Model Context Protocol (MCP), büyük dil modellerini (LLM'ler) ölçülebilir ve güvenli bir döngü içinde harici araçları çağırabilen ajanlara dönüştürmek için somut bir standart olarak yayınlandı. Herhangi bir MCP uyumlu host ile herhangi bir MCP sunucusu arasında paylaşılan bir "fiş" tanımlayarak, protokol geliştiricilerin özel (ad-hoc) kodlar yerine öngörülebilir ve denetlenebilir bir iş akışı kullanmasına olanak tanır.

LLM'lerin Neden Bir Protokole İhtiyacı Var

Bir LLM, eğitim verilerinden yalnızca bir sonraki metin token'ını tahmin eder. Ek bir mantık olmadan güncel gerçekleri getiremez, bir veri tabanına yazamaz veya harici bir API'yi tetikleyemez. Geliştiriciler, bir modeli bir döngü içine alan "ajanlar" inşa ettiler: model bir araç ister, araç çalışır, sonuç geri beslenir ve model devam edip etmeyeceğine veya kullanıcıya cevap verip vermeyeceğine karar verir.

Bu döngü çalışır, ancak ortak bir kurallar seti olmadan kontrolden çıkan süreçler oluşturmak veya bir sistemi istenmeyen çağrılara maruz bırakmak kolaydır. Her yeni araç özel bir entegrasyon gerektiriyordu; bu da projeler genelinde token kullanımını, bütçe sınırlarını veya güvenlik politikalarını takip etmeyi zorlaştırıyordu.

MCP, döngünün yapısını ve döngü üzerinden geçmesi gereken verileri kodlayarak bu boşlukları doldurur.

Bir MCP Ajanının İki Parçalı Anatomisi

MCP, bir ajanı; ajanın neler yapabileceğini tanımlayan bir tanım (definition) —şablon— ve bir kullanıcı isteğinin somut icrası olan bir örnek (instance) olarak ikiye ayırır.

Ajan Tanımı (şablon)

  • Host döngüsü – ask-tool-read-decide (araç iste-oku-karar ver) döngüsünü yöneten orkestratör.
  • Sistem bağlamı – modelin davranışını şekillendiren persona ve üst düzey talimatlar.
  • MCP sunucu seti – host'un çağırabileceği mevcut araç kaynaklarının kataloğu.
  • Araç politikası – belirli bir ajan için hangi araçlara izin verildiğine dair açık liste.
  • LLM seçimi – metinsel muhakemeyi üretecek olan spesifik model.
  • Sonlandırma sınırları – sonsuz döngüleri önlemek için maksimum yineleme sayısı ve token bütçesi.
  • Görev sözleşmesi – ajanın hangi girdileri kabul ettiğinin ve hangi çıktı formatını döndürdüğünün resmi açıklaması.
  • Bağlam stratejisi – konuşma geçmişinin token sınırları içinde kalması için nasıl kırpılacağına veya özetleneceğine dair kurallar.

Ajan Örneği (çalışan görev)

  • Hedef – döngüyü başlatan kullanıcı isteği.
  • Çalışma bağlamı – önceki araç sonuçları da dahil olmak üzere birikmiş geçmiş.
  • Kimlik bilgileri – seçilen araçları çağırmak için gereken token'lar veya izin setleri.
  • Tüketilen bütçe – şimdiye kadar harcanan token'ların ve atılan adımların dökümü.

Bu öğeler, bir ajanın neleri yapmaya yetkili olduğunu ve şu anda neler yaptığını gösterir.

MCP Geliştirme Akışını Nasıl Değiştiriyor

MCP'den önce, bir LLM'nin bir hava durumu API'sine sorgu atmasını, bir veri tabanından satır çekmesini ve ardından bir rapor taslağı oluşturmasını isteyen bir geliştirici, her uç nokta (endpoint) için özel yapıştırıcı kodlar (glue code) yazmak zorundaydı. Bu kodlar genellikle araç çağrılarını modelin isteminin (prompt) içine gizliyor, bu da hangi isteğin hangi yanıtı tetiklediğini görmeyi imkansız hale getiriyordu.

MCP ile host, konuşmayı modele gönderir, modelin oluşturduğu araç isteklerini inceler, aracı kendisi çalıştırır ve ardından sonucu geri besler. Ek kod minimum düzeydedir ancak görünürlük tamdır: her gidiş-dönüş ve her token günlüğe kaydedilir.

Bu görünürlük iki pratik fayda sağlar:

  1. Maliyet ölçümü – geliştiriciler, aynı görev üzerinde daha ucuz bir modeli daha büyük bir modelle karşılaştırabilir ve her yinelemenin tam olarak kaç token tükettiğini görebilirler.
  2. Güvenlik denetimi – araç politikası ve kimlik bilgisi kontrolleri modelin dışında gerçekleşir, bu da modelin yetkisiz hizmetleri sessizce çağırmasını engeller.

Hâlâ Tanımlanmamış Olanlar

MCP, konuşmanın biçimini ve beraberinde taşınan meta verileri belirler, ancak bir aracın dahili olarak nasıl uygulandığını dikte etmez.

Sırada Ne Var

  • Metrik setleri – serinin bir sonraki makalesi, geliştiricilerin takip etmesi gereken sayıların (token harcaması, yineleme sayısı, araç başına gecikme) bir kontrol listesine söz veriyor. Bu metrikler, MCP tabanlı herhangi bir ajan için fiili sağlık kontrolleri haline gelecektir.

Özetle

Model Context Protocol, LLM ajanlarına, bir ajanın neler yapabileceğini o an ne yaptığıyla ayıran paylaşılan ve denetlenebilir bir yapı sunar. MCP, belirsiz araç çağırma işlemlerini şeffaf bir döngüye dönüştürerek bu ölçümleri mümkün kılar.