Model Context Protocol (MCP) w praktyce: łączenie agentów AI z kontekstem marki

Dlaczego okienko czatu w przeglądarce to wąskie gardło

Większość zespołów korzysta z AI, otwierając pustą kartę czatu, wklejając trzy zdania opisu firmy i prosząc o napisanie posta. Taki czat nie wie, co jest już zaplanowane w kalendarzu, jakie wyniki osiągnęły kohorty z ostatnich 30 dni, jakie artykuły są na stronie ani czego zabrania aktualny Brand Voice. Model Context Protocol (MCP) rozwiązuje ten problem, zamieniając przestrzeń marki w ustrukturyzowany serwer narzędzi.

1. Trójwarstwowa architektura narzędzi MCP

Projektując interfejs Model Context Protocol (MCP) dla systemu marketingowego, podziel narzędzia na trzy czytelne warstwy uprawnień:

Warstwa 1 — Narzędzia Odczytu i Inspekcji (`get_workspace_context`, `get_content_strategy`, `get_analytics_overview`, `list_content_performance`, `list_articles`, `list_channels`, `preview_schedule`): pozwalają agentowi poznać fakty bez zmieniania czegokolwiek. Warstwa 2 — Bezpieczne Narzędzia Szkiców i Audytu (`create_publication_draft`, `create_article_draft`, `create_content_strategy_draft`, `save_dashboard_audit`): zapisują widoczne szkice w workspace, które nigdy nie publikują się same na żywo. Warstwa 3 — Narzędzia Działań z Bramką (`prepare_publication_action`, `confirm_publication_action`): wymagają dwufazowego potwierdzenia przed planowaniem lub publikacją.

ZASADA BEZPIECZEŃSTWA MCP

Utworzenie szkicu (`create_publication_draft`) nigdy nie oznacza publikacji na zewnętrznym kanale. Szkic to bezpieczny artefakt do wglądu w workspace.

// Krok 1: Agent odczytuje aktywny kontekst workspace’u i strategię marki
{ "tool": "get_workspace_context", "arguments": { "workspace": "fieldwork" } }
{ "tool": "get_content_strategy", "arguments": { "workspace": "fieldwork" } }

// Krok 2: Agent sprawdza wolne okna w harmonogramie publikacji
{ "tool": "preview_schedule", "arguments": { "channel": "instagram", "horizonDays": 7 } }

// Krok 3: Agent tworzy widoczny szkic oparty na Strategii v2 i Brand Voice
{
  "tool": "create_publication_draft",
  "arguments": {
    "workspace": "fieldwork",
    "channel": "instagram",
    "caption": "Dwa dni. Cztery litry.\n\nKurtka, przekąski i zestaw naprawczy. Na kierownicy, zamiast na plecach.\n\nZobacz pełny układ pakowania w poradniku na stronie.",
    "sourceRef": "art_drift4l_packing_guide_pl"
  }
}

2. Łączenie narzędzi MCP z przenośnymi skillami agentów (Agent Skills)

Same definicje narzędzi mówią agentowi *jakie* wywołania API istnieją; przenośne skille (`SKILL.md`) uczą go *jak* prowadzić zdyscyplinowany proces. Przykładowo skill `mumro-analyze-performance` lub `mumro-plan-campaign` instruuje agenta, aby zawsze zaczynał od odczytu `get_workspace_context` i `list_content_performance`, opierał wnioski na zmierzonych kohortach i zapisywał propozycję jako szkic do oceny.

3. Uprawnienia i izolacja kontekstu: klucze API, OAuth i zakres workspace

Agent AI powinien mieć dostęp wyłącznie do przyznanego zakresu i konkretnej przestrzeni marki (`AG01`, `AG04`). Dzięki temu w pracy agencyjnej agent obsługujący jedną markę nigdy nie miesza danych z inną przestrzenią.

Ręczne przeklejanie do czatu vs. podłączony agent MCP