Yapay Zeka ve MCP ile Araç Geliştirme

MCP Nedir?#

Model Context Protocol (MCP), yapay zeka asistanlarına dış dünyayla etkileşim yeteneği kazandıran açık bir standarttır. Anthropic tarafından geliştirilen bu protokol sayesinde AI modelleri, gerçek zamanlı verilere erişebilir ve harici araçları kullanabilir.

Geleneksel AI modellerinin en büyük sınırlaması eğitim verisi kesim tarihidir. MCP bu sorunu çözerek modellere canlı veri erişimi sağlar.

NOTE

MCP, AI asistanlarını sadece sohbet botundan gerçek bir dijital asistana dönüştüren teknolojidir. Anthropic tarafından açık kaynak olarak geliştirilmektedir.

Nasıl Çalışır?#

MCP mimarisi üç temel bileşenden oluşur:

Bileşen	Açıklama
Host	AI modeli (ör. Claude Desktop)
Client	MCP istemcisi (host içinde çalışır)
Server	Araçları sunan sunucu (sizin geliştirdiğiniz)

MCP Mimari Diyagramı#

Loading diagram...

İletişim Akışı#

Loading diagram...

Transport Katmanı#

MCP iki transport yöntemi destekler:

stdio: Lokal araçlar için standart giriş/çıkış
SSE (Server-Sent Events): Uzak sunucular için HTTP tabanlı iletişim

TIP

Geliştirme aşamasında stdio transport kullanmanızı öneriyoruz. Daha basit ve hata ayıklaması kolaydır. Üretime geçişte SSE'ye geçebilirsiniz.

Python ile MCP Tool Geliştirme#

Basit bir döviz kuru aracı geliştirelim. Önce gerekli bağımlılıkları kuralım:

pip install mcp httpx

Ardından MCP sunucumuzu oluşturalım:

server.py

from mcp.server.fastmcp import FastMCP
import httpx
 
mcp = FastMCP("doviz-kuru")
 
@mcp.tool()
async def get_exchange_rate(base: str, target: str) -> str:
    """Anlık döviz kuru sorgulama."""
    async with httpx.AsyncClient() as client:
        response = await client.get(
            f"https://api.exchangerate.host/latest",
            params={"base": base, "symbols": target}
        )
        data = response.json()
        rate = data["rates"][target]
        return f"1 {base} = {rate} {target}"
 
if __name__ == "__main__":
    mcp.run(transport="stdio")

💡

@mcp.tool() dekoratörü, fonksiyonun docstring'ini otomatik olarak araç açıklaması olarak kullanır. Bu açıklama, AI modelinin aracı ne zaman kullanacağına karar vermesinde kritik rol oynar.

Claude Desktop Entegrasyonu#

Geliştirdiğiniz aracı Claude Desktop'a eklemek için claude_desktop_config.json dosyasına şu yapılandırmayı ekleyin:

claude_desktop_config.json

{
  "mcpServers": {
    "doviz-kuru": {
      "command": "python",
      "args": ["path/to/server.py"]
    }
  }
}

WARNING

args içinde server dosyasının tam yolunu vermeyi unutmayın. Göreli yol kullanırsanız Claude Desktop aracı bulamayabilir.

Performans Karşılaştırması#

MCP ile doğrudan API çağrısı arasındaki farkı basit bir formülle ifade edebiliriz:

Toplam yanıt süresi: $T_{toplam} = T_{model} + T_{mcp} + T_{api}$

Burada ortalama değerler şu şekildedir:

T_{toplam} \approx 200\text{ms} + 50\text{ms} + T_{api}

MCP overhead'i ortalama $50\text{ms}$ civarında olup, kullanıcı deneyimini olumsuz etkilemeyecek kadar düşüktür.

Kullanım Alanları#

MCP ile geliştirebileceğiniz araç örnekleri:

Finans: Anlık borsa verileri, döviz kurları, kripto fiyatları
Hava Durumu: Konum bazlı hava tahminleri
Veritabanı: Doğrudan SQL sorguları çalıştırma
IoT: Sensör verilerini okuma ve cihaz kontrolü
İş Süreçleri: CRM, ERP ve proje yönetim araçları — web ve mobil platformların her ikisine de entegre edilebilir

IMPORTANT

MCP sunucuları güvenlik açısından dikkatli tasarlanmalıdır. Harici API anahtarlarını environment variable olarak saklayın, asla kaynak koda yazmayın.

Sonuç#

MCP, yapay zeka asistanlarını pasif sohbet botlarından aktif dijital araçlara dönüştüren devrimsel bir protokoldür. Python ile hızlıca araç geliştirip Claude gibi AI modellerine entegre edebilirsiniz.

ℹ️

Bu yazıda kullanılan MCP Döviz Kuru aracının kaynak koduna GitHub sayfamızdan ulaşabilirsiniz.

Kaynaklar#

Paylaş: