מהם כלי MCP ואיך מודלים של בינה מלאכותית משתמשים בהם?

כלי MCP הם פונקציות שמודל בינה מלאכותית יכול לקרוא להן כדי לבצע משימה מחוץ לשיחה, למשל חיפוש בפתקים שלכם או שאילתה במסד נתונים. כל כלי נמצא בשרת MCP (Model Context Protocol), ויש לו שם ותיאור קצר שעוזרים למודל להחליט מתי להשתמש בו.

המונח „כלי MCP” משמש גם במובנים אחרים. בשימוש היומיומי, אנשים אומרים „כלי MCP” כשהם מתכוונים לשרתי MCP (האפליקציות שמציעות כלים) או לאינדקסים שמרכזים את השרתים האלה. MCP Tools הוא גם שמה של תוכנת שורת פקודה שמציגה את הכלים בשרת MCP ומאפשרת לקרוא להם.

המדריך הזה עוסק בפונקציות של הפרוטוקול, ולא בשרתים, באינדקסים או בשורות פקודה. הוא מסביר ממה מורכב כלי, אילו סוגי כלים שרתים מציעים, ובמה כלים שונים ממשאבים, מהנחיות ומקריאה לפונקציות (function calling). לאחר מכן הוא מפרט את השלבים שמודל עובר כדי להשתמש בכלי, ולסיום סוקר את הבעיות הנפוצות ביותר שקשורות לשימוש בכלים.

מהם כלי MCP?

כלי MCP הוא פונקציה שמאפשרת למודלים של בינה מלאכותית לבצע משימות באמצעות אפליקציות תוכנה אחרות. לדוגמה, סוכני הבינה המלאכותית ותהליכי העבודה שלי משתמשים בכלי MCP כדי לנסח טיוטות של אימיילים ב-Gmail (create_draft), ליצור כרטיסים ב-Trello (trelloWriteCard) ולשלוף תוצאות חיפוש בזמן אמת מ-DataForSEO (serp_organic_live_advanced), וזו רק רשימה חלקית.

אפליקציות תוכנה מציעות לעיתים קרובות כמה כלי MCP בשרתי ה-MCP שלהן. לדוגמה, בשרת ה-MCP של Trello יש כיום 14 כלי MCP שמאפשרים למודלים של בינה מלאכותית לקרוא ולעדכן לוחות, רשימות, רשימות תיוג, כרטיסים ועוד.

ומכיוון ש-MCP קובע תקן אחיד לאופן שבו כלים מתוארים ומוצעים, כל אפליקציית בינה מלאכותית שתומכת בפרוטוקול יכולה להשתמש באותו כלי MCP.

ממה מורכב כלי MCP

כל כלי MCP כולל שלושה רכיבים:

• שם: מזהה קצר שהמודל משתמש בו כשהוא קורא לכלי (למשל, get_event ב-Google Calendar).
• תיאור: הסבר בשפה פשוטה על מה שהכלי עושה ומתי הוא שימושי. מודל השפה הגדול (LLM) קורא אותו כדי להחליט אם הכלי מתאים לבקשה שלכם (למשל, „Returns a single event on the given calendar.”).
• קלטים: המידע שהכלי צריך כדי לפעול, למשל שם לקוח ותאריך לחיפוש בפתקים. הוא נכתב ב-JSON, ומפתחים מכנים אותו סכמת הקלט (input schema), כי הוא קובע את המבנה של כל קלט (טקסט, מספר או רשימה).

הגדלה

יש כלים שמוסיפים מטא-נתונים נוספים: שם תצוגה, תיאור של התוצאות שהם מחזירים (סכמת פלט) והערות (annotations) על אופן הפעולה של הכלי.

מודל הבינה המלאכותית אף פעם לא רואה את הקוד שמאחורי הכלי. הוא מסתמך על מה שהכלי אומר על עצמו, ולכן שם או תיאור מעורפלים גורמים למודל לבחור בכלי הלא נכון.

אילו סוגים של כלי MCP קיימים

כלי MCP מתחלקים לארבע קבוצות לפי מה שהם עושים:

• כלי חיפוש ואחזור: מאתרים או שולפים מידע (למשל, חיפוש בפתקים, קריאת קובץ או שאילתה במסד נתונים).
• כלי פעולה: יוצרים או משנים משהו באפליקציה אחרת (למשל, הוספת משימה, יצירת אירוע ביומן, פתיחת פנייה לתמיכה או שליחת אימייל).
• כלים לעיבוד נתונים: ממירים או מנתחים נתונים (למשל, ניתוח קובץ של גיליון אלקטרוני או הרצת חישוב).
• כלי מערכת: פועלים מול המערכת המקומית (למשל, הרצת פקודה במסוף).

כלי MCP לעומת משאבים והנחיות

מלבד כלי MCP, שרת MCP יכול להציע שני סוגים נוספים של אבני בניין, שהפרוטוקול מכנה פרימיטיבים: משאבים (resources) והנחיות (prompts).

הגדלה

לדוגמה, שרת ה-MCP הרשמי של GitHub מציע:

• כלי בשם issue_write שיוצר או מעדכן issues,
• משאב בשם repository_content שמעניק גישה לקבצים במאגר,
• הנחיה בשם issue_to_fix_workflow שמגדירה את השלבים לדיווח על בעיה כ-issue ולהפעלת סוכן הקוד Copilot של GitHub כדי שייצור pull request שמתקן אותה.

ההבדל הוא במה שכל אחד מהם עושה ובמי שמחליט מתי להשתמש בו: אתם, אפליקציית הבינה המלאכותית שבה אתם עובדים (למשל, Perplexity), או מודל הבינה המלאכותית שפועל בתוך האפליקציה הזו.

• כלי MCP מבצע פעולות או מאתר מידע. מודל הבינה המלאכותית מחליט באופן עצמאי מתי לקרוא לכלי, ואפליקציית הבינה המלאכותית מעבירה את הקריאה לשרת. המודל בוחר את הכלים, והאפליקציה אמורה להציג לכם כל קריאה ולאפשר לכם לדחות אותה.
• משאב הוא תוכן שזמין בשרת ה-MCP, כמו קובץ או אוסף רשומות, ולכל משאב יש כתובת משלו (URI). אפליקציית הבינה המלאכותית שואלת את השרת אילו משאבים יש לו, קוראת את המשאב שהיא צריכה לפי הכתובת שלו ומוסיפה את התוכן לשיחה כהקשר.
• הנחיה היא תבנית הודעה מוכנה מראש שהשרת מספק, לפעמים עם שדות ריקים שאתם ממלאים. אפליקציית הבינה המלאכותית מציגה לכם את ההנחיות הזמינות, ואתם בוחרים אחת מהן, לרוב כפקודת לוכסן (slash command).

איך מודלים של בינה מלאכותית משתמשים בכלי MCP

מודל בינה מלאכותית משתמש בכלי MCP בחמישה שלבים: גילוי, בחירת כלי, הפעלה, תוצאות וטיפול בשגיאות. אפליקציית הבינה המלאכותית מעבירה את כל המידע בין המודל לשרת.

הגדלה

נניח שאתם מבקשים מאפליקציית הבינה המלאכותית לבדוק את הרשימה „השבוע” שלכם ב-Trello ולנסח אימייל עם עדכון לעורך שלכם. זה מה שקורה מתחילתו ועד סופו:

1. גילוי: כשאפליקציית הבינה המלאכותית מתחברת לשרת MCP באמצעות לקוחות MCP, היא מבקשת מהשרת את רשימת הכלים הזמינים (בקשה שנקראת tools/list). ה-LLM רואה רק את מה שהאפליקציה מעבירה לו: השם, התיאור והקלטים של כל כלי.
2. בחירת כלי: מודל הבינה המלאכותית משווה את הבקשה שלכם לתיאורים האלה ובוחר את הכלים המתאימים. במקרה הזה, אלה trelloReadList של Trello לקריאת הרשימה ו-create_draft של Gmail לכתיבת האימייל. הוא גם ממלא את הקלטים, למשל איזו רשימה לקרוא.
3. הפעלה: המודל משיב בבקשה מובנית להריץ את הכלי (שלב שנקרא „קריאה לפונקציות”, או function calling). אפליקציית הבינה המלאכותית שולחת את הבקשה לשרת המתאים (בקשת tools/call). היא אמורה גם להציג לכם את הקריאה ולאפשר לכם לדחות אותה.
4. תוצאות: השרת מריץ את הפונקציה ומחזיר את התוצאה (result), במקרה הזה את הכרטיסים שברשימה שלכם. אפליקציית הבינה המלאכותית מוסיפה את התוצאה לשיחה, והמודל מחליט מה הלאה: לענות לכם או לקרוא לכלי נוסף, כמו create_draft עם אימייל שמבוסס על הכרטיסים האלה.
5. טיפול בשגיאות: אם הכלי רץ אבל נכשל, למשל כי הרשימה לא קיימת, השגיאה חוזרת כחלק מהתוצאה. המודל יכול לקרוא אותה ולנסות שוב עם קלטים אחרים. אם הבקשה עצמה פגומה, למשל כי היא קוראת לכלי שלא קיים בשרת, האפליקציה מקבלת במקום זאת שגיאת פרוטוקול. במקרה כזה, הסיכוי שהמודל יתאושש נמוך יותר.

הנקודה החשובה היא שהמודל בוחר כלים על סמך התיאורים שלהם בלבד, ואפליקציית הבינה המלאכותית היא זו שמנהלת את כל התקשורת עם השרתים.

בעיות נפוצות בכלי MCP ואיך להימנע מהן

בעיות בכלי MCP נובעות מארבעה גורמים: כמה כלים מחוברים, איך הם נקראים ומתוארים, כמה נתונים הם מחזירים ומאילו שרתים הם מגיעים.

כך נראית כל בעיה, וזה מה שעוזר:

למה כלי MCP צריכים את האישור שלכם?

כלי MCP צריכים את האישור שלכם, כי בלעדיו מודל הבינה המלאכותית עלול לבצע שינויים שלא התכוונתם אליהם או לשתף מידע רגיש עם שרת שאינו בשליטתכם.

בקשה שהובנה לא נכון או כלי עם תיאור מעורפל עלולים להפעיל את הפעולה הלא נכונה. בנוסף, כל קריאה שולחת חלק מהמידע שלכם לשרת.

זו הסיבה שהפרוטוקול מצפה מאפליקציות בינה מלאכותית לשמור על מעורבות אנושית בתהליך, עם אפשרות לדחות כל קריאה לכלי.

הנה דרך מעשית למיין כלים לפי מידת הבדיקה שהם דורשים:

• פעולות קריאה בלבד: חיפוש מידע, כמו קריאת רשימה באמצעות trelloReadList של Trello, לא משנה דבר. קריאות כאלה יכולות לרוץ בלי לבקש אישור מראש, כל עוד אפליקציית הבינה המלאכותית מציגה איזה כלי רץ ומה הוא חיפש.
• פעולות שאפשר לבטל: יצירת טיוטת אימייל באמצעות create_draft של Gmail או הוספת כרטיס ב-Trello משנות משהו שאפשר להחזיר לקדמותו. בדקו את הקלטים לפני שהקריאה רצה.
• פעולות שאי אפשר לבטל: שליחת אימייל באמצעות send_message של Gmail, מחיקת רשומות או כל דבר שכרוך בתשלומים או במידע רגיש הן פעולות בלתי הפיכות. אשרו אותן במפורש בכל פעם.

שימוש בכלי MCP ב-Perplexity

Perplexity עובדת עם כלי MCP בשני הכיוונים: היא יכולה להשתמש בכלים משרתי MCP שאתם מחברים, והיא מציעה כלים משלה לאפליקציות בינה מלאכותית אחרות.

• חיבור שרתי MCP ל-Perplexity: בתוכניות Pro, Max ו-Enterprise אפשר לחבר את Perplexity לכל כלי חיצוני או מקור נתונים שיש לו שרת MCP, ולהשתמש בו בתשובות ובתהליכי עבודה מבוססי סוכנים ב-Perplexity Computer. באפליקציית Mac אפשר גם לחבר שרתי MCP שפועלים במחשב שלכם
• שימוש בכלים של Perplexity באפליקציות בינה מלאכותית אחרות: שרת ה-MCP של Perplexity מציע ארבעה כלים (perplexity_search, perplexity_ask, perplexity_research ו-perplexity_reason) לכל אפליקציית בינה מלאכותית שתומכת בשרתי MCP מרוחקים, כמו Claude Code. שרת נפרד מאפשר לאפליקציות בינה מלאכותית אחרות להעביר משימות מרובות שלבים ל-Perplexity Computer.

שאלות נפוצות על כלי MCP

האם MCP הוא רק קריאה לכלים?

לא, MCP הוא לא רק קריאה לכלים. קריאה לכלים היא הדרך שבה המודל מבקש להשתמש בכלי, ו-MCP הוא הדרך שבה אפליקציית הבינה המלאכותית מוצאת כלים ומנתבת כל קריאה לשרת שמריץ את הכלי.

קריאה לכלים (tool calling, שמכונה גם קריאה לפונקציות או function calling) היא החלק של מודל הבינה המלאכותית בעבודה: המודל רואה רשימת כלים ומשיב בבקשה להריץ אחד מהם. כשמסתמכים על קריאה לכלים בלבד, כל אפליקציית בינה מלאכותית צריכה להגדיר ולהריץ כל כלי בעצמה.

MCP מאפשר לכלים לשכון בשרתים, כך שכל אפליקציית בינה מלאכותית שתומכת ב-MCP יכולה להציע אותם למודל שלה ולשלוח את הבקשות של המודל לשרת המתאים.

האם MCP יחליף את ממשקי ה-API?

לא, MCP לא יחליף את ממשקי ה-API, כי MCP וממשקי API עובדים יחד. כלי MCP פועלים לעיתים קרובות מעל ממשקי API קיימים, וכשהמודל קורא לכלי, שרת ה-MCP בדרך כלל שולח בקשת API.

אילו אפליקציות בינה מלאכותית תומכות בכלי MCP?

כלי MCP פועלים בעוזרי בינה מלאכותית כמו Claude, ChatGPT ו-Perplexity, ובכלי פיתוח כמו Visual Studio Code ו-Cursor. התיעוד של MCP מציין אותם ומוסיף שאפליקציות רבות אחרות תומכות בהם גם כן.

האם מודל הבינה המלאכותית עצמו צריך לתמוך ב-MCP?

לא. מודל הבינה המלאכותית לא צריך לתמוך ב-MCP, כי אפליקציית הבינה המלאכותית מטפלת בפרוטוקול. היא מתחברת לשרתים, מעבירה את הכלים שלהם למודל ושולחת את בקשות הכלים של המודל בחזרה לשרת המתאים. המודל צריך לתמוך רק בקריאה לפונקציות (function calling).

האם MCP הופך למיושן?

לא, MCP עדיין נמצא בפיתוח פעיל. המתחזקים שלו פרסמו גרסה חדשה של מפרט MCP ביולי 2026, ובאוגוסט 2026 פרסמו מפת דרכים מעודכנת, שכוללת עבודה שתאפשר לשרתים לחשוף את הכלים שלהם בהדרגה ככל שהשיחה מתמקדת.