Što su MCP alati i kako ih AI modeli koriste?

Saznajte što su MCP alati, kako ih AI modeli pronalaze i pozivaju putem MCP poslužitelja te kako ih sigurno koristiti.

Diagram of how MCP works: an AI app (the MCP host) sends tool requests through an MCP client to an MCP server, which connects to tools and returns results.

MCP alati funkcije su koje AI model može pozvati kako bi obavio zadatak izvan razgovora, primjerice pretražio vaše bilješke ili postavio upit bazi podataka. Svaki alat nalazi se na poslužitelju MCP (Model Context Protocol) i ima naziv i kratak opis koji modelu pomažu odlučiti kada ga upotrijebiti.

Izraz „MCP alat” koristi se i u drugim značenjima. U svakodnevnoj upotrebi ljudi kažu „MCP alati” kad misle na MCP poslužitelje (aplikacije koje nude alate) ili na kataloge u kojima su ti poslužitelji popisani. MCP Tools ujedno je i naziv programa naredbenog retka za popisivanje i pozivanje alata na MCP poslužitelju.

Ovaj se vodič bavi funkcijama protokola, a ne poslužiteljima, katalozima ili naredbenim retkom. Objašnjava od čega se alat sastoji, koje vrste alata poslužitelji nude te po čemu se alati razlikuju od resursa, promptova i pozivanja funkcija. Zatim opisuje korake koje model poduzima kako bi upotrijebio alat, a završava najčešćim problemima povezanima s upotrebom alata.

Što su MCP alati?

MCP alat funkcija je koja AI modelima omogućuje obavljanje zadataka u drugim softverskim aplikacijama. Primjerice, moji AI agenti i tijekovi rada koriste MCP alate za pisanje skica e-poruka u Gmailu (create_draft), izradu Trello kartica (trelloWriteCard) i dohvaćanje rezultata pretraživanja uživo s DataForSEO-a (serp_organic_live_advanced), da navedem samo neke.

Softverske aplikacije na svojim MCP poslužiteljima često nude više MCP alata. Primjerice, Trellov MCP poslužitelj trenutačno ima 14 MCP alata koji AI modelima omogućuju čitanje i ažuriranje ploča, popisa, kontrolnih popisa, kartica i još mnogo toga.

Budući da MCP standardizira način na koji se alati opisuju i nude, svaka AI aplikacija koja podržava protokol može koristiti isti MCP alat.

Što sadrži MCP alat

Svaki MCP alat sastoji se od triju elemenata:

  • Naziv: Kratak identifikator koji model koristi kada poziva alat (npr. get_event u Google kalendaru).
  • Opis: Jednostavnim jezikom napisano objašnjenje onoga što alat radi i kada je koristan. Veliki jezični model (LLM) čita ga kako bi odlučio odgovara li alat vašem zahtjevu (npr. „Returns a single event on the given calendar.”).
  • Ulazni podaci: Podaci koji su alatu potrebni za rad, kao što su ime klijenta i datum za pretraživanje bilješki. Opisuju se u JSON-u, a taj opis programeri nazivaju ulaznom shemom jer određuje oblik svakog ulaznog podatka (tekst, broj ili popis).

Neki alati sadrže i dodatne metapodatke: naziv za prikaz, opis rezultata koje vraćaju (izlaznu shemu) i anotacije o tome kako se alat ponaša.

AI model nikada ne vidi kôd iza alata. Oslanja se na ono što alat govori o sebi, pa nejasan naziv ili opis navodi model da odabere pogrešan alat.

Koje vrste MCP alata postoje

MCP alati dijele se u četiri skupine prema onome što rade:

  • Alati za pretraživanje i dohvaćanje: Pronalaze ili dohvaćaju informacije (npr. pretražuju bilješke, čitaju datoteku ili postavljaju upit bazi podataka).
  • Alati za radnje: Stvaraju ili mijenjaju nešto u drugoj aplikaciji (npr. dodaju zadatak, stvaraju događaj u kalendaru, otvaraju zahtjev za podršku ili šalju e-poruku).
  • Alati za obradu podataka: Pretvaraju ili analiziraju podatke (npr. analiziraju datoteku proračunske tablice ili izvode izračun).
  • Sustavski alati: Komuniciraju s lokalnim sustavom (npr. izvršavaju naredbu u terminalu).

MCP alati u usporedbi s resursima & promptovima

Osim MCP alata, MCP poslužitelj može nuditi još dvije vrste gradivnih elemenata, koje protokol naziva primitivima: resurse i promptove.

Primjerice, službeni GitHubov MCP poslužitelj nudi:

  • Alat pod nazivom issue_write koji stvara ili ažurira prijave problema (issues),
  • Resurs pod nazivom repository_content koji omogućuje pristup datotekama u repozitoriju,
  • Prompt pod nazivom issue_to_fix_workflow koji postavlja korake kojima se problem prijavljuje kao prijava problema (issue), a GitHubov agent za kodiranje Copilot zatim izrađuje pull request kojim ga ispravlja.

Razlika je u tome što svaki od njih radi i tko odlučuje kada će se upotrijebiti: vi, AI aplikacija u kojoj radite (npr. Perplexity) ili AI model koji radi unutar te aplikacije.

  • MCP alat izvodi radnje ili pretražuje podatke. AI model samostalno odlučuje kada će pozvati alat, a vaša AI aplikacija prosljeđuje poziv poslužitelju. Alate odabire vaš AI model; vaša AI aplikacija trebala bi vam prikazati svaki poziv i omogućiti vam da ga odbijete.
  • Resurs je sadržaj dostupan na MCP poslužitelju, poput datoteke ili skupa zapisa, pri čemu svaki ima vlastitu adresu (URI). Vaša AI aplikacija pita poslužitelj koje resurse ima, čita onaj koji joj je potreban putem njegove adrese i dodaje sadržaj u razgovor kao kontekst.
  • Prompt je gotov predložak poruke koji pruža poslužitelj, ponekad s praznim poljima koja sami ispunjavate. Vaša AI aplikacija prikazuje vam dostupne promptove, a vi odabirete jedan, često kao naredbu s kosom crtom.

Kako AI modeli koriste MCP alate

AI model koristi MCP alat u pet koraka: otkrivanje, odabir alata, pozivanje, rezultati i obrada pogrešaka. Vaša AI aplikacija prenosi sve između modela i poslužitelja.

Recimo da od svoje AI aplikacije zatražite da provjeri vaš Trello popis „Ovaj tjedan” i napiše skicu e-poruke vašem uredniku s novostima. Evo što se događa od početka do kraja:

  1. Otkrivanje: Kada se vaša AI aplikacija poveže s MCP poslužiteljem putem MCP klijenata, traži od poslužitelja popis dostupnih alata (zahtjev pod nazivom tools/list). LLM vidi samo ono što mu aplikacija proslijedi: naziv, opis i ulazne podatke svakog alata.
  2. Odabir alata: AI model uspoređuje vaš zahtjev s tim opisima i odabire odgovarajuće alate. U ovom slučaju to su Trellov trelloReadList za čitanje popisa i Gmailov create_draft za pisanje e-poruke. Model ujedno ispunjava ulazne podatke, primjerice koji popis treba pročitati.
  3. Pozivanje: Model odgovara strukturiranim zahtjevom za pokretanje alata (korak koji se naziva „pozivanje funkcija”). Vaša AI aplikacija šalje taj zahtjev odgovarajućem poslužitelju (zahtjev tools/call). Također bi vam trebala prikazati poziv i omogućiti vam da ga odbijete.
  4. Rezultati: Poslužitelj izvršava funkciju i vraća rezultat (result), u ovom slučaju kartice s vašeg popisa. Vaša AI aplikacija dodaje rezultat u razgovor, a model odlučuje što slijedi: odgovoriti vam ili pozvati drugi alat, primjerice create_draft s e-porukom temeljenom na tim karticama.
  5. Obrada pogrešaka: Ako se alat pokrene, ali ne uspije, primjerice zato što popis ne postoji, pogreška se vraća kao dio rezultata. Model je može pročitati i pokušati ponovno s drugačijim ulaznim podacima. Ako je neispravan sam zahtjev, primjerice zato što poziva alat koji poslužitelj nema, aplikacija umjesto toga dobiva pogrešku protokola. Tada je manje vjerojatno da će se model oporaviti.

Ključno je to što model odabire alate isključivo na temelju njihovih opisa, a vaša AI aplikacija obavlja svu komunikaciju s poslužiteljima.

Uobičajeni problemi s MCP alatima i kako ih izbjeći

Problemi s MCP alatima svode se na četiri stvari: koliko je alata povezano, kako su imenovani i opisani, koliko podataka vraćaju i s kojih poslužitelja dolaze.

Evo kako svaki problem izgleda i što pomaže:

Problem

Kako izgleda

Što pomaže

Previše povezanih alata

Svaka definicija alata nalazi se u kontekstnom prozoru modela prije nego što išta pitate, a odabir alata postaje sve lošiji kako popis raste.

Povežite samo poslužitelje potrebne za zadatak i isključite alate koje ne koristite ako vaša AI aplikacija to dopušta. Primjer: GitHubov MCP poslužitelj omogućuje vam da uključite samo skupine alata (toolsets) koje su vam potrebne.

Nejasni opisi ili opisi koji se preklapaju

Model poziva pogrešan alat ili pravi alat s pogrešnim ulaznim podacima jer dva opisa zvuče slično ili jedan govori premalo.

Navedite jasne, konkretne nazive i opise, po mogućnosti s primjerom kada treba koristiti alat. Ako alati nekog poslužitelja stalno zakazuju, MCP Inspector, službeni alat za testiranje, pokazuje točno što svaki alat govori o sebi.

Isti naziv alata na dva poslužitelja

Svaki od dvaju poslužitelja nudi alat pod nazivom search pa je nemoguće znati kojem je od njih poziv namijenjen.

Dodajte naziv poslužitelja kao prefiks nazivima alata. Primjer: Trellov poslužitelj (trelloSearch, trelloReadList).

Preveliki rezultati

Alat vraća više nego što je zadatku potrebno, primjerice cijelu nit e-pošte s oblikovanjem, i zatrpava kontekst modela.

Koristite alate koji nude sažete formate. Primjer: opis Gmailova alata get_thread preporučuje format običnog teksta „kako bi se spriječilo iscrpljivanje konteksta”.

Nepouzdani poslužitelji

Nemaran ili zlonamjeran poslužitelj mogao bi putem poziva alata izvući podatke iz vašeg razgovora.

Povezujte poslužitelje samo iz izvora kojima vjerujete i ostavite uključena odobrenja za alate koji nešto mijenjaju ili šalju podatke van.

Zašto MCP alati trebaju vaše odobrenje?

MCP alati trebaju vaše odobrenje jer bi bez njega AI model mogao napraviti promjene koje niste namjeravali ili podijeliti osjetljive podatke s poslužiteljem koji ne kontrolirate.

Pogrešno shvaćen zahtjev ili nejasno opisan alat može pokrenuti pogrešnu radnju. Osim toga, svaki poziv šalje dio vaših podataka poslužitelju.

Zato protokol očekuje da AI aplikacije u proces uključuju čovjeka koji može odbiti bilo koji poziv alata.

Evo praktičnog načina da razvrstate alate prema tome koliko provjere zahtijevaju:

  • Radnje koje samo čitaju: Pretraživanje podataka, primjerice čitanje popisa Trellovim alatom trelloReadList, ništa ne mijenja. Takvi se pozivi mogu izvršiti bez prethodnog pitanja, sve dok vaša AI aplikacija prikazuje koji je alat pokrenut i što je pretražio.
  • Radnje koje možete poništiti: Izrada skice e-poruke Gmailovim alatom create_draft ili dodavanje Trello kartice mijenja nešto što možete vratiti. Provjerite ulazne podatke prije nego što se poziv izvrši.
  • Radnje koje ne možete poništiti: Slanje e-poruke Gmailovim alatom send_message, brisanje zapisa ili bilo što što uključuje plaćanja ili osjetljive podatke ne može se poništiti. Za takve radnje svaki put dajte izričito dopuštenje.

Korištenje MCP alata u Perplexityju

Perplexity radi s MCP alatima u oba smjera: može koristiti alate s MCP poslužitelja koje povežete, a svoje alate nudi drugim AI aplikacijama.

  • Povezivanje MCP poslužitelja s Perplexityjem: Uz planove Pro, Max i Enterprise možete povezati Perplexity s bilo kojim vanjskim alatom ili izvorom podataka koji ima MCP poslužitelj te ga koristiti u odgovorima i agentskim tijekovima rada usluge Perplexity Computer. U aplikaciji za Mac možete povezati i MCP poslužitelje koji se pokreću na vašem računalu
  • Korištenje Perplexityjevih alata u drugim AI aplikacijama: Perplexityjev MCP poslužitelj nudi četiri alata (perplexity_search, perplexity_ask, perplexity_research i perplexity_reason) svakoj AI aplikaciji koja podržava udaljene MCP poslužitelje, kao što je Claude Code. Zaseban poslužitelj omogućuje drugim AI aplikacijama da višekoračne zadatke predaju usluzi Perplexity Computer.

Česta pitanja o MCP alatima

Je li MCP samo pozivanje alata?

Ne, MCP nije samo pozivanje alata. Pozivanje alata način je na koji model traži alat, a MCP je način na koji AI aplikacija pronalazi alate i usmjerava svaki poziv na poslužitelj koji ga izvršava.

Pozivanje alata (naziva se i pozivanje funkcija) dio je posla koji obavlja AI model: model vidi popis alata i odgovara zahtjevom za pokretanje jednog od njih. Ako se koristi samo pozivanje alata, svaka AI aplikacija mora sama definirati i pokretati svaki alat.

MCP omogućuje da alati budu smješteni na poslužiteljima, tako da ih svaka AI aplikacija koja podržava MCP može ponuditi svojem modelu i slati modelove zahtjeve odgovarajućem poslužitelju.

Hoće li MCP zamijeniti API-je?

Ne, MCP neće zamijeniti API-je jer MCP i API-ji rade zajedno. MCP alati često se nadograđuju na postojeće API-je, a kada model pozove alat, MCP poslužitelj obično šalje API zahtjev.

Koje AI aplikacije podržavaju MCP alate?

MCP alati rade u AI asistentima kao što su Claude, ChatGPT i Perplexity te u razvojnim alatima kao što su Visual Studio Code i Cursor. Dokumentacija za MCP navodi ih i napominje da ih podržavaju i mnoge druge aplikacije.

Mora li sam AI model podržavati MCP?

Ne. AI model ne mora podržavati MCP jer protokolom upravlja vaša AI aplikacija. Ona se povezuje s poslužiteljima, prosljeđuje njihove alate modelu i šalje modelove zahtjeve za alatima natrag odgovarajućem poslužitelju. Model treba podržavati samo pozivanje funkcija.

Zastarijeva li MCP?

Ne, MCP se i dalje aktivno razvija. U srpnju 2026. njegovi su održavatelji izdali novu verziju specifikacije MCP-a, a u kolovozu 2026. objavili su ažurirani plan razvoja koji uključuje rad na tome da poslužitelji postupno otkrivaju svoje alate kako se razgovor sužava.