API'ler, MCP'ler ve MCP Ağ Geçitleri Rehberi
Özet
API'ler, yazılımlar arası veri alışverişinde güvenilir ancak katı kurallara dayalı bir yapı sunarken, MCP (Model Context Protocol) bu süreci yapay zeka modellerinin ihtiyaçlarına göre özelleştirmektedir. MCP, modellere veritabanları veya dosyalar gibi farklı veri kaynaklarına tek bir standart arayüz üzerinden erişim sağlayarak süreçleri kolaylaştırmaktadır. Araçlar, kaynaklar ve istemler aracılığıyla işlevsellik sunan bu protokol, verinin doğrudan model tarafından tüketilmesine odaklanır. Böylece MCP, API'lerin üzerinde bir katman oluşturarak veya doğrudan entegre olarak modellerin ihtiyaç duyduğu verilere daha esnek ve yapılandırılmış bir şekilde ulaşmasına yardımcı olur.
Bir API, kararlaştırılmış bir biçimde başka bir yazılım örneğine istek gönderir ve yine kararlaştırılmış biçimde bir yanıt alır; her değiş tokuşun protokolleri (veya davranış yöntemleri) kodun içine sabitlenmiştir (hard-coded). Geliştiriciler, bir API'yi çağırmak için kod yazar ve yanıtı ayrıştırmak veya işlemek için kod oluştururlar. Bu, API'leri hassas ve güvenilir kılar; ancak taraflardan biri API'nin davranışını yöneten kodu değiştirirse değişim aksayabilir.
API'ler, LLM kullanan sistemler için hala önemlidir ve birçok yapay zeka tabanlı sistem çalışmak için API'lere güvenir. Bir model, bir API aracılığıyla veri talep edebilir ve yanıt alabilir.
MCP'ler, LLM'lerin iş verisi depolarını sorgulama, belirli dosyaların içeriğini okuma veya bir eylemi tetikleme gibi durumlarda verilere erişmesi gerektiğinde kullanılır. MCP'ler, modellere birden fazla veri kaynağına tek bir arayüz üzerinden erişmeleri için yapılandırılmış bir yol sağlar. Bir MCP sunucusu, önceden belirlenmiş kurallara göre verileri standart bir biçimde sunar. Bu kurallar, nelerin ve kime veya neye açık olduğunu belirler.
MCP sunucuları üç tür yetenek sunar:
Araçlar (Tools), modelin bir dosya oluşturmak veya bir veritabanında arama yapmak gibi başlatabileceği eylemlerdir.
Kaynaklar (Resources), modelin bağlam olarak okuyabileceği bilgilerdir.
İstemler (Prompts), kullanıcıların her seferinde ayrıntılı bir istem yazmak zorunda kalmadan yaygın görevleri gerçekleştirmelerine yardımcı olan yeniden kullanılabilir şablonlardır.
Önemli fark, MCP'lerin verinin doğrudan tüketicisinin bir model olması için tasarlanmış olmasıdır. Model, kullanıcının isteğiyle ilgili olduğunu düşündüğü araçlara veya kaynaklara göre hangilerine ihtiyaç duyduğunu önerir.
Bazı sistemlerde API'ler kullanılmaya devam eder ancak kendileri ile kullanıcı arasına bir MCP yerleştirilir. Bir MCP sunucusu, "perde arkasında" bir API'yi çağırabilir. Ancak bir API, bir görevi gerçekleştirmek için modelin ihtiyaç duyduğundan daha fazla bilgiyi varsayılan olarak döndürebilir. Verinin her baytı LLM tarafından işlenmesi gerekeceğinden, bu durum gerekenden çok daha fazla token harcanmasına neden olabilir. Aşırı bilgi maliyetleri artırır ve modelin yanıtını daha az doğru hale getirebilir.
Örneğin, bir API bir müşteri hakkında 50 veritabanı alanı döndürebilir, ancak LLM tek bir hesap durumu girişine ihtiyaç duyar. 50 alanın tamamını göndermek, modele işlemesi için daha fazla veri verir ve bu, mutlaka yararlı bir bağlam sağlamaz. LLM, verinin gerçekliğini belirlemek için işlem döngülerini kullanana kadar verinin ilgisi hakkında hiçbir fikre sahip değildir. Ayrıca, kendisine verilen gereksiz verilere dayanarak yanıtlar oluşturabilir ve hatalı cevaplar üretebilir.
İdeal bir senaryoda, MCP araçları modelin tamamlaması gereken görevler etrafında tasarlanır. Örneğin, kullanıcı belirli bir hizmete kaç müşterinin abone olduğunu veya belirli bir ürünü satın aldığını sorarsa, MCP aracı tüm müşteri etkileşim kayıtlarını değil, yalnızca ilgili sayıları döndürür.
Hangi bilgilerin gerekli olduğu konusunda her iki tarafın da tam bilgi sahibi olduğu durumlarda, bir uygulamanın başka bir uygulamayla iletişim kurması gerektiğinde bir API kullanın. Bir web sitesi, mobil uygulama, dahili sistem, ödeme platformu veya raporlama aracı.