Čo je MCP a ako prepája AI s firemnými dátami?

AI asistent vám vie vysvetliť, čo je marža. Bez pripojenia k vašim systémom však nevie povedať, akú maržu mala vaša firma minulý mesiac. A posielať mu pri každej otázke nový export z Excelu nie je dlhodobo udržateľné riešenie.

Práve tu má zmysel MCP (Model Context Protocol). Je to otvorený protokol, ktorý zjednocuje spôsob, akým sa AI aplikácie pripájajú k externým nástrojom a dátam.

Čo je MCP jednoducho

Predstavte si spoločný jazyk medzi AI aplikáciou a firemným systémom. AI aplikácia sa dozvie, aké nástroje má k dispozícii, aké vstupy potrebujú a ako ich môže zavolať. Server nástroj vykoná a vráti výsledok.

V praxi spolu komunikujú tri časti:

AI aplikácia, v ktorej používateľ kladie otázky. Môže to byť napríklad Claude, Cursor alebo VS Code s kompatibilným AI rozšírením.
MCP klient, ktorý je súčasťou aplikácie a komunikuje so serverom.
MCP server, ktorý sprístupňuje konkrétne nástroje, zdroje alebo šablóny zadania.

Podpora konkrétnych funkcií závisí od aplikácie, jej verzie a nastavenia. MCP neznamená, že každý AI nástroj automaticky funguje s každým firemným systémom bez konfigurácie.

Ako sa AI dostane k firemným dátam

MCP server môže sprístupniť napríklad nástroj na získanie tržieb, vyhľadanie dokumentu alebo overenie stavu objednávky. AI aplikácia nemusí poznať technické detaily každého zdrojového systému, potrebuje však rozumieť popisu dostupného nástroja a jeho vstupom.

Používateľ tak nemusí pre každú otázku otvárať nový portál alebo pripravovať export. Dôležitá práca je na pozadí: napojenie na systémy, význam metrík a kontrola toho, ku ktorým údajom má používateľ prístup. Konkrétne dostupné nástroje a dátové zdroje pripravujeme podľa nasadenia.

MCP zabezpečuje spôsob komunikácie. Server a napojené systémy musia zabezpečiť, čo je dovolené a čo výsledok znamená.

V RBH Technology tento prístup využívame aj v AskData, našom AI asistentovi nad firemnými dátami, a pri AI integráciách na mieru.

Príklad: otázka na vývoj tržieb

Manažér sa opýta: „Porovnaj tržby za október so septembrom podľa pobočiek.“

Ilustračný priebeh takéhoto dopytu:

AI aplikácia vyberie dostupný nástroj na získanie tržieb a doplní obdobie a členenie.
Server overí identitu, oprávnenia a vstupy. Dopyt obmedzí na dáta, ktoré používateľ smie vidieť.
Dátová vrstva vypočíta výsledok podľa dohodnutej definície tržieb.
AI dostane výsledok a pripraví vysvetlenie, prípadne graf, ak ho daná aplikácia podporuje.

Výsledok má uviesť obdobie, zdroj a relevantné obmedzenia. Ak sa október ešte neuzavrel alebo časť dát chýba, odpoveď to má jasne povedať. Samotné porovnanie navyše nepreukazuje príčinu poklesu; na tú treba ďalšie dáta a analýzu.

MCP, API a RAG: nie je to to isté

Pojem	Čo rieši
API	Rozhranie konkrétneho systému, napríklad na získanie faktúr alebo objednávok.
MCP	Spoločný spôsob sprístupnenia nástrojov a kontextu AI aplikáciám. Na pozadí môže volať API alebo databázu.
RAG	Vyhľadanie relevantných podkladov, napríklad častí dokumentov, a ich použitie pri tvorbe odpovede.

Tieto prístupy sa môžu dopĺňať. MCP nástroj môže napríklad vyhľadávať v dokumentoch cez RAG alebo získať agregované čísla cez API. Viac o dokumentoch nájdete v článku AI chatbot nad vašimi dokumentmi.

Bezpečnosť: protokol nestačí

MCP samo osebe nezaručuje read-only prístup, správne odpovede ani súlad s GDPR. To sú vlastnosti konkrétneho riešenia a spôsobu jeho prevádzky.

Pri návrhu pripojenia preto riešime najmä:

Práva na strane servera a dátového zdroja. Nestačí napísať do zadania modelu, aby určité údaje neukazoval.
Minimálny rozsah prístupu. Pre analytické použitie navrhujeme prístup len na čítanie a sprístupnenie potrebných údajov, nie celej databázy bez obmedzení.
Tok dát. Výsledok nástroja môže prejsť do AI aplikácie a k poskytovateľovi modelu. Treba vedieť, ktoré údaje odchádzajú, kam a za akých zmluvných podmienok.
Kontrolu vstupov a limitov. Povolené operácie, rozsah výsledku, časové limity a ochranu pred nákladnými dopytmi.
Nedôveryhodný obsah. Text v dokumente alebo zázname nie je pokyn na zmenu oprávnení. Aj pri MCP treba počítať s prompt injection.
Audit a overovanie odpovedí. Zaznamenať potrebné informácie na dohľadanie dopytu, chrániť citlivé údaje v logoch a testovať výsledky na známych prípadoch.

Pripojenie neznámeho MCP servera preto nepovažujte za bežné pridanie doplnku. Je to udelenie prístupu, ktorého rozsahu potrebujete rozumieť.

Kedy to firme dáva zmysel

MCP má hodnotu, keď tím používa AI pri práci a potrebuje opakovane získavať aktuálne informácie z vašich systémov. Najmä ak chcete rovnaké dátové možnosti sprístupniť vo viacerých kompatibilných AI aplikáciách.

Ak potrebujete len jeden pravidelný mesačný report, môže byť jednoduchší Power BI dashboard. A ak sa vo firme neviete zhodnúť na definícii tržieb, MCP tento problém nevyrieši. Najprv potrebujete dôveryhodný dátový základ.

Začať odporúčame jedným konkrétnym prípadom: jedna skupina používateľov, úzky rozsah dát a otázky, pri ktorých vieme správnosť overiť. Až potom pripojenie rozširovať.

Chcete pripojiť AI k svojim dátam?

Navrhujeme MCP prepojenia podľa vašich systémov, prístupových práv a pracovných postupov. Začíname otázkou, na ktorú chcete dostať odpoveď, nie zoznamom konektorov.

Dohodnite si konzultáciu zadarmo. Prejdeme vaše zdroje dát a povieme si, či je MCP vhodný ďalší krok.

Technický základ: oficiálny prehľad architektúry MCP.