Co jsou nástroje MCP a jak je modely AI používají?

Nástroje MCP jsou funkce, které může model AI zavolat, aby provedl úkol mimo konverzaci. Může například prohledat vaše poznámky nebo zadat dotaz do databáze. Každý nástroj se nachází na serveru MCP (Model Context Protocol) a má název a krátký popis, které modelu pomáhají rozhodnout, kdy ho použít.

Termín „nástroj MCP“ se používá i v jiných významech. V běžné řeči lidé říkají „nástroje MCP“, když mají na mysli servery MCP (aplikace, které nástroje nabízejí) nebo adresáře, které tyto servery uvádějí. MCP Tools je také název programu pro příkazový řádek, který slouží k výpisu a volání nástrojů na serveru MCP.

Tento průvodce se zabývá funkcemi protokolu, nikoli servery, adresáři ani příkazovým řádkem. Vysvětluje, z čeho se nástroj skládá, jaké druhy nástrojů servery nabízejí a jak se nástroje liší od zdrojů, promptů a volání funkcí. Poté prochází jednotlivé kroky, kterými model nástroj používá, a na závěr popisuje nejčastější problémy spojené s jejich používáním.

Co jsou nástroje MCP?

Nástroj MCP je funkce, která modelům AI umožňuje plnit úkoly pomocí jiných softwarových aplikací. Moji agenti AI a pracovní postupy například používají nástroje MCP k psaní konceptů e-mailů v Gmailu (create_draft), vytváření karet v Trellu (trelloWriteCard) a získávání aktuálních výsledků vyhledávání z DataForSEO (serp_organic_live_advanced) – a to je jen několik příkladů.

Softwarové aplikace často nabízejí na svých serverech MCP více nástrojů MCP. Například server MCP pro Trello má v současnosti 14 nástrojů MCP, díky kterým mohou modely AI číst a aktualizovat nástěnky, seznamy, kontrolní seznamy, karty a další.

A protože MCP standardizuje způsob, jakým se nástroje popisují a nabízejí, může stejný nástroj MCP používat jakákoli aplikace AI, která protokol podporuje.

Co obsahuje nástroj MCP

Každý nástroj MCP obsahuje tři věci:

• Název: Krátký identifikátor, který model používá při volání nástroje (např. get_event v Kalendáři Google).
• Popis: Srozumitelné vysvětlení toho, co nástroj dělá a kdy je užitečný. Velký jazykový model (LLM) ho čte, aby rozhodl, zda nástroj odpovídá vašemu požadavku (např. „Vrátí jednu událost v zadaném kalendáři.“).
• Vstupy: Informace, které nástroj potřebuje ke spuštění, například jméno klienta a datum pro vyhledávání v poznámkách. Zapisují se ve formátu JSON a vývojáři jim říkají vstupní schéma, protože určuje podobu každého vstupu (text, číslo nebo seznam).

Zvětšit

Některé nástroje přidávají další metadata: zobrazovaný název, popis výsledků, které vracejí (výstupní schéma), a anotace o tom, jak se nástroj chová.

Model AI nikdy nevidí kód, který se za nástrojem skrývá. Vychází z toho, co nástroj říká sám o sobě, takže vágní název nebo popis vede k tomu, že model vybere nesprávný nástroj.

Jaké druhy nástrojů MCP existují

Nástroje MCP se podle toho, co dělají, dělí do čtyř skupin:

• Nástroje pro vyhledávání a dohledávání: Vyhledávají nebo načítají informace (např. prohledají poznámky, přečtou soubor nebo zadají dotaz do databáze).
• Akční nástroje: Vytvářejí nebo mění něco v jiné aplikaci (např. přidají úkol, vytvoří událost v kalendáři, založí tiket podpory nebo odešlou e-mail).
• Nástroje pro zpracování dat: Transformují nebo analyzují data (např. analyzují tabulkový soubor nebo provedou výpočet).
• Systémové nástroje: Pracují s lokálním systémem (např. spustí příkaz v terminálu).

Nástroje MCP vs. zdroje & prompty

Kromě nástrojů MCP může server MCP nabízet další dva typy stavebních bloků, kterým protokol říká primitiva: zdroje a prompty.

Zvětšit

Například oficiální server MCP od GitHubu nabízí:

• Nástroj issue_write, který vytváří nebo aktualizuje issues,
• Zdroj repository_content, který poskytuje přístup k souborům v repozitáři,
• Prompt issue_to_fix_workflow, který nastaví kroky k nahlášení problému jako issue a k tomu, aby kódovací agent Copilot od GitHubu vygeneroval pull request s jeho opravou.

Liší se v tom, co každý z nich dělá a kdo rozhoduje o jeho použití: vy, aplikace AI, ve které pracujete (např. Perplexity), nebo model AI, který v této aplikaci běží.

• Nástroj MCP provádí akce nebo vyhledává informace. O tom, kdy nástroj zavolat, rozhoduje model AI samostatně a vaše aplikace AI volání předá serveru. Nástroje vybírá váš model AI; vaše aplikace AI by vám měla každé volání zobrazit a umožnit vám ho zamítnout.
• Zdroj je obsah dostupný na serveru MCP, například soubor nebo sada záznamů, přičemž každý má vlastní adresu (URI). Vaše aplikace AI se serveru zeptá, jaké zdroje má, podle adresy načte ten, který potřebuje, a přidá jeho obsah do konverzace jako kontext.
• Prompt je hotová šablona zprávy, kterou poskytuje server, někdy s prázdnými místy, která vyplníte. Vaše aplikace AI vám zobrazí dostupné prompty a vy si jeden vyberete, často jako příkaz s lomítkem.

Jak modely AI používají nástroje MCP

Model AI používá nástroj MCP v pěti krocích: zjišťování, výběr nástroje, vyvolání, výsledky a zpracování chyb. Veškerou komunikaci mezi modelem a serverem zprostředkovává vaše aplikace AI.

Zvětšit

Řekněme, že aplikaci AI požádáte, aby zkontrolovala váš seznam „Tento týden“ v Trellu a napsala koncept e-mailu s novinkami pro vašeho editora. Celý proces od začátku do konce probíhá takto:

1. Zjišťování: Když se vaše aplikace AI připojí k serveru MCP prostřednictvím klientů MCP, vyžádá si seznam nástrojů, které server nabízí (požadavek tools/list). LLM vidí jen to, co mu aplikace předá: název, popis a vstupy každého nástroje.
2. Výběr nástroje: Model AI porovná váš požadavek s těmito popisy a vybere nástroje, které se hodí. V tomto případě jde o nástroj trelloReadList z Trella pro přečtení seznamu a nástroj create_draft z Gmailu pro napsání e-mailu. Vyplní také vstupy, například který seznam se má přečíst.
3. Vyvolání: Model odpoví strukturovaným požadavkem na spuštění nástroje (tento krok se nazývá „volání funkcí“). Vaše aplikace AI tento požadavek odešle na správný server (požadavek tools/call). Měla by vám také volání zobrazit a umožnit vám ho zamítnout.
4. Výsledky: Server spustí funkci a vrátí výsledek (result), v tomto případě karty z vašeho seznamu. Vaše aplikace AI přidá výsledek do konverzace a model rozhodne, co dál: odpoví vám, nebo zavolá další nástroj, například create_draft s e-mailem založeným na těchto kartách.
5. Zpracování chyb: Pokud se nástroj spustí, ale selže, například proto, že seznam neexistuje, vrátí se chyba jako součást výsledku. Model ji může přečíst a zkusit to znovu s jinými vstupy. Pokud je chybný samotný požadavek, například proto, že volá nástroj, který server nemá, aplikace místo toho obdrží chybu protokolu. V takovém případě je méně pravděpodobné, že se model zotaví.

Klíčové je, že model vybírá nástroje pouze na základě jejich popisů a veškerou komunikaci se servery obstarává vaše aplikace AI.

Běžné problémy s nástroji MCP a jak se jim vyhnout

Problémy s nástroji MCP se týkají čtyř věcí: kolik nástrojů je připojeno, jak jsou pojmenované a popsané, kolik dat vracejí a ze kterých serverů pocházejí.

Zde je přehled, jak se jednotlivé problémy projevují a co pomáhá:

Proč nástroje MCP potřebují vaše schválení?

Nástroje MCP potřebují vaše schválení, protože bez něj by model AI mohl provést změny, které jste nezamýšleli, nebo sdílet citlivá data se serverem, který nemáte pod kontrolou.

Špatně pochopený požadavek nebo vágně popsaný nástroj může spustit nesprávnou akci. Každé volání navíc odesílá část vašich informací na server.

Proto protokol očekává, že aplikace AI budou do procesu zapojovat člověka, který bude mít možnost jakékoli volání nástroje zamítnout.

Zde je praktický způsob, jak nástroje rozdělit podle toho, kolik kontroly vyžadují:

• Akce, které pouze čtou: Vyhledání informací, například přečtení seznamu pomocí nástroje trelloReadList z Trella, nic nemění. Tato volání mohou proběhnout bez předchozího dotazu, pokud vaše aplikace AI ukáže, který nástroj se spustil a co vyhledal.
• Akce, které lze vrátit zpět: Vytvoření konceptu e-mailu pomocí nástroje create_draft v Gmailu nebo přidání karty v Trellu mění něco, co lze vrátit. Před spuštěním volání zkontrolujte vstupy.
• Akce, které nelze vrátit zpět: Odeslání e-mailu pomocí nástroje send_message v Gmailu, smazání záznamů nebo cokoli, co zahrnuje platby či citlivá data, nelze vrátit. K těmto akcím pokaždé udělte výslovné svolení.

Používání nástrojů MCP v Perplexity

Perplexity pracuje s nástroji MCP oběma směry: může používat nástroje ze serverů MCP, které připojíte, a nabízí vlastní nástroje dalším aplikacím AI.

• Připojení serverů MCP k Perplexity: S předplatným Pro, Max a Enterprise můžete Perplexity připojit k jakémukoli externímu nástroji nebo zdroji dat, který má server MCP, a používat ho v odpovědích a v agentních pracovních postupech Perplexity Computer. V aplikaci pro Mac můžete připojit také servery MCP, které běží na vašem počítači
• Používání nástrojů Perplexity v jiných aplikacích AI: Server MCP od Perplexity nabízí čtyři nástroje (perplexity_search, perplexity_ask, perplexity_research a perplexity_reason) jakékoli aplikaci AI, která podporuje vzdálené servery MCP, například Claude Code. Samostatný server umožňuje jiným aplikacím AI předávat vícekrokové úlohy do Perplexity Computer.

Časté dotazy k nástrojům MCP

Je MCP jen volání nástrojů?

Ne, MCP není jen volání nástrojů. Volání nástrojů je způsob, jakým model o nástroj žádá, zatímco MCP je způsob, jakým aplikace AI nástroje vyhledává a směruje každé volání na server, který ho provede.

Volání nástrojů (označované také jako volání funkcí) je ta část práce, kterou obstarává model AI: model vidí seznam nástrojů a odpoví požadavkem na spuštění jednoho z nich. Pokud se používá jen volání nástrojů, musí si každá aplikace AI každý nástroj sama definovat a spouštět.

MCP umožňuje, aby nástroje sídlily na serverech, takže je jakákoli aplikace AI, která podporuje MCP, může nabídnout svému modelu a odesílat jeho požadavky na správný server.

Nahradí MCP rozhraní API?

Ne, MCP rozhraní API nenahradí, protože MCP a rozhraní API fungují společně. Nástroje MCP často stavějí na existujících rozhraních API, a když model zavolá nástroj, server MCP obvykle odešle požadavek na API.

Které aplikace AI podporují nástroje MCP?

Nástroje MCP fungují v asistentech AI, jako jsou Claude, ChatGPT a Perplexity, a ve vývojářských nástrojích, jako jsou Visual Studio Code a Cursor. Dokumentace MCP tyto aplikace uvádí a poznamenává, že je podporuje i mnoho dalších.

Musí MCP podporovat i samotný model AI?

Ne. Model AI nemusí MCP podporovat, protože protokol obstarává vaše aplikace AI. Ta se připojuje k serverům, předává jejich nástroje modelu a odesílá požadavky modelu na nástroje zpět na správný server. Model musí podporovat pouze volání funkcí.

Stává se MCP zastaralým?

Ne, MCP se stále aktivně vyvíjí. Jeho správci vydali v červenci 2026 novou verzi specifikace MCP a v srpnu 2026 zveřejnili aktualizovaný plán vývoje, který zahrnuje práci na tom, aby servery mohly odhalovat své nástroje postupně, jak se konverzace zužuje.