MCP (Model Context Protocol) Nedir? Kapsamlı Rehber [2026]

MCP (Model Context Protocol) Nedir?

MCP nedir sorusu, yapay zeka asistanları "sohbet eden" araçlardan "iş yapan" araçlara dönüştükçe çok daha sık soruluyor. Bir yapay zeka modeli ne kadar yetenekli olursa olsun, tek başına yalnızca metin üretebilir. Bir veritabanını sorgulamak, bir dosyayı okumak ya da bir sunucuyu yeniden başlatmak için dış dünyaya bağlanması gerekir. İşte bu bağlantıyı standart bir biçimde kuran şey MCP'dir.

MCP'nin ne kadar hızlı yayıldığını bir örnek ile özetleyebiliriz. Protokolün TypeScript ve Python yazılım geliştirme kitleri (SDK), Mart 2026 itibarıyla aylık 97 milyon indirmeye ulaştı; Kasım 2024'teki çıkışında bu sayı yaklaşık 2 milyondu [1]. On altı ayda %4.750'lik bu büyüme, temel altyapı protokollerinin benimsenme eğrilerine benziyor [2].

Bu rehberde MCP'nin ne olduğunu, hangi sorunu çözdüğünü, teknik olarak nasıl çalıştığını, hangi parçalardan oluştuğunu ve geliştiriciler ile kurumlar için ne anlama geldiğini inceleyeceğiz.

MCP'nin Tanımı

MCP (Model Context Protocol), yapay zeka uygulamalarının dış veri kaynaklarına, araçlara ve sistemlere bağlanma biçimini standartlaştıran açık bir protokoldür. Anthropic tarafından Kasım 2024'te açık standart olarak duyurulmuş, Aralık 2025'te ise Linux Foundation çatısı altındaki Agentic AI Foundation'a devredilmiştir [3].

MCP için sık kullanılan bir benzetme, onu "yapay zeka için USB-C" olarak tanımlamaktadır. Bu benzetme tesadüfi değil. USB-C ortaya çıkmadan önce her cihazın kendi şarj ve veri kablosu vardı; her yeni cihaz, yeni bir kablo anlamına geliyordu. USB-C, tek bir fiziksel standartla bu karmaşayı ortadan kaldırdı. MCP, yazılım dünyasında benzer bir işi yapıyor: yapay zeka uygulamaları ile araçlar arasındaki bağlantı için tek bir ortak standart sunuyor.

MCP Hangi Sorunu Çözüyor?

MCP'nin neden önemli olduğunu anlamak için ondan önceki duruma bakmak gerekir.

MCP'den önce, bir yapay zeka asistanını bir dış sisteme bağlamak isteyen geliştirici, o bağlantıyı sıfırdan yazmak zorundaydı. Bir veritabanı için bir entegrasyon, bir dosya sistemi için başka bir entegrasyon, bağlanmak istenen her API için ayrı bir entegrasyon. Bu entegrasyonların her biri özeldi: belirli bir yapay zeka modeline ve belirli bir araca göre yazılmıştı.

Sorun, bu yapının ölçeklenmemesiydi. Diyelim ki üç farklı yapay zeka uygulamanız ve beş farklı aracınız var. Geleneksel yaklaşımda, en kötü durumda on beş ayrı entegrasyon yazmanız gerekir. Yeni bir araç eklediğinizde, onu üç uygulamanın üçü için de ayrı ayrı bağlamanız gerekir. Sektör bunu "kırılgan, tek seferlik bağlantılardan oluşan bir ağ" olarak tanımlıyor [4].

MCP bu denklemi değiştirdi. Bir aracı bir kez MCP standardına uygun biçimde sunarsınız; MCP destekleyen tüm uygulamalar o araca bağlanabilir. Entegrasyon sayısı çarpımsal olmaktan çıkıp toplamsal hale gelir.[5].

Burada önemli bir ayrımın altını çizmek gerekir: MCP, fonksiyon çağırmanın (function calling) yerini almaz, onu standartlaştırır. Fonksiyon çağırma, yapay zeka modellerinin araçları çağırmasını sağlayan temel mekanizma olarak kalır. MCP, bu mekanizmayı evrensel ve keşfedilebilir bir protokole bağlar; böylece araç tanımları, yetenekler ve kimlik doğrulama akışı tüm uyumlu sistemlerde tutarlı biçimde çalışır.

MCP Nasıl Çalışır? Mimari

MCP, JSON-RPC 2.0 üzerine kurulu bir istemci-sunucu mimarisi kullanır. Bu mimaride üç ayrı rol vardır.

Host (ana uygulama): Kullanıcının önünde duran, doğrudan etkileşim kurduğu yapay zeka uygulamasıdır. Claude masaüstü uygulaması, AI özellikli bir VS Code uzantısı ya da Cursor birer host'tur. Host'un işi yöneticiliktir: kullanıcının mesajını modele iletir, modelin ne zaman bir araç çağırması gerektiğine karar verir, aracın döndürdüğü sonucu alıp tekrar konuşmaya yerleştirir. Kullanıcı yalnızca host ile konuşur; arkadaki client ve server'ları görmez.

Client (istemci): Host'un, her bir sunucuyla konuşmak için kendi içinde açtığı bağlantı kanalıdır. Kuralı basittir: bir client, bir server. Bir host aynı anda birden fazla client çalıştırabilir; örneğin Claude masaüstü uygulaması bir client'ı belge erişimi sunucusuna, bir başkasını veritabanı sunucusuna, bir üçüncüsünü proje yönetim sunucusuna bağlayabilir. Her client kendi bağlantısından sorumludur ve diğerlerinden yalıtılmıştır; birinde olan bir sorun ötekileri etkilemez.

Server (sunucu): Belirli bir araca ya da veri kaynağına (bir veritabanı, bir dosya sistemi, bir bulut paneli) bağlanan ve onun yeteneklerini MCP protokolü üzerinden kullanılabilir hale getiren küçük bir yazılımdır. Örneğin bir PostgreSQL MCP sunucusu, herhangi bir MCP istemcisinden yapılandırılmış sorgular alır, bunları SQL'e çevirir, veritabanında çalıştırır ve sonucu biçimlendirilmiş olarak döndürür. Önemli bir nokta: sunucu hiçbir zaman doğrudan yapay zeka modeliyle konuşmaz; tüm etkileşim client aracılığıyla yürür.

Bu üç rolün bir araya gelmesi tipik olarak şöyle işler. Host başlatıldığında bir veya daha fazla istemci oluşturur; her istemci kendi sunucusuna bağlanır ve bir el sıkışma (handshake) sırasında desteklenen özellikleri ve protokol sürümünü karşılıklı bildirir. Ardından keşif aşaması gelir: istemciler sunuculara "ne yapabilirsin" diye sorar, sunucular yeteneklerinin listesini döndürür. Son olarak host, keşfedilen yetenekleri modelin kullanımına sunar.

MCP'nin Üç Temel Yapı Taşı (Primitive)

MCP sunucuları yeteneklerini tam olarak üç "primitive" üzerinden sunar. Bu sade taksonomi, protokolü yalın tutarken gerçek dünya kullanımlarının büyük çoğunluğunu kapsar [6].

Tools (araçlar). Modelin çağırabileceği, dış dünyada bir etki yaratan işlemlerdir. Bir araç çağrıldığında bir şey olur: bir veritabanı satırı eklenir, bir e-posta gönderilir, bir API çağrısı yapılır. Araçlar, primitive'ler arasında en güçlü ve aynı zamanda güvenlik açısından en hassas olanıdır.

Resources (kaynaklar). Modelin okuyabileceği veri kaynaklarıdır. Dosya içerikleri, veritabanı kayıtları, şema bilgileri buna örnektir. Kaynaklar salt okunurdur; bir etki yaratmaz, yalnızca bağlam sağlar.

Prompts (şablonlar.) Kullanıcı iş akışlarına rehberlik eden, önceden tanımlanmış şablonlardır. Örneğin bir veritabanıyla etkileşim için birkaç örnek içeren bir şablon, modelin o araçları doğru kullanmasına yardımcı olur.

Somut bir örnek bu üçünü birleştirir. Bir veritabanı hakkında bağlam sağlayan bir MCP sunucusu düşünün: veritabanını sorgulamak için araçlar, veritabanının şemasını içeren bir kaynak ve araçlarla etkileşim için örnekler içeren bir şablon sunabilir [6].

MCP'nin Benimsenme Hikâyesi

MCP'nin bugünkü konumuna gelmesi, art arda gelen birkaç dönüm noktasının sonucudur. Her aşama, geliştiricilerin ve kurumların kafasındaki belirli bir tereddüdü giderdi.

Anthropic protokolü Kasım 2024'te duyurdu. 2025 baharında OpenAI, Microsoft ve Google da MCP'yi benimsedi. OpenAI'nin benimsemesi, MCP'nin Anthropic'e özel bir standart olmadığını kanıtladı. Microsoft'un entegrasyonu protokolü kurumsal açıdan güvenilir kıldı. AWS'in katılımı uyumluluk ekiplerini rahatlattı [1].

Son ve belki en kritik adım, Aralık 2025'te Anthropic'in MCP'yi Linux Foundation bünyesindeki Agentic AI Foundation'a devretmesiydi. Bu devir, tek satıcıya bağımlılık riskini kalıcı olarak ortadan kaldırdı. Protokol artık Kubernetes ile aynı açık yönetişim yolunda ilerliyor [1]. 2026 itibarıyla 10.000'den fazla genel MCP sunucusu çeşitli kayıt defterlerinde listeleniyor; çoğu entegrasyon ihtiyacı için sıfırdan bir sunucu yazmak yerine var olan bir sunucuyu yapılandırmak yeterli oluyor [1].

MCP Kimin İçin? Kullanım Alanları

MCP, farklı kullanıcı grupları için farklı değer üretir.

Geliştiriciler için MCP, entegrasyon yükünü dramatik biçimde azaltır. Bir yapay zeka asistanını kod havuzlarına, dokümantasyona ve iç API'lere bağlamak, sıfırdan entegrasyon yazmak yerine var olan bir MCP sunucusunu yapılandırmakla mümkün hale gelir.

Kurumlar için MCP, yapay zeka stratejisinin temel bir mimari kararıdır. MCP uyumlu bir altyapı üzerine kurulan agentic iş akışları, modeller ve sağlayıcılar arası birlikte çalışabilirliği korur ve agent mimarisinin tek bir satıcının ekosistemine kilitlenme riskini azaltır [7].

Bulut altyapı yönetimi, MCP'nin en somut kullanım alanlarından biridir. Bir bulut sağlayıcısı, altyapı işlemlerini MCP sunucusu olarak sunduğunda, kullanıcılar sunucularını doğal dille yönetebilir. Bu konunun bütününe, yani AI ile sunucu yönetiminin nasıl çalıştığına dair kapsamlı bir bakış için AI ile Bulut Sunucu Yönetimi: Kapsamlı Rehber yazımızı inceleyebilirsiniz.

MCP ve Güvenlik

MCP'nin gücü, aynı zamanda dikkatli olunması gereken alanı işaret eder. Bir yapay zeka asistanına araç erişimi vermek yeni bir saldırı yüzeyi yaratır. Bu yüzden MCP'nin kendi spesifikasyonu da güvenliği merkeze alır.

Spesifikasyon, "güven ve güvenlik açısından, araç çağrılarını reddetme yetkisine sahip bir insanın her zaman süreçte bulunması gerektiğini" açıkça belirtir [8]. Buna ek olarak MCP'nin resmi güvenlik kılavuzu en az yetki ilkesini öne çıkarır: istemciler en baştan tüm izinleri istemek yerine yalnızca temel kapsamlarla başlamalı, joker veya birbiriyle ilgisiz yetkileri toplayan kapsamlardan kaçınmalıdır [9].

MCP güvenliğinin ayrıntıları, özellikle yapay zekaya altyapı yetkisi verirken nelere dikkat edilmesi gerektiği, Yapay Zekaya Sunucu Yetkisi Vermek Güvenli mi? ve MCP Token ve Yetki Yönetimi: En İyi Uygulamalar yazılarımızda derinlemesine ele alınıyor.

Sıkça Sorulan Sorular

MCP açık kaynak mı?

Evet. MCP açık bir standarttır ve Aralık 2025'ten bu yana Linux Foundation çatısı altındaki Agentic AI Foundation tarafından yönetilmektedir. Protokolün yönetimi tek bir şirkete bağlı değildir.

MCP ile API arasındaki fark nedir?

API, iki yazılımın birbiriyle konuşma biçimidir. MCP ise yapay zeka uygulamalarının araçlara ve verilere bağlanması için tasarlanmış, API'lerin üzerinde çalışan bir standarttır. MCP, fonksiyon çağırmanın yerini almaz; onu evrensel ve keşfedilebilir bir protokole sararak tüm uyumlu sistemlerde tutarlı hale getirir.

MCP'yi hangi yapay zeka uygulamaları destekliyor?

Claude, ChatGPT, Cursor, VS Code MCP uzantıları ve MCP standardını uygulayan diğer istemciler MCP'yi destekler. MCP açık bir standart olduğu için desteklenen istemci listesi sürekli büyümektedir.

MCP sunucusu nedir?

MCP sunucusu, belirli bir aracı ya da veri kaynağını MCP protokolü üzerinden açan bir yazılım sürecidir. Yeteneklerini tools, resources ve prompts adı verilen üç primitive üzerinden sunar. Sunucu hiçbir zaman doğrudan yapay zeka modeliyle konuşmaz; tüm etkileşim istemci üzerinden yürür.

MCP kullanmak için sıfırdan sunucu yazmak gerekir mi?

Çoğu durumda gerekmez. 2026 itibarıyla 10.000'den fazla hazır MCP sunucusu mevcuttur. Veritabanları, üretkenlik araçları, bulut sağlayıcılar ve geliştirici araçları için var olan bir sunucuyu yapılandırmak çoğu ihtiyacı karşılar.

Sonuç

MCP, yapay zekayı dış dünyaya bağlamanın ortak dili haline geldi. Üç yıldan kısa sürede deneysel bir fikirden, sektörün en büyük oyuncularının desteklediği temel bir altyapı standardına dönüştü. USB-C'nin cihazlar için yaptığını, MCP yapay zeka uygulamaları için yapıyor: dağınık, tek seferlik bağlantıların yerine tek bir standart koyuyor.

Bu standardın en somut sonuçlarından biri, bulut altyapısının doğal dille yönetilebilmesidir. AI ile bulut sunucu yönetimini kendi ortamınızda denemek isterseniz, TTEN MCP sayfasından başlayabilirsiniz.

İlgili İçerikler

• AI ile Bulut Sunucu Yönetimi: Kapsamlı Rehber → tten.net/blog/ai-ile-bulut-sunucu-yonetimi

• Yapay Zekaya Sunucu Yetkisi Vermek Güvenli mi? → tten.net/blog/ai-sunucu-yonetimi-guvenlik

• MCP Token ve Yetki Yönetimi: En İyi Uygulamalar → /mcp-token-yetki-yonetimi

• TTEN MCP: AI Asistanınla Bulut Altyapını Yönet → tten.net/mcp

Kaynaklar

[1] SSN Technologies. (2026). "What Is MCP (Model Context Protocol)? The 2026 Developer Guide." ssntpl.com

[2] Toloka. (2026). "The Future of MCP: 2026 Roadmap, Enterprise Adoption, and What Comes Next." toloka.ai

[3] Wikipedia. (2026). "Model Context Protocol." en.wikipedia.org

[4] Skyvern. (2026). "MCP Server Architecture Explained." skyvern.com

[5] Mamdani, E. (2026). "The Complete Guide to Model Context Protocol (MCP) in 2026." essamamdani.com

[6] Model Context Protocol. "Architecture Overview." modelcontextprotocol.io

[7] Waehner, K. (2026). "Enterprise Agentic AI Landscape 2026: Trust, Flexibility, and Vendor Lock-in." kai-waehner.de

[8] Model Context Protocol. "Server Tools — Specification." modelcontextprotocol.io

[9] Model Context Protocol. "Security Best Practices." modelcontextprotocol.io