Połączenie asystenta AI z Twoim systemem (MCP)

Dla kogo jest ta usługa

Dla zespołów, które mają własne API (interfejs, przez który inne programy łączą się z ich systemem) i konkretny przypadek: asystent albo agent AI ma zrobić w Twoim systemie coś, czego gotowe integracje nie potrafią. Najczęściej są to:

• właściciel produktu SaaS, który chce, żeby klienci obsługiwali produkt z poziomu Copilota, Claude'a albo ChatGPT — bez udostępniania AI całego API;
• wewnętrzny zespół odpowiedzialny za wspólne systemy i dane, który ma bezpiecznie i powtarzalnie udostępnić dane i funkcje firmy asystentom i agentom AI;
• partner wdrożeniowy, któremu w projekcie brakuje jednego kontrolowanego połączenia między AI a systemem swojego klienta.

Po Twojej stronie potrzebna jest osoba, która jest właścicielem tego API i podejmuje decyzję o wdrożeniu — to ona odbiera integrację i prowadzi ją dalej.

Czym jest MCP — i dlaczego nie o protokół tu chodzi

MCP (Model Context Protocol) to otwarty standard, dzięki któremu asystent AI może korzystać z funkcji Twojego systemu, na przykład „znajdź kontrahenta” albo „utwórz zamówienie do zatwierdzenia”. Po stronie systemu działa niewielki program, tzw. serwer MCP. Opisuje on, co robi każda funkcja i jakich danych potrzebuje. Asystent (Claude, ChatGPT, Copilot Studio albo Twój własny agent) korzysta z tych funkcji bez osobnej integracji dla każdego programu. Cztery sposoby łączenia AI z systemami firmy, w tym ten, porównaliśmy w tekście o integracji AI z ERP i CRM.

Sam standard nie jest trudny — gotowych bibliotek jest pod dostatkiem, a publicznych serwerów tysiące. Trudne jest to, co serwer ma udostępniać,komu, z jakimi uprawnieniami i co się dzieje, gdy operacja się nie uda. Jeśli gotowa integracja nie robi tego, czego potrzebujesz, zwykle nie brakuje samego standardu MCP, tylko trzech rzeczy: opisu funkcji językiem Twojej firmy, kontroli nad tym, kto do czego ma dostęp, i testów. To właśnie budujemy.

Przygotowujemy też otwarty przykład referencyjny takiego serwera dla jednego z polskich systemów — po to, żeby sposób pracy dało się obejrzeć w kodzie, zanim cokolwiek zlecisz.

Najmniejszy zakres, od którego zaczynamy

Pierwszy projekt jest celowo mały: szybko daje działające, przetestowane połączenie, na którym opieramy kolejne etapy:

• jedno istniejące API — pracujemy na tym, które już masz, bez przebudowy;
• jedna aplikacja AI — ta, której faktycznie będziesz używać;
• kilka nazwanych operacji, wybranych pod jeden przypadek użycia;
• najpierw odczyt albo operacje za zgodą człowieka; zapis bez zatwierdzenia dopiero po odbiorze;
• środowisko i konto testowe — publiczną usługę dla wielu firm-klientów uruchamiamy w kolejnym etapie.

Rozszerzenie o kolejne operacje, drugą aplikację AI albo zapis w codziennej pracy jest osobnym, osobno wycenionym etapem.

Co dostajesz

• Opis każdej funkcji językiem Twojej firmy: nazwy, dane wejściowe i objaśnienia, które AI rozumie tak samo jak Twój zespół.
• Jednolita, przewidywalna obsługa błędów, dzielenie dużych wyników na strony i limity liczby wyników.
• Potwierdzanie tożsamości zintegrowane z Twoim systemem: serwer sprawdza, czy token dostępu (cyfrowa przepustka) został wydany właśnie dla niego, i nie przekazuje dalej tokenów otrzymanych od aplikacji AI.
• Uprawnienia dla każdego użytkownika i każdej firmy-klienta osobno, sprawdzane przy każdej operacji: bez uprawnień operacja się nie wykona.
• Oddzielne operacje odczytu i zapisu. Ponowienie tej samej operacji nie tworzy duplikatu.
• Rejestr działań, z usuniętymi lub zamaskowanymi danymi wrażliwymi.
• Testy odbiorcze uruchamiane na wybranej aplikacji AI.
• Gotowa paczka do instalacji, opis wdrożenia i instrukcja utrzymania dla osoby, która będzie się tym zajmować.

Wszystko trafia do Twojego repozytorium. Po przekazaniu Twój zespół prowadzi integrację samodzielnie — to jeden z warunków metodyki wdrożenia.

Bezpieczeństwo: minimum, od którego nie odstępujemy

• Serwer nie przekazuje do Twojego API tokenów otrzymanych od aplikacji AI. Łączy się z systemem pod własną, sprawdzoną tożsamością.
• Uprawnienia Twojego systemu egzekwowane przy każdej operacji, nie raz przy logowaniu.
• Najmniejsze wystarczające uprawnienia — funkcja do odczytu nie ma prawa zapisu.
• Hasła, klucze i inne dane dostępowe nigdy nie trafiają do poleceń dla AI ani do rejestrów działań.
• Żadnych dowolnych operacji w sieci ani na plikach — tylko te, które są wymienione w opisie funkcji.
• Limity liczby operacji, kosztu i czasu.
• Treść pobrana z systemu nigdy nie staje się poleceniem dla AI — polecenie ukryte w opisie produktu, e-mailu czy dokumencie jest traktowane jako dane.

Specyfikacja MCP każe traktować opisy funkcji i zwracaną treść jako niezaufane; my traktujemy tak również to, co użytkownik może wpisać. Gdzie trafiają dane i kto jest wtedy ich administratorem, opisaliśmy na stronie o bezpieczeństwie i RODO.

Odbiór: co sprawdzamy, zanim powiemy, że działa

Odbiór to lista przypadków, które integracja musi obsłużyć poprawnie — uzgodniona przed budową i uruchamiana jako testy:

• operacje dozwolone wykonują się, a niedozwolone są odrzucane z czytelnym błędem;
• użytkownik jednej firmy-klienta nie widzi danych innej;
• wygasłe albo unieważnione dane dostępowe blokują operację;
• powtórzona operacja zapisu nie tworzy duplikatu;
• gdy Twój system częściowo nie działa, operacja kończy się kontrolowanym błędem, a aplikacja AI nie zawiesza się;
• nieprawidłowe dane wejściowe są odrzucane, zanim dotrą do Twojego API;
• złośliwa treść w danych z systemu, np. ukryte polecenie, nie zmienia działania AI;
• limity kosztu i czasu przerywają operację, gdy zostaną przekroczone.

Lista jest częścią umowy, a każdy przypadek sprawdzamy testem przed odbiorem. W dniu odbioru wiesz dokładnie, co integracja obsługuje.

Jak chronimy Twój system w trakcie wdrożenia

• Udostępniamy tylko funkcje wybrane pod przypadek użycia, a nie całe API.
• Korzystamy ze sposobu potwierdzania tożsamości, który Twój system już ma, więc konta i dostępy zostają tam, gdzie są dziś.
• Zaczynamy od środowiska testowego, a publiczną usługę dla wielu firm-klientów uruchamiamy w kolejnym etapie.
• Zapis w codziennej pracy włączamy dopiero po zatwierdzeniu i odbiorze.
• Po przekazaniu integrację utrzymuje Twój zespół według instrukcji, a na czas zmian modelu AI, aplikacji AI lub API oferujemy opiekę po wdrożeniu.

Najlepsze efekty daje projekt, w którym jest konkretna aplikacja AI, zespół, który będzie z integracji korzystał, właściciel API po Twojej stronie i zaplanowane utrzymanie — te elementy ustalamy razem przed startem. Zasady bezpieczeństwa i przekazania, które stosujemy w każdym projekcie, opisaliśmy w naszych standardach.

Kiedy wystarczy zwykłe API

Dobieramy rodzaj połączenia do przypadku i mówimy wprost, kiedy wystarczy prostsze rozwiązanie. Zwykłe API — albo gotowa integracja — wystarczy, gdy:

• z API korzysta Twój własny program, a nie AI, która sama wybiera funkcje — integracja według stałych reguł jest tańsza i łatwiejsza do przetestowania;
• kolejność kroków jest znana z góry — wtedy to zadanie dla automatyzacji AI, nie dla funkcji, które AI wybiera sama;
• Twój system albo wybrana aplikacja AI ma już oficjalną integrację, która wykonuje potrzebne operacje — coraz więcej systemów ją ma;
• jest tylko jedna aplikacja AI i jedna operacja — serwer MCP zwraca się dopiero wtedy, gdy jedna integracja ma służyć wielu aplikacjom AI lub wielu zadaniom.

Serwer MCP ma sens, gdy po drugiej stronie jest model AI albo agent, który sam wybiera funkcje — czyli wtedy, gdy ważniejsze od samego połączenia stają się uprawnienia (kto do czego ma dostęp) i testy. O tym, kiedy agent w ogóle ma sens, piszemy przy wdrożeniu agentów AI; sama integracja bywa też jednym z etapów szerszego wdrożenia AI w firmie.

Zakres i cena

Najczęstsze pytania

Czym jest MCP i czy to jedyna droga do integracji AI z naszym systemem?

MCP (Model Context Protocol) to otwarty standard, dzięki któremu asystent AI może korzystać z funkcji Twojego systemu. Po stronie systemu działa niewielki program, tzw. serwer MCP. Opisuje on, co robi każda funkcja i jakich danych potrzebuje. Asystent (Claude, ChatGPT, Copilot Studio albo Twój własny agent) korzysta z tych funkcji bez osobnej integracji dla każdego programu. To jedna z kilku dróg, które dobieramy do przypadku: inne przypadki rozwiązuje bezpośrednie połączenie z API, narzędzie pośredniczące do automatyzacji (np. n8n) albo, w ostateczności, robot programowy (RPA), czyli program, który klika w aplikacji jak człowiek. Serwer MCP ma sens wtedy, gdy z systemu korzysta model AI albo agent, który sam wybiera funkcje, i gdy jedna integracja ma służyć wielu aplikacjom AI albo wielu zadaniom.

Mamy dobrze udokumentowane API. Po co nam jeszcze serwer MCP?

Jeżeli z API korzysta Twój własny program, budujemy integrację według stałych reguł — jest tańsza i łatwiej ją przetestować. Serwer ma sens wtedy, gdy z API ma korzystać AI, która sama wybiera funkcje. AI nie czyta dokumentacji jak programista. Wybiera funkcje po ich nazwach, opisach i informacji o tym, jakich danych potrzebują. Dlatego każdą operację trzeba opisać językiem Twojej firmy, ograniczyć uprawnieniami sprawdzanymi za każdym razem i przetestować. Testy obejmują też sytuacje, których zwykłe testy API nie sprawdzają, na przykład złośliwą treść, w tym polecenie dla AI ukryte w danych zwróconych przez system.

Czy asystent AI będzie miał dostęp do naszych danych?

Tylko do tego, co zwracają funkcje, które świadomie udostępnisz. Projektujemy je wąsko: funkcja do odczytu nie ma prawa zapisu, użytkownik jednej firmy-klienta nie widzi danych innej, a uprawnienia Twojego systemu są sprawdzane przy każdej operacji, nie raz przy logowaniu; operacja bez uprawnień się nie wykona. Fragmenty danych trafiają do wybranego przez Ciebie dostawcy modelu AI, na jego warunkach. Gdzie trafiają i kto jest wtedy administratorem, opisaliśmy na stronie o bezpieczeństwie i RODO. Hasła, klucze i inne dane dostępowe nie trafiają ani do poleceń dla AI, ani do rejestrów działań.

Z którymi asystentami AI to działa?

Z każdą aplikacją AI, która obsługuje MCP — dziś są to między innymi Claude, ChatGPT, Microsoft Copilot Studio, Claude Code i wiele platform agentowych — oraz z Twoim własnym agentem. Pierwszy etap budujemy i testujemy na jednej aplikacji AI: tej, której naprawdę będziesz używać. Drugą aplikację dodajemy jako kolejny etap i testujemy osobno, bo aplikacje różnią się tym, czy przed każdym użyciem funkcji pytają użytkownika o zgodę.

Ile to kosztuje i ile trwa?

Zakres i cenę ustalamy po obejrzeniu dokumentacji Twojego API i jednego opisanego przypadku użycia — z nazwą aplikacji AI, listą operacji i osobą, która po Twojej stronie odbierze wynik. Wycena jest za etap w stałym zakresie i stałej cenie: pierwszy obejmuje jedno API, jedną aplikację AI i uzgodnioną listę testów odbiorczych, i zwykle liczy się w tygodniach, nie w miesiącach. Licencje i zużycie API zewnętrznych dostawców, w tym modeli, są poza wyceną.