
W skrócie
- MCP (Model Context Protocol) to otwarty standard łączenia asystentów AI z narzędziami i danymi – Anthropic udostępnił go 25.11.2024.
- 9.12.2025 MCP trafił do Agentic AI Foundation przy Linux Foundation (współzałożyciele: Anthropic, Block, OpenAI).
- Obsługują go m.in. ChatGPT, Gemini, Microsoft Copilot, Cursor i VS Code; w grudniu 2025 było ponad 10 tys. publicznych serwerów MCP.
- Główne ryzyka: tool poisoning (ukryte instrukcje w opisie narzędzia) i luki jak CVE-2025-6514 w mcp-remote (CVSS 9,6).
- Zacznij od oficjalnego serwera dostawcy, dostępu tylko do odczytu i potwierdzania akcji przez człowieka.
Spis treści
MCP (Model Context Protocol) to otwarty standard, który pozwala podłączyć asystenta AI – Claude'a, ChatGPT, Gemini czy Copilota – do Twoich narzędzi i danych: CRM-u, dysku, bazy produktów, systemu zamówień. Zamiast pisać osobną integrację do każdego modelu, piszesz (albo instalujesz) jeden „serwer MCP”, a każda aplikacja AI, która obsługuje standard, umie z niego korzystać. Anthropic udostępnił MCP jako open source 25 listopada 2024 roku, a w grudniu 2025 przekazał go fundacji działającej przy Linux Foundation.
W tym tekście tłumaczę, jak MCP działa bez żargonu, do czego firma może go realnie użyć, ile to kosztuje pracy i – co najważniejsze – gdzie są ryzyka, o których mało kto pisze po polsku.
MCP – co to jest w prostych słowach?
Najprostsze porównanie: MCP to wspólna „wtyczka” między AI a resztą firmowego świata. Zanim powstał, każde połączenie model ↔ narzędzie było robione osobno. Pięć narzędzi i trzy modele AI to w najgorszym razie piętnaście osobnych integracji. Z MCP każde narzędzie wystawia jeden serwer, a każda aplikacja AI ma jednego klienta, który rozmawia z każdym serwerem tym samym językiem.
W praktyce oznacza to, że możesz napisać do asystenta: „pokaż mi leady z tego tygodnia, które nie dostały odpowiedzi” – i model nie zgaduje, tylko pyta Twój CRM przez serwer MCP i wraca z danymi.
Jak działa MCP: host, klient i serwer
W MCP są trzy role:
| Element | Co to jest | Przykład |
|---|---|---|
| Host | aplikacja AI, z którą rozmawiasz | Claude Desktop, Claude Code, ChatGPT, edytor kodu |
| Klient MCP | „łącznik” tworzony przez hosta – jeden na każdy serwer | działa w tle, nie widzisz go |
| Serwer MCP | program, który wystawia narzędzia i dane z konkretnego systemu | serwer CRM, serwer Google Drive, serwer bazy danych |
Serwer może udostępniać trzy rodzaje rzeczy:
- Narzędzia (tools) – akcje, które AI może wykonać: dodać notatkę do klienta, wystawić zapytanie do bazy, wysłać wiadomość.
- Zasoby (resources) – dane do przeczytania: treść pliku, rekord z bazy, odpowiedź z API.
- Prompty – gotowe szablony poleceń, np. „przygotuj podsumowanie klienta przed rozmową”.
Komunikacja idzie w formacie JSON-RPC 2.0, a serwer może działać lokalnie na Twoim komputerze albo zdalnie, w chmurze. Dla właściciela firmy ważne jest jedno: to serwer decyduje, co AI w ogóle może zobaczyć i zrobić. To Twoja główna dźwignia kontroli.
Kto obsługuje MCP? Dlaczego to już standard, a nie eksperyment
MCP zaczynał jako projekt Anthropic, ale szybko przestał być „standardem jednej firmy”:
- według Anthropic i Linux Foundation (grudzień 2025) protokół obsługują m.in. ChatGPT, Gemini, Microsoft Copilot, Cursor i Visual Studio Code,
- w tym samym czasie publicznych serwerów MCP było ponad 10 tysięcy,
- 9 grudnia 2025 roku Anthropic przekazał MCP do Agentic AI Foundation – funduszu przy Linux Foundation, który współzałożyli Anthropic, Block i OpenAI.
Moim zdaniem ten ostatni punkt jest dla firm najważniejszy. Standard pod neutralną fundacją to mniejsze ryzyko, że za rok jeden dostawca zmieni zasady i Twoja integracja przestanie działać. Jeśli budujesz cokolwiek „pod AI”, budowanie pod MCP to dziś po prostu rozsądna decyzja techniczna, a nie zakład.
Do czego firma może użyć MCP? Przykłady
Tu zaczyna się część, która ma przełożenie na pieniądze (albo przynajmniej na odzyskane godziny):
- 📇 CRM i sprzedaż – asystent czyta historię klienta przed rozmową, dopisuje notatki po spotkaniu, wyciąga listę leadów bez kontaktu od X dni.
- 🛒 Sklep internetowy – pytania w stylu „które produkty sprzedawały się gorzej niż miesiąc temu?” bez eksportu do Excela.
- 📁 Dokumenty – odpowiedzi na podstawie firmowego dysku: oferty, cenniki, procedury.
- 🧾 Back-office – sprawdzanie statusu zamówień, faktur, stanów magazynowych w kilku systemach jednym pytaniem.
- 🌱 Firmy agro – połączenie asystenta z bazą klientów i historią zamówień nawozów czy środków (z mojej perspektywy pracy z rolnikami: handlowiec, który przed telefonem wie, co klient kupił w zeszłym sezonie, rozmawia zupełnie inaczej).
Wspólny mianownik: MCP opłaca się tam, gdzie ktoś dziś ręcznie przenosi dane między systemem a czatem AI – kopiuje, wkleja, eksportuje. Jeśli tego nie ma, MCP niczego nie przyspieszy.
Gotowy serwer czy własny? Ile to kosztuje pracy
Masz trzy drogi:
| Droga | Kiedy | Nakład pracy | Ryzyko |
|---|---|---|---|
| Oficjalny serwer dostawcy (np. od producenta CRM) | Twój system go ma | najmniejszy – konfiguracja i uprawnienia | niskie, jeśli serwer pochodzi od dostawcy |
| Serwer z otwartego repozytorium | potrzebujesz szybkiego testu | mały | wyższe – kod od nieznanego autora ma dostęp do Twoich danych |
| Własny serwer | system szyty na miarę (ERP, WMS, własny CRM) | od kilku dni do kilku tygodni pracy programisty | zależy od jakości wykonania |
Własny serwer MCP to zwykle cienka warstwa nad API, które Twój system już ma. Jeśli system nie ma API – to najpierw trzeba je zbudować, i to jest prawdziwy koszt. Dlatego przy systemach pisanych pod firmę (custom CRM, ERP, WMS – czyli moje ulubione KOMBAJNY) warto od razu projektować API z myślą o tym, że kiedyś podłączy się do niego agent AI.
Bezpieczeństwo MCP: tool poisoning i inne ryzyka
To sekcja, którą radzę przeczytać dwa razy. MCP daje modelowi ręce – a ręce można wykorzystać źle.
Tool poisoning. W kwietniu 2025 roku Invariant Labs opisało atak, w którym złośliwe instrukcje są ukryte w opisie narzędzia na serwerze MCP. Użytkownik ich nie widzi, model – tak. Taki opis może kazać modelowi np. odczytać plik z kluczami i przesłać go dalej. To odmiana prompt injection, czyli „wstrzykiwania poleceń” do modelu przez treść, której nie kontrolujesz.
Luki w oprogramowaniu wokół MCP. W lipcu 2025 roku JFrog ujawnił lukę CVE-2025-6514 w narzędziu mcp-remote (popularnym łączniku z serwerami zdalnymi) z oceną krytyczności CVSS 9,6 na 10. Połączenie z niezaufanym serwerem mogło skończyć się wykonaniem dowolnych poleceń na komputerze użytkownika. Błąd dotyczył wersji 0.0.5–0.1.15 i został naprawiony w wersji 0.1.16.
Mieszanie danych i uprawnień. Najgroźniejsza jest kombinacja: agent ma dostęp do prywatnych danych, czyta treści z zewnątrz (maile, strony, komentarze) i może coś wysłać na zewnątrz. Każda z tych rzeczy osobno jest OK, wszystkie trzy naraz to przepis na wyciek.
O tym, jak agenci AI zmieniają bezpieczeństwo sklepów, pisałem też w tekście o bezpieczeństwie sklepu internetowego.
Jak wdrożyć MCP w firmie – checklista
- Wypisz miejsca, gdzie ktoś ręcznie kopiuje dane między systemem a AI – to Twoje kandydaty.
- Sprawdź, czy dostawca Twojego CRM-u, sklepu albo dysku ma oficjalny serwer MCP.
- Zacznij od dostępu tylko do odczytu; akcje zapisu (edycja, wysyłka, usuwanie) dodawaj dopiero po teście.
- Daj serwerowi osobne konto/klucz z minimalnymi uprawnieniami, a nie konto administratora.
- Włącz potwierdzanie akcji przez człowieka przy wszystkim, co wysyła dane na zewnątrz albo kosztuje pieniądze.
- Instaluj serwery tylko od dostawcy systemu albo po przeglądzie kodu; aktualizuj je jak każde oprogramowanie.
- Nie łącz w jednym agencie: prywatnych danych + treści z zewnątrz + możliwości wysyłki na zewnątrz.
- Po miesiącu policz, ile ręcznej pracy faktycznie zniknęło – bez tego nie wiesz, czy wdrożenie się opłaciło.
Czy MCP jest dla małej firmy?
Tak, ale nie jako pierwszy krok. Jeśli w firmie AI to jeszcze „czasem coś zapytam ChatGPT”, zacznij od podstaw – opisałem je w tekście AI w małej firmie. MCP ma sens, gdy już wiesz, które zadania AI robi dobrze, a problemem jest to, że nie ma dostępu do Twoich danych.
Moja perspektywa: najwięcej wartości widzę nie w samym protokole, tylko w porządku, który wymusza. Żeby podłączyć AI do CRM-u, CRM musi mieć sensowne dane i API. Firmy, które to ogarną, dostaną od AI dużo więcej niż te, które będą tylko zmieniać modele na coraz nowsze. Jeśli chcesz to poukładać od strony procesów, zajrzyj do automatyzacji sprzedaży albo przejrzyj inne teksty w hubie AI w biznesie.
Najczęściej zadawane pytania
Co to jest MCP w AI?
MCP (Model Context Protocol) to otwarty standard, który pozwala aplikacjom AI, takim jak Claude, ChatGPT czy Copilot, korzystać z zewnętrznych narzędzi i danych przez jednolity interfejs. Narzędzie wystawia serwer MCP, a aplikacja AI łączy się z nim przez klienta MCP.
Kto stworzył MCP i do kogo należy?
MCP stworzył Anthropic i udostępnił go jako open source 25 listopada 2024 roku. 9 grudnia 2025 roku Anthropic przekazał protokół do Agentic AI Foundation – funduszu przy Linux Foundation, który współzałożyli Anthropic, Block i OpenAI.
Czym różni się MCP od API?
API to interfejs konkretnego systemu, a MCP to wspólny standard, przez który aplikacje AI rozmawiają z wieloma systemami w ten sam sposób. Serwer MCP zwykle jest cienką warstwą nad istniejącym API, która opisuje modelowi dostępne narzędzia i dane.
Czy MCP jest bezpieczny?
Sam protokół nie chroni przed złym serwerem. Znane ryzyka to tool poisoning, czyli ukryte instrukcje w opisach narzędzi, oraz luki w oprogramowaniu, np. CVE-2025-6514 w mcp-remote z oceną CVSS 9,6. Bezpieczniej używać serwerów od dostawców systemów, z minimalnymi uprawnieniami i potwierdzaniem akcji przez człowieka.
Które aplikacje obsługują MCP?
Według Anthropic i Linux Foundation (grudzień 2025) MCP obsługują m.in. Claude, ChatGPT, Gemini, Microsoft Copilot, Cursor i Visual Studio Code.
Źródła
- Introducing the Model Context Protocol (Anthropic) – dostęp: 29 października 2026
- Anthropic proposes a new way to connect data to AI chatbots (TechCrunch) – dostęp: 29 października 2026
- Model Context Protocol (Wikipedia) – dostęp: 29 października 2026
- Donating the Model Context Protocol and establishing the Agentic AI Foundation (Anthropic) – dostęp: 29 października 2026
- Linux Foundation Announces the Formation of the Agentic AI Foundation (Linux Foundation) – dostęp: 29 października 2026
- OpenAI, Anthropic, and Block join new Linux Foundation effort (TechCrunch) – dostęp: 29 października 2026
- Architecture overview (modelcontextprotocol.io) – dostęp: 29 października 2026
- MCP Specification 2025-06-18 (modelcontextprotocol.io) – dostęp: 29 października 2026
- MCP Security Notification: Tool Poisoning Attacks (Invariant Labs) – dostęp: 29 października 2026
- Model Context Protocol has prompt injection security problems (Simon Willison) – dostęp: 29 października 2026
- CVE-2025-6514: critical mcp-remote RCE vulnerability (JFrog) – dostęp: 29 października 2026
- Critical mcp-remote Vulnerability Enables Remote Code Execution (The Hacker News) – dostęp: 29 października 2026
- Security Best Practices (MCP Specification) – dostęp: 29 października 2026
Autor
Kamil Barwiński
Założyciel NomadSales
Założyciel NomadSales. Programista, który został handlowcem: zbudował sprzedaż firmy AgriTech od zera do 3 mln zł, a dziś łączy marketing, sprzedaż i oprogramowanie dla firm.





![Granatowa grafika: robot AI pcha prawie pusty wózek z jedną paczką obok świecącego smartfona z dymkiem czatu. Napis „[500] na 320 mln”, logo NomadSales i etykieta E-COMMERCE.](/_next/image?url=https%3A%2F%2Fwrksjywccjnwcmtmtvdd.supabase.co%2Fstorage%2Fv1%2Fobject%2Fpublic%2Fblog-covers%2Fposts%2Fzakupy-przez-agenta-ai-mw35968j.webp&w=3840&q=75)