MCP, קיצור של Model Context Protocol, הוא תקן פתוח (open-source) לחיבור אפליקציות AI למערכות חיצוניות. בעזרתו אפליקציות כמו Claude או ChatGPT יכולות להתחבר למקורות מידע, כמו קבצים מקומיים ומסדי נתונים, לכלים, כמו מנועי חיפוש ומחשבונים, ולתהליכי עבודה, כמו הנחיות מיוחדות. כך הן מקבלות גישה למידע ויכולות לבצע משימות. לפי התיעוד הרשמי, הרעיון הוא לבנות פעם אחת ולהתחבר לכל מקום, במקום לבנות מחבר ייחודי לכל נקודת חיבור.
איך זה עובד, בפשטות
התיעוד הרשמי משווה את MCP לשקע USB-C: כמו ששקע אחד מאפשר לחבר מכשירים שונים בדרך סטנדרטית, כך MCP נותן דרך סטנדרטית לחבר אפליקציות AI לעולם החיצוני.
הארכיטקטורה מורכבת משלושה חלקים:
- Host (מארח): אפליקציית ה-AI שאתם משתמשים בה, למשל Claude, VS Code, Gemini CLI או Cursor.
- Client (לקוח): רכיב בתוך המארח שמנהל את התקשורת מול השרת.
- Server (שרת): תוכנה שחושפת יכולות של שירות, כמו API או מסד נתונים, לאפליקציות ה-AI.
ההודעות ביניהם נשלחות בפורמט JSON-RPC 2.0. שרתים יכולים להציע שלושה סוגי יכולות: Resources (הקשר ונתונים), Prompts (הודעות ותהליכי עבודה מוכנים) ו-Tools (פעולות שהמודל יכול להריץ). בנוסף, לקוחות יכולים לאפשר לשרת לבקש מהמשתמש מידע נוסף, יכולת שנקראת Elicitation.
שרת יכול לרוץ מקומית על המחשב שלכם ולתקשר דרך זרמי קלט ופלט סטנדרטיים (stdio), או להיות שרת מרוחק (remote) שרץ אצל נותן השירות ונגיש דרך כתובת HTTP.
דוגמה מתיעוד OpenAI: כשמחברים שרת MCP מרוחק, המודל קודם מבקש מהשרת רשימת כלים, ואם הוא מחליט להשתמש באחד מהם, הוא שולח קריאה ומקבל תשובה שנכנסת להקשר שלו.
מי יצר ומתי
לפי המאגר הרשמי ב-GitHub, MCP נוצר על ידי David Soria Parra ו-Justin Spahr-Summers. תיעוד Google Cloud מציין ש-MCP פותח על ידי Anthropic. הפרוטוקול קיבל השראה מ-Language Server Protocol, שמתקנן את התמיכה בשפות תכנות בכלי פיתוח. המפרט והתיעוד הרשמיים נמצאים במאגר ציבורי ברישיון MIT.
הגרסה העדכנית בתיעוד שקראנו היא 2026-07-28. בגרסה הזו הליבה של הפרוטוקול הפכה ל-stateless, כלומר ללא מצב שנשמר בין בקשות: כל בקשה מתארת את עצמה ואין צורך בלחיצת יד ראשונית (initialize) או במזהה סשן.
למה משתמשים בו
התיעוד הרשמי נותן כמה דוגמאות:
- סוכנים (agents) שניגשים ל-Google Calendar ול-Notion ומתפקדים כעוזר אישי יותר.
- Claude Code שמייצר אפליקציית ווב שלמה מתוך עיצוב ב-Figma.
- צ'אטבוטים ארגוניים שמתחברים לכמה מסדי נתונים, כדי שאפשר יהיה לנתח נתונים בשיחה.
- מודלים שיוצרים עיצובי תלת-ממד ב-Blender ומדפיסים אותם במדפסת תלת-ממד.
למפתחים MCP מקצר זמן ומפחית מורכבות, ולמשתמשי קצה הוא מאפשר לאפליקציות AI ליטול נתונים ולפעול בשמם כשצריך. הפרוטוקול נתמך ב-Claude וב-ChatGPT, וגם בכלי פיתוח כמו Visual Studio Code ו-Cursor. גם Microsoft ו-Google מציעות שרתי MCP: Google Cloud מפעילה שרתי MCP מרוחקים לשירותים שלה, ו-Microsoft מציעה למשל Azure MCP Server.
תוספת אחת שכדאי להכיר היא MCP Apps: רכיבי ממשק אינטראקטיביים, כמו תרשימים וטפסים, שמוצגים בתוך השיחה.
מגבלות וסיכונים
המפרט מזהיר ש-MCP מאפשר גישה לנתונים והרצת קוד, ולכן יש לו השלכות אבטחה ופרטיות. העקרונות שהוא קובע: המשתמש צריך להסכים במפורש לגישה לנתונים ולפעולות, מארחים צריכים לקבל הסכמה לפני חשיפת נתוני משתמש לשרת, והכלים נחשבים להרצת קוד שרירותי, ולכן יש לאשר כל קריאה אליהם. תיאורי הכלים צריכים להיחשב לא אמינים אלא אם הגיעו משרת מהימן. המפרט מוסיף שהפרוטוקול עצמו אינו יכול לאכוף את העקרונות האלה, וזו אחריות מי שמממש אותו.
גם OpenAI מזהירה: שרת מרוחק זדוני יכול להדליף מידע רגיש מכל דבר שנכנס להקשר של המודל. לכן, כברירת מחדל, היא מבקשת אישור לפני שמידע נשלח לשרת MCP. בנוסף, טעינה של יותר מדי כלים להקשר עלולה להאט ולייקר את הסוכן, ולכן יש אפשרות לסנן כלים. ב-Google Cloud קוראים לקבוצות כאלה toolsets, והשירות Model Armor סורק קריאות ותשובות כדי לצמצם סיכונים כמו prompt injection (הזרקת הוראות זדוניות) ו-tool poisoning (הרעלת תיאורי כלים).
מונחים קרובים
- Tools: פונקציות שהמודל יכול להריץ.
- Resources: נתונים והקשר שהשרת משתף, כמו קבצים או סכמות של מסד נתונים.
- Prompts: הודעות ותהליכי עבודה מוכנים שהשרת מציע.
- Tasks: הרחבה אופציונלית להרצה אסינכרונית של פעולות ארוכות.
- Extensions: הרחבות אופציונליות שדורשות תמיכה משני הצדדים.
שאלות נפוצות
האם MCP שייך לחברה אחת?
זה תקן פתוח, שפותח על ידי Anthropic ונתמך על ידי חברות נוספות. ה-SDK הרשמי ל-C# מתוחזק בשיתוף Microsoft, Anthropic וארגון MCP.
צריך לדעת לתכנת כדי להשתמש בו?
המקורות מתארים בעיקר בנייה של שרתים ולקוחות על ידי מפתחים. משתמשי קצה נהנים מהתוצאה: אפליקציות AI שיכולות לגשת לנתונים ולפעול בשמם.
מה ההבדל בין שרת מקומי למרוחק?
שרת מקומי רץ על המחשב שלכם. שרת מרוחק רץ על התשתית של נותן השירות ונגיש דרך HTTP.
האם זה בטוח?
המפרט מדגיש הסכמה ושליטה של המשתמש, אבל לא יכול לאכוף זאת בעצמו. כדאי לחבר רק שרתים מהימנים ולבדוק אילו נתונים נשלחים אליהם.
להעמקה: בתיעוד הרשמי של MCP.
תגובות