AI Ajanımız için Neden MCP'yi Seçtik ve Bu Neden İyi Bir Karardı
Anthropic
Bitrix24'ten bir geliştirici, şirketin AI asistanı Marta için Model Context Protocol'ü (MCP) seçme kararını açıklıyor. Makale, basit işlev çağrılarından, kullanıcı başına dinamik araç keşfine olanak tanıyan daha esnek MCP tabanlı bir mimariye geçişi ve protokolün uygun kimlik doğrulama ile dahili kullanımdan harici kullanıma evrimini detaylandırıyor. Yazar ayrıca Tool Hell zorluklarını ve MCP'yi komut satırı arayüzü (CLI) üzerinden kullanma ile uzun yanıtların dosya tabanlı işlenmesi gibi çözümleri tartışıyor.
Bitrix24 geliştiricisi Michael Vasiliev, şirketin yapay zeka asistanı için MCP'yi (Model Context Protocol) neden seçtiğini anlatıyor. Asistan, Marta olarak başladı ve BitrixGPT'ye dönüştü. Başlangıçta asistan, birkaç sabit eylem için yeterli olan fonksiyon çağrısını kullanıyordu; ancak araç sayısı arttıkça bu yöntem zahmetli hale geldi, sürekli kod güncellemesi gerektirdi ve her kullanıcı için tüm araçların yüklenmesi gerekiyordu. MCP, araçların ajanın dışına, harici bir servise taşınmasına olanak tanıyarak araçların kullanıcı izinlerine göre dinamik olarak kullanılabilir olmasını sağladı. İlk sürüm dahiliydi ve yetkilendirme için imzalı kullanıcı kimliklerine sahip bir MCP proxy kullanıyordu. Harici istemcileri desteklemek için OAuth eklediler ve SSE'den Streamable HTTP taşımacılığına geçtiler. MCP, Kasım 2024'te Anthropic tarafından resmi olarak tanıtıldı ve Bitrix24, Mart 2025'te benimsedi. Erken benimsemenin avantajları vardı; örneğin, daha sonra gelişen bir protokol etrafında mimari oluşturmak gibi, ancak protokol değişikliklerine uyum sağlamak gibi zorluklar da yaşandı. Ayrıca farklı alanlar için (görevler, takvim, CRM) sanal MCP sunucuları ve "Araç Cehennemi"nden kaçınmak için mcp-cli adlı bir araç tanıttılar. Araç cehennemi, çok fazla araç açıklamasının modelin bağlamını karıştırması durumunda ortaya çıkar. Bağlamın aşırı yüklenmesini önlemek için uzun araç yanıtları dosyalara kaydedilir ve genel olarak MCP, araç yönetimi için ölçeklenebilir bir altyapı kurulmasına yardımcı oldu.
Kaynak: Habr — хаб ИИ —
orijinal
