Model Context Protocol (MCP): Jak AI agenti komunikují s enterprise systémy¶

Model Context Protocol (MCP) rychle roste jako průmyslový standard pro propojení AI agentů s externími systémy, databázemi a API. Pokud stavíte enterprise AI v roce 2026, MCP je infrastruktura, které se nevyhnete.

Co je MCP a proč na něm záleží¶

MCP je otevřený protokol navržený Anthropic, který standardizuje komunikaci mezi LLM agenty a externími datovými zdroji a nástroji. Myšlenka je jednoduchá: místo toho, aby každý vývojář psal vlastní integraci pro každý nástroj, existuje jeden protokol, který umí vše.

Analogie: MCP je pro AI agenty to, co HTTP je pro webové prohlížeče — universal language, který umožňuje interoperabilitu.

Architektura MCP¶

Protokol definuje tři základní komponenty:

1. MCP Server — poskytuje přístup k datům nebo funkcím (databáze, API, filesystem)
2. MCP Client — AI agent nebo aplikace, která MCP servery konzumuje
3. MCP Host — prostředí, kde běží klient (Claude Desktop, OpenClaw, vlastní app)

┌─────────────┐    MCP Protocol    ┌─────────────────────┐
│  LLM Agent  │◄──────────────────►│   MCP Server        │
│  (Client)   │                    │   - Databáze        │
└─────────────┘                    │   - CRM             │
                                   │   - Interní API     │
                                   │   - Filesystem      │
                                   └─────────────────────┘

Tři primitivy MCP¶

MCP definuje tři druhy toho, co server může nabídnout:

1. Resources (Zdroje)¶

Statická nebo semi-statická data, která agent může číst. Například: - Dokumenty, manuály, knowledge base - Konfigurace systémů - Historická data

{
  "uri": "company://hr/policies/vacation",
  "name": "Vacation Policy 2026",
  "mimeType": "text/markdown"
}

2. Tools (Nástroje)¶

Akce, které agent může provést — databázové dotazy, API volání, výpočty:

{
  "name": "query_crm",
  "description": "Vyhledá zákazníky v CRM podle kritérií",
  "inputSchema": {
    "type": "object",
    "properties": {
      "company": {"type": "string"},
      "status": {"enum": ["active", "churned", "prospect"]}
    }
  }
}

3. Prompts (Šablony)¶

Předdefinované promptové šablony pro opakující se úkoly — zajišťují konzistenci výstupů.

Enterprise implementace — praktický přístup¶

Krok 1: Identifikace integračních bodů¶

Před implementací zmapujte, s čím váš AI agent potřebuje pracovat:

Systém	Typ přístupu	MCP Primitiv
CRM (Salesforce)	Čtení/zápis	Tools
Knowledge base	Jen čtení	Resources
ERP (SAP)	Read + specifické akce	Tools
Interní Confluence	Čtení	Resources
Databáze PostgreSQL	SQL dotazy	Tools

Krok 2: Bezpečnostní model¶

MCP přináší nová bezpečnostní rizika. Klíčové principy:

Least privilege — každý MCP server by měl mít pouze minimálně nutná oprávnění:

# Špatně — příliš široká oprávnění
permissions = ["database.read", "database.write", "database.delete", "admin.*"]

# Správně — granulární oprávnění
permissions = ["crm.customers.read", "crm.opportunities.read"]

Tool schema validation — vždy validujte vstupy na straně MCP serveru, ne jen na straně klienta.

Audit logging — každé volání nástroje logovat s kontextem:

{
  "timestamp": "2026-02-26T04:00:00Z",
  "agent_id": "sales-copilot-v2",
  "tool": "query_crm",
  "user": "[email protected]",
  "params": {"company": "Acme Corp"},
  "result_size": 127,
  "latency_ms": 234
}

Krok 3: MCP Server v praxi (Python SDK)¶

from mcp.server import Server
from mcp.server.models import InitializationOptions
import mcp.types as types

app = Server("core-crm-server")

@app.list_tools()
async def handle_list_tools() -> list[types.Tool]:
    return [
        types.Tool(
            name="search_customers",
            description="Vyhledá zákazníky v CRM databázi",
            inputSchema={
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "Název firmy nebo IČO"},
                    "limit": {"type": "integer", "default": 10}
                },
                "required": ["query"]
            }
        )
    ]

@app.call_tool()
async def handle_call_tool(name: str, arguments: dict) -> list[types.TextContent]:
    if name == "search_customers":
        results = await crm.search(
            query=arguments["query"],
            limit=arguments.get("limit", 10)
        )
        return [types.TextContent(type="text", text=str(results))]

Produkční architektura s MCP¶

                    ┌────────────────────────────────────┐
                    │          Enterprise AI Platform     │
                    │                                    │
  User ────────────►│  ┌──────────┐   ┌──────────────┐  │
                    │  │  LLM     │   │  MCP Client  │  │
                    │  │  (Opus)  │◄─►│  (Router)    │  │
                    │  └──────────┘   └──────┬───────┘  │
                    │                        │           │
                    └────────────────────────┼───────────┘
                                             │
                    ┌────────────────────────▼───────────┐
                    │           MCP Server Hub            │
                    │                                    │
                    │  ┌──────┐ ┌──────┐ ┌──────┐       │
                    │  │ CRM  │ │ ERP  │ │  DB  │       │
                    │  │ MCP  │ │ MCP  │ │ MCP  │       │
                    │  └──────┘ └──────┘ └──────┘       │
                    └────────────────────────────────────┘

MCP Server Hub — centrální registry všech MCP serverů v organizaci. Výhody: - Single point of governance - Unified authentication (OAuth 2.0) - Rate limiting a quota management - Monitoring všech volání

Adopce v ekosystému 2026¶

MCP dnes podporují: - Claude (Anthropic) — nativní podpora od v3 - OpenAI Agents SDK — MCP kompatibilní tool calling - LangChain / LangGraph — MCP adapter - Microsoft Copilot Studio — preview support - AWS Bedrock Agents — GA 2026 Q1 - 27+ enterprise platforem (HubSpot, Salesforce, Atlassian, GitHub)

Kdy MCP, kdy custom API?¶

Situace	Doporučení
Standardizované integrace (GitHub, Slack, DB)	MCP — hotové servery existují
Proprietární firemní API	Vlastní MCP server (2-4h implementace)
Jednorázové integrace	Custom tool calling
Multi-tenant SaaS	MCP s OAuth per-tenant
High-frequency (>1000 req/s)	Custom — MCP má overhead

Kde CORE pomáhá¶

CORE Systems implementuje MCP architektury pro enterprise prostředí — od návrhu bezpečnostního modelu přes vývoj MCP serverů pro proprietary systémy až po produkční deployment a monitoring.

Výsledek: AI agent, který bezpečně pracuje s vašimi interními systémy, s plnou auditovatelností a bez kompromisů v oblasti datové bezpečnosti.

---

CORE Systems — AI infrastruktura pro enterprise. Chcete vědět, jak MCP integrovat do vaší architektury? Ozvěte se →