מדריך 2026: כך בונים MCP Server משלכם ומחברים כלים ל-Claude

פרוטוקול MCP (Model Context Protocol) הפך בשנה האחרונה לדרך הסטנדרטית לחבר עוזרי AI למערכות אמיתיות: בסיסי נתונים, CRM, מערכות הזמנות או כל API פנימי. במקום להעתיק ולהדביק מידע לצ'אט, אתם נותנים למודל כלים שהוא יכול להפעיל בעצמו. במדריך הזה נבנה MCP Server פשוט בפייתון, נחבר אותו ל-Claude Desktop, ונעבור על מה שחשוב לדעת לפני שמכניסים דבר כזה לעסק בישראל.

01מה זה בעצם MCP ולמה זה תפס

MCP הוא פרוטוקול פתוח שהציגה Anthropic, והוא מגדיר שפה משותפת בין מודל שפה לבין 'שרתים' שחושפים לו יכולות. שרת MCP יכול לחשוף שלושה סוגי דברים: Tools (פעולות שהמודל יכול להריץ, כמו שליפת נתון או יצירת רשומה), Resources (תוכן שהמודל יכול לקרוא, כמו קבצים או טבלאות) ו-Prompts (תבניות מוכנות). היתרון הגדול: כותבים את האינטגרציה פעם אחת, והיא עובדת מול כל לקוח שתומך בפרוטוקול, מ-Claude Desktop ועד עורכי קוד וסביבות סוכנים.

בפועל, זה מה שהופך צ'אטבוט גנרי לעוזר שמכיר את העסק שלכם: במקום לשאול אותו 'איך בודקים סטטוס הזמנה', אתם שואלים 'מה הסטטוס של הזמנה 4402' והוא פשוט בודק.

02שלב 1: מקימים שרת MCP בסיסי בפייתון

נשתמש ב-SDK הרשמי של פייתון, שמגיע עם FastMCP, ממשק שמזכיר את FastAPI. הדוגמה שלנו: שרת שחושף שני כלים לעסק דמיוני, בדיקת סטטוס הזמנה וחישוב מע"מ. מתקינים עם uv או pip את החבילה mcp, ויוצרים קובץ אחד:

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("business-tools")

@mcp.tool()
def order_status(order_id: str) -> str:
    """בדיקת סטטוס הזמנה לפי מספר הזמנה"""
    # כאן תבוא שאילתה אמיתית ל-DB או ל-API הפנימי
    orders = {"4402": "נשלחה, צפויה להגיע ביום שלישי"}
    return orders.get(order_id, "הזמנה לא נמצאה")

@mcp.tool()
def add_vat(amount: float) -> str:
    """חישוב מחיר כולל מע\"מ בישראל"""
    return f"{amount * 1.18:.2f} ש\"ח כולל מע\"מ"

if __name__ == "__main__":
    mcp.run()

שימו לב לשני פרטים קריטיים: ה-docstring של כל פונקציה הוא לא קישוט. זה התיאור שהמודל קורא כדי להחליט מתי להשתמש בכלי, ולכן כדאי לכתוב אותו ברור וספציפי. גם ה-type hints חשובים: הם הופכים לסכמת הקלט שהמודל מקבל.

03שלב 2: מחברים ל-Claude Desktop ובודקים

כדי ש-Claude Desktop יכיר את השרת, מוסיפים אותו לקובץ ההגדרות claude_desktop_config.json (ב-macOS הוא יושב תחת Application Support, ובווינדוס תחת AppData). ההגדרה קצרה:

{
  "mcpServers": {
    "business-tools": {
      "command": "uv",
      "args": ["run", "python", "/path/to/server.py"]
    }
  }
}

אחרי הפעלה מחדש של האפליקציה תראו את הכלים החדשים זמינים בצ'אט. עכשיו אפשר לכתוב בעברית חופשית: 'כמה יעלה מוצר של 250 שקל כולל מע"מ?' והמודל יפעיל את הכלי לבד, יקבל את התשובה וינסח אותה בחזרה. לבדיקות מסודרות יותר יש את MCP Inspector, כלי דיבוג רשמי שמריצים מקומית ומאפשר להפעיל כל כלי ידנית ולראות בדיוק מה עובר על הקו.

04שלב 3: מהדגמה לפרודקשן, בלי להיכוות

ההבדל בין דמו נחמד לכלי עסקי אמיתי הוא בעיקר אבטחה והרשאות. שרת MCP שרץ מקומית מקבל את ההרשאות של המשתמש שמריץ אותו, וברגע שחושפים אותו מרחוק (הפרוטוקול תומך גם ב-Streamable HTTP, לא רק ב-stdio מקומי) חייבים שכבת אימות. אלו הכללים שכדאי לאמץ מהיום הראשון:

• הרשאות מינימום: כלי קריאה בלבד כברירת מחדל. כלים שכותבים או מוחקים נתונים דורשים אישור מפורש של המשתמש בכל הפעלה.
• ולידציה בצד השרת: אל תסמכו על המודל שישלח קלט תקין. בדקו כל פרמטר כאילו הגיע מטופס פתוח באינטרנט.
• לוגים לכל קריאה: תעדו מי הפעיל איזה כלי, מתי ועם אילו פרמטרים. זה קריטי גם לדיבוג וגם לעמידה בדרישות רגולציה.
• זהירות מ-Prompt Injection: אם כלי מחזיר תוכן שמקורו בגורם חיצוני (מייל, מסמך של לקוח), המודל עלול 'לציית' להוראות שמוטמעות בו. סננו והגבילו מה חוזר למודל.
• אל תחברו שרתי MCP צד-שלישי לא מוכרים לסביבה עם נתונים רגישים. שרת זדוני יכול לגנוב מידע דרך תיאורי כלים מתוחכמים.

05הזווית הישראלית: איפה זה פוגש עסקים בארץ

לעסקים ישראליים יש כאן הזדמנות קונקרטית. מערכות מקומיות רבות, מתוכנות הנהלת חשבונות ועד מערכות ניהול תורים וקופות, חושפות API אבל אין להן אינטגרציה מובנית לעוזרי AI. שרת MCP דק שעוטף את ה-API הקיים הופך כל מערכת כזו לנגישה בשיחה טבעית בעברית: מנהלת חשבונות ששואלת 'אילו חשבוניות פתוחות מעל 30 יום', או נציג שירות שמבקש 'תמצא את כל הפניות הפתוחות של הלקוח הזה'. חשוב רק לזכור את חוק הגנת הפרטיות והרגולציה החדשה בתחום ה-AI: אם הכלים חושפים מידע אישי של לקוחות, צריך לוודא שהמידע לא זולג למקומות שאינו אמור להגיע אליהם, ושיש בקרת גישה לפי תפקיד.

מבחינת עברית עצמה, הפרוטוקול אדיש לשפה: הכלים מקבלים ומחזירים טקסט, והמודלים העדכניים מתמודדים היטב עם עברית בקלט ובפלט. הנקודה היחידה שדורשת תשומת לב היא נירמול קלט: מספרי טלפון עם מקפים, תאריכים בפורמט ישראלי וכיווניות בטקסטים מעורבים. עדיף לנרמל בצד השרת מאשר לקוות שהמודל ינחש נכון.

06מה הלאה: מכלי בודד לסוכן שלם

אחרי שהשרת הראשון עובד, הצעדים הטבעיים הם הוספת Resources (למשל חשיפת מסמכי מדיניות של החברה כמקור קריאה), חיבור אותו שרת לכמה לקוחות במקביל, ובהמשך פריסה מרוחקת עם OAuth כדי שכל הצוות יעבוד מול שרת אחד מנוהל. היופי בגישה הזו הוא שההשקעה מצטברת: כל כלי שאתם מוסיפים משרת כל עוזר AI עתידי שתאמצו, בלי לכתוב את האינטגרציה מחדש. התחילו קטן, עם כלי אחד שחוסך למישהו בצוות עשר דקות ביום, ותנו לשימוש האמיתי להכתיב מה בונים אחר כך.