tag MCP
Model Context Protocol (Model Bağlam Protokolü)
Bu sayfada MCP (Model Context Protocol (Model Bağlam Protokolü)) etiketi ile işaretlenmiş 4 yapay zeka kavramını bulabilirsiniz.
Model Context Protocol (MCP), Anthropic tarafindan gelistirilen ve yapay zeka modellerini harici araclar, veri kaynaklari ve sistemlerle standart bir sekilde birbirine baglayan acik bir iletisim protokolüdür. MCP, gelistiricilerin farkli AI saglayicilariyla calisan yeniden kullanilabilir arac entegrasyonlari olusturmasını saglar. MCP mimarisinin temel bilesenler sunlardir: MCP sunucusu (arac saglaycisi — dosya sistemi, veritabanı veya API gibi harici sistemlere erisim saglayan servis), MCP istemcisi (model veya AI uygulaması — sunucuyla baglantı kuran bileşen) ve taşima katmanı (stdio veya HTTP/SSE araciligiyla iletisim). Bir MCP sunucusu araclari, kaynakları veya islemleri standart JSON-RPC formatiyla tanimlar. MCP'nin sagladigi en buyuk deger vendor lock-in'i azaltmasidir. Onceden her AI uygulamasi farkli araclara ozel entegrasyon yazmak zorundaydi; MCP ile bir arac bir kez MCP formatinda yazildiginda herhangi bir MCP destekli model veya istemci bu araci kullanbilir. Bu, arac ekosistemini demokratiklestirir ve yeniden kullanilebilirlik saglar. Popüler MCP sunuculari arasinda dosya sistemi (read/write/search), GitHub (depo okuma, PR yonetimi), PostgreSQL (sorgu), Supabase, Slack (mesaj gonderme/okuma), web arama ve tarayici otomasyonu bulunmaktadir. Claude Desktop, Claude.ai, Cursor, Zed ve bircok IDE artik MCP istemcileri olarak bu sunuculara baglanabilmektedir. MCP, ajansal yapay zeka sistemleri icin kritik bir bilesendir. Bir AI ajanı MCP sunucularini kesfedebilir, araclari cagirabilir ve cok adimli is akislarini gerceklestirebilir. Bu yaklasim, yapay zekanin icinde yaşadigi 'bağlam penceresinin' cok otesinde dunyayla etkilesimini mumkun kilar.
Anthropic (Anthropic)
Anthropic, 2021 yılında Dario Amodei ve Daniela Amodei önderliğinde, büyük dil modellerinin güvenliğini ve yorumlanabilirliğini ön plana alan bir yapay zeka güvenlik şirketi olarak kurulmuş Amerikalı bir yapay zeka araştırma kuruluşudur. Şirket, OpenAI'dan ayrılan araştırmacılar tarafından San Francisco'da kurulmuş; temel felsefesi "güvenli, yararlı ve dürüst" yapay zeka sistemleri geliştirmektir. Anthropic'in amiral gemisi ürünü Claude dil modelidir. Claude, Anayasal YZ (Constitutional AI — CAI) adı verilen özgün bir eğitim yöntemiyle geliştirilmiştir; bu yöntem, modelin yardımcı, zararsız ve dürüst olmasını sağlayan ilkelere dayalı bir öz-denetim mekanizması içerir. 2023-2026 yılları arasında piyasaya sürülen Claude 3 (Haiku, Sonnet, Opus), Claude 3.5 Sonnet, Claude 3.7 Sonnet ve Claude Opus 4 serileri; karmaşık akıl yürütme, genişletilmiş düşünme (extended thinking), kod yazma ve çok adımlı görev çözme yetenekleriyle öne çıkan modellerdir. Constitutional AI yöntemi, modelin önce potansiyel olarak zararlı bir yanıt üretmesini, ardından kendi çıktısını önceden belirlenmiş anayasal ilkelere göre değerlendirip revize etmesini içerir. Bu yaklaşım, insan denetimini azaltarak daha ölçeklenebilir bir güvenlik çerçevesi oluşturur ve RLHF ile birleştirilerek RLAIF (Reinforcement Learning from AI Feedback) biçiminde uygulanabilir. Anthropic ayrıca Model Context Protocol (MCP) standartını açık kaynak olarak yayınlamıştır; bu protokol yapay zeka modellerini harici araçlara ve veri kaynaklarına standart bir arayüzle bağlar. Şirket, mekanik yorumlanabilirlik (mechanistic interpretability) araştırmalarıyla da öne çıkmakta; dikkat kafaları analizi, özellik süperpozisyon çalışmaları ve devre düzeyi yorumlama yayınlarıyla alandaki akademik tartışmayı yönlendirmektedir. Yatırım cephesinde Amazon 2023-2024 yılları arasında toplamda 4 milyar dolar, Google ise 500 milyon dolar üzerinde yatırım yapmıştır. 2025 itibarıyla şirketin değerlemesi yaklaşık 61,5 milyar dolara ulaşmıştır. Anthropic, "sorumlu ölçeklendirme politikası" (Responsible Scaling Policy — RSP) çerçevesinde her yeni model nesli için kapsamlı güvenlik değerlendirmeleri yürütmektedir.
Claude Skills (Claude Becerileri)
Claude Skills, Anthropic'in Claude Code ajan çerçevesine özel, çalışma zamanında devreye giren modüler davranış direktifleridir. Her bir skill, Claude'un belirli bir görevi nasıl yürüteceğini, hangi araçlara başvuracağını ve hangi iş akışı kurallarını izleyeceğini tanımlayan yapılandırılmış bir talimat setidir; geleneksel monolitik sistem promptlarına kıyasla çok daha esnek ve bakımı kolay bir ajan mimarisi sunar. Skill dosyaları, projenin `.claude/skills/` dizininde Markdown formatında saklanır. Her dosya; tetikleyici koşullar (TRIGGER WHEN), kullanılacak araç listesi, adım adım iş akışı ve başarı ölçütlerini içerir. Skill'ler `/skill-adı` slash komutuyla çağrılabilir ya da sistem tarafından bağlam koşulları karşılandığında otomatik olarak tetiklenir. Paperclip platformuyla derin entegrasyon, Claude Skills'in öne çıkan kullanım senaryolarından birini oluşturur. Paperclip skill'i ajan heartbeat döngüsünü, görev checkout mekanizmasını, statü güncellemelerini ve çok ajanlı koordinasyonu kapsayan kapsamlı bir iş akışı tanımı sunar; Claude bu skill etkinleştirildiğinde her yeni konuşmada protokolü sıfırdan öğrenmek zorunda kalmadan kurumsal standartlara uygun davranır. Skills mimarisinin temel avantajı yeniden kullanılabilirliktir: bir kez tanımlanan skill, aynı şirketteki farklı ajan profilleri arasında paylaşılabilir ve Paperclip yönetim arayüzü üzerinden ajanlara atanabilir. Teknik açıdan skill zincirleme de desteklenir; karmaşık çok adımlı görevler, her biri kendi sorumluluğuna odaklanan daha küçük skill'lere ayrıştırılarak yönetilebilir hale gelir. MCP (Model Context Protocol) ile ilişkisi tamamlayıcı niteliktedir: MCP dış araç ve kaynaklara erişimi standartlaştırırken, Skills bu araçların nasıl ve hangi koşullarda kullanılacağını tanımlar. Bu iki katmanın birlikte çalışması Claude'un hem teknik yeteneklerini genişletir hem de kurumsal düzeyde tutarlı davranış sergilemesini güvence altına alır. Özel skill geliştirme, `paperclipai plugin init` komutuyla iskelet oluşturularak başlar; ardından `paperclipai plugin install <yol>` ile yerel Paperclip instansına yüklenerek test edilir. Skill başarıyla doğrulandıktan sonra şirket yöneticisi arayüzünden ilgili ajan profillerine atanır.
Model Context Protocol (Model Bağlam Protokolü)
Model Context Protocol (MCP), Anthropic tarafindan gelistirilen ve yapay zeka modellerini harici araclar, veri kaynaklari ve sistemlerle standart bir sekilde birbirine baglayan acik bir iletisim protokolüdür. MCP, gelistiricilerin farkli AI saglayicilariyla calisan yeniden kullanilabilir arac entegrasyonlari olusturmasını saglar. MCP mimarisinin temel bilesenler sunlardir: MCP sunucusu (arac saglaycisi — dosya sistemi, veritabanı veya API gibi harici sistemlere erisim saglayan servis), MCP istemcisi (model veya AI uygulaması — sunucuyla baglantı kuran bileşen) ve taşima katmanı (stdio veya HTTP/SSE araciligiyla iletisim). Bir MCP sunucusu araclari, kaynakları veya islemleri standart JSON-RPC formatiyla tanimlar. MCP'nin sagladigi en buyuk deger vendor lock-in'i azaltmasidir. Onceden her AI uygulamasi farkli araclara ozel entegrasyon yazmak zorundaydi; MCP ile bir arac bir kez MCP formatinda yazildiginda herhangi bir MCP destekli model veya istemci bu araci kullanbilir. Bu, arac ekosistemini demokratiklestirir ve yeniden kullanilebilirlik saglar. Popüler MCP sunuculari arasinda dosya sistemi (read/write/search), GitHub (depo okuma, PR yonetimi), PostgreSQL (sorgu), Supabase, Slack (mesaj gonderme/okuma), web arama ve tarayici otomasyonu bulunmaktadir. Claude Desktop, Claude.ai, Cursor, Zed ve bircok IDE artik MCP istemcileri olarak bu sunuculara baglanabilmektedir. MCP, ajansal yapay zeka sistemleri icin kritik bir bilesendir. Bir AI ajanı MCP sunucularini kesfedebilir, araclari cagirabilir ve cok adimli is akislarini gerceklestirebilir. Bu yaklasim, yapay zekanin icinde yaşadigi 'bağlam penceresinin' cok otesinde dunyayla etkilesimini mumkun kilar.
Tool Use (Araç Kullanımı (LLM))
Araç kullanımı (tool use ya da function calling), büyük dil modellerinin (LLM) yalnızca metin üretmekle kalmayıp harici araçları — veritabanı, API, kod yürütme ortamı veya arama motoru — çağırabilen aktif ajanlar olarak davranmasını sağlayan bir mimari ve yetenek kümesidir. "Function calling" ve "tool calling" terimleriyle eş anlamlı kullanılmakta; OpenAI, Anthropic ve Google farklı terminoloji benimsemiş olsa da temel mekanizma aynıdır. Teknik açıdan araç kullanımı üç aşamalı bir döngü üzerine kurulur. Birinci aşamada geliştirici, modele JSON şemasıyla araç tanımları iletir: araç adı, açıklaması ve her parametrenin veri tipi. İkinci aşamada model, kullanıcı isteğini analiz ederek hangi aracı hangi parametrelerle çağırması gerektiğine karar verir ve yapılandırılmış bir araç çağrısı bloğu üretir. Üçüncü aşamada uygulama katmanı bu çağrıyı yürütür, sonucu modele döndürür ve model nihai yanıtı oluşturur. Paralel araç çağırma, tek bir yanıt döngüsünde birden fazla araç çağrısını eş zamanlı tetikleme yeteneğidir. "Paris ve Tokyo hava durumunu karşılaştır" isteğinde model iki ayrı hava durumu API çağrısını paralel başlatır; sıralı çağrıya kıyasla gecikmeyi önemli ölçüde kısaltır. MCP (Model Context Protocol), Anthropic'in 2024'te açık kaynak olarak sunduğu standarttır. MCP sunucuları araçları, kaynak şemalarını ve hızlı şablon tanımlarını standart biçimde yayınlar; herhangi bir MCP istemcisi model bağımsız olarak bu araçları kullanabilir. Cursor, Zed ve Claude Desktop giderek genişleyen MCP ekosistemini benimseyen uygulamalara örnek oluşturmaktadır. ReAct (Reasoning + Acting) çerçevesi, araç kullanımını adım adım mantık zincirleriyle birleştirir: model düşünme adımını metin olarak üretir, ardından araç çağrısı yapar, sonucu değerlendirir ve gerekirse tekrar düşünüp yeni araç çağrısı başlatır. Bu döngü karmaşık çok adımlı görevlerde doğruluk ve güvenilirliği artırır; hatalı araç çağrılarını takip adımında düzeltme olanağı tanır. Güvenlik açısından araç kullanımı, prompt injection saldırılarına karşı dikkat gerektirir; kötü niyetli içerik araç parametrelerine sızabilir. Üretim sistemlerinde araçların izin denetimi, sandbox yürütme ortamı ve kullanıcı onay adımlarıyla sarmalanması önerilir. Bilgisayar kontrolü ve dosya sistemi erişimi gibi yüksek riskli araçlarda insan gözetimi (human-in-the-loop) kritik önem taşır.