Čo sú nástroje MCP a ako ich modely AI používajú?

Nástroje MCP sú funkcie, ktoré môže model AI zavolať, aby vykonal úlohu mimo konverzácie. Napríklad prehľadal vaše poznámky alebo vykonal dopyt v databáze. Každý nástroj sa nachádza na serveri MCP (Model Context Protocol) a má názov a krátky popis, ktoré modelu pomáhajú rozhodnúť sa, kedy ho použiť.

Pojem „nástroj MCP“ sa používa aj v iných významoch. V bežnej reči ľudia hovoria „nástroje MCP“, keď majú na mysli servery MCP (aplikácie, ktoré nástroje ponúkajú) alebo adresáre, ktoré tieto servery uvádzajú. MCP Tools je zároveň názov programu pre príkazový riadok, ktorý slúži na zobrazenie zoznamu nástrojov na serveri MCP a na ich volanie.

Tento sprievodca sa venuje funkciám protokolu, nie serverom, adresárom ani príkazovým riadkom. Vysvetľuje, z čoho sa nástroj skladá, aké druhy nástrojov servery ponúkajú a čím sa nástroje líšia od zdrojov, výziev a volania funkcií. Potom prechádza krokmi, ktorými model nástroj používa, a na záver uvádza najčastejšie problémy spojené s ich používaním.

Čo sú nástroje MCP?

Nástroj MCP je funkcia, ktorá modelom AI umožňuje plniť úlohy v iných softvérových aplikáciách. Moji agenti AI a moje pracovné postupy napríklad používajú nástroje MCP na písanie konceptov e-mailov v Gmaile (create_draft), vytváranie kariet v aplikácii Trello (trelloWriteCard) a získavanie aktuálnych výsledkov vyhľadávania z DataForSEO (serp_organic_live_advanced), aby som spomenul aspoň niekoľko.

Softvérové aplikácie často ponúkajú na svojich serveroch MCP viacero nástrojov MCP. Napríklad server MCP pre Trello má v súčasnosti 14 nástrojov MCP, ktoré modelom AI umožňujú čítať a aktualizovať nástenky, zoznamy, kontrolné zoznamy, karty a ďalšie položky.

A keďže MCP štandardizuje spôsob, akým sa nástroje opisujú a ponúkajú, ten istý nástroj MCP môže použiť akákoľvek aplikácia AI, ktorá tento protokol podporuje.

Čo obsahuje nástroj MCP

Každý nástroj MCP obsahuje tri veci:

• Názov: Krátky identifikátor, ktorý model používa pri volaní nástroja (napr. get_event v Kalendári Google).
• Popis: Vysvetlenie v bežnom jazyku, čo nástroj robí a kedy je užitočný. Veľký jazykový model (LLM) si ho prečíta, aby sa rozhodol, či nástroj zodpovedá vašej požiadavke (napr. „Returns a single event on the given calendar.“).
• Vstupy: Informácie, ktoré nástroj potrebuje na spustenie, napríklad meno klienta a dátum pri vyhľadávaní v poznámkach. Zapisujú sa vo formáte JSON a vývojári tento zápis nazývajú vstupná schéma, pretože určuje formu každého vstupu (text, číslo alebo zoznam).

Zväčšiť

Niektoré nástroje pridávajú ďalšie metadáta: zobrazovaný názov, popis výsledkov, ktoré vracajú (výstupnú schému), a anotácie o tom, ako sa nástroj správa.

Model AI nikdy nevidí kód, ktorý sa skrýva za nástrojom. Vychádza z toho, čo nástroj hovorí sám o sebe, takže nejasný názov alebo popis vedie model k výberu nesprávneho nástroja.

Aké druhy nástrojov MCP existujú

Nástroje MCP sa podľa toho, čo robia, delia do štyroch skupín:

• Nástroje na vyhľadávanie a dohľadávanie: Vyhľadajú alebo načítajú informácie (napr. prehľadajú poznámky, prečítajú súbor alebo vykonajú dopyt v databáze).
• Akčné nástroje: Vytvoria alebo zmenia niečo v inej aplikácii (napr. pridajú úlohu, vytvoria udalosť v kalendári, otvoria tiket podpory alebo odošlú e-mail).
• Nástroje na spracovanie údajov: Transformujú alebo analyzujú údaje (napr. analyzujú tabuľkový súbor alebo vykonajú výpočet).
• Systémové nástroje: Pracujú s lokálnym systémom (napr. vykonajú príkaz v termináli).

Nástroje MCP vs. zdroje & výzvy

Okrem nástrojov MCP môže server MCP ponúkať ďalšie dva typy stavebných prvkov, ktoré protokol nazýva primitíva: zdroje a výzvy.

Zväčšiť

Napríklad oficiálny server MCP od GitHubu ponúka:

• Nástroj s názvom issue_write, ktorý vytvára alebo aktualizuje hlásenia problémov (issues),
• Zdroj s názvom repository_content, ktorý poskytuje prístup k súborom v repozitári,
• Výzvu s názvom issue_to_fix_workflow, ktorá pripraví kroky na nahlásenie problému ako hlásenia (issue) a na to, aby programovací agent Copilot od GitHubu vygeneroval pull request s jeho opravou.

Rozdiel je v tom, čo každý z nich robí a kto rozhoduje o jeho použití: vy, aplikácia AI, v ktorej pracujete (napr. Perplexity), alebo model AI, ktorý v tejto aplikácii beží.

• Nástroj MCP vykonáva akcie alebo vyhľadáva informácie. Model AI sa autonómne rozhoduje, kedy nástroj zavolá, a vaša aplikácia AI odovzdá volanie serveru. Nástroje vyberá váš model AI; vaša aplikácia AI by vám mala každé volanie zobraziť a umožniť vám ho zamietnuť.
• Zdroj je obsah dostupný na serveri MCP, napríklad súbor alebo skupina záznamov, pričom každý má vlastnú adresu (URI). Vaša aplikácia AI sa servera opýta, aké zdroje má, podľa adresy načíta ten, ktorý potrebuje, a pridá jeho obsah do konverzácie ako kontext.
• Výzva je hotová šablóna správy, ktorú poskytuje server, niekedy s prázdnymi miestami, ktoré vyplníte. Vaša aplikácia AI vám zobrazí dostupné výzvy a vy si jednu vyberiete, často ako príkaz s lomkou.

Ako modely AI používajú nástroje MCP

Model AI používa nástroj MCP v piatich krokoch: objavenie, výber nástroja, vyvolanie, výsledky a spracovanie chýb. Všetko medzi modelom a serverom sprostredkúva vaša aplikácia AI.

Zväčšiť

Povedzme, že požiadate svoju aplikáciu AI, aby skontrolovala váš zoznam „Tento týždeň“ v aplikácii Trello a napísala koncept e-mailu vášmu redaktorovi s aktuálnymi informáciami. Takto prebieha celý proces od začiatku do konca:

1. Objavenie: Keď sa vaša aplikácia AI pripojí k serveru MCP prostredníctvom klientov MCP, vyžiada si od servera zoznam dostupných nástrojov (požiadavka s názvom tools/list). LLM vidí len to, čo mu aplikácia odovzdá: názov, popis a vstupy každého nástroja.
2. Výber nástroja: Model AI porovná vašu požiadavku s týmito popismi a vyberie nástroje, ktoré jej zodpovedajú. V tomto prípade ide o nástroj trelloReadList z aplikácie Trello na prečítanie zoznamu a nástroj create_draft z Gmailu na napísanie e-mailu. Zároveň vyplní vstupy, napríklad ktorý zoznam sa má prečítať.
3. Vyvolanie: Model odpovie štruktúrovanou požiadavkou na spustenie nástroja (tento krok sa nazýva „volanie funkcií“). Vaša aplikácia AI túto požiadavku odošle správnemu serveru (požiadavka tools/call). Zároveň by vám mala volanie zobraziť a umožniť vám ho zamietnuť.
4. Výsledky: Server spustí funkciu a pošle späť výsledok (result), v tomto prípade karty z vášho zoznamu. Vaša aplikácia AI pridá výsledok do konverzácie a model rozhodne, čo bude nasledovať: odpovie vám alebo zavolá ďalší nástroj, napríklad create_draft s e-mailom založeným na týchto kartách.
5. Spracovanie chýb: Ak sa nástroj spustí, ale zlyhá, napríklad preto, že zoznam neexistuje, chyba sa vráti ako súčasť výsledku. Model si ju môže prečítať a skúsiť to znova s inými vstupmi. Ak je chybná samotná požiadavka, napríklad preto, že volá nástroj, ktorý server nemá, aplikácia namiesto toho dostane chybu protokolu. V takom prípade je menej pravdepodobné, že sa model zotaví.

Kľúčové je, že model vyberá nástroje výlučne na základe ich popisov a celú komunikáciu so servermi zabezpečuje vaša aplikácia AI.

Bežné problémy s nástrojmi MCP a ako sa im vyhnúť

Problémy s nástrojmi MCP sa týkajú štyroch vecí: koľko nástrojov je pripojených, ako sú pomenované a opísané, koľko údajov vracajú a z akých serverov pochádzajú.

Tu je, ako sa jednotlivé problémy prejavujú a čo pomáha:

Prečo nástroje MCP potrebujú vaše schválenie?

Nástroje MCP potrebujú vaše schválenie, pretože bez neho by model AI mohol vykonať zmeny, ktoré ste nezamýšľali, alebo zdieľať citlivé údaje so serverom, ktorý nemáte pod kontrolou.

Nesprávne pochopená požiadavka alebo nejasne opísaný nástroj môže spustiť nesprávnu akciu. Každé volanie navyše odošle časť vašich informácií na server.

Preto protokol od aplikácií AI očakáva, že do procesu zapoja človeka, ktorý môže akékoľvek volanie nástroja zamietnuť.

Tu je praktický spôsob, ako rozdeliť nástroje podľa toho, koľko kontroly vyžadujú:

• Akcie, ktoré len čítajú: Vyhľadanie niečoho, napríklad prečítanie zoznamu pomocou nástroja trelloReadList z aplikácie Trello, nič nemení. Tieto volania sa môžu spustiť bez predchádzajúceho opýtania, pokiaľ vaša aplikácia AI zobrazuje, ktorý nástroj sa spustil a čo vyhľadal.
• Akcie, ktoré môžete vrátiť späť: Vytvorenie konceptu e-mailu pomocou nástroja create_draft z Gmailu alebo pridanie karty v aplikácii Trello mení niečo, čo môžete vrátiť späť. Pred spustením volania skontrolujte vstupy.
• Akcie, ktoré nemôžete vrátiť späť: Odoslanie e-mailu pomocou nástroja send_message z Gmailu, mazanie záznamov alebo čokoľvek, čo zahŕňa platby či citlivé údaje, sa nedá vrátiť späť. Na tieto akcie dávajte výslovné povolenie zakaždým.

Používanie nástrojov MCP v Perplexity

Perplexity pracuje s nástrojmi MCP oboma smermi: môže používať nástroje zo serverov MCP, ktoré pripojíte, a zároveň ponúka vlastné nástroje iným aplikáciám AI.

• Pripojenie serverov MCP k Perplexity: V plánoch Pro, Max a Enterprise môžete Perplexity pripojiť k akémukoľvek externému nástroju alebo zdroju údajov, ktorý má server MCP, a používať ho v odpovediach a v agentických pracovných postupoch Perplexity Computer. V aplikácii pre Mac môžete pripojiť aj servery MCP, ktoré bežia na vašom počítači
• Používanie nástrojov Perplexity v iných aplikáciách AI: Server MCP od Perplexity ponúka štyri nástroje (perplexity_search, perplexity_ask, perplexity_research a perplexity_reason) akejkoľvek aplikácii AI, ktorá podporuje vzdialené servery MCP, napríklad Claude Code. Samostatný server umožňuje iným aplikáciám AI odovzdávať viackrokové úlohy službe Perplexity Computer.

Časté otázky o nástrojoch MCP

Je MCP len volanie nástrojov?

Nie, MCP nie je len volanie nástrojov. Volanie nástrojov je spôsob, akým model požiada o nástroj, a MCP je spôsob, akým aplikácia AI nástroje nájde a každé volanie nasmeruje na server, ktorý ho vykoná.

Volanie nástrojov (nazývané aj volanie funkcií) je úlohou modelu AI: model vidí zoznam nástrojov a odpovie požiadavkou na spustenie jedného z nich. Ak sa používa len volanie nástrojov, každá aplikácia AI musí každý nástroj definovať a spúšťať sama.

MCP umožňuje, aby nástroje sídlili na serveroch, takže každá aplikácia AI, ktorá podporuje MCP, ich môže ponúknuť svojmu modelu a posielať jeho požiadavky na správny server.

Nahradí MCP rozhrania API?

Nie, MCP rozhrania API nenahradí, pretože MCP a rozhrania API fungujú spoločne. Nástroje MCP sú často postavené nad existujúcimi rozhraniami API, a keď model zavolá nástroj, server MCP zvyčajne odošle požiadavku na API.

Ktoré aplikácie AI podporujú nástroje MCP?

Nástroje MCP fungujú v asistentoch AI, ako sú Claude, ChatGPT a Perplexity, a vo vývojárskych nástrojoch, ako sú Visual Studio Code a Cursor. Dokumentácia MCP ich uvádza a dodáva, že ich podporuje aj mnoho ďalších aplikácií.

Musí MCP podporovať aj samotný model AI?

Nie. Model AI nemusí podporovať MCP, pretože protokol obsluhuje vaša aplikácia AI. Pripája sa k serverom, odovzdáva ich nástroje modelu a posiela požiadavky modelu na nástroje späť na správny server. Model musí podporovať iba volanie funkcií.

Stáva sa MCP zastaraným?

Nie, MCP sa stále aktívne vyvíja. Jeho správcovia vydali v júli 2026 novú verziu špecifikácie MCP a v auguste 2026 zverejnili aktualizovaný plán vývoja, ktorý zahŕňa prácu na tom, aby servery mohli svoje nástroje odhaľovať postupne, ako sa konverzácia zužuje.