Kurumsal Yapay Zekâ İçin Model Context Protocol (MCP): AI Agent'larını Eski Sistemlere Güvenle Bağlamak
Model Context Protocol (MCP) nedir, A2A'dan farkı ne ve AI agent'larını veritabanlarına, CRM ve ERP sistemlerine nasıl güvenle bağlarsınız? Kurumsal rehber.

Şirketinizdeki her bir elektronik cihaz için ayrı bir şarj kablosu satın aldığınızı hayal edin: bilgisayarınız için ayrı, monitörünüz için ayrı, telefonunuz için ayrı ve masa lambanız için tamamen özel bir fiş...
Son üç yıldır kurumlar yapay zekâ entegrasyonlarını aynen bu şekilde inşa ediyordu.
Bir ekip yapay zekâ modelinin bir PostgreSQL veritabanını sorgulamasını, Salesforce hattını kontrol etmesini veya Slack'e mesaj atmasını her istediğinde; yazılımcılar prompt parametrelerini ham API çağrılarına bağlayan özel "yapıştırma kodları" (Python veya Node.js betikleri) yazmak zorunda kalıyordu. 5 yapay zekâ modelini 20 iç yazılım sistemiyle çarptığınızda, mühendislik ekiplerinin karşısına API şeması her değiştiğinde kırılan 100 adet karmaşık ve bakımı zor entegrasyon çıkıyordu.
İşte Model Context Protocol (MCP) tam bu noktada devreye giriyor: Kurumsal yapay zekâ uygulamaları için "USB-C standardı" olarak tasarlanmış açık bir protokol.
Bu rehberde, MCP'nin ne olduğunu, kurumsal yapay zekâ mimarisinde neden hızla zorunlu hale geldiğini ve işlem yapan AI agent'larını eski (legacy) altyapılara nasıl güvenle bağlayabileceğinizi inceliyoruz.
Kurumsal Yapay Zekâda M × N Entegrasyon Tuzağı
MCP'den önce yapay zekâyı veri kaynaklarına bağlamak, mimarlar için M × N karmaşıklığı olarak bilinen büyük bir külfetti:
- M Sayıda Yapay Zekâ İstemcisi: Sohbet arayüzleri, otomasyon iş akışları, kodlama asistanları, arka plan agent'ları ve web müşteri destek araçları.
- N Sayıda Kurumsal Sistem: İlişkisel veritabanları, SAP, Salesforce, Jira, kurum içi REST servisleri ve doküman depolama alanları.
Eğer 4 yapay zekâ asistanınız ve 10 dahili aracınız varsa, 40 ayrı özel konnektör yazmanız gerekiyordu. Anthropic Claude'un fonksiyon çağırma sentaksını değiştirdiğinde veya OpenAI JSON yapılarını güncellediğinde, geliştiriciler günlerce her servisteki sabit kodlanmış prompt şablonlarını güncellemekle uğraşıyordu.
MCP ÖNCESİ: Kırılgan M × N Özel Konnektörler
[AI Modeli 1] ─── (Özel Python) ───> [PostgreSQL]
[AI Modeli 2] ─── (Özel Node.js) ───> [Salesforce]
[AI Modeli 3] ─── (Özel Wrapper) ───> [SAP ERP]
MCP İLE: Temiz M + N Evrensel Protokol
[AI Modeli 1] ┐ ┌─> [MCP Sunucusu: Postgres]
[AI Modeli 2] ├─ (Standart MCP) ───┼─> [MCP Sunucusu: Salesforce]
[AI Modeli 3] ┘ └─> [MCP Sunucusu: SAP ERP]
MCP bu karmaşık matrisi M + N seviyesine indirir. PostgreSQL veritabanınız için bir kez MCP Sunucusu yazarsınız; ister yerelde, ister özel orkestratörler üzerinde, ister özel bir bulut kümesinde çalışan tüm uyumlu AI agent'ları veritabanı şemasını anında keşfeder ve güvenle sorgular.
İlgili yazı: Otonom Yapay Zekâ İş Akışı Mimarisi: Kurumsal Otomasyon İçin Çoklu Agent Sistemleri Tasarlamak
Model Context Protocol Arka Planda Nasıl Çalışır?
MCP, yapay zekâ agent'ını yöneten uygulama (MCP Host/Client) ile kurumsal araçları ve verileri dışa açan adaptör (MCP Server) arasındaki iletişimi standartlaştıran açık bir protokoldür.
İki taraf arasındaki mesajlar JSON-RPC 2.0 biçiminde taşınır. Yerel bir sunucu genellikle alt süreç olarak çalışır ve standart girdi/çıktı (stdio) üzerinden haberleşir; uzak bir sunucuya ise eski HTTP + Server-Sent Events yönteminin yerini alan Streamable HTTP taşıma katmanıyla bağlanılır. Anthropic, MCP'yi Kasım 2024'te açık kaynak olarak yayımladı; Aralık 2025'ten bu yana protokol, Linux Foundation bünyesindeki Agentic AI Foundation (AAIF) tarafından yönetiliyor. Güncel spesifikasyon sürümü 2026-07-28 tarihlidir.
Sunucular üç temel yapı taşı sunar:
1. Resources (Salt Okunur Bağlam)
Agent'ların dosya, sistem günlüğü, veritabanı şeması veya müşteri kaydı okumasına izin verir. Yazma yetkisi vermeden güvenli veri beslemesi sağlar.
- Kurumsal Örnek: Şirket finans politikası dokümanlarını veya ürün kataloglarını dahili bir asistana salt okunur sunmak.
2. Tools (Çalıştırılabilir Eylemler)
Modelin tetikleyebileceği fonksiyonlardır; örneğin siparis_iade_et(siparis_id), jira_kaydi_ac(ozet) veya sql_sorgusu_calistir(sorgu).
- Kurumsal Örnek: Bir destek agent'ının kullanıcı şifresini sıfırlamasına veya fatura adresini güncellemesine izin vermek.
3. Prompts (Standartlaştırılmış İş Akışları)
Doğrudan sunucuda barındırılan, sürüm kontrollü ve hazır prompt şablonlarıdır.
- Kurumsal Örnek: Doğru bilanço tablolarını otomatik olarak toplayan ve yanıtı formatlayan standart bir "Üç Aylık Finansal Denetim Prompt'u".
İlgili yazı: Kurumsal Otomasyonda Çoklu Agent Sistemleri: Mimari, Orkestrasyon ve Yönetişim Çerçeveleri
Kurumsal Güvenlik: Canlı Ortam İçin Gerekli 4 Katman
MCP bağlantıyı basitleştirse de, otonom bir yapay zekâ modeline dahili API'ler üzerinde doğrudan çalıştırma yetkisi vermek risk taşır. Yapay zekâ tarafından oluşturulan hatalı bir SQL sorgusu bir tabloyu silebilir veya güvenilmeyen bir doküman dolaylı prompt enjeksiyonuna (indirect prompt injection) yol açabilir.
MCP'yi canlı ortamda güvenle kullanmak için 4 güvenlik katmanı uygulanmalıdır:
[ AI Agent / LLM ]
│
▼
┌─────────────────────────────────────────┐
│ Katman 1: Taşıma ve Kimlik Doğrulama │ (TLS + OAuth 2.1 / İzole İletişim)
└─────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────┐
│ Katman 2: Maskeleme & KVKK Uyum Yönetimi│ (Hassas Verileri API Öncesi Temizleme)
└─────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────┐
│ Katman 3: Dinamik RBAC & Sınır Hatları │ (Parametre Şema Doğrulaması)
└─────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────┐
│ Katman 4: İnsan Onayı (HITL) Mekanizması│ (Kritik Yazma Eylemlerinde Onay Alma)
└─────────────────────────────────────────┘
│
▼
[ Kurumsal Eski (Legacy) Sistem ]
1. İnce Ayarlı Araç Yetkileri ve RBAC
MCP sunucusuna asla veritabanı yönetici yetkisi vermeyin. Sadece agent'ın ihtiyaç duyduğu belirli kapsamlarla sınırlı, özel veri tabanı kullanıcıları veya API servis hesapları oluşturun. Uzak sunucularda, her çağrının tek bir kullanıcıya ve tek bir sunucuya özel yetkilendirilmiş bir token taşıması için spesifikasyonun OAuth 2.1 tabanlı yetkilendirmesini kullanın; yerel stdio sunucuları kimlik bilgilerini prompt'tan değil, çalışma ortamından okumalıdır.
2. MCP Katmanında Veri Anonimleştirme
Veritabanı sonuçlarını ticari bir LLM API'sine göndermeden önce, MCP sunucusu (veya aradaki bir proxy) T.C. Kimlik Numarası, kişisel e-posta ve kredi kartı gibi kişisel verileri (KVKK kapsamındaki verileri) maskelemelidir.
3. Denetim Günlükleri ve Gerçek Zamanlı İzleme
MCP üzerinden iletilen her JSON-RPC paketi zaman damgası, kullanıcı ID'si, çağrılan araç adı, girdi parametreleri ve çıktı ile kaydedilmelidir. Bu, KVKK ve AB Yapay Zekâ Yasası (EU AI Act) uyumu için şarttır.
4. Kritik Eylemler İçin İnsan Onayı (HITL)
MCP araçlarınızı güvenlik bayraklarıyla tasarlayın. Salt okunur sorgular anında çalışırken; para_transferi_yap, kullanici_sil veya sozlesme_guncelle gibi kritik eylemler insan yöneticiye bildirim gönderir ve ancak onay alındıktan sonra sisteme iletilir.
Pratik Başarı Hikâyesi: AI Agent'ını Kurumsal ERP'ye Bağlamak
Şirket içi sunucularında eski bir ERP/SAP sistemi çalıştıran bir üretim şirketini düşünün. Müşteriler sürekli satış temsilcilerine stok durumu ve teslimat sürelerini sormaktadır.
- MCP Sunucusu: Orbitra, güvenli kurumsal ağ içerisinde ERP'nin hemen yanında çalışan hafif bir MCP Sunucu konteyneri kurar.
- Dışa Açılan Araçlar:
stok_durumu_al(sku: string)-> gerçek zamanlı depo miktarını döner.uretim_termini_kontrol_et(fabrika_id: string)-> üretim takvimini sorgular.
- Agent: Satış yapay zekâ asistanı sunucuya MCP'nin Streamable HTTP taşıma katmanı üzerinden, TLS ile şifrelenmiş ve OAuth 2.1 token'larıyla yetkilendirilmiş bir bağlantıyla erişir.
- Sonuç: Satış temsilcisi doğal dille sorar: "Bursa deposunda A42 kodlu parçadan 500 adet var mı?" Yapay zekâ agent'ı MCP aracı üzerinden sorguyu iletir, 120 milisaniyede ERP'den doğrulanmış yanıtı alır ve kesin cevabı sunar. Elle veri girişi tamamen ortadan kalkar.
MCP ve A2A Karşılaştırması: Hangi AI Agent Protokolü Ne İşe Yarar?
Kurumsal ekiplerin duyduğu tek agent protokolü MCP değil. Önem taşıyan diğer protokol Agent2Agent (A2A) ve ikisi sıklıkla birbirinin rakibi gibi sunuluyor. Değiller: farklı sorunları çözüyorlar ve artık aynı vakfın çatısı altındalar.
MCP bir agent'ı araçlara ve verilere bağlar. A2A ise birbirinden bağımsız agent'ları birbirine bağlar. MCP'de agent, erişim yetkisi verilmiş bir sunucudaki bir yeteneği çağırır. A2A'da ise agent bir görevi, belki başka bir ekip ya da tedarikçi tarafından başka bir çerçeveyle geliştirilmiş başka bir agent'a devreder ve o agent'ın iç araçlarını ya da hafızasını görmeden sonucu alır.
| MCP | A2A | |
|---|---|---|
| Neyi bağlar? | Bir agent'ı araçlara, verilere ve prompt'lara | Bağımsız agent'ları birbirine |
| Geliştiren | Anthropic; Kasım 2024'te açık kaynak olarak yayımlandı | Google; Nisan 2025'te duyuruldu |
| Yönetişim | Aralık 2025'ten beri Agentic AI Foundation (Linux Foundation) | Haziran 2025'ten beri Linux Foundation projesi; Ağustos 2026'da Agentic AI Foundation'a katıldı |
| Güncel sürüm | 2026-07-28 tarihli spesifikasyon | Mart 2026'da yayımlanan 1.0 sürümü |
| Temel yapı taşları | Araçlar (tools), kaynaklar (resources), prompt'lar | Agent Card'lar, görevler (tasks), mesajlar, çıktılar (artifacts) |
| Taşıma | stdio ya da Streamable HTTP üzerinden JSON-RPC 2.0 | Akış ve anlık bildirim desteğiyle JSON-RPC 2.0, gRPC ya da HTTP+JSON |
| Tipik kurumsal kullanım | Bir asistanın ERP, CRM ya da veritabanını güvenle sorgulaması | Bir satın alma agent'ının lojistik ya da tedarikçi agent'ına iş devretmesi |
Hangisine ihtiyacınız var? Kurumsal programların çoğu MCP ile başlar; çünkü ilk sorun, bir asistanı verinin bulunduğu sistemlere bağlamaktır. A2A ise farklı ekiplerin, tedarikçilerin ya da şirketlerin agent'larının birlikte çalışması gerektiğinde gündeme gelir; örneğin satın alma agent'ınızın teslim sürelerini bir tedarikçinin agent'ına onaylatması gerektiğinde. İkisi birlikte çalışır: A2A üzerinden erişilen bir agent, kendi araçlarını çağırmak için arka planda genellikle MCP kullanır.
Mimari tartışmalarında üç protokol daha karşınıza çıkabilir:
- AG-UI: CopilotKit'ten doğan açık bir protokoldür; mesajlar ve araç ilerlemesi gibi agent olaylarını kullanıcı arayüzlerine aktarır.
- AP2 (Agent Payments Protocol): Google'ın Eylül 2025'te duyurduğu bu protokol, agent'ların ödeme başlatma biçimini A2A ve MCP'nin bir uzantısı olarak tanımlar.
- AGNTCY: Cisco'nun başlattığı ve artık bir Linux Foundation projesi olan AGNTCY, agent keşfi, kimliği, mesajlaşması ve gözlemlenebilirliği için altyapı sağlar.
Standart kuruluşları ve tedarikçiler hâlâ ortak bir noktaya doğru ilerliyor; bu nedenle her protokol seçimini değiştirilebilir bir arayüz olarak görün. İş mantığını protokol adaptörlerinin dışında tutarsanız, standartlar netleştikçe onlara uyum sağlamanın maliyeti düşük kalır.
İlgili yazı: Kurumlar İçin Kendi Sunucunuzda LLM: Yerel Modeller Öncü Modelleri Ne Zaman Geçer
Kurumsal Yapay Zekâ Ekipleri İçin Sonraki Adımlar
Model Context Protocol, yapay zekâ geliştirmeyi deneysel betiklerden çıkarıp güvenilir kurumsal yazılım mimarisine dönüştürüyor.
Eğer şirketiniz karmaşık özel yapay zekâ entegrasyonlarıyla boğuşuyorsa veya AI agent'larını veritabanlarınıza güvenle bağlamak istiyorsanız Orbitra AI size yardımcı olabilir:
- MCP Hazırlık Denetimi: Mevcut sistemlerinizi değerlendirip güvenli MCP sunucu mimarinizi haritalandırıyoruz.
- Özel MCP Geliştirme: Şirketinize özel yazılımlar, SAP, PostgreSQL ve REST API'ler için kendi sunucunuzda çalışan MCP servisleri geliştiriyoruz.
- Agentic İş Akışı Entegrasyonu: MCP sunucularını özelleştirilmiş platformlar, LangChain veya özel web arayüzlerinize sorunsuz bir şekilde bağlıyoruz.
MCP'nin kurumsal yapay zekâ yol haritanızı nasıl hızlandırabileceğini keşfetmek için Orbitra AI Uzmanıyla Görüşün.
