V roce 2024 byla každá AI integrace zakázkový projekt. Tým budující AI asistenta pro CRM psal specifický spojovací kód pro načítání záznamů, aktualizaci polí a volání interních API. Pak to celé zopakoval pro ERP, systém tiketů a úložiště dokumentů. Výsledek: křehké, neopakovaně použitelné konektory, které se rozbily při každé aktualizaci API a nešly sdílet mezi projekty.
Tento problém má nyní standardní řešení. Jmenuje se Model Context Protocol (MCP) a za 18 měsíců od jeho zveřejnění jako open source projektu od Anthropic se stal dominantním způsobem, jakým podnikové AI systémy komunikují s vnějším světem.
Co MCP vlastně je
MCP je otevřený protokol definující standardní rozhraní mezi AI modely (nebo agenty, kteří na nich běží) a externími systémy. Přemýšlejte o něm jako o USB standardu pro AI — místo aby každý nástroj potřeboval vlastní konektor, cokoli implementující MCP mluví stejným jazykem.
Protokol má tři primitivní typy:
- Nástroje (Tools) — akce, které může AI volat (spustit databázový dotaz, vytvořit tiket, odeslat e-mail)
- Zdroje (Resources) — data, která může AI číst (soubor, řádek databáze, dokument)
- Prompty — opakovaně použitelné šablony instrukcí, které lze parametrizovat klientem
MCP server zpřístupní jeden nebo více těchto typů. MCP klient — typicky AI agent nebo orchestrační vrstva — zjistí, co server nabízí, a volá to podle potřeby. Samotný model nikdy nepotřebuje znát základní implementaci; vidí pouze čisté, typované rozhraní.
Proč podnikový AI svět toto potřeboval
Před MCP byl standardním přístupem function calling: definovat JSON schéma pro každou funkci, vložit ho do kontextu, nechat model rozhodnout, kdy ho vyvolat. To funguje pro hrstku nástrojů. Na podnikové škále to selhává.
Problémy jsou předvídatelné:
Rozrůstání schémat. Každý tým píše vlastní definice nástrojů ve vlastním formátu. Neexistuje sdílená knihovna, verzování ani správa. Když se základní API změní, každý spotřebitel definice nástroje musí aktualizovat nezávisle.
Žádná serverová abstrakce. Model volající nástroj a systém, který je volaný, jsou propojeny. Chcete-li přidat autentizaci, omezení rychlosti nebo auditní protokolování k nástroji, děláte to v každé integraci zvlášť.
Špatná zjistitelnost. Neexistuje standardní způsob, jak se agent zeptat „co tu mohu dělat?" Bez zjišťování za běhu může agent volat pouze nástroje, které byly napevno zakódovány do jeho kontextu při spuštění.
MCP řeší všechny tři problémy. Každý MCP server je samostatná služba s vlastním verzováním, bezpečnostní politikou a dokumentací. Agenti zjišťují dostupné nástroje za běhu. Protokol je jazykově agnostický — MCP servery existují v Pythonu, TypeScriptu, Go a Rustu.
Ekosystém v roce 2026
Tempo vývoje MCP serverů bylo pozoruhodné. Současná krajina zahrnuje:
Databázové konektory — PostgreSQL, MySQL, MongoDB a většina podnikových datových skladů mají komunitní nebo oficiální MCP servery. Agent může dotazovat, vkládat a aktualizovat záznamy bez jakéhokoli specifického SQL spojovacího kódu.
Integrace podnikových systémů — Salesforce, HubSpot, Jira, Linear, GitHub, Slack a Microsoft 365 mají MCP servery. Zde je podnikový ROI: agenti, kteří mohou přečíst tiket podpory, vyhledat smlouvu zákazníka v CRM, zkontrolovat příslušnou dokumentaci a navrhnout odpověď — vše prostřednictvím standardních MCP volání.
Vývojářské nástroje — IDE jako Cursor a VS Code nyní dodávají MCP podporu jako vestavěnou funkci. AI asistent pro kódování může dotazovat testovací sadu, kontrolovat stav CI, číst interní dokumentaci a otevírat PR prostřednictvím jediného protokolu.
Souborové a dokumentové systémy — Lokální souborové systémy, úložiště kompatibilní s S3 a platformy pro správu dokumentů zpřístupňují svůj obsah prostřednictvím MCP zdrojů. Agenti mohou načítat dokumenty a uvažovat nad nimi, aniž by je všechny předem vkládali do kontextového okna.
Vlastní podnikové servery — Stále více jsou nejhodnotnějšími MCP servery ty, které firmy budují pro vlastní interní systémy. ERP konektory, interní API, proprietární databáze — jakýkoli systém, který musí být dostupný pro AI agenty, je kandidátem na MCP server.
Jak vypadá budování podnikového MCP serveru
MCP server není velký kódový základ. Dobře ohraničený server pro jednu obchodní doménu — řekněme systém nákupu — je typicky 200–500 řádků aplikačního kódu po vyřešení základní kostry pomocí SDK.
Klíčová rozhodnutí o designu jsou:
Granularita nástrojů. Definujte nástroje na úrovni obchodních operací, ne surových API volání. get_open_purchase_orders(vendor_id) je lepší nástroj než execute_sql_query(query). Hrubší nástroje jsou pro modely snazší správně používat a snazší auditovat.
Autentizace a autorizace. MCP server je bezpečnostní hranice. Měl by vynucovat přístupová omezení nezávisle na volajícím agentovi. Agent předloží přihlašovací údaje; server je ověří vůči oprávněním základního systému. Agenti by nikdy neměli mít širší přístup, než má člověk nebo servisní účet, jehož jménem jednají.
Přesnost schématu. Typujte vstupy a výstupy přesně. Používejte výčty tam, kde doména omezuje hodnoty. Poskytujte popisy, které vysvětlují, co nástroj dělá z obchodního pohledu, ne technického — model čte tyto popisy, aby rozhodl, zda nástroj zavolat.
Observabilita. Zaznamenávejte každé volání nástroje se vstupními argumenty, výsledkem a identitou volajícího. V auditním kontextu je tento protokol papírovou stopou pro každou akci, kterou AI provedla jménem firmy.
Vzory, které fungují v B2B
Nejproduktivnější využití MCP v podnikovém prostředí je vzor doménového serveru: jeden MCP server na obchodní doménu s stabilním, verzovaným rozhraním, které může používat jakýkoli agent v organizaci.
Firma s dobře navrženými doménovými servery pro CRM, ERP, podporu a HR může budovat nové AI workflow bez psaní nových integrací. Agent budující nové automatizace jednoduše zjistí a skládá existující servery. Toto je složená výhoda včasné standardizace.
Nejméně produktivním vzorem je budování monolitického MCP serveru, který se snaží zpřístupnit vše. Tyto servery se stávají nepřehledné, těžko zabezpečitelné a křehké. Úzké servery s jasným vlastnictvím se snáze vyvíjejí.
Konkurenční realita
Firmy, které dnes investují do MCP infrastruktury, budují trvalou výhodu. Každý doménový server, který vytvoří, může být znovu použit každým následujícím AI workflow, který postaví. Mezní náklady na příští automatizaci klesají s každým vytvořeným serverem.
Firmy, které tento základ přeskočí — budující jednorázové integrace pro každý AI projekt — budou čelit stejnému problému fragmentace na vrstvě agentů, kterému již čelily na datové vrstvě. Nástroje se mění, ale lekce ne: standardy se zhodnocují, zakázková řešení ne.
Pokud hodnotíte, jak MCP zapadá do vaší AI architektury nebo chcete postavit svůj první podnikový MCP server, pojďme si promluvit. Pomáháme B2B softwarovým týmům navrhovat a dodávat AI infrastrukturu, která škáluje.