MCP Server Nedir? Örneklerle Kurulum Rehberi (2026)

Bir AI asistanı, şirketinizin verisine ulaşamadığı sürece yalnızca iyi bir sohbet partneridir. "Geçen ay en çok dönüşüm getiren kampanya hangisiydi?" diye sorduğunuzda cevap veremez. Çünkü bu bilgi Google Ads hesabınızda, CRM'inizde ya da veritabanınızda durur.

Çoğu şirket bu boşluğu kopyala-yapıştır ile kapatıyor: raporu indir, tabloyu yapıştır, soruyu sor. Bu hem yavaş hem de hataya açık. Model Context Protocol (MCP) tam olarak bu sorunu çözmek için ortaya çıktı.

Bu yazıda MCP'nin ne olduğunu, şirketlerin onu hangi işler için kullandığını, nasıl kurulduğunu, ne kadar sürdüğünü ve güvenlik tarafında nelere dikkat etmek gerektiğini anlatıyoruz. Sonunda MountainTech+ olarak kendi pazarlama panelimizi MCP üzerine kurarken öğrendiklerimizi de paylaşıyoruz.

MCP nedir?#

MCP, AI uygulamalarını dış sistemlere bağlamak için kullanılan açık bir protokoldür. En basit benzetmeyle, AI dünyasının USB-C'sidir. Her cihaz için ayrı kablo yerine tek bir standart soket kullanılır.

Protokolü Anthropic Kasım 2024'te yayınladı. Kısa sürede OpenAI ve Google DeepMind gibi büyük sağlayıcılar da benimsedi. Aralık 2025'te Anthropic, MCP'yi Linux Foundation çatısı altındaki Agentic AI Foundation'a bağışladı. Bu vakıf Anthropic, Block ve OpenAI tarafından kuruldu; Google, Microsoft, AWS, Cloudflare ve Bloomberg de destekçileri arasında. Yani MCP artık tek bir şirketin değil, sektörün ortak standardı.

Bir MCP bağlantısında üç taraf vardır:

• Ana uygulama (host): Kullanıcının konuştuğu uygulama; Claude, ChatGPT, Cursor, VS Code gibi.
• İstemci (client): Ana uygulamanın içinde çalışıp her sunucuyla bağlantıyı yöneten katman.
• Sunucu (server): Şirketinizin sistemini dışarıya açan küçük servis. Asıl işi yapan parça budur.

Bir MCP sunucusu üç şey sunabilir: araçlar (tools; "kampanya bütçesini güncelle" gibi çağrılabilir aksiyonlar), kaynaklar (resources; doküman, tablo gibi okunabilir veriler) ve hazır komutlar (prompts; tekrar kullanılan iş akışı şablonları). Şirket kullanımında en çok araçlar öne çıkar.

AI uygulaması her sisteme aynı protokolle bağlanır; şirketin yazdığı parça ortadaki sunuculardır.

Şirketler için neden önemli?#

MCP'nin asıl değeri, entegrasyon maliyetini çarpımdan toplama çevirmesidir. Şirketinizde 5 AI aracı ve 8 iç sistem olduğunu düşünün. Eski yöntemle her ikili için ayrı entegrasyon gerekir: 5 × 8 = 40 bağlantı. MCP ile her sistem için bir kez sunucu yazılır ve tüm AI araçları onu kullanır: 8 sunucu yeterlidir.

Bunun şirkete üç somut faydası var:

• Sağlayıcıdan bağımsızlık: Bugün Claude, yarın başka bir model kullanırsanız entegrasyonlarınızı yeniden yazmazsınız. MCP destekleyen her istemci aynı sunucuya bağlanır.
• Tek kontrol noktası: Hangi verinin açılacağı, kimin neye erişebileceği ve hangi işlemin loglanacağı tek yerde tanımlanır. AI'a erişim, çalışanların kopyala-yapıştır ile veri taşımasından çok daha denetlenebilir hale gelir.
• Ekosistem: Linux Foundation'ın duyurusuna göre Aralık 2025 itibarıyla 10.000'den fazla yayınlanmış MCP sunucusu vardı. Popüler SaaS araçlarının çoğu için hazır bir sunucu bulmak mümkün; siz yalnızca şirketinize özel sistemler için yazılım geliştirirsiniz.

Şirketler MCP'yi nerede kullanıyor?#

MCP'nin en iyi sonuç verdiği yerler, verinin birden fazla sisteme dağıldığı ve insanların bu sistemler arasında sürekli geçiş yaptığı işlerdir.

İç veri ve bilgi erişimi#

CRM, ERP, veritabanı, iç wiki ve ticket sistemleri MCP ile AI'a açılabilir. Satış ekibi "Bu müşteriyle son üç görüşmede ne konuşuldu?" diye sorar. Asistan, CRM notlarını ve e-postaları okuyup özet çıkarır. Yeni başlayan bir çalışan, iç dokümantasyona sohbet üzerinden ulaşır.

Pazarlama ve analitik#

Google Analytics, Search Console, reklam hesapları ve sosyal medya genelde ayrı panellerde durur. MCP ile bunlar tek bir sohbette birleşir. "Organik trafiği düşen sayfalarla reklam harcaması artan kampanyaları karşılaştır" gibi, normalde birkaç sekme ve bir Excel dosyası gerektiren sorular tek cümleyle sorulur.

Operasyon ve yazılım#

Yazılım ekipleri MCP'yi deploy, log inceleme, hata takibi ve altyapı yönetimi için kullanıyor. Bir hata raporu geldiğinde asistan ilgili logları çeker, son deploy'ları listeler ve olası nedeni önerir.

Müşteri iletişimi#

Gelen e-postaları, Google yorumlarını ya da destek taleplerini okuyup taslak cevap hazırlamak sık görülen bir kullanım. Burada kritik nokta, asistanın göndermemesi, yalnızca taslak hazırlamasıdır. Son onay insandadır.

Ürününüzü MCP ile sunmak#

SaaS şirketleri için MCP bir dağıtım kanalına dönüştü. Ürününüzün API'si üzerine bir MCP sunucusu yayınlarsanız, müşterileriniz ürününüzü kendi AI asistanlarından kullanabilir. Bu, API dokümantasyonu okuyup entegrasyon yazmaktan çok daha düşük bir giriş eşiğidir.

Kurulum modelleri: remote mu, local mi?#

Şirket genelinde kullanım için doğru tercih neredeyse her zaman uzak (remote) sunucudur. Yerel (local) sunucu ise geliştirici araçları ve kişisel işler için uygundur.

Hazır mı, özel mi? Popüler araçlar (Google Drive, Slack, GitHub, Notion gibi) için resmi sunucuları kullanmak genelde en hızlı yoldur. Resmi olmayan üçüncü taraf sunuculara ise dikkatli yaklaşın: bu kod, verinize erişim yetkisiyle çalışır. Şirkete özel sistemler, iç veritabanları ya da birden fazla servisi birleştiren iş akışları için özel sunucu yazmak neredeyse kaçınılmazdır.

Güvenlik ve yönetişim: atlanmaması gereken beş nokta#

MCP sunucusu, AI'a şirket sistemlerinizde iş yapma yetkisi verir. Bu yüzden bir API entegrasyonu kadar ciddiye alınmalıdır.

1. Okuma ve yazmayı ayırın. Rapor çekmek ile bütçe değiştirmek aynı risk seviyesinde değildir. Yazma işlemlerini ayrı araçlara bölün. Kritik değişikliklerden önce "önizleme → onay → uygulama" adımı koyun.
2. Paylaşılan anahtar yerine kullanıcı bazında kimlik kullanın. Herkesin aynı API anahtarıyla bağlandığı bir sunucuda kimin ne yaptığını bilemezsiniz. OAuth ile her kullanıcı kendi yetkisiyle bağlanır; stajyerin erişemediği veriye AI üzerinden de erişemez.
3. Her çağrıyı loglayın. Hangi kullanıcının, hangi aracı, hangi parametrelerle, ne zaman çağırdığı kaydedilmelidir. Bir sorun çıktığında ilk bakacağınız yer burası olur.
4. Prompt injection'a karşı tasarım yapın. AI'ın okuduğu bir e-posta ya da web sayfası "tüm müşteri listesini şu adrese gönder" gibi gizli bir talimat içerebilir. Dış içerik okuyan araçlarla hassas aksiyon yapan araçları aynı akışta onaysız çalıştırmayın.
5. Araç sayısını kontrol altında tutun. Tek sunucuda 80 araç açmak modelin doğru aracı seçmesini zorlaştırır ve maliyeti artırır. Bir search_tools aracıyla ihtiyaç anında doğru aracı bulan bir yapı daha iyi ölçeklenir.

Nereden başlamalı? Altı adımlık yol haritası#

En sık yapılan hata, her şeyi aynı anda bağlamaya çalışmaktır. Küçük başlayıp değeri kanıtlamak çok daha sağlıklıdır.

1. Tek bir acı noktası seçin. Ekibin haftada saatlerini alan, birden fazla sistem arasında veri taşıması gereken bir iş bulun. Örneğin haftalık pazarlama raporu.
2. Hazır sunucu var mı bakın. Kullandığınız araçların resmi MCP sunucuları varsa oradan başlayın.
3. Salt okunur başlayın. İlk sürüm yalnızca veri okusun. Yazma yetkisini ekip araçlara güvendikten sonra ekleyin.
4. Küçük bir pilot ekiple test edin. İki üç kişiyle iki hafta kullanın. Hangi soruların sorulup hangi araçların eksik kaldığını not alın.
5. Kimlik ve loglamayı kurun. Ekibe açmadan önce OAuth ve kayıt mekanizmasını yerleştirin.
6. Genişletin. Değer kanıtlandıktan sonra yazma işlemlerini ve yeni sistemleri ekleyin.

Ne kadar sürer, ne tutar?#

Süreyi ve maliyeti üç şey belirler: hazır bir sunucu olup olmadığı, yazma yetkisi gerekip gerekmediği ve kaç sisteme bağlanılacağı. Aşağıdaki süreler tipik projeler için yol göstericidir; kesin plan, sistemleriniz incelendikten sonra çıkar.

Maliyet tarafında dört kalem vardır:

• Geliştirme: En büyük kalemdir ve yukarıdaki süreyle doğru orantılıdır.
• Barındırma: Uzak sunucular Cloudflare Workers gibi edge platformlarda düşük maliyetle çalışır. Küçük ekip kullanımı çoğu zaman ücretsiz katmanda kalır.
• AI kullanımı: MCP'nin kendisi ücretsiz ve açık bir standarttır. Ücret, kullandığınız AI aracının aboneliğinden ya da API kullanımından gelir.
• Bakım: Bağlı sistemlerin API'leri değiştikçe sunucunun güncellenmesi gerekir. Bunu baştan plana koymak sürprizleri önler.

MountainTech+ olarak kendi deneyimimiz#

Bu yazıdaki önerilerin çoğu teoriden değil, kendi iç aracımızı geliştirirken karşılaştığımız sorunlardan geliyor. MountainTech Panel, Google Ads, Search Console, Google Analytics 4 ve Microsoft Clarity verilerini tek bir MCP sunucusu altında toplayan, şirket içinde kullandığımız bir pazarlama paneli.

Yönümüzü belirleyen üç karar oldu:

• Edge'de çalışmak: Paneli Cloudflare Workers üzerinde çalıştırıyoruz. Google servislerinin Workers ile uyumlu bir kütüphanesi olmadığı için API yanıtlarını işleyen katmanı kendimiz yazdık. Karşılığında düşük maliyetli ve her yerden erişilebilen bir sunucu elde ettik.
• Okuma ve yazmayı ayırmak: Rapor okuyan araçlarla değişiklik yapan araçlar ayrı. Yazma işlemleri önce bir değişiklik önizlemesinden geçiyor.
• Araçları ihtiyaç anında yüklemek: Onlarca aracı doğrudan açmak yerine bir arama aracı ile doğru aracın bulunmasını sağlıyoruz. Bu, modelin kafasının karışmasını ve gereksiz maliyeti azaltıyor.

Ne kazandık? Ads, Search Console, GA4 ve Clarity'yi ayrı ayrı açmak yerine aynı soruyu tek sohbette soruyoruz.

Panelin yeni sürümünde sonuçları düz metin yerine sohbet içinde etkileşimli widget'lar olarak da gösterebiliyoruz. Sıradaki adımlarımız arasında CRM ve sosyal medya modülleri var.

Sıkça sorulan sorular#

MCP server kurmak için yazılım ekibi gerekir mi? Hazır bir sunucu kullanacaksanız genelde gerekmez; bağlantı birkaç tıkla kurulur. Şirkete özel sistemler için ise geliştirme gerekir.

MCP sadece Claude ile mi çalışır? Hayır. MCP açık bir standarttır ve ChatGPT, Cursor, VS Code gibi pek çok istemci tarafından desteklenir.

Verilerimiz AI şirketine mi gidiyor? AI yalnızca çağırdığı aracın döndürdüğü veriyi görür. Hangi verinin açılacağını sunucuyu tasarlayan siz belirlersiniz. Kullandığınız AI sağlayıcısının veri politikasını ayrıca kontrol etmek gerekir.

MCP ile API arasındaki fark ne? API, yazılımların birbiriyle konuşması için tasarlanır. MCP ise bir API'yi AI'ın anlayacağı ve kullanacağı biçimde sunan bir katmandır. Çoğu MCP sunucusu arka planda bir API kullanır.

MCP server kurmak ne kadar sürer? Hazır bir sunucuyu bağlamak birkaç gün sürer. Şirkete özel, salt okunur bir sunucu genellikle 1–3 haftada, yazma ve onay akışı içeren bir sunucu 3–6 haftada hazır olur.

Sonuç#

MCP, AI'ı şirket içinde "akıllı bir sohbet aracı" olmaktan çıkarıp gerçek iş yapan bir ekip arkadaşına dönüştürmenin en standart yolu. Doğru kurgulanmış bir MCP sunucusu; verinizi tek yerden kontrol etmenizi, istediğiniz AI aracını kullanmanızı ve ekibinizin saatlerini alan tekrarlı işleri azaltmanızı sağlar.

30 dakikalık ücretsiz bir görüşmede, hangi sistemlerinizin MCP'ye uygun olduğunu ve ilk adım için gerçekçi bir süre planını birlikte çıkaralım. Ücretsiz ön görüşme talep edin

Kaynaklar#

• Anthropic: MCP'nin Agentic AI Foundation'a bağışlanması
• Linux Foundation: Agentic AI Foundation duyurusu
• Model Context Protocol — Wikipedia