מדריך: כך בונים שרת MCP משלכם ומחברים אותו לסוכני AI

אם יש פרוטוקול אחד שהפך בשנה האחרונה לשפה המשותפת של עולם הסוכנים, זה MCP (Model Context Protocol). הפרוטוקול, שנולד כפרויקט קוד פתוח, מאפשר לסוכני AI לגשת לכלים, למסדי נתונים ולמערכות פנימיות בצורה אחידה. במדריך הזה נבנה שרת MCP בסיסי מאפס, נחבר אותו לעוזר AI, ונדבר על מה שחשוב באמת: אבטחה, הרשאות ופריסה בסביבה עסקית ישראלית.

01מה זה בעצם שרת MCP ולמה כדאי לכם אחד

חשבו על MCP כעל שקע חשמל סטנדרטי: במקום לכתוב אינטגרציה נפרדת לכל מודל ולכל פלטפורמה, אתם כותבים שרת אחד שחושף "כלים" (tools) ו"משאבים" (resources), וכל סוכן שתומך בפרוטוקול יודע להשתמש בהם. שרת MCP יכול לחשוף שאילתות למסד הנתונים של העסק, חיפוש במסמכים פנימיים, פתיחת קריאות שירות במערכת ה-CRM או שליפת נתונים ממערכת הנהלת חשבונות.

בשביל עסק ישראלי, המשמעות פרקטית מאוד: במקום שהעובדים יעתיקו נתונים ידנית לצ'אט, הסוכן ניגש בעצמו למערכות, עם הרשאות מוגדרות מראש. משרד עורכי דין יכול לחשוף חיפוש בתיקים, חנות איקומרס יכולה לחשוף סטטוס הזמנות, וסטארטאפ יכול לחבר את ה-AI לדשבורדים הפנימיים שלו.

02שלב 1: הקמת השלד של השרת

נעבוד עם Python וה-SDK הרשמי של MCP, שמציע ממשק נוח בשם FastMCP. ההתקנה פשוטה: יוצרים סביבה וירטואלית ומתקינים את החבילה. השרת שלנו יחשוף כלי אחד לדוגמה שבודק מלאי של מוצר, תרחיש נפוץ בחנויות אונליין.

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("inventory-server")

@mcp.tool()
def check_stock(sku: str) -> dict:
    """בודק כמות מלאי זמינה לפי מק"ט"""
    # כאן תבוא שאילתה אמיתית למסד הנתונים
    stock = {"ABC-123": 42, "DEF-456": 0}
    return {"sku": sku, "quantity": stock.get(sku, 0)}

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

שימו לב לתיעוד בתוך הפונקציה (docstring): זה לא קישוט. הטקסט הזה הוא מה שהמודל קורא כדי להבין מתי ואיך להשתמש בכלי. תיעוד מדויק, כולל תיאור הפרמטרים והפורמט של התשובה, משפר דרמטית את הדיוק של הסוכן. אפשר וכדאי לכתוב אותו גם בעברית אם המשתמשים שלכם עובדים בעברית.

03שלב 2: חיבור לעוזר AI ובדיקה מקומית

רוב הלקוחות התומכים ב-MCP, כולל עוזרי הצ'אט השולחניים ועורכי הקוד המובילים, מאפשרים להוסיף שרת מקומי דרך קובץ קונפיגורציה. מגדירים את הפקודה שמריצה את השרת, מפעילים מחדש את הלקוח, והכלי check_stock מופיע ברשימת היכולות של הסוכן. מכאן אפשר פשוט לשאול בשפה חופשית: "כמה יחידות נשארו ממק"ט ABC-123?" והסוכן יקרא לכלי בעצמו.

1. התקינו את ה-SDK והריצו את השרת מקומית במצב stdio לבדיקות ראשונות
2. הוסיפו את השרת לקובץ הקונפיגורציה של הלקוח (העוזר או עורך הקוד)
3. בדקו כל כלי בנפרד עם שאלות ישירות לפני שמשלבים תרחישים מורכבים
4. עברו ל-transport מבוסס HTTP כשאתם מוכנים לפרוס לשרת מרוחק
5. הוסיפו אימות (OAuth או API key) לפני שהשרת נוגע בנתונים אמיתיים

04שלב 3: אבטחה והרשאות, החלק שאסור לדלג עליו

כאן נופלים רוב הפרויקטים. שרת MCP שחשוף לרשת בלי אימות הוא דלת פתוחה למערכות שלכם, והסיכון לא תאורטי: סוכן AI מפעיל כלים באופן אוטונומי, ולכן prompt injection במסמך תמים יכול לגרום לו לנסות פעולות שלא התכוונתם אליהן. הכלל המנחה הוא הרשאות מינימליות: אם הסוכן צריך רק לקרוא נתונים, אל תחשפו כלי שכותב.

לעסקים שכפופים לרגולציה ישראלית, כמו תיקון 13 לחוק הגנת הפרטיות, חשוב במיוחד: אם השרת חושף מידע אישי של לקוחות, ודאו שיש לוג ביקורת מלא של כל קריאה לכלי, ושפעולות רגישות דורשות אישור אנושי (human-in-the-loop) לפני ביצוע. רוב הלקוחות התומכים ב-MCP מאפשרים להגדיר אילו כלים דורשים אישור ידני.

05מה הלאה: מהשרת הראשון לתשתית ארגונית

אחרי שהשרת הראשון עובד, הצעד הטבעי הוא להוסיף resources (מסמכים ונתונים שהסוכן יכול לקרוא כהקשר) ו-prompts (תבניות מוכנות לתרחישים חוזרים). בשלב הפריסה, שרת MCP מרוחק מאחורי gateway עם אימות מרכזי הוא הדפוס שמתגבש בארגונים: נקודת כניסה אחת, ניהול הרשאות אחיד, ותצפית (observability) על כל מה שהסוכנים עושים.

היתרון הגדול למפתחים ישראלים הוא שההשקעה לא ננעלת לספק אחד: אותו שרת ישרת אתכם מול כל מודל וכל פלטפורמת סוכנים שתבחרו, היום ובעתיד. שרת MCP טוב אחד, שנבנה עם הרשאות נכונות ותיעוד מדויק, הוא כנראה ההשקעה הטכנית המשתלמת ביותר שצוות פיתוח קטן יכול לעשות השנה בתחום ה-AI.