MCP protokol: Jak propojit AI s vašimi daty (praktický tutoriál)

Co je Model Context Protocol a proč na něm záleží

Model Context Protocol (MCP) je otevřený standard vyvinutý Anthropic, který definuje, jak AI modely komunikují s externími datovými zdroji. Představte si to jako USB pro AI - univerzální rozhraní, které umožňuje propojit jakýkoli AI nástroj s jakoukoli databází, API nebo službou.

Před MCP musel každý AI nástroj implementovat vlastní integraci pro každou službu. S MCP stačí jeden server a všechny kompatibilní AI nástroje ho mohou využívat.

Klíčové výhody MCP:

• Standardizované rozhraní pro AI-data komunikaci
• Bezpečný přístup k citlivým datům bez jejich odesílání do cloudu
• Možnost lokálního běhu pro maximální privátnost
• Rostoucí ekosystém předpřipravených serverů

Architektura MCP (vizuální diagram)

MCP funguje na principu klient-server architektury:

┌─────────────────┐     MCP Protocol     ┌─────────────────┐
│   AI Klient     │◄───────────────────►│   MCP Server    │
│  (Claude, etc.) │                      │                 │
└─────────────────┘                      └────────┬────────┘
                                                  │
                                         ┌────────▼────────┐
                                         │   Datový zdroj  │
                                         │ (DB, API, Files)│
                                         └─────────────────┘

Komponenty:

• MCP Klient: AI nástroj (Claude Desktop, Cursor, atd.)
• MCP Server: Váš kód, který zpřístupňuje data
• Transport: stdio (lokální) nebo HTTP/SSE (remote)

Váš první MCP server (tutoriál s kódem)

Vytvoříme jednoduchý MCP server, který zpřístupní poznámky z lokálního souboru.

Krok 1: Inicializace projektu

mkdir mcp-notes-server
cd mcp-notes-server
npm init -y
npm install @modelcontextprotocol/sdk

Krok 2: Vytvoření serveru

// server.js
import { McpServer } from "@modelcontextprotocol/sdk/server";
import { StdioTransport } from "@modelcontextprotocol/sdk/transport";
import fs from "fs/promises";

const server = new McpServer({
  name: "notes-server",
  version: "1.0.0",
});

// Definice nástroje pro čtení poznámek
server.tool("read_notes", "Přečte všechny poznámky", async () => {
  const notes = await fs.readFile("./notes.json", "utf-8");
  return JSON.parse(notes);
});

// Definice nástroje pro přidání poznámky
server.tool(
  "add_note",
  "Přidá novou poznámku",
  { content: { type: "string", description: "Text poznámky" } },
  async ({ content }) => {
    const notes = JSON.parse(await fs.readFile("./notes.json", "utf-8"));
    notes.push({ content, created: new Date().toISOString() });
    await fs.writeFile("./notes.json", JSON.stringify(notes, null, 2));
    return { success: true };
  }
);

// Spuštění serveru
const transport = new StdioTransport();
server.connect(transport);

Krok 3: Konfigurace v Claude Desktop

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "notes": {
      "command": "node",
      "args": ["/cesta/k/mcp-notes-server/server.js"]
    }
  }
}

Krok 4: Testování

Restartujte Claude Desktop a zkuste: "Přečti moje poznámky" nebo "Přidej poznámku: Nakoupit mléko".

Připojení k Supabase přes MCP

Praktičtější příklad - propojení s Supabase databází:

import { McpServer } from "@modelcontextprotocol/sdk/server";
import { createClient } from "@supabase/supabase-js";

const supabase = createClient(
  process.env.SUPABASE_URL,
  process.env.SUPABASE_SERVICE_KEY
);

const server = new McpServer({
  name: "supabase-mcp",
  version: "1.0.0",
});

// Čtení uživatelů
server.tool("get_users", "Získá seznam uživatelů", async () => {
  const { data, error } = await supabase
    .from("profiles")
    .select("id, full_name, email")
    .limit(100);
  
  if (error) throw new Error(error.message);
  return data;
});

// Vyhledávání
server.tool(
  "search_users",
  "Vyhledá uživatele podle jména",
  { query: { type: "string" } },
  async ({ query }) => {
    const { data } = await supabase
      .from("profiles")
      .select("*")
      .ilike("full_name", `%${query}%`);
    return data;
  }
);

Bezpečnostní aspekty MCP

MCP je navržen s bezpečností jako prioritou:

• Lokální běh: Server běží na vašem stroji, data neopouštějí vaši síť
• Explicitní schválení: Každé použití nástroje vyžaduje potvrzení uživatelem
• Granulární oprávnění: Můžete omezit, které operace jsou povoleny
• Audit log: Všechny operace jsou logovány

Best practices:

• Nikdy nepoužívejte admin/service key pro MCP - vytvořte dedikovaného uživatele s minimálními oprávněními
• Implementujte rate limiting
• Validujte všechny vstupy
• Logujte všechny operace

Příklady z praxe: 3 use cases

1. Personal Knowledge Base

Propojte Claude s vašimi Notion poznámkami, lokálními Markdown soubory nebo Obsidian vaultem. AI pak může odpovídat na otázky z vašich poznámek.

2. Customer Support Dashboard

MCP server propojený s CRM systémem umožňuje AI asistentovi přístup k historii zákazníka při řešení tiketu.

3. Code Repository Analysis

Server, který analyzuje Git historii a poskytuje insights o vývoji projektu.

Budoucnost MCP a AI integrací

MCP je teprve na začátku. V roce 2026 očekáváme:

• Rozšíření podpory v dalších AI nástrojích (Cursor, Windsurf)
• Marketplace s předpřipravenými MCP servery
• Enterprise features (SSO, audit, compliance)
• Real-time streaming dat

Pro vibecodery je MCP příležitost vytvářet vlastní AI-powered nástroje bez nutnosti trénovat vlastní modely.