AI agent vo firme a MCP

Rozdiel medzi chatom, ktorý si veci domýšľa, a agentom, ktorý sa pozrie do vášho systému, je jeden protokol. Vysvetľujem, čo MCP rieši, ktoré tri veci musíte mať hotové predtým, než agenta pustíte k dátam, a kde je hranica medzi čítaním a zápisom.

Simona · 6 min čítania
Zálohy dokončené, 24 webov záloha WordPress 6.9.2 nasadený na testovacej kópii aktualizácia Certifikát obnovený, platný 90 dní certifikát Pomalá odozva 1,9 s, vyriešená do 12 minút incident Bezpečnostný sken: 0 kritických nálezov sken Rýchlosť webu v zelenom po zmenšení obrázkov rýchlosť Blokovaných 214 pokusov o prihlásenie ochrana

Skoro každá firma, s ktorou to preberám, má za sebou rovnakú skúsenosť: niekto otvoril AI chat, opýtal sa ho na vlastné čísla a dostal odpoveď, ktorá znela presvedčivo a bola vymyslená. Záver býva „AI na to ešte nie je". Lenže problém nebol v modeli. Model jednoducho nemal ako vidieť do vášho systému, tak si odpoveď domyslel.

Presne túto medzeru zatvára MCP (Model Context Protocol) — otvorený štandard, ktorý určuje, ako sa jazykový model pripojí k vašim dátam a nástrojom. Nie je to „ďalšia AI", je to konektor. Rozdiel je rovnaký ako medzi človekom, ktorý o vašom sklade rozpráva z pamäti, a človekom, ktorý si ho otvorí na obrazovke.

Chatbot verzus agent: nie je to to isté

Tieto dve slová sa používajú zameniteľne a pritom riešia iné veci:

  • Chatbot odpovedá z toho, čo vie — z trénovacích dát alebo z dokumentov, ktoré ste mu vopred nahrali. Nič nezisťuje a nič nemení.
  • Agent má k dispozícii nástroje. Keď sa opýtate „koľko objednávok čaká na expedíciu", nepovie číslo z hlavy — zavolá funkciu, ktorá sa spýta databázy, a odpovie tým, čo prišlo späť.

Praktický dôsledok: agent sa nemôže pomýliť v čísle, ktoré prečítal. Môže sa pomýliť v tom, ktorú otázku si položil — a to je oveľa lepšia trieda chýb, lebo sa dá skontrolovať.

Tri veci, ktoré musíte mať hotové predtým

Napojenie agenta na firemné systémy je posledný krok, nie prvý. Bez týchto troch vecí vyrobíte len rýchlejší spôsob, ako sa dostať k nesprávnym dátam:

  • Jeden zdroj pravdy. Ak stav skladu žije v troch tabuľkách a v hlave skladníka, agent bude vracať tri rôzne čísla. Konsolidácia dát je nudná práca, ktorú AI neobíde.
  • Práva na úrovni dát, nie na úrovni promptu. Agent musí konať pod konkrétnym účtom s konkrétnymi oprávneniami. Pokyn „nezobrazuj mzdy" v texte zadania nie je bezpečnostné opatrenie, je to prosba.
  • Auditný záznam. Každé volanie nástroja patrí do logu — kto sa pýtal, čo sa vykonalo, čo sa vrátilo. Bez toho neviete po mesiaci povedať, či agent niečo pokazil, ani to obhájiť pred kontrolou.

Hranica medzi čítaním a zápisom

Toto je rozhodnutie, ktoré si treba spraviť vedome a napísať ho do zadania. Čítanie je takmer vždy bezpečné: zlá odpoveď na otázku sa opraví ďalšou otázkou. Zápis je iná liga — vystavená faktúra, odoslaný e-mail klientovi alebo zmazaný záznam sa späť neberú.

Model, ktorý používam pri vlastných systémoch, má tri stupne a odporúčam ho aj klientom:

  • Čítanie bez potvrdenia. Prehľady, vyhľadávanie, súhrny, stav zákazky. Agent to robí sám.
  • Zápis konceptu. Agent pripraví záznam — dopyt, úlohu, koncept faktúry — ale nič neodošle a nič nepotvrdí. Človek klikne alebo neklikne.
  • Nevratné operácie mimo dosahu. Odoslanie platby, zmazanie dát, zmena prístupov. Agent tieto nástroje nemá vôbec, nie „má ich s varovaním".

Tretí bod býva sporný, lebo práve tam je najväčšia úspora času. Držím sa ho aj tak: rozdiel medzi „ušetril som päť minút" a „poslal som platbu zlému príjemcovi" nie je symetrický.

Kde sa to reálne oplatí

Agent má zmysel tam, kde človek dnes strávi podstatný čas prepisovaním medzi systémami alebo vyhľadávaním v nich. Typické prípady, ktoré vidím u klientov:

  • Odpovedanie na stav. „Kde je moja zákazka?" je otázka, ktorú niekto odpovedá dvadsaťkrát denne otvorením troch obrazoviek.
  • Zakladanie záznamov z neštruktúrovaného vstupu. Z e-mailu vznikne dopyt, z hlasovej poznámky technika úloha so správnym projektom a termínom.
  • Prevádzkový dohľad. Namiesto čítania stoviek riadkov logu dostanete odpoveď na otázku „čo sa dnes v noci pokazilo a týka sa to zákazníkov?". Presne na tento účel má zmysel spájať agenta s monitoringom webu, ktorý dáta už zbiera.

Naopak, tam kde je proces jednoduchý a pevný — prepočet, odoslanie potvrdenia, kontrola formátu — je AI drahšia a menej spoľahlivá než obyčajná automatizácia. Toto rozlíšenie rozoberám aj v článku o tom, čo sa v e-shope dá zautomatizovať bez ručnej práce.

Čo si ustrážiť pri dodávateľovi

Pýtajte sa na štyri veci a odpovede si nechajte písomne:

  • Kam idú dáta. Ktorý model, ktorý poskytovateľ, v akom regióne, a či sa vstupy používajú na trénovanie. Bez tejto odpovede sa nedá podpísať spracovateľská zmluva — podrobnejšie v článku o ochrane dát pri používaní AI.
  • Čo agent nesmie. Zoznam nástrojov, ktoré má k dispozícii, je konečný a má byť v dokumentácii.
  • Ako sa to testuje. Agent bez sady kontrolných otázok s očakávanými odpoveďami je nasadenie naslepo.
  • Kto to bude udržiavať. Modely aj rozhrania sa menia rýchlejšie než zvyšok systému. Toto patrí do dohody o správe, nie do jednorazovej dodávky — čo do nej patrí, rozoberám v článku Čo má obsahovať paušál za správu webu.

Kde začať

Nezačínajte otázkou „ako nasadíme AI". Začnite vetou „toto robí človek každý deň a je to prepisovanie". Zoberte jednu takú činnosť, zmerajte, koľko času zaberie za mesiac, a postavte agenta len na ňu — s čítacím prístupom a konceptmi. Keď to po mesiaci funguje a máte v audite čo kontrolovať, pridá sa druhá.

Ak chcete prejsť konkrétne vaše procesy a povedať si, čo z nich sa oplatí napojiť a čo nie, ozvite sa. Rozsah a cenu vývoja na mieru nájdete v cenníku.

Pomohol vám článok? Zdieľajte ho ďalej.
LinkedIn Facebook