Cześć wszystkim i witam w kolejnym odcinku Microsoft Knowledge Nugget w M365. Nazywam się Mirko Peters i będę Waszym gospodarzem. Dziś zajmiemy się czymś, o czym słyszał każdy pracujący z AI, ale prawie nikt nie potrafi wyjaśnić prostym językiem. Chodzi o model Context Protocol, czyli MCP. Wyobraźcie sobie taką sytuację. Jesteście w Teams i zadajecie swojemu asystentowi AI proste pytanie, jaki jest status projektu Johnson? A on odpowiada, przepraszam, nie mam dostępu do tych informacji. Brzmi znajomo, AI jest inteligentne, model jest potężny, ale nie widzi Waszych danych. Jest odcięte od systemów, w których toczy się Wasza codzienna praca. To właśnie główny problem, który rozwiązuje MCP. Pod koniec tego odcinka zrozumiecie, czym właściwie jest MCP, dlaczego jest ważne dla użytkowników Microsoft 365 i jak zmienia możliwości AI. Podzielimy to na konkretne bloki tematyczne. Problem, rozwiązanie, zasada działania i znaczenie wewnątrz Microsoftu. Zacznijmy więc od problemu, bo prawdopodobnie sami go odczuliście. Problem. Każde narzędzie AI musiało być tworzone na zamówienie. Zanim powstało MCP, jeśli chcieliście, by asystent AI zrobił coś użytecznego, sprawdził kalendarz, pobrał plik z SharePointa, czy wyszukał klienta w Dynamics, musieliście napisać osobny kod dla każdego z nich. Każde połączenie, każde źródło danych, osobny kod. Rzecz w tym, że każdy system mówi własnym językiem API. Wasz kalendarz używa jednego formatu SharePoint drugiego, a Dynamics jeszcze innego. Inna autoryzacja, inne zasady, inne sposoby proszenia o dane i ich odbierania. Jeśli chcieliście, aby AI rozmawiało z trzema systemami, musieliście zbudować trzy osobne łączniki. Pomyślcie o tym w ten sposób. Wyobraźcie sobie, że jesteście w salonie z telewizorem, wieżą stereo i inteligentnym oświetleniem. Każde urządzenie ma własny pilot i żaden z nich nie działa z innym sprzętem. Potrzebujecie pilota do telewizora, pilota do wieży i oddzielnej aplikacji do światła. Tak wyglądało tworzenie AI przed erą MCP. Każde narzędzie wymagało własnej, dedykowanej integracji. Dla użytkowników Microsoftu jest to dość bolesne. Pomyślcie, co kopilot chce zrobić, gdy zadajecie mu pytanie. Może sprawdzać kalendarz Exchange w poszukiwaniu spotkań, czytać maile od klienta lub szukać danych w Dynamics. To trzy różne połączenia API, trzy osobne integracje, z których każda wymaga pracy programistycznej. Jaki jest tego wynik? Większość narzędzi AI wybierała łatwiejszą drogę i pozostawała ogólnikowa. Zadawałeś pytanie o własną pracę, a AI odpowiadało, nie mam dostępu do tych danych. Albo musisz najpierw skonfigurować połączenie. Prawdziwa integracja oznaczała kosztowny rozwój oprogramowania, czego większość organizacji nigdy nie osiągnęła. A teraz najważniejsza kwestia. Sam duży model językowy jest niezwykle potężny. Potrafi rozumować, streszczać, generować i analizować, ale bez dostępu do Twoich rzeczywistych danych jest ślepy. To jak posiadanie najmądrzejsego asystenta na świecie zamkniętego w pokoju bez okien myśli genialnie, ale nie pomoże Ci w niczym konkretnym. Rozwiązanie MCP jako uniwersalna wtyczka. Co gdyby istniała jedna uniwersalna wtyczka? Jeden standardowy sposób łączenia dowolnego AI z dowolnym źródłem danych bez pisania własnego kodu dla każdego połączenia? Oto rozwiązanie. Dokładnie to robi model Context Protocol, w skrócie MCP. Firma Anthropic, twórca Cloud, wprowadziła go pod koniec 2024 roku i szybko zyskał popularność. MCP to otwarty standard, który definiuje spójny sposób komunikacji aplikacji, a i z narzędziami i źródłami danych. Pomyśl o tym jak o USB-C. Przed USB-C każde urządzenie wymagało własnego, specjalnego kabla. Telefon używał jednego typu laptop innego, a słuchawki jeszcze kolejnego. Miałeś szufladę pełną kabli i nigdy nie mogłeś znaleźć tego właściwego. Potem pojawiło się USB-C, jeden kabel, jeden standard i wszystko po prostu działa. MCP robi to samo dla połączeń AI. Jeden protokół działa dla baz danych, systemów plików, interfejsów API, a nawet usług Microsoftu. Zamiast budować niestandardowe łączniki dla każdego źródła danych, budujesz jeden serwer MCP, z którego skorzysta każda kompatybilna aplikacja AI. Adaptacja nastąpiła błyskawicznie. W ciągu miesięcy pojawiły się tysiące gotowych serwerów MCP dla Google Drive, GitHub, Slack oraz baz danych jak PostgreSQL czy Sklite. A dla użytkowników Microsoftu tutaj robi się naprawdę ciekawie. Twoje narzędzia AI mogą teraz łączyć się z SharePoint, Exchange, Dynamics i Power Platform poprzez ten sam standardowy interfejs. Wniosek jest prosty, nie musisz już budować własnych, niestandardowych połączeń. Podłączasz się do MCP, jeden protokół, dowolne źródło danych, dowolna aplikacja AI. Na tym polega jego magia. Architektura, host, klient i serwer. Jak to właściwie działa za kulisami? Już wyjaśniam. MCP używa prostego układu trzech elementów – hosta, klienta i serwera. Gdy zrozumiesz te trzy części, wszystko staje się jasne. Hostem jest aplikacja AI, której faktycznie używasz. Może to być kopilot w Microsoft 365, Cloud Desktop lub własny agent, którego stworzyłeś. Host to miejsce, w którym zadajesz pytanie. To część skierowana do użytkownika. Wewnątrz tego hosta znajduje się coś, co nazywamy klientem MCP. To element, który posługuje się protokołem MCP. Nie widzisz go ani nie wchodzisz z nim w bezpośrednią interakcję, ale to on jest tłumaczem, który wie, jak rozmawiać z serwerami MCP. Następnie mamy serwer. Serwer MCP to lekki program, który znajduje się między twoją aplikacją AI a faktycznym źródłem danych. Udostępnia on narzędzia i zasoby, z których może korzystać AI. Serwer wie, jak dotrzeć do twojej witryny SharePoint, skrzynki Exchange czy bazy danych Dynamics. AI nie musi znać żadnych z tych szczegółów. Po prostu komunikuje się z serwerem. Oto jak przepływają dane. Kiedy zadajesz pytanie swojemu AI, żądanie trafia z hosta do klienta MCP. Klient wysyła wiadomość za pomocą protokołu MCP do serwera. Serwer sięga do źródła danych, pobiera to, czego potrzebujesz i odsyła z powrotem. Host do klienta protokołem do serwera, aż do twoich danych. Czysto, prosto i standardowo. Pomyśl o tym, jak o restauracji. Host to ty siedzący przy stoliku. Klient MCP to kelner, który przyjmuje zamówienie i zanosi je do kuchni. A serwer MCP to sama kuchnia. Nie musisz wiedzieć, jak działa kuchnia. Po prostu mówisz kelnerowi, czego chcesz, a jedzenie się pojawia. Jeden host może łączyć się z wieloma serwerami jednocześnie, więc twoje AI w Teams może dotrzeć do dokumentów SharePoint, kalendarza Exchange i rekordów Dynamics w jednej rozmowie. Komunikacja między klientem a serwerem wykorzystuje coś, co nazywa się JSO-NRPC. To po prostu lekki, ustandaryzowany sposób przesyłania wiadomości w obie strony. Bez dużego narzutu, bez niestandardowych połączeń. Co zawierają serwery MCP, narzędzia, zasoby i prompti. Co więc serwer MCP faktycznie daje AI, gdy się połączą? Trzy rzeczy, narzędzia, zasoby i szablony promptów. Pomyśl o nich jak o przyborniku, po który AI sięga, gdy musi coś zrobić. Wyjaśnijmy to prostymi słowami. Po pierwsze, narzędzia. Narzędzia to działania, które AI może podjąć, a które faktycznie zmieniają coś w świecie rzeczywistym. Narzędzie może przeszukać bazę danych, wysłać e-mail lub stworzyć dokument. Za każdym razem, gdy AI używa narzędzia, coś się dzieje. Klik zostaje zapisany, wiadomość wysłana, rekord zaktualizowany. Narzędzia to czasowniki tego systemu. To one sprawiają, że rzeczy się dzieją. Teraz zasoby. Zasoby to informacje tylko do odczytu, które AI może przeglądać. Zasobem może być lista klientów z Dynamics, dokument z zasadami w SharePoint lub notatki ze spotkań w Teams. Sztuczna inteligencja może je czytać, analizować i do nich odwoływać się, ale nie może ich bezpośrednio modyfikować przez zasób. Dostarczają one AI kontekstu, którego potrzebuje, by pracować efektywniej. Następnie mamy szablony promptów. To gotowe instrukcje, które oszczędzają Twój czas. Zamiast tworzyć idealny prompt za każdym razem, serwer podaje Ci gotowy, już zoptymalizowany. Na przykład serwer MCP dla SharePoint może zawierać szablon do podsumowywania zawartości folderu. Mówisz po prostu, podsumuj ten folder, a szablon zajmuje się resztą. To jak posiadanie specjalistycznego skrótu do zadań, które wykonujesz ciągle od nowa. Oto konkretny przykład, który to wszystko łączy. Wyobraź sobie serwer MCP dla SharePoint. Oferuje on narzędzie do wyszukiwania dokumentów, które znajduje pliki według słów kluczowych. Oferuje zasób do wyświetlania witryn, który daje dostęp tylko do odczytu do wszystkich dostępnych witryn SharePoint. Zawiera też szablon promptu do podsumowywania zawartości folderu, który mówi AI dokładnie, jak przygotować przejrzyste podsumowanie. Wszystko, czego AI potrzebuje, by pomóc Ci w SharePoint, jest w jednym miejscu. A teraz najlepsza część. AI odkrywa to wszystko automatycznie, gdy łączy się z serwerem. Nie wymaga to żadnego wcześniejszego programowania. Serwer w zasadzie sam się przedstawia. Oto moje narzędzia, moje zasoby, moje szablony promptów. A AI sama rozumie, jak z nich korzystać. To właśnie sprawia, że MCP jest tak potężne. Serwer mówi AI, co jest możliwe. A AI zajmuje się resztą. To system, który opisuje się sam. Te trzy kategorie współpracują, dzięki czemu AI ma pełny obraz tego, co może zrobić. MCP spotyka Microsoft to, co już tu jest. Przenieśmy to zatem do świata Microsoft. Tu zaczyna się prawdziwe znaczenie dla każdego, kto używa Microsoft 365 lub Azure. Obalmy teraz pewien popularny mit. Niektórzy myślą, że MCP to tylko poboczny eksperyment Microsoftu. Tak nie jest. To strategiczny kierunek. Widać to wyraźnie w Azure AI Agent Service. Jeśli budujesz własnych agentów AI na Azure, możesz teraz dodawać zdalne serwery MCP bezpośrednio z poziomu Azure AI Foundry. Konfigurujesz etykietę serwera, adres URL i opcjonalne nagłówki uwierzytelniające, a twój agent może zacząć wywoływać narzędzia z tego serwera. Własna dokumentacja Microsoftu nazywa to integracją najwyższego rzędu. To nie jest język opisujący projekt poboczny, ale to sięga głębiej niż tylko Azure. Microsoft opublikował oficjalne referencje serwerów MCP dla Power Platform, w tym Power Automate, Power Apps, a nawet Process Mining. To nie są projekty społecznościowe. Pochodzą prosto od Microsoftu. Weźmy na przykład serwer MCP dla Power Apps. Zawiera narzędzie o nazwie Invoque Data Entry. Oto co to oznacza w praktyce. Sztuczna inteligencja potrafi przyjąć nieustrukturyzowane dane, takie jak e-mail, wiadomość na czacie czy zeskanowany dokument i przekształcić je w ustrukturyzowany rekord w Dataverse. Sztuczna inteligencja proponuje rekord, a ty go zatwierdzasz. Człowiek w pętli jest wbudowany od razu. Serwer MCP dla Power Automate idzie jeszcze dalej. Opisujesz przepływ pracy prostym językiem. Na przykład, gdy nadejdzie nowy e-mail z pilnym tematem, utwórz zadanie w planerze i powiadom mojego menedżera. Sztuczna inteligencja buduje ten przepływ za ciebie. Bez przeciągania i upuszczania łączników. Bez szukania wyzwalaczy. Wystarczy opisać swoje oczekiwania, a serwer MCP przełoży je na rzeczywistą automatyzację. Microsoft pokazał również serwery MCP dla zawartości Microsoft Learn. Wyobraź sobie agenta AI, który przeszukuje całą bibliotekę dokumentacji Microsoftu jako zasób. Nie poprzez skrobanie stron internetowych, lecz przez ustrukturyzowany serwer MCP, który udostępnia dokumentacje jako dane ustrukturyzowane. To już działa dzisiaj. To kierunek, w którym zmierzają twoje narzędzia Microsoft. Stają się one dostępne dla MCP z założenia. Platforma się otwiera, a wraz z tym twoje doświadczenie w Microsoft 365 będzie tylko mądrzejsze. Integracja dzieje się teraz i jest wbudowana w fundamenty. MCP nie jest tylko dla programistów. Jest dla każdego, kto używa Microsoft 365 i chce, aby jego sztuczna inteligencja płynnie współpracowała z danymi. Prawdziwy scenariusz, sztuczna inteligencja, która wreszcie działa. Jak więc wygląda to w praktyce? Pozwól, że przejdę przez prawdziwy przykład. Siedzisz w Microsoft Teams i wpisujesz to w kopilota. Jaki jest status projektu ACME i kto ma zaległości w swoich zadaniach? Naciskasz Enter. Teraz za kulisami dzieje się coś innego niż rok temu. Twój asystent AI łączy się z serwerem MCP powiązanym z Project Online lub Planerem. Ten serwer ogłasza narzędzia, których może użyć, takie jak lista zadań, status zadania, sprawdzenie przypisań i harmonogram projektu. Sztuczna inteligencja nie potrzebuje tu żadnego prowadzenia za rękę. Odkrywa te narzędzia automatycznie, ponieważ serwer dosłownie mówi o to, co potrafię. A sztuczna inteligencja odpowiada, świetnie użyję tego. Nikt nie musi mówić, hej, najpierw sprawdź ten punkt końcowy API. I po prostu to działa. Więc AI wywołuje narzędzie listy zadań, potem status każdego zadania, a następnie sprawdza przypisania. Serwer MCP obsługuje całe uwierzytelnianie i pobieranie danych za kulisami. Kilka sekund później sztuczna inteligencja wraca z przejrzystą odpowiedzią. Projekt ACME przebiega zgodnie z planem. Trzy zadania są po terminie i wszystkie zostały przydzielone SARze. Czy chcesz, abym wysłał jej przypomnienie? Oto, co jest ważne. Dla tego zapytania nie napisano żadnego niestandardowego kodu. Żaden programista nie spędził dwóch tygodni na tworzeniu łącznika między Kopilotem a Project Online. Serwer MCP obsłużył całą integrację. Jeden serwer, jeden standardowy protokół, a sztuczna inteligencja dokładnie wiedziała, jak z niego korzystać. Teraz pójdźmy o krok dalej. Po uzyskaniu statusu projektu prosisz, sprawdź w moim kalendarzu spotkanie z SARą jutro i przygotuj aktualizację statusu na podstawie tego, co się dzieje. Sztuczna inteligencja używa serwera Exchange MCP, aby sprawdzić twój kalendarz, przeszukuje powiązane e-maile przez ten sam serwer, a następnie wywołuje serwer Word MCP, aby sporządzić aktualizację. Jedna konwersacja, wiele źródeł danych, zero niestandardowego programowania. To jest moment, aha, w przypadku MCP. Sprawia, że sztuczna inteligencja jest przydatna w twoim rzeczywistym środowisku pracy, nie tylko jako ogólny hotbot, który potrafi odpowiadać na ogólne pytania, ale jako asystent, który widzi twoje dane, rozumie twój kontekst i podejmuje działania zgodnie z jednym prostym standardem. Bezpieczeństwo, ochrona twoich danych. Cała ta elastyczność rodzi ważne pytanie. Jeśli twoja sztuczna inteligencja może nagle uzyskać dostęp do SharePointa Exchange i Dynamics za pośrednictwem MCP, jak chronisz te dane? Oto krótka odpowiedź. MCP jest tak bezpieczne, jak je zabezpieczysz. Protokół ten nie omija twoich istniejących środków bezpieczeństwa. Współpracuje z nimi. MCP obsługuje OAuth 2.1, ten sam standard branżowy uwierzytelniania, który chroni twój login Microsoft. Gdy serwer MCP wymaga uwierzytelnienia, twój klient AI musi udowodnić, że jest autoryzowany, zanim uzyska dostęp do jakichkolwiek danych. Usługa może korzystać z nagłówków uwierzytelniających kluczy API lub dostępu opartego na tokenach. Tych samych wzorców, których już używasz do zabezpieczania API. Istnieje jednak dodatkowa warstwa, która ma kluczowe znaczenie w zastosowaniach korporacyjnych. Sztuczna inteligencja musi najpierw poprosić o pozwolenie, zanim faktycznie przeprowadzi wyszukiwanie, wyśle wiadomość lub zmodyfikuje rekord. Pyta ciebie. Widzisz prośbę bezpośrednio w interfejsie czatu. Sprawdzasz, co narzędzie zrobi, a następnie zatwierdzasz lub odrzucasz operację. Oznacza to, że żadne narzędzie nie zostanie wywołane bez twojej wyraźnej zgody. Twoja sztuczna inteligencja może sugerować działania, ale nie może ich wykonać, dopóki nie powiesz. Tak, to dobra siatka bezpieczeństwa. Jedna rzecz, na którą trzeba uważać. Dostępne są tysiące publicznych serwerów MCP, a nie wszystkie z nich są godne zaufania. Istnieją publiczne rejestry, w których każdy może opublikować serwer. Niektóre są znakomite, inne nie. Odpowiedzialność za korzystanie z zaufanych serwerów spoczywa na tobie. W środowiskach Microsoft masz przewagę. Twoje serwery MCP mogą korzystać z tych samych mechanizmów tożsamości i kontroli dostępu, co twoje istniejące usługi Microsoft. Jeśli użytkownik nie ma uprawnień do odczytu biblioteki dokumentów SharePoint, serwer MCP tego nie ominie. Serwer dziedziczy te same ograniczenia, to samo uwierzytelnianie, te same zasady i ten sam nadzór. Pierwsze kroki, czyli twoje pierwsze doświadczenie z MCP. Skoro jesteś przekonany i chcesz spróbować samodzielnie, od czego zacząć? Najłatwiej jest wybrać hosta zgodnego z MCP. Cloud Desktop ma wbudowaną obsługę MCP, podobnie jak GitHub Copilot. Oba pozwalają podłączyć serwery niemal bez żadnej konfiguracji. Następnie sprawdź publiczne rejestry MCP. Istnieją tysiące gotowych serwerów dla usług, takich jak Google Drive, Slack, bazy danych, systemy plików i tak również usług Microsoft. Jeśli jesteś użytkownikiem Microsoft, zacznij od referencyjnych serwerów MCP Microsoftu dla Power Platform. Konfiguracja jest prosta. Większość hostów używa pliku JSON, w którym wymieniasz swoje serwery. Nadajesz każdemu nazwę, podajesz polecenie lub adres URL do połączenia oraz skonfigurujesz dane uwierzytelniające. To wszystko, a host zajmie się resztą. Podstawowe użycie nie wymaga kodowania, więc nie musisz być programistą ani pisać kodu integracyjnego. Wystarczy skonfigurować plik JSON, a twoja sztuczna inteligencja zyska dostęp do danych, których wcześniej nie widziała. Plik JSON jest jak plik konfiguracyjny, który mówi hostowi, z jakimi serwerami ma się połączyć. Pomyśl o MCP jak o uniwersalnym translatorze dla swojej sztucznej inteligencji. Zamiast uczyć się innego języka dla każdej usługi, komunikuj się za pomocą jednego protokołu. Zacznij od małych kroków, podłączając jedno źródło danych, na przykład kalendarz przez serwer Exchange MCP, zadaj pytanie o harmonogram i zobacz, jak AI odkrywa dostępne narzędzia. Przetestuj zatwierdzanie przez człowieka, co oznacza, że akceptujesz każdą akcję, zanim AI ją podejmie. Dzięki temu zachowujesz kontrolę. Upewnij się, że rozumiesz model bezpieczeństwa, zanim zaczniesz go rozszerzać. Gdy poczujesz się pewniej, rozszerz możliwości o kolejny serwer dla biblioteki dokumentów, a następnie systemu zarządzania zadaniami. Każdy serwer dodaje nowe możliwości i każdy z nich przestrzega tego samego protokołu. Jeśli chcesz zbudować własny serwer MCP, na przykład, aby udostępnić aplikację biznesową lub wewnętrzną bazę danych, Azure Functions sprawdzą się jako świetny backend. Owijasz swoje istniejące API lub źródło danych w serwer MCP za pomocą zaledwie kilku linii kodu. Ten wzorzec jest prosty. Udostępniasz narzędzia jako funkcje, dane jako zasoby i pozwalasz protokołowi zająć się resztą. To bezpośredni sposób na zapewnienie sztucznej inteligencji dostępu do Twoich własnych źródeł danych. To właśnie jest model Context Protocol. Jeden standard, który wreszcie pozwala narzędziom AI korzystać z Twoich rzeczywistych danych. Twoich plików SharePoint, kalendarza Exchange, Twoich rekordów w Dynamics. Przed MCP trzeba było budować osobne połączenia dla każdego systemu. Teraz podpinasz jeden protokół i Twoja AI może rozmawiać z nimi wszystkimi. AI staje się użyteczna bezpośrednio w Twoim środowisku pracy. To nie tylko wygoda, to zmiana sposobu pracy z AI. Zacznij od jednego serwera MCP, podłącz jedno źródło danych i zobacz różnicę. Jeśli to było pomocne, udostępnij to koledzy, którego AI nie ma dostępu do danych. Zasubskrybuj, aby otrzymywać więcej takich pigułek wiedzy. Nazywam się Mirko Peters i do zobaczenia w kolejnym odcinku.