MCP ile AI ajanlarını kurumsal veriye bağlama, Model Context Protocol (MCP) standardını kullanarak yapay zeka ajanlarının şirket sistemlerine kontrollü biçimde erişmesini sağlama yöntemidir. Süreç altı adımda ilerler: kapsamı belirlemek, veriyi hazırlamak, sunucu modelini seçmek, yetkilendirmek, yazma işlemlerini sınırlamak ve erişimi kayıt altına almak.
MCP nedir ve AI ajanları kurumsal veriye neden ihtiyaç duyar?
Model Context Protocol (MCP), yapay zeka uygulamalarını harici sistemlere bağlamak için geliştirilmiş açık kaynaklı bir standarttır. Anthropic, protokolü 25 Kasım 2024’te duyurdu. MCP’den önce her veri kaynağı için ayrı bir entegrasyon yazmak gerekiyordu; standart bu parçalı yapıyı tek bir protokolle değiştirmeyi hedefler.
Yapay zeka ajanı, tek soruya cevap veren bir sohbet modelinden farklı olarak plan yapar, araç seçer ve çok adımlı bir görevi yürütür. Bu işi şirket bağlamında yapabilmesi için satış, finans ve operasyon verisine erişmesi gerekir. MCP bu erişimi ortak bir dil üzerinden kurmanın yolunu sunar. Yetki ve güvenlik tasarımı ise sizin sorumluluğunuzdadır.
MCP, AI ajanını kurumsal veriye nasıl bağlar?
MCP, ajanın çalıştığı uygulama ile veri kaynağı arasına bir sunucu katmanı koyarak çalışır. Geliştiriciler verilerini MCP sunucuları üzerinden açar, yapay zeka uygulamaları ise MCP istemcisi olarak bu sunuculara bağlanır. Ajan yalnızca sunucunun tanıttığı araçları ve kaynakları görür, sistemin geri kalanına erişemez.
Host, istemci ve sunucu rolleri
Ajanı barındıran yapay zeka uygulaması host rolündedir. Host, bağlandığı her sunucu için bir istemci oluşturur ve modelin sunucularla konuşmasını yönetir. MCP sunucusu ise belirli bir veri kaynağını ya da aracı protokol üzerinden açan küçük bir programdır: bir veritabanı, bir analitik platformu ya da bir veri kataloğu gibi.
Araçlar, kaynaklar ve istemler
Bir MCP sunucusu üç yapı taşı sunabilir: araçlar (tools), kaynaklar (resources) ve istemler (prompts). Araçlar modelin çağırabileceği eylemlerdir, örneğin bir sorgu çalıştırmak. Kaynaklar modelin okuyabileceği veridir, örneğin bir politika belgesi. İstemler ise “haftalık satış özeti hazırla” gibi hazır görev kalıplarıdır. Bu ayrım yetki tasarımının temelidir, çünkü okuma ile eylem yetkisi ayrı değerlendirilmelidir.
Kurumsal veriyi MCP’ye açmadan önce neler hazır olmalı?
MCP bağlantısı veriyi iyileştirmez, yalnızca erişilebilir kılar. Bu yüzden ajana açmadan önce verinin sahibi, tanımı ve kalitesi belli olmalıdır.
Somut bir örnek: “ciro” iki farklı raporda farklı hesaplanıyorsa, ajan hangisinin resmi tanım olduğunu bilemez ve tutarsız yanıtlar verir. Sorun modelde değil veridedir. Bu nedenle veri sınıflandırması, kataloglama ve ortak iş sözlüğü, MCP kurulumundan önce tamamlanması gereken işlerdir. Hangi verinin ajana açılabileceğine karar vermek de bu hazırlığın parçasıdır.
MCP ile AI ajanları kurumsal veriye adım adım nasıl bağlanır?
MCP ile AI ajanını kurumsal veriye bağlamak altı adımda yapılır: kapsamı belirleme, veriyi hazırlama, sunucu modelini seçme, yetkilendirme, yazma kontrolü ve denetim kaydı. Sıra önemlidir, çünkü sonraki her adım öncekinin çıktısına dayanır.
1. Adım: Kullanım senaryosunu ve veri kapsamını belirleyin
İlk adımda ajanın cevaplayacağı tek bir iş sorusu seçin, örneğin bölgelere göre iade oranındaki değişim. Bu soruya yetecek tabloları ve alanları listeleyin, gerisini dışarıda bırakın. Dar kapsam hem güvenlik riskini hem hatalı yanıt ihtimalini düşürür.
2. Adım: Veriyi katalogla ve kalitesini doğrulayın
Seçtiğiniz alanların sahibini, tanımını ve kalite durumunu veri kataloğunda (data catalog) kayıt altına alın. Talend Data Catalog gibi araçlar bu bilgiyi veri soy ağacı (data lineage) ve iş sözlüğüyle birlikte tutar. Ajan, hangi tablonun resmi kaynak olduğunu ancak bu bilgi varsa ayırt edebilir.
3. Adım: Yerel ya da uzak sunucu modelini seçin
Yerel MCP sunucuları genellikle aynı makinede standart giriş çıkış (stdio) üzerinden çalışır. Uzak sunucular ise HTTP tabanlı bir uç nokta sunar ve ekibin ortak kullanımına uygundur. Kurumsal veri için merkezi yönetilebilen uzak sunucu çoğu durumda daha uygundur, çünkü erişim politikası tek noktadan uygulanır.
4. Adım: Kimlik doğrulama ve en az yetki ilkesini uygulayın
Ajan, bağlandığı kullanıcının mevcut yetkilerini aşmamalıdır. Kimlik doğrulamayı OAuth gibi yaygın bir akışla kurun ve sunucuya yalnızca gereken tabloları açın. Veritabanı bağlantılarında salt okunur bir kullanıcı tanımlamak en basit koruma katmanıdır.
5. Adım: Okuma ve yazma yetkilerini ayırın, onay kapısı ekleyin
Okuma araçlarını yazma araçlarından ayrı tanımlayın. Kayıt silme, ödeme başlatma ve dış kişilere mesaj gönderme gibi eylemlerde kullanıcı onayı isteyin. Pilot aşamada ajanı yalnızca okuma yetkisiyle çalıştırmak, risk almadan değer görmenizi sağlar.
6. Adım: Denetim kaydı ve izleme kurun
Hangi ajanın hangi aracı hangi parametreyle çağırdığını kayıt altına alın. Kullanım kapasitesini de izleyin, çünkü bazı platformlar kullanımı kotayla sınırlar. Kayıtlar hem güvenlik incelemesi hem de ajanın yanlış yanıtlarını geriye doğru çözümlemek için gereklidir.
Qlik ve Talend, yönetilen veriyi MCP ile ajanlara nasıl açar?
Qlik Cloud ve Talend Data Catalog, yönetilen veriyi MCP sunucularıyla yapay zeka ajanlarına açan iki farklı katman sunar. Qlik MCP sunucusu analitik uygulamalara ve veri ürünlerine erişimi, Talend Data Catalog’un MCP sunucusu ise verinin anlamına ve kökenine erişimi kapsar.
Qlik MCP sunucusu tüm Qlik Cloud aboneliklerinde bulunur ve bir kiracı yöneticisinin etkinleştirmesi gerekir. Yönetici önce Qlik Cloud’da yapay zeka özelliklerini açar, ardından kullanıcı rollerinde Agentic AI altındaki Qlik MCP iznini “Allowed” yapar. Claude ve ChatGPT için önceden üretilmiş statik OAuth istemci kimlikleri bulunur. Aboneliğiniz, kullanıcıların sorabileceği soru kotasını belirler.
Talend Data Catalog ise yöneticilerin yapay zeka sağlayıcılarını yönetirken etkinleştirebildiği bir MCP sunucusu içerir. Metadata Management MCP, ajanlara veri soy ağacı, katalog, yönetişim ve model bilgisi gibi yönetilen üst veriye erişim verir. Semantic Hub MCP ise yönetilen anlamsal modellerden, iş sözlüğüyle birlikte kurumsal tanımlar sunar.
Pratikte bu iki katman birbirini tamamlar. Talend tarafı ajanın hangi verinin ne anlama geldiğini bilmesini sağlar, Qlik tarafı aynı veriye yetkili analitik erişim verir. Veri hazırlığı ile ajan erişimini aynı proje planında ele almak bu yüzden daha sağlıklıdır.
MCP bağlantılarında hangi güvenlik riskleri öne çıkıyor?
MCP bağlantılarında en önemli riskler istem enjeksiyonu (prompt injection), güvenilmeyen sunucular ve aşırı yetkidir. MCP erişimi standartlaştırır ama güvenliği kendiliğinden sağlamaz.
İstem enjeksiyonunda ajanın okuduğu bir belgenin içine gizli bir talimat yerleştirilir. Ajan bu talimatı uygulamaya çalışırsa elindeki MCP araçlarıyla dosya silebilir ya da veri dışarı gönderebilir. Dış içeriği talimat değil veri olarak ele alan bir tasarım ve riskli eylemlerde onay kapısı bu riski azaltır.
Üçüncü taraf sunucular ikinci risk alanıdır. Kodunu incelemediğiniz bir sunucuyu üretim verisine bağlamayın ve araç açıklamalarını da güvenilmez girdi olarak değerlendirin. MCP’nin resmî sitesinde güvenlik en iyi uygulamalarını anlatan bir sayfa da bulunur.
Örnek senaryo: Satış analitiği ajanı kurumsal veriye nasıl bağlanır?
Aşağıdaki varsayımsal örnek, altı adımın küçük ölçekte nasıl uygulandığını gösterir. Bir perakende şirketinin satış yöneticisi, ajana “Geçen çeyrekte hangi bölgede iade oranı arttı?” diye sormak istiyor.
Ekip önce kapsamı iade ve satış tablolarıyla sınırlar. Ardından “iade oranı” tanımını veri kataloğunda tek bir resmî hesapla kayıt altına alır. Ajan, analitik platformundaki MCP sunucusuna salt okunur bir rolle bağlanır ve yalnızca bu iki veri alanını görür. Her sorgu denetim kaydına yazılır. Üç ay sonra yazma yetkisi gerektiren yeni bir senaryoya onay kapısıyla geçilir. Yönetici soruyu doğal dille sorar; yanıt tek tanımlı bir ölçüte dayanır.
Kısaca: MCP ile AI ajanlarını kurumsal veriye bağlama
- MCP ile AI ajanlarını kurumsal veriye bağlama, ajanların şirket sistemlerine standart ve kontrollü biçimde erişmesini sağlar.
- Süreç kapsam, veri hazırlığı, sunucu modeli, yetkilendirme, yazma kontrolü ve denetim olmak üzere altı adımdan oluşur.
- Veri kataloğu ve tutarlı tanımlar olmadan ajan çelişkili yanıtlar üretebilir, bu yüzden hazırlık MCP kurulumundan önce gelir.
- Qlik Cloud ve Talend Data Catalog, yöneticiler tarafından etkinleştirilen MCP sunucuları sunar.
- İstem enjeksiyonu ve güvenilmeyen sunucular başlıca risklerdir; en az yetki ilkesi ve onay kapısı bunları sınırlar.
MCP ile AI ajanlarını kurumsal veriye bağlama hakkında sıkça sorulan sorular
MCP ile API arasındaki fark nedir?
API’ler yazılımcıların kod içinden çağırması için tasarlanır. MCP ise aynı yetenekleri araç adı, açıklama ve girdi şemasıyla, bir yapay zeka modelinin anlayıp seçebileceği biçimde tanımlar. Çoğu MCP sunucusu arka planda zaten bir API çağırır, yani MCP API’nin yerini almaz, üstüne oturur.
MCP yalnızca Claude ile mi çalışır?
Hayır. MCP açık bir standarttır ve resmî sitesine göre Claude ile ChatGPT gibi asistanlar, Visual Studio Code ve Cursor gibi geliştirme araçları da protokolü destekler. Yine de kullanacağınız uygulamanın hangi MCP özelliklerini kapsadığını kendi dokümantasyonundan kontrol etmeniz gerekir.
MCP kullanırken kurumsal veri yapay zeka modeline gönderilir mi?
Evet. Sunucu istenen veriyi host uygulamasına iletir, host da bu veriyi kullandığı modele gönderir. Bu yüzden verinin hangi modele ve hangi servise gittiğini bilmelisiniz. Sunucuya yalnızca gerekli alanları açın ve kurumsal veri işleme koşulları sunan servisleri tercih edin.
MCP sunucusu kurmak için kod yazmak gerekir mi?
Hazır sunucu varsa gerekmez. Qlik Cloud gibi platformlarda sunucu, yönetim panelinden etkinleştirilir. Özel bir iç sisteme bağlanacaksanız resmî yazılım geliştirme kitleriyle bir sunucu yazılır. Basit bir sunucu kısa sürede çıkar, asıl emek yetkilendirme ve hata yönetiminde harcanır.
MCP ile ajan bağlarken KVKK açısından nelere dikkat edilmeli?
Kişisel veri işleniyorsa hangi verinin hangi modele aktarıldığını, aktarımın hukuki dayanağını ve saklama koşullarını değerlendirmelisiniz. Güncel mevzuatı ve kurumunuzun hukuk danışmanını kontrol edin. Veri minimizasyonu için ajana yalnızca iş sorusunun gerektirdiği alanları açın.
MCP ile RAG arasındaki fark nedir?
RAG (Retrieval-Augmented Generation), ajanın yanıtını belge arşivinden getirilen içerikle zenginleştiren bir yöntemdir. MCP ise ajanın sistemlerle konuşma biçimini standartlaştırır. İkisi birlikte kullanılabilir: bir MCP sunucusu, RAG altyapısını ajana bir araç olarak sunabilir.
MCP projesine nereden başlamalı?
MCP ile AI ajanlarını kurumsal veriye bağlama projesinde teknik kurulum en kısa kısımdır. Asıl iş, ajana hangi verinin açılacağına karar vermek ve o verinin güvenilir olmasını sağlamaktır. Tek bir iş sorusuyla, salt okunur yetkiyle ve dar bir veri kapsamıyla başlamak en düşük riskli yoldur.
Qlik ve Talend ile kurduğunuz veri altyapısını yapay zeka ajanlarına güvenle açmak istiyorsanız, Qlik ve Talend iş ortağı BiTechnology ekibinden demo talep ederek mevcut veri ortamınızın MCP’ye hazırlık durumunu birlikte değerlendirebilirsiniz.
Kaynakça
- Introducing the Model Context Protocol, Anthropic
- Administering Qlik MCP, Qlik Cloud Help
- MCP, Talend Data Catalog Help
Son güncelleme: Ekim 2026