija u svakodnevne alate. Chatbotovi, AI asistenti za e‑mail, kalendar i upravljanje zadacima postali su uobičajeni. No iza jednostavnog sučelja skriva se složen problem: kako da AI agent sigurno i predvidljivo pristupi dokumentima, bazama podataka ili internim API‑jima neke organizacije.
Model Context Protocol (MCP) nastaje upravo kao odgovor na taj izazov. Riječ je o otvorenom standardu koji je krajem 2024. predstavio Anthropic, a ubrzo su ga počeli prihvaćati i drugi veliki akteri, uključujući OpenAI i Google DeepMind. MCP definira zajednički jezik između velikih jezičnih modela (LLM‑ova) i vanjskih sustava, s naglaskom na sigurnost, nadzor i prenosivost.
Umjesto da svaka tvrtka za svaki model i svaki alat razvija zasebnu integraciju, MCP uvodi univerzalni sloj koji omogućuje da se LLM‑ovi povežu s datotekama, bazama podataka, servisima i alatima kroz standardizirane konektore. Time se AI agenti iz izoliranih chatbotova pretvaraju u stvarne operativne asistente koji mogu raditi s konkretnim poslovnim podacima.
Kako MCP tehnički funkcionira
Tehnički gledano, MCP je protokol temeljen na JSON‑RPC‑u. To znači da se komunikacija između AI modela i MCP poslužitelja odvija kroz strukturirane JSON poruke, uz jasno definirane metode, parametre i odgovore. LLM ne pristupa izravno bazi podataka ili internom API‑ju, već šalje zahtjev MCP konektoru, koji zatim obavlja stvarnu operaciju.
U praksi MCP uvodi nekoliko ključnih pojmova:
- MCP poslužitelj – komponenta koja izlaže skup resursa i alata (npr. datoteke, SQL bazu, CRM sustav) kroz standardizirano sučelje.
- Konektori – specifične implementacije koje MCP poslužitelj koristi za spajanje na konkretne sustave (npr. SharePoint, PostgreSQL, Jira, sustav za izdavanje računa).
- Klijent – agentni okvir ili aplikacija koja koristi LLM i komunicira s MCP poslužiteljem putem JSON‑RPC‑a.
Svaki konektor definira koje su operacije dopuštene: čitanje, pisanje, pokretanje funkcija, pretraživanje ili dohvat metapodataka. LLM ne vidi izravno podlogu (npr. SQL upite ili REST API), već radi s apstrakcijama poput „pronađi zadnjih 10 narudžbi“ ili „učitaj ugovor iz mape pravni/2025“.
Sigurnosne granice i kontrola pristupa
Jedna od najvećih prednosti MCP‑a je to što sigurnost nije naknadna misao, nego dio same specifikacije. Svaki konektor može vrlo precizno ograničiti koje su operacije moguće, nad kojim resursima i pod kojim uvjetima. To uključuje:
- ograničavanje na samo‑čitanje za osjetljive sustave,
- filtriranje podataka po odjelima ili ulogama korisnika,
- uvođenje dodatnih provjera prije kritičnih radnji (npr. slanje ponuda, brisanje zapisa).
Uz to, MCP predviđa detaljno logiranje svih poziva. Svaka interakcija između AI agenta i poslovnog sustava može se zabilježiti: tko je tražio pristup, koje je podatke model vidio, koje je akcije inicirao i kakav je bio rezultat. To je ključno za reviziju, forenzičku analizu i dokazivanje usklađenosti s propisima.
Što MCP donosi poslovnim korisnicima
Za poslovne korisnike MCP znači prelazak s generičkih chatbotova na ozbiljne, „enterprise“ AI agente. Umjesto modela koji odgovara samo na temelju javnog interneta ili ograničenog seta dokumenata, tvrtka može izgraditi agente koji:
- razumiju interne dokumente, priručnike i politike,
- pristupaju CRM‑u, ERP‑u, sustavima za podršku korisnicima ili skladišnim sustavima,
- mogu izvoditi konkretne radnje, poput kreiranja naloga, pripreme ponuda ili generiranja izvještaja.
Primjerice, agent za korisničku podršku povezan preko MCP‑a može u jednom razgovoru:
- provjeriti status narudžbe u ERP‑u,
- pogledati prethodnu komunikaciju u sustavu za podršku,
- predložiti rješenje na temelju internih procedura,
- otvoriti novi nalog za servis, ali samo unutar unaprijed definiranih granica.
Ključno je da tvrtka zadržava kontrolu nad time što agent smije vidjeti i raditi. Pristup se može ograničiti po odjelima, projektima ili razinama ovlasti, a svi koraci ostaju zabilježeni. Time se smanjuje rizik od nenamjernog otkrivanja povjerljivih informacija ili neovlaštenih radnji.
Usklađenost s EU AI Actom i drugim regulativama
U europskom kontekstu MCP posebno dobiva na važnosti. EU AI Act uvodi stroge zahtjeve za sustave umjetne inteligencije, osobito one visokog rizika ili one koji obrađuju osjetljive podatke. Traži se transparentnost, mogućnost objašnjenja odluka, upravljanje rizikom i jasna podjela odgovornosti.
MCP pomaže na nekoliko razina:
- Transparentnost – standardizirani logovi poziva i odgovora omogućuju da se naknadno vidi kako je agent došao do određenog zaključka ili akcije.
- Ograničavanje rizika – granularna kontrola nad operacijama smanjuje mogućnost da model napravi nešto izvan dopuštenog opsega.
- Upravljanje podacima – konektori se mogu dizajnirati tako da filtriraju osobne podatke, anonimiziraju zapise ili ograniče pristup samo na nužne informacije.
Za pravne i compliance timove MCP je atraktivan jer omogućuje da se pravila pristupa i nadzora definiraju na razini protokola, umjesto ad hoc rješenja za svaki pojedini alat ili model. To olakšava izradu politika, internih procedura i dokumentacije potrebne za usklađenost.
Prednosti MCP‑a za developere i IT timove
Za razvojne timove MCP donosi novu razinu prenosivosti i modularnosti. Umjesto da za svaki LLM, svakog dobavljača i svaki poslovni sustav pišu zasebne integracije, timovi mogu:
- jednom napisati MCP konektor za, primjerice, internu bazu podataka ili sustav za izdavanje računa,
- koristiti taj isti konektor s različitim modelima (Claude, GPT, Gemini i dr.),
- lako mijenjati dobavljača modela bez mijenjanja cijele integracijske logike.
Kako je specifikacija otvorenog koda, brzo nastaje ekosustav alata i klijentskih biblioteka za popularne programske jezike poput TypeScripta, Pythona, Jave ili C#. To spušta prag ulaska za manje timove i startupe koji žele uvesti AI agente, ali nemaju resurse za izgradnju kompleksne infrastrukture.
Tipični scenariji primjene
Nekoliko konkretnih primjera gdje MCP olakšava posao:
- Interni AI asistent za razvijanje koda – povezan s Git repozitorijima, sustavom za zadatke i dokumentacijom; kroz MCP se precizno definira što smije mijenjati, a što samo čitati.
- Financijski agent – čita podatke iz ERP‑a i sustava za fakturiranje, generira izvještaje i prijedloge, ali ne može samostalno odobriti transakcije.
- Pravni asistent – pretražuje interne ugovore i politike, priprema nacrte dokumenata, uz strogo ograničen pristup povjerljivim spisima.
U svim tim slučajevima MCP omogućuje da se AI agenti uvedu brže, uz manji rizik i bolju kontrolu.
Izazovi i sljedeći koraci za MCP
Iako MCP rješava niz tehničkih problema, pred njim su i izazovi. Široko usvajanje standarda zahtijeva dogovor industrije, kvalitetnu dokumentaciju i referentne implementacije. Različiti dobavljači moraju uskladiti interpretaciju specifikacije kako bi konektori zaista bili prenosivi.
Sljedeća faza vjerojatno će uključivati snažnije povezivanje MCP‑a sa sigurnosnim i regulatornim okvirima. To može značiti:
- standardizirane formate za revizijske logove,
- preporučene prakse za upravljanje identitetima i ovlastima,
- smjernice za dizajn konektora u visoko reguliranim sektorima poput financija ili zdravstva.
Ako MCP postane de facto standard za komunikaciju između AI agenata i poslovnih sustava, mogao bi odigrati sličnu ulogu kakvu su nekoć imali HTTP i REST za web servise. AI agenti bi tada postali prirodan dio enterprise infrastrukture: duboko integrirani, ali i dalje pod jasnim ljudskim i regulatornim nadzorom.
Zaključak: od izoliranih chatbotova do stvarnih AI agenata
Model Context Protocol predstavlja važan korak prema zrelijem korištenju umjetne inteligencije u organizacijama. Umjesto da svaki projekt AI asistenta počinje od nule, MCP nudi zajednički jezik za povezivanje modela s alatima, datotekama i sustavima.
Za poslovne korisnike to znači moćnije, ali kontrolirane AI agente koji rade s realnim podacima. Za developere to znači manje „ljepila“ koda, veću prenosivost i bržu integraciju. A za regulatore to je prilika da se pravila sigurnosti i transparentnosti ugrade izravno u tehničku infrastrukturu.
Ako se ekosustav oko MCP‑a nastavi širiti sadašnjim tempom, ovaj protokol mogao bi postati jedan od ključnih gradivnih blokova nove generacije enterprise AI rješenja – gdje AI agenti više nisu samo pametni sugovornici, već pouzdani suradnici unutar poslovnih procesa.
