Co je MCP? **MCP (Model Context Protocol) je otevřený standard, přes který AI asistent používá nástroje jiného systému, třeba CRM, helpdesku nebo databáze, a to jedním společným rozhraním místo samostatné integrace pro každý AI nástroj.** Jeden MCP server jsem postavil nad OBD-II adaptérem v autě, další má naše Bitvea CRM. Fakta o samotném protokolu v tomhle článku pocházejí z veřejných zdrojů, tedy ze specifikace MCP a z blogu projektu. Příklady z CRM a z auta jsou naše vlastní.
Jak MCP funguje: host, klient a server
MCP dělí práci mezi tři role, jak je popisuje specifikace. Host je AI aplikace, se kterou člověk pracuje a která spojení navazuje. Klienti jsou konektory uvnitř hostu. Server je služba, která AI zpřístupní data a funkce konkrétního systému.
Server může nabídnout tři druhy věcí:
- zdroje, tedy data, která si model přečte,
- prompty, připravené šablony zpráv pro uživatele,
- nástroje, tedy funkce, které model sám spouští.
Samotná myšlenka nová není. MCP se inspirovalo protokolem Language Server Protocol, díky kterému dnes vývojové nástroje podporují programovací jazyky jednotným způsobem. Tady se jen místo jazyků sjednocuje, jak se AI dostane k datům a nástrojům.
K čemu to je? Bez společného standardu potřebuje každá AI aplikace vlastní napojení na každý systém. S MCP stačí, aby systém měl server, a každá aplikace, která protokol umí, se k němu připojí.
Server může běžet u vás na počítači nebo vzdáleně. Lokální server si klient spustí jako podproces, vzdálený poslouchá na jedné HTTP adrese a každá zpráva je jeden požadavek POST (přenosy ve specifikaci). Server našeho CRM je běžně dostupný přes URL, pro vývoj ho ale jde spustit i jako lokální podproces.
Co AI přes MCP ve firmě zvládne?
Ve firmě AI přes MCP hlavně volá nástroje, přes které v jiném systému dohledá data nebo v něm něco změní. Nástroj je akce v jiném systému, třeba dotaz do databáze nebo volání API, a model sám rozhoduje, kdy ho použije (nástroje ve specifikaci). Specifikace přitom doporučuje, aby u toho vždycky byl člověk, který může volání nástroje odmítnout.
Jak to vypadá v praxi, je dobře vidět na našem CRM. Nástroje jsou rozdělené podle modulů. V modulu obchodních případů s nimi asistent pracuje, zobrazí si seznam fází prodeje a případ i přesune do další fáze. V aktivitách zapisuje a spravuje hovory, schůzky a e-maily.
Modelový příklad, ne klientský případ: obchodník ve firmě o třiceti lidech se vrátí ze schůzky. Napíše asistentovi, ať schůzku zapíše k zákazníkovi a obchodní případ posune do další fáze. Asistent zavolá dva nástroje a obchodník změnu hned vidí v CRM. Nic nepřepisuje ručně.
Které nástroje asistent dostane, ovšem nerozhoduje on. Záleží totiž na oprávněních role, pod kterou se připojuje. Dvě různé role tak můžou dostat dvě různé sady nástrojů.
Vlastní servery nejsou jediná možnost. Své MCP servery nabízejí i výrobci známých služeb, třeba GitHub, takže AI asistenta k nim připojíte bez vývoje.
Zkrátka: přes MCP AI nejen odpovídá na otázky, ale v systému i něco udělá. Proto má smysl předem promyslet, které akce jí nabídnete.
Proč stačí jeden server pro víc AI nástrojů?
Pro firmu je tohle vlastně nejpraktičtější přínos: server postavíte jednou a připojí se k němu různé AI aplikace.
Na našem CRM to funguje takhle. Kdo pracuje v Claude.ai, připojí se pod svým účtem. Aplikace ho přesměruje na přihlášení, tam přístup schválí a žádný klíč nikam nekopíruje. Vývojářské nástroje jako Claude Code nebo Cursor se ke stejnému serveru připojují API klíčem. Po připojení server uvidíte v Claude Code i v Cursoru. Server je jeden, mění se jen způsob přihlášení.
Na výběru AI aplikace tím pádem tolik nezáleží. MCP podle projektu podporují ChatGPT, Claude, Cursor, Gemini, Microsoft Copilot i Visual Studio Code. Protokol navíc nepatří jedné firmě: 9. prosince 2025 ho Anthropic předal nadaci Agentic AI Foundation, fondu pod Linux Foundation, který spoluzaložily Anthropic, Block a OpenAI.
Pro vás to znamená jediné. Server nestavíte pro jednoho dodavatele AI a při jeho změně nezačínáte znovu.
Proč pojmenované nástroje místo kopírování dat do chatu?
Pojmenované nástroje mají proti vkládání dat do chatu jednu velkou výhodu: každý krok jde zpětně dohledat.
Na diagnostiku auta jsem postavil malý MCP server nad OBD-II adaptérem. Má zhruba 250 řádků v Pythonu. Claude přes něj nedostal volný přístup k notebooku ani k autu. Dostal jen pár pojmenovaných nástrojů s pevně danými vstupy a výstupy:
- vypsat řídicí moduly,
- přečíst chybové kódy,
- vysvětlit jeden konkrétní kód,
- stáhnout freeze frame data, tedy hodnoty uložené ve chvíli, kdy chyba vznikla.
Díky tomu jsem viděl, o co si Claude řekl, co adaptér vrátil a odkud se vzalo výsledné vysvětlení.
Pojmenovaný nástroj je zároveň hranice. Co server nenabízí, to AI udělat nemůže, ať ji o to kdokoli požádá.
Data vložená do chatu takovou stopu nenechají. Nevíte, z čeho model vycházel a co si domyslel. U firemních dat je to rozdíl, na kterém záleží: když AI navrhne změnu v CRM, chcete vědět, z jakých údajů vycházela.
Co za vás MCP nevyřeší
MCP za vás nevyřeší bezpečnost a oprávnění. Specifikace to říká otevřeně: samotný protokol své bezpečnostní zásady vynutit neumí a souhlas uživatele i autorizaci musí postavit ten, kdo MCP implementuje (specifikace).
Autorizace je navíc v MCP volitelná. Když ji server přes HTTP podporuje, má se držet postupu ze specifikace, který vychází z OAuth 2.1. Server bez ní ale pořád splňuje standard.
Kde se tedy oprávnění hlídají? Na serveru. V našem CRM má asistent přes MCP stejná oprávnění jako role, pod kterou se připojil. Co nesmí role, nesmí ani asistent.
Než pustíte AI do firemního systému, zeptejte se proto toho, kdo ji připojuje, aspoň na tři věci:
- Které nástroje server nabízí?
- Pod jakou rolí se AI připojuje a kde server tu roli kontroluje?
- Kde uvidíte, co AI v systému udělala?
Co má agent smět číst a měnit a v jakém pořadí mu přístup přidávat, rozebíráme v článku jaká oprávnění dát AI agentovi v CRM a ERP.
Potřebuje vaše firma MCP server?
Vlastní MCP server potřebujete jen tehdy, když systém, se kterým má AI pracovat, žádný vlastní nemá.
U rozšířených služeb se nejdřív podívejte, jestli MCP server nenabízí přímo výrobce. Vlastní server mají například Notion, Stripe nebo GitHub (blog MCP). Pak ho stačí připojit a nastavit, k čemu má AI přístup.
Jinak je to u systému na míru nebo interního nástroje. Tam za vás server nikdo nepostaví, je to vývoj. Tak vznikl i MCP server našeho Bitvea CRM, který asistentovi nabídne jen nástroje povolené roli uživatele. Nemusí to ale být nic velkého: server s pár nástroji, které data jen čtou, je krátký program. Víc než délka kódu rozhoduje, které nástroje server nabídne a pro jakou roli.
Někdy ovšem server vůbec nepotřebujete. Když jde jen o pravidelný export dat nebo o pevné napojení dvou systémů bez AI, poslouží klasická integrace přes API stejně dobře.
Pokud chcete MCP teprve vyzkoušet, začněte jednou úlohou, kterou dnes váš tým dělá ručně. Co je AI agent a kde se ve firmě hodí, vysvětlujeme v článku co je AI agent.
Chcete propojit AI se svým CRM, ERP nebo interním systémem? Povězte nám, se kterým systémem má AI pracovat, a společně navrhneme, které nástroje dostane. Službu AI agenti nabízíme od 80 000 Kč.
