Prosta definicja

Serwer MCP to specjalny „pośrednik”, który pozwala aplikacji AI korzystać z zewnętrznych danych i narzędzi — na przykład z plików, kalendarza, sklepu internetowego, bazy danych albo systemu CRM.

Można wyobrazić go sobie jak uniwersalną przejściówkę:

• aplikacja AI mówi: „Potrzebuję informacji o jutrzejszych spotkaniach”;
• serwer MCP łączy się z kalendarzem;
• pobiera odpowiednie dane;
• przekazuje je aplikacji AI w uporządkowany i bezpieczny sposób.

Serwer MCP może także udostępniać funkcje wykonawcze, na przykład możliwość utworzenia wydarzenia w kalendarzu, wysłania wiadomości, wyszukania produktu lub odczytania danych z systemu firmowego. Zgodnie z oficjalną specyfikacją serwer MCP udostępnia aplikacji AI kontekst oraz określone możliwości, takie jak narzędzia, zasoby i szablony poleceń.

Bez MCP aplikacja AI musiałaby mieć osobną, specjalnie zaprogramowaną integrację z każdym systemem:

• oddzielną integrację z Google Calendar,
• oddzielną z Gmailem,
• oddzielną z bazą danych,
• oddzielną z systemem księgowym.

MCP ustala wspólny sposób komunikacji. Dzięki temu twórca narzędzia może przygotować jeden serwer MCP, a różne aplikacje AI mogą się z nim łączyć, jeśli obsługują ten standard.

Czy MCP stworzył Anthropic?

Tak — protokół MCP został zapoczątkowany i opublikowany przez firmę Anthropic, twórcę Claude’a. Anthropic przedstawił Model Context Protocol w listopadzie 2024 roku jako otwarty standard łączenia asystentów AI z danymi, narzędziami i systemami zewnętrznymi.

Ważne jest jednak rozróżnienie:

• Anthropic stworzył i rozwija standard MCP;
• MCP nie jest zamkniętą funkcją dostępną wyłącznie w Claude;
• inne firmy i niezależni programiści mogą tworzyć własne serwery oraz aplikacje obsługujące MCP;
• serwer MCP może działać lokalnie na komputerze albo zdalnie w chmurze.

Oficjalna dokumentacja opisuje MCP jako otwarty protokół do integrowania aplikacji wykorzystujących modele językowe z zewnętrznymi źródłami danych i narzędziami.

Czy działa tylko z Claude’em?

Nie. Claude był pierwszą i najbardziej bezpośrednio kojarzoną z MCP aplikacją, ale MCP nie działa wyłącznie z Claude’em.

Do korzystania z serwera MCP potrzebna jest aplikacja pełniąca rolę klienta MCP. Może nią być:

• Claude Desktop lub Claude Code,
• inne aplikacje AI,
• niektóre edytory kodu i środowiska programistyczne,
• własna aplikacja zbudowana przez firmę lub programistę.

Architektura MCP rozdziela trzy elementy:

• host — aplikacja, z którą rozmawia użytkownik, na przykład asystent AI;
• klient MCP — komponent w tej aplikacji, który nawiązuje połączenie;
• serwer MCP — program udostępniający dane lub funkcje.1_3

Dlatego poprawniej jest powiedzieć:

MCP powstał dzięki Anthropic i był początkowo mocno związany z Claude’em, ale jest otwartym standardem, który może być obsługiwany przez różne aplikacje AI.

Warto dodać, że sam serwer MCP nie jest sztuczną inteligencją. Jest raczej technicznym łącznikiem, który udostępnia AI określone dane i funkcje. Zakres dostępu zależy od jego konfiguracji, uprawnień oraz zgody użytkownika.

Czy np ChatGtp lub Gemini mogą się połączyć z takimi serwerami MCP?

Tak. Zarówno ChatGPT, jak i Gemini mogą łączyć się z serwerami MCP, ale sposób konfiguracji i dostępne możliwości zależą od konkretnej wersji aplikacji, planu oraz rodzaju serwera.

ChatGPT

ChatGPT może korzystać ze zdalnych serwerów MCP, czyli takich, które są dostępne pod adresem internetowym i mają odpowiednie uwierzytelnianie. OpenAI opisuje możliwość dodawania własnych zdalnych serwerów MCP w ustawieniach ChatGPT, a następnie używania ich jako połączonych źródeł lub narzędzi.

W praktyce ChatGPT może dzięki MCP na przykład:

• wyszukiwać dane w firmowej bazie;
• analizować dokumenty;
• pobierać informacje z systemu CRM;
• korzystać z własnych narzędzi;
• w wybranych konfiguracjach wykonywać działania, np. tworzyć rekordy lub aktualizować dane.

Dostęp do pełnej obsługi MCP, obejmującej również operacje zapisu i modyfikacji, jest obecnie wdrażany przede wszystkim dla planów Business, Enterprise i Edu. Dostępność funkcji może zależeć od ustawień administratora oraz aktualnego etapu wdrażania.

MCP jest też dostępne poprzez aplikację ChatGPT Work.
Tu masz przykładową instrukcję jak podłączyć ChatGPT Work z serwerami Composio
https://composio.dev/toolkits/composio/framework/chatgpt

Gemini

Gemini również może współpracować z MCP. Najbardziej jednoznacznym przykładem jest Gemini CLI — narzędzie Google uruchamiane w terminalu. Gemini CLI obsługuje lokalne i zdalne serwery MCP, dzięki czemu Gemini może odkrywać dostępne narzędzia, odczytywać zasoby i wykonywać dozwolone funkcje.

Google udostępnia także rozwiązania dla Gemini Enterprise, w których można podłączyć niestandardowy serwer MCP jako źródło prywatnych danych lub wewnętrznych narzędzi firmy.

Najprościej mówiąc

Można to przedstawić tak:

Serwer MCP jest jak uniwersalny adapter. Claude, ChatGPT, Gemini lub inna aplikacja AI może użyć tego adaptera, aby połączyć się z kalendarzem, bazą danych, plikami albo firmowym systemem. Nie każdy program AI obsługuje jednak MCP w takim samym zakresie.

Ważne ograniczenie

Samo istnienie serwera MCP nie oznacza, że każda aplikacja AI może się z nim automatycznie połączyć. Muszą być spełnione trzy warunki:

1. aplikacja AI musi obsługiwać MCP;
2. serwer musi korzystać z transportu i formy uwierzytelniania obsługiwanej przez tę aplikację;
3. użytkownik lub administrator musi nadać odpowiednie uprawnienia.

Przykładowo ten sam serwer MCP może działać w Claude i Gemini CLI, ale niekoniecznie będzie dostępny bezpośrednio w każdej wersji ChatGPT. Różnice mogą dotyczyć także tego, czy aplikacja pozwala tylko odczytywać dane, czy również wykonywać operacje zmieniające dane.

Najkrótsza odpowiedź: MCP został stworzony przez Anthropic, ale nie jest przeznaczony wyłącznie dla Claude’a. Jest otwartym standardem, z którego mogą korzystać także ChatGPT, Gemini i inne aplikacje AI, o ile obsługują ten protokół.

Jak podpiąć serwer zdalny mcp pod ChatGPT (wersja webowa)?

Tak — w webowej wersji ChatGPT można podłączyć zdalny serwer MCP jako niestandardową aplikację lub konektor. Najważniejsze zastrzeżenie: dostępność zależy od planu i stopniowego wdrażania funkcji. Według aktualnej dokumentacji pełna obsługa MCP jest dostępna przede wszystkim w planach Business, Enterprise i Edu, natomiast użytkownicy Plus i Pro mogą mieć dostęp do części funkcji w trybie deweloperskim.

Co trzeba przygotować

Potrzebujesz:

• publicznego adresu zdalnego serwera MCP;
• obsługiwanego transportu, zwykle streamable HTTP albo SSE;
• nazwy aplikacji i podstawowych metadanych;
• konfiguracji uwierzytelniania, jeśli serwer wymaga logowania;
• uprawnień do włączenia trybu deweloperskiego.

ChatGPT nie łączy się bezpośrednio z serwerem działającym wyłącznie na Twoim komputerze lub w lokalnej sieci. W takim przypadku potrzebujesz bezpiecznego tunelu MCP albo musisz udostępnić serwer przez zabezpieczony adres zdalny.

Instrukcja w ChatGPT

1. Włącz tryb deweloperski

W wersji webowej otwórz:

Ustawienia → Wtyczki→ Włącz tryb: Tryb deweloperski

W zależności od rodzaju konta opcja może być dostępna w ustawieniach użytkownika albo w ustawieniach przestrzeni roboczej. W planach Business tryb deweloperski może włączyć i wykorzystać administrator lub właściciel przestrzeni roboczej. W Enterprise i Edu dostęp może być dodatkowo kontrolowany przez administratora za pomocą ról i uprawnień.

2. Utwórz niestandardową aplikację MCP

Przejdź do:

Ustawienia → Wtyczki → Utwórz

W przestrzeni firmowej odpowiednia ścieżka może wyglądać następująco:

Ustawienia przestrzeni roboczej → Aplikacje → Utwórz

Następnie:

1. wpisz nazwę aplikacji;
2. podaj adres endpointu serwera MCP;
3. wybierz mechanizm uwierzytelniania, jeśli jest wymagany
4. w przypadku OAuth przejdź przez ekran autoryzacji;
5. po zakończeniu skanowania kliknij Utwórz.

Adres endpointu powinien być adresem serwera MCP, a nie adresem panelu administracyjnego, dokumentacji lub zwykłego webhooka.

3. Przetestuj połączenie

Po utworzeniu aplikacja pojawi się jako wersja robocza. Otwórz nowy czat, wybierz ją z menu narzędzi ChatGPT i wydaj polecenie testowe, na przykład:

„Połącz się z moim serwerem MCP i pokaż dostępne narzędzia.”

Następnie możesz sprawdzić konkretne działanie, np.:

„Wyszukaj w podłączonym systemie dokumenty dotyczące faktur.”

ChatGPT może poprosić o potwierdzenie przed operacją zapisu lub modyfikacji. Warto zacząć od narzędzi tylko do odczytu.

Jeśli serwer używa OAuth

Jeśli Twój serwer wymaga logowania przez OAuth:

• wybierz OAuth podczas konfiguracji aplikacji;
• wykonaj autoryzację w otwartym oknie;
• poczekaj na zakończenie skanowania narzędzi;
• sprawdź, czy dostawca OAuth wydaje token odświeżania.

OpenAI wskazuje, że do długotrwałego utrzymania połączenia potrzebne jest odpowiednie skonfigurowanie tokenów odświeżania. W przypadku OpenID Connect często stosuje się zakres offline_access.3_1

Ograniczenia i bezpieczeństwo

Podłączenie serwera MCP daje ChatGPT dostęp do danych i funkcji udostępnionych przez ten serwer. Dlatego przed użyciem sprawdź:

• kto jest operatorem serwera;
• jakie dane może odczytywać;
• jakie działania może wykonywać;
• czy zapis i usuwanie danych są oddzielnymi narzędziami;
• czy serwer przechowuje zapytania lub przesyłane dane;
• czy połączenie korzysta z HTTPS i poprawnego uwierzytelniania.

Niestandardowe serwery MCP nie są automatycznie zweryfikowane przez OpenAI. Dokumentacja OpenAI ostrzega również przed prompt injection — złośliwymi instrukcjami ukrytymi w danych pobranych przez serwer. W przypadku operacji zapisu należy dokładnie sprawdzać parametry i potwierdzać działania przed ich wykonaniem.

Ważna różnica: aplikacje OpenAI i własny MCP

Gotowe aplikacje dostępne w katalogu ChatGPT to nie zawsze to samo co własny serwer MCP. Jeśli chcesz podłączyć własny endpoint, korzystasz z funkcji niestandardowej aplikacji MCP lub trybu deweloperskiego.

Dla serwera przeznaczonego głównie do wyszukiwania OpenAI wskazuje szczególną rolę narzędzi search i fetch, zwłaszcza gdy serwer ma współpracować z konektorami lub funkcją Deep Research. W przypadku pełnej niestandardowej aplikacji MCP zestaw wymaganych narzędzi może być szerszy i zależy od sposobu integracji.3_2

Jeżeli nie widzisz opcji Tryb deweloperski, najczęstszą przyczyną jest niewłaściwy plan, wyłączona funkcja w przestrzeni roboczej albo brak uprawnień administratora.

Czy serwer MCP to tylko odpowiednie przepisanie dostępnego API, tzn może mieć tylko te funkcje, które udostępnia API czy jego funkcjonalność może być większa?

Serwer MCP nie jest tylko prostym przepisaniem API. Może mieć dokładnie te same funkcje co API, ale może też oferować znacznie więcej dzięki dodatkowej logice, agregacji i warstwie abstrakcji.

Co może robić serwer MCP

Serwer MCP udostępnia trzy rodzaje możliwości:

·         Narzędzia (Tools) – funkcje wywoływane przez model AI, np. „wyszukaj fakturę”, „utwórz wydarzenie w kalendarzu”, „wyślij wiadomość”;

·         Zasoby (Resources) – dane tylko do odczytu, np. zawartość plików, rekordy z bazy, dokumentacja;

·         Prompty (Prompts) – gotowe szablony interakcji, np. „przeanalizuj sprzedaż z ostatniego miesiąca”, „przygotuj podsumowanie spotkań”.

Każde narzędzie może wewnątrz wywoływać API, ale nie musi ograniczać się do jednego endpointu.

Czy serwer MCP może mieć więcej funkcji niż API?

Tak, i to na kilka sposobów:

1. Agregacja wielu API w jedno narzędzie

Jedno narzędzie MCP może łączyć kilka wywołań API i zwracać ujednolicony wynik. Przykład:

·         API CRM: pobierz dane klienta;

·         API systemu fakturowania: pobierz ostatnie faktury;

·         API supportu: pobierz otwarte zgłoszenia.

Serwer MCP może udostępnić jedno narzędzie getClientOverview, które łączy te trzy źródła i zwraca spójny raport. Dla modelu AI wygląda to jak jedna funkcja, a nie trzy osobne API.

2. Dodatkowa logika biznesowa

Serwer MCP może:

·         filtrować dane przed przekazaniem do AI;

·         anonimizować lub maskować wrażliwe pola;

·         łączyć dane z różnych systemów;

·         stosować własne reguły, np. „nie pokazuj danych starszych niż 2 lata”;

·         walidować parametry przed wywołaniem API;

·         logować użycie narzędzi do celów audytowych.

To wszystko dzieje się poza oryginalnym API. API pozostaje niezmienione, ale serwer MCP dodaje warstwę kontroli i przekształceń.

3. Uproszczone i bezpieczniejsze interfejsy

Zamiast udostępniać dziesiątki endpointów, serwer MCP może wystawić kilka wysokopoziomowych narzędzi, np.:

·         searchInvoices zamiast bezpośredniego dostępu do /invoices?query=…;

·         createMeeting zamiast bezpośredniego wywołania kalendarza z wieloma parametrami;

·         getSalesSummary zamiast ręcznego pobierania danych sprzedażowych i ich agregacji.

Dzięki temu model AI nie musi „znać” szczegółów API, a Ty masz większą kontrolę nad tym, co dokładnie może robić.

4. Zasoby i prompty – coś, czego API zwykle nie ma

Tradycyjne API zazwyczaj udostępnia endpointy do wywoływania. MCP dodaje:

·         Zasoby – dane kontekstowe, które AI może przeglądać, ale nie modyfikować;

·         Prompty – gotowe szablony poleceń, które strukturyzują sposób korzystania z narzędzi i zasobów.

To są dodatkowe możliwości, których nie ma w typowym API REST.

Czy serwer MCP może mieć mniej funkcji niż API?

Tak, i często celowo tak się robi. Serwer MCP może:

·         udostępniać tylko wybrane endpointy API;

·         blokować operacje zapisu, zostawiając tylko odczyt;

·         ograniczać dostępne pola w odpowiedziach;

·         wymagać dodatkowych zatwierdzeń przed wykonaniem operacji.

W praktyce serwer MCP działa jak warstwa bezpieczeństwa i kontroli między AI a API.

Przykład z życia

Masz API systemu księgowego z endpointami:

·         GET /invoices

·         POST /invoices

·         GET /clients

·         POST /clients

·         GET /reports/sales

Możesz zbudować serwer MCP, który udostępnia:

·         narzędzie listInvoices(clientId, from, to) – łączy kilka parametrów i filtruje wyniki;

·         narzędzie createInvoice(clientId, items) – waliduje dane przed wysłaniem do API;

·         zasób salesSummary – gotowy raport z agregacją danych;

·         prompt monthlyFinancialReview – szablon analizy miesięcznej.

AI widzi cztery elementy, a nie pięć endpointów z dokumentacji API. Dodatkowo masz kontrolę nad tym, jakie dane są przekazywane i jakie operacje są dozwolone.

Podsumowanie

·         Serwer MCP może być prostym „opakowaniem” API, ale nie musi.
·         Może agregować wiele API, dodawać logikę, filtrować dane i udostępniać tylko wybrane funkcje.
·         Może oferować dodatkowe możliwości, takie jak zasoby i prompty, których typowe API nie ma.

Często działa jako kontrolowana warstwa pośrednia między AI a istniejącymi API, zwiększając bezpieczeństwo i użyteczność