Üretimde Model Context Protocol (MCP) nedir?

Üretimde yapay zekâ ikilemi

Sanayi bugün bir çelişkinin ortasında. Bir yanda yöneticiler ve mühendisler, ChatGPT, Claude ve Gemini gibi büyük dil modellerinden (LLM) yararlanmak istiyor. Amaçları üretimdeki darboğazları analiz etmek, bakım alarmlarını önceliklendirmek ve vardiya devir raporlarını hazırlamak. Öte yanda OT (operasyonel teknoloji) ve siber güvenlik ekiplerinin ortak bir endişesi var: Ya uydurmaya başlayan bir yapay zekâ yanlışlıkla PLC'ye bir komut yazar ve bütün hattı durdurursa?

Üretimde yapay zekâya kontrol sistemleri üzerinde sınırsız yetki verilemez. Beklenmedik set değeri değişiklikleri, emniyet kilitlemelerinin devre dışı kalması ya da büyük kayıplara yol açan duruşlar göze alınamayacak kadar ciddi risklerdir.

İşte Model Context Protocol (MCP) tam burada devreye girer. En yeni yapay zekâ asistanlarıyla güvenliği ve sürekliliği kritik olan endüstriyel ağlar arasında kontrollü bir köprü kurar.

• Sınırları belli: Yapay zekâ yalnızca onaylı araçlar üzerinden erişir
• Birbirinden ayrı: Yapay zekânın veri yolu ile makine kontrol yolu ayrıdır

Sonuçlar iş yüküne, donanım kapasitesine ve kurulum yapısına bağlıdır.

Model Context Protocol (MCP) nedir?

Model Context Protocol (MCP), yapay zekâ uygulamalarını veri kaynaklarına ve araçlara bağlamak için geliştirilmiş açık bir protokoldür. MCP, araçların bulunmasını ve çağrılmasını standart hâle getirir, ama kendi başına güvenlik sağlamaz. Kimlik doğrulama, yetkilendirme, girdi doğrulama, ağ sınırları, denetim kaydı ve insan onayı, protokolü uygulayan sistemin sorumluluğundadır.

Sıradan bir IT ortamında bir MCP sunucusu, onaylı kurumsal veri araçlarını kullanıma açabilir. Üretimde ise yapay zekâ istemcisine PLC, SCADA ya da veritabanı için doğrudan erişim bilgisi vermeden, kapsamı sınırlandırılmış makine telemetrisini, Unified Namespace verisini ya da bakım kayıtlarını açabilir. Bu sınırın güvenli olup olmadığını ise etrafındaki kimlik, yetki kuralları, ağ yapısı ve araçların nasıl yazıldığı belirler.

Üretimde neden MCP'ye ihtiyaç var?

Yapay zekâyı sahaya eski yöntemlerle bağlamak, genellikle kırılgan özel API betikleri ya da riskli doğrudan veritabanı bağlantıları anlamına gelir. MCP, sanayinin bu konudaki üç temel sorununu çözer.

Kapsamı sınırlı bir güvenlik çizgisi

Yapay zekâ modelleri istemci olarak çalışır ve MCP sunucusundan belirli bir veri ister (örneğin "3 numaralı fırının şu anki sıcaklığı kaç?"). MCP sunucusu sorguyu çalıştırır, veriyi getirir ve sonucu yapay zekâya iletir. Veriyi asıl çeken MCP sunucusu olduğu için hangi işlemlerin sunulacağına siz karar verirsiniz. İnceleme için okuma araçları sunulur; yazma araçları varsa sınırlı, yetkiye bağlı ve kayıt altındadır. Makineyi doğrudan kontrol etmenin yapay zekâ yolunda yeri yoktur.

Sınırlar ve kapsam (yetkilendirme)

MCP sunucusuyla yapay zekânın neleri görebileceğini tam olarak siz belirlersiniz. Son 7 günün OEE verilerini ve hata günlüklerini açarken hassas mali verileri ya da kritik kontrol veri noktalarını araçların kapsamı dışında bırakabilirsiniz. Yapay zekâ doğrudan SQL erişimi almaz; yalnızca kontrollü ve önceden onaylanmış "araçlara" erişir.

Denetlenebilirlik

MCP servisi, kimliği doğrulanmış kullanıcıyı, seçilen aracı, parametreleri, sonucun durumunu ve ilgili takip bilgilerini, saklama ve gizlilik kurallarına uygun biçimde kaydetmelidir. Denetim kaydının eksiksiz olması protokole değil, kullanıcı kimliğinin her adımda taşınmasına ve etraftaki uygulamaya bağlıdır.

Proxus MCP Server yapay zekâ erişimini nasıl güvenli hâle getirir?

Proxus endüstriyel veri platformunda MCP, onaylı operasyon verisine erişmek için isteğe bağlı ve kontrollü bir yoldur. Panoların, iş akışlarının, API'lerin ya da yerleşik OT kontrol arayüzlerinin yerini almaz. Aynı kontrollü veri modeli, merkez sunucunun içinde gelen asistan Copilot'a da hizmet eder: Copilot soran kullanıcının yetkileriyle cevap verir ve bir değişikliği ancak o kullanıcı onayladıktan sonra uygular. İki yolu da Copilot ve yapay zekâ erişimi sayfasında görebilirsiniz.

Proxus MCP Server kendi kurulumunuzun içinde çalışır. Kendine ait bir yapay zekâ hizmetine ihtiyaç duymaz: modeli, bağladığınız yapay zekâ istemcisi getirir; hangi istemcinin bağlanacağını da siz seçersiniz:

• Varsayılan olarak okuma araçları ve tek bir yazma aracı: Sunucu, okuma araçlarının yanında kayıt oluşturabilen ya da güncelleyebilen tek bir yazma aracı sunar. Silme işlemleri varsayılan olarak engellidir.
• Kullanıcının kendi yetkileri: Her çağrı, oturum açmış kullanıcı adına ve o kullanıcının rolü ile Unified Namespace yol izinleri sınırında çalışır. Yapay zekâ istemcisi, onu kullanan kişinin görebildiğinden fazlasını göremez.
• Kontrollü telemetri sorguları: Geçmiş veri sorguları, veritabanında rastgele komut çalıştırmak yerine telemetri deposuna yönelik salt okunur ve tek ifadelik sorgulardır. Bu, saldırı yüzeyini daraltır ama istem enjeksiyonu (prompt injection) riskini tamamen ortadan kaldırmaz.
• Yönetici kontrolleri: MCP tamamen kapatılabilir, yalnızca yöneticilere açılabilir, okuma işlemleriyle sınırlandırılabilir ve istek sayısına sınır konabilir.
• Eksiksiz denetim kaydı: Her MCP isteği kullanıcı, kullanılan araç ve sonuçla birlikte kaydedilir.

Copilot: aynı kontrollü veri üzerinde yerleşik asistan

MCP, kendi getirdiğiniz yapay zekâ istemcileri içindir. Proxus bir asistanla da gelir: merkez sunucunun içindeki Copilot, İzleme > Copilot ekranında ve her ekranda yan panel olarak açılır. MCP yoluyla aynı kurallara uyar:

• Soran kullanıcının yetkileri: Copilot, soran kişinin yetkileriyle okur. Tek bir tesisle sınırlı bir rol Copilot'u da aynı şekilde sınırlar; parolalar, anahtarlar, token'lar ve diğer gizli bilgiler hiç okunmaz.
• İşlem değil öneri: Bir değişiklik, her alanın önceki ve sonraki değerini ve kayda bağlı olanları gösteren bir kart olarak görünür. Soran kişi Onayla ve uygula düğmesini seçene kadar hiçbir şey yazılmaz; değişiklik o kişinin yetkileriyle yapılır.
• Aynı değişiklik geçmişi: Onaylanan değişiklik kullanıcının adıyla, kaynak olarak da Copilot ve konuşma numarasıyla kaydedilir.

MCP sunucusundan farklı olarak Copilot'un yanıt vermek için bir modele ihtiyacı vardır. Bir yönetici bir ya da daha fazla yapay zekâ hizmeti ekler: Anthropic Claude, OpenAI, Azure OpenAI, Amazon Bedrock'ta Claude, Google Vertex AI'da Claude ya da Ollama ile çalışan yerel bir model. Ollama ile hiçbir veri tesis dışına çıkmaz; Bedrock, Vertex AI ya da Azure OpenAI ile veri sizin bulut hesabınızda kalır. Yalnızca soran kullanıcının okuyabildiği veri gönderilir. Bkz. Proxus'ta Copilot ve Copilot ve yapay zekâ erişimi.

Fabrikada gerçek MCP kullanım örnekleri

Kontrollü bir MCP kurulumuyla ekipler, yapay zekânın veri yolunu makine kontrolünden ayrı tutarak şu gibi işleri kolaylaştırabilir:

• Bakım için ön değerlendirme: Gece vardiyasında, başında kimse yokken bir makine arızaya geçer. Teknisyen onaylı bir asistandan son alarmları özetlemesini ve bunları kontrollü hata kodu kaynaklarıyla karşılaştırmasını ister. Ortaya çıkan sonuç doğrulanmış bir kök neden değil, gözden geçirilmesi gereken bir tahmindir.
• Vardiya devir raporu taslağı: Üretim müdürü asistandan üretim miktarını, tanımlı OEE sapmalarını ve bekleyen bakım işlerini içeren bir devir raporu taslağı ister. Rapor paylaşılmadan önce sorumlu bir kişi kaynak veriyi ve taslağı kontrol eder.
• Enerji incelemesi: Bir enerji mühendisi asistandan hafta sonundaki enerji tüketimini (kWh) üretim planıyla karşılaştırmasını ve boşta çalışır hâlde bırakılan, çok enerji çeken makineleri listelemesini ister. Sonuç bir bulgu değil, sayaç verisiyle kontrol edilecek bir listedir.

Sonuç

MCP, onaylı yapay zekâ istemcileri ile endüstriyel veri platformu arasında tutarlı bir araç arayüzü sağlayabilir. Proxus MCP Server gibi kontrollü bir ara katman (yetkilerle sınırlı, her isteği kayda geçiren ve isterseniz yalnızca okumaya izin veren) veri kaynaklarının doğrudan açılmasını azaltır. Ancak güvenlik kimlik, yetkilendirme, denetim kaydı, ağ, araç ve kontrol yolu tasarımının bütününe bağlıdır. Yapay zekâ, ürün kategorisinin kendisi değil, kontrollü operasyon verisini kullanan sistemlerden biridir.

Bu yaklaşım ne zaman uygun olmayabilir?

• Seyrek gelen telemetri, tamamen dağıtık bir mimarinin karmaşıklığına değmeyebilir.
• Küçük, tek hatlık tesisler işe daha basit mimarilerle başlamayı tercih edebilir.
• Eski sistemlerden gelen katı kısıtlar, geçişin aşama aşama yapılmasını gerektirebilir.
• Güvenlik açısından kritik kapalı çevrim kontrol, PLC ve Safety PLC katmanlarında kalmalıdır.

Sonuçlar iş yüküne, donanıma ve ağ yapısına göre değişir.

Sık sorulan sorular

MCP en basit hâliyle nedir?

MCP, yapay zekâ uygulamalarının tanımlı araçları bulup çağırmasını sağlayan açık bir protokoldür. Belirli bir sunucu yalnızca okuma işlemlerini açabilir; ama MCP'nin kendisi doğası gereği salt okunur değildir ve tek başına eksiksiz bir güvenlik sınırı oluşturmaz.

MCP ile makine kontrol edilebilir mi?

Protokol, sistemde değişiklik yapan araçları da tanımlayabilir; yani cevap sunucuya bağlıdır. Endüstriyel kurulumlarda veriyi incelemeyi, makineyi kontrol etme yetkisinden ayrı tutun. Her komut yolu açık yetkilendirme, doğrulama, gerektiğinde insan ya da iş akışı onayı, denetim kaydı, zaman aşımı ve emniyet tasarımı gerektirir.

Yapay zekâ erişiminde MCP'nin REST API'lerden farkı nedir?

REST, kaynak odaklı HTTP arayüzlerini tanımlar. MCP ise yapay zekânın kullanacağı araçlar, kaynaklar ve istem şablonları için bir protokol tanımlar. MCP araçların bulunmasını ve parametre şemalarını standart hâle getirebilir; ancak kimlik doğrulama, yetkilendirme, uyumluluk ve Unified Namespace verisiyle eşleştirme yine ayrıca geliştirilmelidir.

Kaynaklar

1. Anthropic, "Model Context Protocol Specification" - Yapay zekânın araç kullanımında sunucu ile istemci arasındaki iletişimi tanımlayan açık standart. modelcontextprotocol.io
2. IEC 62443 - Yapay zekânın OT sistemlerine erişiminin güvenliği açısından önemli olan endüstriyel siber güvenlik standardı.
3. NIST AI RMF (Yapay Zekâ Risk Yönetimi Çerçevesi) - Yapay zekâ uygulamalarındaki riskleri yönetmeye yönelik çerçeve; endüstriyel MCP kurulumlarına da uygulanabilir.