Minden AI projekt legnehezebb része, amit valaha csináltunk, nem a modell volt. Hanem az, hogy hozzákapcsoltuk az ügyfél rendszereihez.
Lehet a világon a legkifinomultabb AI pipeline-od, és használhatatlan, ha nem tud olvasni az ügyfél SharePoint-jából, jegyeket húzni a Jirá-jukból, vagy lekérdezni az egyedi ERP-jüket, amit 2011-ben épített egy alvállalkozó, aki már nem létezik. Az integráció volt mindig a szűk keresztmetszet; az intelligencia sosem volt az.
Amit régen csináltunk
Az MCP előtt minden ügyfélmegbízás ugyanúgy kezdődött. Hozzáférést kaptunk a rendszereikhez, egy hetet töltöttünk az API dokumentáció olvasásával (ha létezett), és egyedi csatlakozó kódot írtunk minden rendszerhez. A SharePoint-hoz kellett egy wrapper. A Jirá-hoz egy másik. A házon belül fejlesztett ERP-jükhöz egy harmadik. Az SAP mindig külön rémálom volt.
Az integráció minden projekt büdzséjének 20-25%-a volt. Nem azért, mert a munka szellemileg nehéz volt — nagyrészt vízvezeték-szerelés volt. Ezt a mezőt ahhoz a mezőhöz mappold. Kezeld ezt az authentikációs folyamatot. Elemezd ezt a válaszformátumot. Próbáld újra, ha ez az endpoint timeout-ol. Fárasztó, hibára hajlamos, és minden egyes ügyfélnél más volt.
Tavaly volt egy ügyfelünk viszonylag egyszerű felállással: SharePoint dokumentumokhoz, Jira feladatkezeléshez, és egy egyedi PostgreSQL adatbázis a termékkatalógusukhoz. A csatlakozók megírása, hogy az AI asszisztensük mindháromhoz hozzáférjen, 3,5 hetet vett igénybe. Három és fél hét munka, aminek semmi köze nem volt az AI-hoz, és minden köze a csőhálózat kiépítéséhez.
Mi az MCP valójában
A Model Context Protocol — a legegyszerűbb megfogalmazásban — USB-C az AI-hoz. Az USB-C előtt minden telefonnak más töltője volt. Minden AI integrációnak más csatlakozója volt. Az MCP ezt szabványosítja.
Az Anthropic hozta létre és nyílt forráskóddá tette 2024 végén. 2026 elejére a hivatalos SDK-k havi több tízmillió letöltésnél jártak. A növekedés mögött tényleges elterjedés áll. Az OpenAI MCP támogatást adott az Agents SDK-jukhoz. A Microsoft integrálta az Azure AI Foundry-ba, a Copilot Studio-ba és a Semantic Kernel-be. A Google átvette a Geminihez. Az AWS beépítette a Bedrockba. A Linux Foundation most hostol-ja a specifikációt.
A protokoll így működik: ahelyett, hogy egyedi csatlakozót írnál minden AI modellhez és minden adatforráshoz, egyetlen MCP szervert írsz az adatforráshoz. Bármelyik AI modell, ami beszéli az MCP-t, csatlakozni tud hozzá. Egy csatlakozó, sok modell. Egy protokoll, sok rendszer.
Hogyan változtatta meg a munkánkat
A különbség konkrét és mérhető.
Az az ügyfél a SharePoint-tal, Jirá-val és az egyedi ERP-vel? Három hónapja szinte azonos felállás jött egy új ügyfélnél. SharePoint, Jira, és az egyedi ERP-jük PostgreSQL-re építve. Ugyanaz a hatókör, ugyanaz a komplexitás.
MCP szerverekkel 5 nap alatt megcsináltuk. Nem 3,5 hét — 5 nap. A SharePoint MCP szerver már létezett. A Jira MCP szerver már létezett. Írtunk egy vékony MCP szervert az egyedi ERP-jükhöz (nagyrészt az adatbázis sémájuk mappelése az MCP erőforrás-formátumára), és az AI asszisztens egyetlen protokollon keresztül hozzáfért mindháromhoz.
Az integrációs költségeink új projekteknél nagyjából 60%-kal csökkentek. Ez nem marketing szám — ez az, amit ténylegesen nyomon követtünk az utolsó hat projekten, ahol az MCP alkalmazható volt.
Az időt, amit régen csőhálózat kiépítésére költöttünk, most magára az AI logikára fordítjuk — arra, ami ténylegesen értéket teremt az ügyfélnek.
Ami még fontosabb, a karbantartási teher csökkent. Amikor egyedi csatlakozóid vannak, minden API változás minden csatlakozott rendszerben az egyedi kódod frissítését jelenti. MCP szerverekkel a közösség karbantartja a népszerűeket. Amikor a Jira változtatja az API-ját, a Jira MCP szerver egyszer frissül, és minden rendszer profitál belőle.
Ami még nincs megoldva
Tisztességtelenek lennénk, ha az MCP-t ezüstgolyónak állítanánk be. Nem az. Vannak valós hiányosságok.
A vállalati authentikáció még mindig kaotikus. A legtöbb MCP szerver egyszerű API kulcsokat vagy OAuth-ot kezel. De a vállalati SSO — SAML, Okta, Azure AD feltételes hozzáférési szabályzatokkal, multi-tenant felállások — még mindig fájdalmas. Két ügyfélnél kellett egyedi auth réteget írnunk az MCP szerverek fölé. Az MCP specifikációnak van auth keretrendszere, de az implementációk elmaradnak attól, amire a vállalatoknak tényleg szükségük van.
Az audit nyomvonalak hiányosak. Amikor egy AI asszisztens MCP-n keresztül olvas egy dokumentumot, ki naplózta azt a hozzáférést? Szabályozott iparágakban — pénzügy, egészségügy, biztosítás — ez rendkívül fontos. A jelenlegi MCP implementációk nem biztosítják konzisztensen azt az audit részletességet, amit a compliance csapatok megkövetelnek.
A biztonság trükkös lehet. Egy MCP szerver, ami az adatbázisodhoz csatlakozik, potenciálisan többet tehet elérhetővé, mint amennyit szándékoztál. A jogosultsági modell javul — most már van human-in-the-loop beleegyezési folyamat — de láttunk MCP szervereket a vadonban, amelyek túl sok jogosultságot kaptak. Az MCP szerver konfigurációját ugyanolyan gondossággal kell kezelned, mint az API gateway szabályokat.
Nem minden rendszerhez van még MCP szerver. A népszerűek le vannak fedve: SharePoint, Jira, Slack, PostgreSQL, a főbb CRM-ek. De az a 2011-es egyedi ERP? Az a zárt készletkezelő rendszer? Azokhoz még mindig csatlakozókat írsz — csak rövidebbeket, egyszerűbbeket, amelyek az MCP szabványosított formátumán keresztül teszik elérhetővé az adatokat.
Mit jelent ez a gyakorlatban
Ha 2026-ban AI integrációkat építesz és nem használod az MCP-t, olyan kódot írsz, ami 12 hónapon belül elavul. Az ökoszisztéma elérte a fordulópontot. Minden nagy AI szállító támogatja. A csatlakozó-könyvtár hetente bővül. A szabványt egy semleges alapítvány gondozza.
Ez nem azt jelenti, hogy az MCP triviálissá teszi az integrációt — csak szabványosítja. Továbbra is értened kell az ügyfeled adatait, mapelned a sémáikat, kezelned az éles eseteiket. De ezt a munkát egyszer végzed el, olyan formátumban, amit bármelyik AI modell fel tud dolgozni, ahelyett hogy külön csinálnád minden modellhez és minden eszközhöz a stackben.
Számunkra az MCP az integrációt a legnagyobb tételből minden ajánlatban kezelhető, kiszámítható költséggé változtatta. És ez azt jelenti, hogy az ügyfél büdzséjéből több jut arra az AI-ra, ami tényleg megoldja a problémáját. Ugyanezzel a megközelítéssel építjük a vállalati AI platformokat is.