ERP’nizi, CRM’inizi ve veritabanlarınızı ChatGPT, Claude ve Gemini’ye kontrollü, kayıtlı ve güvenli araçlar olarak açıyoruz.
Ekipleriniz artık ChatGPT, Claude veya Gemini’yi her gün kullanıyor; ama bu modeller stok durumunuzu, açık siparişlerinizi ya da bir müşterinin bakiyesini göremiyor. Model Context Protocol (MCP), bu boşluğu kapatan açık bir standarttır. Şirket sistemlerinizi, yapay zeka uygulamalarının anlayabileceği “araçlar” olarak tanımlar. Biz de bu araçları, kimin neyi okuyup neyi değiştirebileceği baştan belli olacak şekilde tasarlıyor ve yayına alıyoruz.
Bu hizmetin odağı bir asistan veya sohbet ekranı değil, altyapıdır: yapay zekanın şirket verisine hangi kapıdan, hangi anahtarla girdiğini belirleyen katman. Aynı katmanla mevcut ürününüze LLM API entegrasyonu da yapıyoruz; özetleme, sınıflandırma veya serbest metinle sorgulama gibi özellikleri yetki, kayıt, kota ve maliyet kontrolüyle birlikte uygulamanıza ekliyoruz.
- 01Çalışanlarının ChatGPT veya Claude’dan şirket verisine güvenli biçimde ulaşmasını isteyen firmalar.
- 02ERP, CRM ve veritabanı verisini dağınık kopyalar yerine tek ve kontrollü bir kapıdan açmak isteyen bilgi işlem ekipleri.
- 03Kendi ürününe LLM özellikleri eklemek isteyen yazılım ve SaaS şirketleri.
- 04Müşterilerinin yapay zeka araçlarından ürününe bağlanabilmesi için MCP sunucusu yayınlamak isteyen platformlar.
- 05İç yapay zeka ajanları için ortak, yeniden kullanılabilir bir araç katmanı kurmak isteyen kurumlar.
- 06Yapay zeka kullanımını denetlemesi, kayıt altına alması ve maliyetini izlemesi gereken düzenlemeye tabi sektörler.
MCP (Model Context Protocol) nedir, şirketler neden ilgileniyor?
Basitçe anlatmak gerekirse MCP, yapay zeka uygulamaları için ortak bir priz standardıdır. Eskiden ChatGPT’yi bir sisteme, Claude’u başka bir sisteme bağlamak için her biriyle ayrı ayrı entegrasyon yazmak gerekiyordu. MCP ile şirketinizin sistemlerini bir kez, standart bir dille tanımlarsınız; bu standardı destekleyen her yapay zeka istemcisi aynı araçları kullanabilir. ChatGPT, Claude, Gemini, geliştirici araçları ve kendi yazdığınız ajanlar bu istemcilere örnektir.
Bir MCP sunucusu, modele “şu araçlar var, şu girdileri alırlar, şunu döndürürler” der. Örneğin “müşteri bakiyesini getir”, “açık siparişleri listele” veya “teklif taslağı oluştur” birer araçtır. Model, kullanıcının sorusuna göre hangi aracı çağıracağına karar verir; sunucu ise çağrının yetkili olup olmadığını kontrol eder, işlemi yapar ve sonucu döndürür.
Şirketler için asıl değer, kontrolün sizde kalmasıdır. Veri, yapay zeka sağlayıcısına toplu halde kopyalanmaz; yalnızca yetkili bir çağrı geldiğinde, gereken kadarı paylaşılır ve her erişim kayda geçer. Bu yüzden MCP, yapay zekayı şirket içinde yaygınlaştırmak isteyen ama veri kontrolünden ödün vermek istemeyen bilgi işlem ve güvenlik ekipleri için pratik bir çerçeve sunar.
MCP sunucusu nasıl geliştirilir, ERP ve CRM’e nasıl bağlanır?
MCP sunucusu, mevcut sistemlerinizin önünde duran ince bir katmandır. Arka tarafta Logo, Mikro, Netsis, SAP Business One veya Nebim gibi ERP’lere, CRM’inize, PostgreSQL ya da SQL Server veritabanlarına, Google Workspace veya Microsoft 365 belge alanlarına ve iç API’lerinize bağlanır. Ön tarafta ise yapay zeka istemcilerine standart MCP arayüzünü sunar. Sistemlerinizin kendisinde değişiklik yapmamız çoğu zaman gerekmez.
İşin zor kısmı kod değil, araç tasarımıdır. Bir veritabanını olduğu gibi açıp “istediğin sorguyu çalıştır” demek hem güvensiz hem de verimsizdir. Bunun yerine iş diline yakın, dar kapsamlı araçlar tanımlıyoruz: hangi alanları döndüreceği, kaç kayıtla sınırlı olacağı ve hangi filtreleri kabul edeceği bellidir. Açıklamaları modelin doğru aracı seçebileceği netlikte yazıyoruz.
Sunucuyu genellikle TypeScript veya Python ile yazıyor, Cloudflare Workers gibi yönetilen bir altyapıda ya da kendi sunucularınızda çalıştırıyoruz. Kurum içinde kalması gereken veriler için şirket ağında çalışan bir kurulum da mümkündür. Hangi seçeneğin uygun olduğuna, bağlanılacak sistemlerin nerede durduğuna ve güvenlik ekibinizin politikalarına bakarak birlikte karar veriyoruz.
Yetki, denetim kaydı ve güvenlik: yapay zekaya hangi kapıları açmalı?
Temel ilkemiz şudur: model, kullanıcının kendisinden fazlasını göremez ve yapamaz. Bir satış temsilcisi Claude üzerinden soru sorduğunda, MCP sunucusu o kişinin kimliğiyle çalışır ve yalnızca onun CRM’de görebildiği müşterileri döndürür. Bunu OAuth tabanlı kimlik doğrulama ve sistemlerinizdeki mevcut rol yapısıyla kuruyoruz; ayrı bir yetki dünyası icat etmiyoruz.
Okuma ve yazma kapsamlarını kesin biçimde ayırıyoruz. İlk sürüm çoğunlukla yalnızca okuma araçlarıyla yayına çıkar. Yazma araçları, yani kayıt oluşturma veya güncelleme, ayrı bir yetkiyle açılır; tutar değiştirme ya da silme gibi geri alınması zor işlemler ya hiç açılmaz ya da insan onayına bağlanır.
Her çağrı kim, ne zaman, hangi araçla, hangi parametreyle bilgisiyle denetim kaydına geçer. Kullanıcı ve araç bazında istek limitleri, kişisel verilerin maskelenmesi ve olağandışı kullanım uyarıları da kurulumun standart parçasıdır. Bu kayıtlar hem güvenlik incelemelerinde hem de yapay zekanın gerçekte nasıl kullanıldığını anlamak için değerli bir kaynak olur; hangi aracın çok, hangisinin hiç kullanılmadığı da buradan görülür.
LLM API entegrasyonu: süre, ölçüm ve sık yapılan hatalar
Mevcut ürününüze LLM entegrasyonu eklerken model çağrısını doğrudan koda gömmüyoruz. Arada bir katman kuruyoruz: istemleri sürümlüyor, model sağlayıcısını değiştirilebilir tutuyor, maliyeti kullanıcı ve özellik bazında izliyor, hata ve gecikme durumunda yedek davranışı tanımlıyoruz. Böylece bir sağlayıcıda yaşanan kesinti ürününüzü durdurmaz. Bu katman OpenAI, Anthropic ve Google modelleriyle aynı biçimde çalışır. Okuma odaklı birkaç araçtan oluşan bir MCP sunucusu birkaç hafta içinde kullanıma açılabilir; yazma araçları ve çok sayıda sistem eklendikçe takvim de buna göre büyür.
En sık hata, her tabloyu ayrı bir araç olarak açmaktır; model onlarca benzer araç arasında kaybolur. İkincisi, yazma yetkisini erken vermektir. Üçüncüsü ise ölçmemektir. İyi bir kurulumda gerçek kullanıcı sorularından bir test seti vardır; modelin doğru aracı doğru parametreyle seçip seçmediği her değişiklikte yeniden ölçülür ve denetim kayıtları düzenli incelenir. Bu disiplinle kurulan bir sunucu, yeni araçlar eklendikçe karmaşıklaşmaz ve güvenle büyür.
- 01Şirket sistemleriniz için özel MCP sunucusu
- 02Okuma ve yazma yetkileri ayrılmış araç kataloğu
- 03Kimlik doğrulama, kullanıcı bazlı yetki ve OAuth akışı
- 04Denetim kaydı, istek limiti ve maliyet izleme
- 05Mevcut ürüne LLM API entegrasyonu
- 06Araç doğruluğu için test seti ve değerlendirme raporu
Önce güvenlik, sonra kapsam
Kimlik doğrulama, kullanıcı bazlı yetki, denetim kaydı ve istek limitleri ilk araçla birlikte gelir; sonradan eklenecek bir madde olarak bırakılmaz. Okuma ile yazma arasındaki çizgiyi en baştan sizinle birlikte çizeriz. Böylece ilk günden denetlenebilir bir yapı kurulur.
Tek istemciye bağımlı değil
Açık standart üzerine kurduğumuz sunucu ChatGPT, Claude, Gemini ve kendi ajanlarınızla aynı anda çalışır. Ekipleriniz farklı araçlar tercih etse de şirket verisine giden kapı tek, kurallar ve kayıtlar ortaktır. Yeni bir istemci eklemek yeniden geliştirme gerektirmez.
Kendi ürünlerimizde entegrasyon işletiyoruz
Rocketly CRM’i Paraşüt, Nebim V3, QuickBooks ve e-Fatura gibi sistemlere bağlı olarak kendimiz geliştirip işletiyoruz. Kurumsal sistemlerin yetki, kota ve veri tutarlılığı sorunlarını günlük işletmeden tanıyoruz. Bu deneyimi her MCP projesine taşıyoruz.
Yazılı ve devredilebilir teslim
Araç kataloğu, yetki matrisi, test seti ve işletme kılavuzu teslimin parçasıdır. Kaynak kod sizindir; sunucuyu kendi ekibiniz de geliştirmeye devam edebilir, yeni araç eklemek sıfırdan başlamak anlamına gelmez. Ekibinize devir sırasında birlikte çalışırız.
Sistem ve yetki haritası
Hangi sistemin hangi verisinin açılacağını, hangi rolün neyi görebileceğini ve hangi işlemlerin kesinlikle kapalı kalacağını sizinle birlikte tek bir belgede netleştiriyoruz.
Araçları tasarlıyoruz
Her aracı dar ve anlaşılır tanımlıyoruz: net bir ad, açıklama, girdi şeması ve sınırlı çıktı. Önce okuma araçları, ardından onaylı yazma araçları gelir.
Güvenlik katmanını kuruyoruz
Kimlik doğrulama, kullanıcı bazlı yetki, istek limitleri, kişisel veri maskeleme ve her çağrının denetim kaydı sunucu yayına çıkmadan önce hazır olur.
Ölçüp yayına alıyoruz
Gerçek sorularla modellerin araçları doğru seçip seçmediğini test ediyor, ardından sunucuyu Cloudflare Workers gibi yönetilen bir altyapıda izlemeli olarak yayına alıyoruz.
Teklifi en çok bağlanacak sistemlerin sayısı ve bu sistemlerin API olgunluğu belirler. Hazır bir API’si olan bir CRM ile yalnızca veritabanı erişimi sunan eski bir ERP aynı emeği gerektirmez. Araç sayısı, yazma işlemlerinin olup olmadığı, kullanıcı bazlı yetki gereksinimi, barındırma tercihi ve denetim beklentileri de kapsamı etkiler. Model kullanımından doğan değişken maliyeti ayrıca, kullanım tahminine göre şeffaf biçimde modelliyoruz. Genellikle tek sistem ve yalnızca okuma araçlarıyla başlamayı öneriyoruz.
Bu hizmet için görüşelim
MCP sunucusu, şirket sistemlerinizi yapay zeka uygulamalarının kullanabileceği araçlar olarak tanımlayan bir yazılımdır. Örneğin Claude’a “bu müşterinin açık faturaları neler?” diye sorduğunuzda, model MCP sunucusundaki ilgili aracı çağırır; sunucu yetkinizi kontrol eder, veriyi ERP’den alır ve döndürür. Verinin tamamı yapay zekaya kopyalanmaz.
Klasik API entegrasyonu iki yazılımı birbirine bağlar ve hangi çağrının ne zaman yapılacağını geliştirici kodlar. MCP ise yapay zeka modelinin araçları kendisi keşfedip duruma göre seçmesi için tasarlanmış bir standarttır. Çoğu zaman MCP sunucusu, mevcut API’lerinizin üzerine kurulur; yani ikisi birbirinin alternatifi değil, tamamlayıcısıdır.
Evet. ChatGPT, Claude ve Gemini, MCP sunucularına bağlanabilen istemcilerdir. Logo, Mikro, Netsis veya SAP Business One gibi bir ERP için yazdığımız sunucu, kullanıcı kimliğiyle çalışarak yalnızca yetkili verileri döndürür. Hangi planın ve hangi yönetici ayarlarının gerektiğini kurulum sırasında birlikte netleştiririz.
Sadece siz izin verirseniz ve izin verdiğiniz ölçüde. Okuma ve yazma kapsamlarını ayrı tutuyoruz; ilk sürüm genellikle salt okumalıdır. Yazma araçları ayrı yetkiyle açılır, kritik işlemler insan onayı gerektirir ve silme gibi işlemleri çoğu zaman hiç açmıyoruz. Her çağrı denetim kaydına geçer.
İhtiyaca göre değişir. Uzaktan erişilecek sunucular için Cloudflare Workers gibi yönetilen, ölçeklenebilir altyapılar pratik bir seçenektir. Verinin şirket ağından çıkmaması gereken durumlarda sunucuyu kendi altyapınızda veya bulut hesabınızda çalıştırıyoruz. Seçimi güvenlik politikanız ve bağlanılacak sistemlerin konumu belirler. Gerektiğinde iki kurulumu birlikte de kullanabiliyoruz.
Uyumu protokol değil, kurulum belirler. Kişisel verileri gerekmedikçe döndürmüyor, gerektiğinde maskeliyor, erişimleri kayıt altına alıyor ve hangi verinin hangi model sağlayıcısına hangi bölgede gittiğini belgeliyoruz. Model sağlayıcısını, veriyi eğitimde kullanmayan kurumsal koşullarla seçiyoruz. Hukuk ekibinizle bu belgeyi birlikte gözden geçiririz.
Tek ve net tanımlanmış bir özellik, örneğin destek taleplerinin özetlenmesi veya otomatik sınıflandırılması, birkaç hafta içinde test kullanıcılarına açılabilir. Süreyi en çok etkileyen konular, uygulamanızın mimarisi, verinin dağınıklığı ve kalite ölçümü için gereken test setinin hazırlanmasıdır. Takvimi ilk keşif görüşmesinden sonra netleştiririz.
MCP sunucuları istemciden bağımsızdır; ChatGPT, Claude, Gemini ve MCP destekleyen diğer araçlarla aynı anda çalışır. Ürüne gömülü LLM entegrasyonunda ise OpenAI, Anthropic, Google ve açık kaynak modeller arasından görev, dil performansı, maliyet ve veri koşullarına göre seçim yapıyor, sağlayıcıyı değiştirilebilir tutuyoruz.
Asistan, kullanıcının konuştuğu arayüzdür; MCP sunucusu ise asistanın şirket sistemlerine eriştiği altyapıdır. Bir MCP sunucusu birden fazla asistan ve ajan tarafından ortak kullanılabilir. Kendi asistanınızı istiyorsanız yapay zeka asistanları ve ajanlar hizmetimiz, mevcut araçlarınızı şirket verisine bağlamak istiyorsanız bu hizmet uygundur.
Genellikle 24 saat içinde dönüş yaparım.