מה זה MCP?

MCP - הסטנדרט המשודרג לבקשות API

במאמר על מה זה API ראינו איך תוכנות 'מדברות' אחת עם השנייה: אנחנו פונים לכתובת, מצרפים אימות וגוף בקשה ומקבלים תשובה. כל בקשה כזו היא נקודת קצה אחת שמשרת ומבצע דבר אחד נקודתי ומסוים.

עכשיו נוסיף לתמונה שחקן חדש: מודל AI (וליתר דיוק מודל LLM, כמו Claude, ChatGPT או Gemini). המודל בפני עצמו יודע לכתוב ולנסח יפה - אבל הוא לא באמת עושה כלום: הוא לא שולח הודעה בווצאפ ולא קורא את האקסל שלנו. כדי שיוכל לעשות פעולות כאלה, אנחנו צריכים לחבר אותו לכלים שלנו.

אחת הדרכים לתת למודל כלים כדי שיוכל לבצע בקשות API בצורה מסודרת ואחידה נקראת MCP - Model Context Protocol (פרוטוקול הקשר למודל). במאמר הזה נסביר לא רק מה זה MCP, אלא במה הוא שונה מקריאת API רגילה.

הערה: ההתפתחות המלאה - איך LLM עבר מ'שיחה בלבד' ליכולת לבצע פעולות (Function calling), משם ל-MCP ומשם לסקילים - תקבל מאמר נפרד משלה. כאן נתמקד ב-MCP עצמו.

מ-API בודד לארגז כלים שלם

הרעיון של MCP בקצרה בא לפתור בעיה גדולה: עד היום, אם רצינו שמודל AI יבצע מספר פעולות (מה שנקרא Function Calling, לדוגמא: אם רצינו שהמודל יריץ מספר בקשות API), היינו צריכים לכתוב קוד ארוך כדי להגדיר כל בקשת API בנפרד - להסביר למודל ידנית איך נראית הבקשה, מה הפרמטרים שלה ולאן היא נשלחת. זו הייתה יכולה להיות המון עבודה שחורה.

המהפכה של MCP היא בסטנדרטיזציה ובחיבור האוטומטי. כשאנחנו עובדים עם MCP, אנחנו כבר לא צריכים להגדיר כל פונקציה ידנית. אנחנו פשוט מחברים את מודל ה-AI ל'שרת MCP' שמכיל בתוכו ארגז כלים שלם.

השרת 'משדר' באופן אוטומטי את כל המידע על הכלים שהוא מכיל. למעשה - וזה השינוי הגדול מהעבודה שהייתה קודם - במקום להגיש למודל פונקציות בודדות שהגדרנו ידנית, השרת מגיש לו אוטומטית 'ארגז כלים' שלם: רשימת יכולות (Tools) שהשירות חושף, יחד עם הסבר על כל יכולת.

מאחורי הקלעים, כל יכולת (Tool) כזו יכולה להפעיל בקשת API אחת או אפילו מספר בקשות API שונות כדי להשלים את המשימה. המודל לומד את ארגז היכולות הזה ברגע, ובוחר בעצמו באיזה כלי להשתמש כדי לבצע את הפעולה הנדרשת.

חשוב להבין: מאחורי הקלעים, MCP הוא מעטפת חכמה מעל API קיים, יחד עם הוראות שימוש. הוא לא קסם חדש - הוא פשוט מציג את אותו ה-API בצורה אחידה שהמודל יודע לצרוך עם שיפורים. בגלל זה כל כך חשוב להבין קודם מה זה API.

הערה: לרוב, מטרת כלי ה-MCP היא לעטוף בקשות API תוך נתינת הקשר למודל הAI והמאמר עוסק בעיקר בזה, אבל MCP יכול גם לגשת ישירות לקבצים או לבסיס נתונים - הרעיון זהה.

השדרוג שהביא ה-MCP

זה הלב של העניין. נתינת כלי MCP למודל AI שלנו הביאה כמה שיפורים שלא היו עם בקשות API רגילות (או כלי Function Calling):

• כמות - במקום לחבר את המודל לכל פעולה בנפרד, אנחנו מעניקים לו גישה מיידית לארגז כלים שלם שמכיל מגוון רחב של יכולות וכלים (Tools).
• התאמה למודל AI חכם - בשונה מתוכנה דטרמיניסטית (ללא AI שיכול לחשוב), מודל AI יכול לחשוב. ברגע שאנחנו נותנים לו את כל הכלים - הוא יכול לבחור בעצמו באיזה כלי להשתמש. MCP בדיוק עושה את זה - מסביר לו על הכלים שברשותו ומאפשר לו להחליט לבד איך לבצע את המשימה.
• סטנדרטיזציה - אנתרופיק שחררו את MCP כפרוטוקול פתוח (Open Standard). היום, יותר ויותר שירותים מוסיפים תמיכה ב-MCP או מספקים שרתי MCP רשמיים וקהילתיים. זה מאפשר התקנה מהירה במיוחד - בפקודה אחת פשוטה מקבלים את רשימת הכלים והיכולות שהשרת חושף.

דוגמא מהחיים

נניח שחיברנו ל-Claude את ה-MCP של ווצאפ ואת ה-MCP של גוגל שיטס.

אני יכול פשוט לכתוב: 'תעבור על הלידים החדשים בשיטס מהשבוע, ולכל אחד תשלח הודעת פתיחה בווצאפ'.

מאחורי הקלעים: המודל יקרא את השורות דרך ה-MCP של שיטס (שמריץ קריאת API לגוגל), ולכל ליד יפעיל את הכלי 'שליחת הודעה' ב-MCP של ווצאפ (שמריץ קריאת API ל-GREEN-API).

לא כתבתי שורת קוד אחת, לא הגדרתי וחיברתי כל קריאה בנפרד ולא נכנסתי לאף מערכת - רק ביקשתי בשפה חופשית, והמודל בחר מהכלים שנתתי לו נקודת הקצה לקבלת השורות בגוגל שיטס, ונקודת הקצה של שליחת ההודעה ב-GREEN-API!

איך MCP עובד

נעבור עכשיו להסביר את החלק הטכני יותר ונבין איך MCP עובד.

בעולם של MCP יש שני צדדים:

• לקוח (Host / Client) - הצד שלנו שפונה לשירות, למשל Claude Desktop, Claude Code או Make ו-n8n.
• שרת (MCP Server) - הצד של השירות שמקבל את הבקשה שלנו (ראה הערה בהמשך) - גשר קטן שיושב מול שירות מסוים ו'מתרגם' אותו לשפת MCP. זה ה'מקום' שבו יושבת רשימת הכלים שדיברנו עליה.

וזרימה אחת, צעד-צעד:

1. אנחנו מבקשים מהמודל משהו בשפה חופשית: 'תבדוק מתי התור של דנה ושלח לה תזכורת בווצאפ'.
2. המודל בוחר את הכלי או הכלים המתאימים מתוך השרת.
3. שרת ה-MCP מבצע מאחורי הקלעים את קריאת ה-API האמיתית - בודק באקסל, שולח בווצאפ.
4. התשובה חוזרת למודל, והוא ממשיך משם - מנסח לנו תשובה או מדווח שהפעולה בוצעה.

ומי בונה את השרת? לפעמים השירות עצמו מספק שרת MCP רשמי - אבל לא חייבים לחכות לו. אפשר גם להקים שרת MCP בעצמנו על שרת משלנו, או אפילו דרך כלי אוטומציה כמו Make או n8n שעוטפים את ה-API שאנחנו רוצים לחבר. שימו לב: make או n8n יכולים לשמש גם כצד הלקוח שפונה ל-MCP וגם יכולים לשמש כצד שרת.

אבטחה - שווה לשים לב

ברגע שאנחנו מחברים מודל ל-MCP, אנחנו נותנים לו גישה לבצע פעולות אמיתיות בשמנו - לשלוח, לערוך, למחוק. לכן חשוב לחבר רק שרתי MCP שאנחנו סומכים עליהם, ולהיזהר עם מפתחות וטוקנים בדיוק כמו שדיברנו במאמר ה-API.

כמו שאמרנו על הטוקן: מי שמשיג גישה - יכול לפעול בשמנו. עם MCP זה נכון שבעתיים, כי בצד השני יושב מודל שבוחר פעולות בעצמו.

לסיכום

MCP נועד לשדרג את מודלי ה-AI - במקום שנגדיר לו בקשות API ספציפיות, בעזרת MCP אנחנו נותנים למודל ארגז כלים שלם שהוא יודע לקרוא לבד ולבחור ממנו את בקשות ה-API לפי הצורך.

זכרו: MCP לא מחליף את ה-API - הוא מארגן אותו ונותן ל-AI דרך נוחה להשתמש בו!

---

שאלות? צרו קשר ב-WhatsApp.