MCP to otwarty protokół, który otwiera asystentom AI dostęp do danych w systemach firmowych - bez konieczności ręcznej integracji dla każdego narzędzia z osobna. Wyjaśniamy, jak działa i dlaczego za kilka lat oprze się na nim większość oprogramowania biznesowego.
Updated
Zapytajcie dziś Claude albo ChatGPT o stan konkretnego zamówienia, a model odpowie, że tego nie wie - nie ma dostępu do waszych danych. Nie dlatego, że nie potrafi, ale dlatego, że między nim a waszym systemem brakuje standardowego sposobu, jak o te dane poprosić. Dokładnie tę lukę wypełnia Model Context Protocol, w skrócie MCP.
Czym właściwie jest MCP
MCP to otwarty protokół, który w listopadzie 2024 przedstawił Anthropic (twórca Claude) jako standardowy sposób łączenia asystentów AI z systemami, w których realnie żyją dane - CRM, bazami danych, e-mailem, oprogramowaniem firmowym. Przed MCP każde narzędzie musiało rozwiązywać własną, ręcznie pisaną integrację osobno dla każdej aplikacji AI. Anthropic porównuje protokół do złącza USB-C - jeden wtyk zamiast dziesiątek zastrzeżonych kabli.
W niecałe półtora roku przyjęły go jako klienci również OpenAI, Google i Microsoft, więc dziś nie jest to "standard Anthropic", ale wspólny język między głównymi platformami AI. Wiosną 2026 zarządzanie protokołem przejęła dodatkowo Agentic AI Foundation pod skrzydłami Linux Foundation - tę samą organizację, która patronuje np. Kubernetesowi - co dla firm jest sygnałem, że to nie eksperyment jednej firmy, tylko standard, który przetrwa nawet zmianę dostawcy.
Jak działa MCP
System, który chce udostępnić swoje dane, uruchamia serwer MCP. Opisuje w nim trzy rzeczy: narzędzia (tools) - akcje, które może wywołać AI, np. "znajdź zamówienie po numerze" albo "utwórz nowy kontakt"; zasoby (resources) - dane, które może odczytać, np. dokumenty czy rekordy; oraz szablony promptów (prompts) - gotowe sposoby, jak AI ma o daną rzecz zapytać. Asystent AI - klient MCP - łączy się z serwerem i od razu korzysta z tych możliwości, bez konieczności pisania przez programistę kodu integracyjnego dopasowanego do konkretnego modelu.
Tę samą logikę wewnątrz Apexloopu stosuje dziś asystent AI nad waszym workspace'em: odczyt danych jest swobodny, ale każdą zmianę AI najpierw daje wam do zatwierdzenia. MCP przenosi tę zasadę poza granice jednej aplikacji - dowolny agent AI może w ten sam sposób zapytać o dane, bez automatycznego, nieograniczonego dostępu do zapisu.
Czym różni się od API i webhooka
Jeśli znacie pojęcia API i webhook, MCP będzie wam znajomy - opiera się na tych samych podstawach. Różnica polega na tym, dla kogo jest przeznaczony. API i webhook łączą dwa konkretne systemy według ściśle ustalonej umowy, zaprojektowanej przez programistę po obu stronach. MCP jest przeznaczony bezpośrednio dla modelu AI: serwer opisuje swoje możliwości tak, żeby model rozumiał je sam, bez ręcznie pisanego kodu integracyjnego dla każdej pary narzędzi z osobna.
W praktyce oznacza to, że firma raz udostępnia swoje dane przez serwer MCP, a połączyć się z nimi może potem dowolny asystent AI obsługujący ten protokół - zarówno dzisiejszy, jak i ten, który dopiero powstanie za rok.
Gdzie widać to dziś w praktyce
Niecałe dwa lata od premiery MCP ma ponad 10 000 publicznie działających serwerów i ponad 97 milionów pobrań SDK miesięcznie. Najnowsza wersja specyfikacji z 28 lipca 2026 - według opiekunów protokołu największa rewizja w jego historii - dodatkowo zniosła konieczność utrzymywania stanowego połączenia między klientem a serwerem. Serwery MCP można więc uruchamiać na zwykłej, skalowalnej infrastrukturze webowej, a nie na specjalistycznym setupie, co gwałtownie obniża koszty ich utrzymania.
W Polsce też już ktoś to robi
Allegro udostępnia publiczny serwer MCP, przez który klient może zamówić zakupy wprost w rozmowie z Claude albo innym asystentem AI - bez otwierania strony czy aplikacji. To na razie wyjątek, nie reguła, ale pokazuje kierunek, w którym generalnie zmierza oprogramowanie firmowe.
Co to oznacza dla mniejszej firmy
Serwery MCP budują dziś głównie duże firmy z własnym zespołem programistów - podłączenie do protokołu wymaga zdecydowania, jakie dane i jakie akcje warto udostępnić, i bezpiecznego ich zaprogramowania. Dla firmy, która korzysta z gotowego systemu zamiast własnego rozwoju, oznacza to przede wszystkim jedno: gdy dostawca jej CRM, zarządzania projektami czy systemu firmowego zdecyduje się obsługiwać MCP, dane od razu staną się dostępne również dla narzędzi AI, które dziś jeszcze nie istnieją - bez konieczności budowania czegokolwiek samodzielnie przez użytkownika.
Apexloop już przeszedł tę drogę: jeden model danych pod CRM, zamówieniami, projektami i podpisem elektronicznym okazał się idealnym punktem wyjścia do własnego serwera MCP, który dziś działa - z tą samą zasadą zatwierdzania zapisu, jaka obowiązuje wewnątrz aplikacji. Jak agent faktycznie łączy się z workspace'em i co wolno mu odczytać oraz zaproponować, pokazuje artykuł Apexloop jako źródło danych dla agentów AI.
Dostęp, nie ślepe zaufanie
MCP sam w sobie nie rozstrzyga, czy agent AI ma widzieć wszystkie dane, czy tylko ich część, i czy może sam zmieniać rekordy bez zatwierdzenia. To zależy od tego, jak skonfigurujecie konkretny serwer MCP - podobnie jak przy uprawnieniach dostępu wewnątrz systemu. Standard daje wam wspólny język, nie automatycznie bezpieczną konfigurację.
Jak Apexloop rozwiązuje dziś kwestię, kto w zespole widzi jakie dane, opisuje poradnik Uprawnienia dostępu i widoczność danych. O tym, dokąd w ogóle trafiają dane firmowe, gdy wprowadzicie je do narzędzia AI, piszemy w artykule Wgrywacie dane firmowe do AI. Dokąd one właściwie trafiają? Krótką definicję pojęcia znajdziecie też w słowniku, a o uruchomieniu własnego serwera MCP informuje aktualność.
Najczęstsze pytania o MCP i danych firmowych
Czy MCP to to samo co API?
Nie do końca. MCP często opiera się na API, ale dodatkowo opisuje swoje możliwości w sposób, który rozumie bezpośrednio model AI - bez ręcznie pisanego kodu integracyjnego dla każdej kombinacji narzędzi. Różnice między tymi pojęciami znajdziecie w słowniku: czym jest API, czym jest webhook.
Czy MCP potrzebuje też mała firma?
Budowanie własnego serwera MCP ma dziś sens głównie dla firm z zespołem programistów. Mniejsza firma zyskuje raczej pośrednio - gdy zaczną go obsługiwać narzędzia, których już używa, a wasze dane staną się dostępne asystentom AI bez dalszej ingerencji z waszej strony.
Czy bezpiecznie jest wpuścić agenta AI do danych firmowych przez MCP?
Zależy od tego, jak skonfigurowany jest konkretny serwer - jakie dane udostępnia, czy rozróżnia odczyt i zapis oraz czy zapis wymaga zatwierdzenia. Sam protokół nie gwarantuje bezpieczeństwa, musi je zapewnić konfiguracja po stronie operatora.
Czy Apexloop ma serwer MCP?
Tak. Serwer MCP Apexloop działa już dziś, a agent może przez niego odczytywać dane z workspace'a i proponować zmiany, które czekają na zatwierdzenie - dokładnie tak, jak opisuje artykuł Apexloop jako źródło danych dla agentów AI.