Institute of Information Science - University of Miskolc

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
====== MCP szerverek és LLM integráció ======

Ez a rész azt mutatja be, hogyan lehet egy nagy nyelvi modellt szabályozott módon összekapcsolni külső rendszerekkel MCP szerverek segítségével. A fókusz a modern integrációs szemléleten van: nem az a cél, hogy az LLM közvetlenül érje el a legacy rendszereket, hanem az, hogy egy szabályozott, egységes interfészen keresztül kapjon hozzáférést adatokhoz és műveletekhez.

Az MCP rövidítés jelentése: **Model Context Protocol**.

===== Miért érdekes ez rendszerintegrációban? =====

Sok szervezetnél már léteznek olyan rendszerek, amelyek üzletileg kritikusak, de technológiailag régebbiek:

  * vállalatirányítási rendszerek;
  * belső SQL adatbázisok;
  * fájlszerverek;
  * dokumentumtárak;
  * régebbi SOAP vagy REST szolgáltatások;
  * egyedi fejlesztésű, legacy alkalmazások.

Ha egy LLM-et szeretnénk ezekkel együtt használni, akkor gyorsan felmerülnek a következő kérdések:

  * honnan szerezzen adatot a modell;
  * milyen műveleteket hajthat végre;
  * milyen jogosultságokkal férhet hozzá a rendszerekhez;
  * hogyan lehet korlátozni és naplózni a műveleteit;
  * hogyan lehet egységesíteni a sokféle háttérrendszer elérését.

Erre ad egy modern, egységes megközelítést az MCP.

===== Mi az MCP lényege? =====

Az MCP egy szabványos protokoll arra, hogy egy kliensalkalmazás strukturált módon összekapcsolódjon olyan szerverekkel, amelyek adatot, promptokat vagy végrehajtható műveleteket tesznek elérhetővé egy LLM számára.

Egyszerűen megfogalmazva:
  * az **LLM** nem közvetlenül beszél a háttérrendszerrel;
  * a **kliensalkalmazás** kezeli a modellt és a felhasználói interakciót;
  * az **MCP szerver** egy jól definiált felületen keresztül elérhetővé teszi a szükséges adatokat és funkciókat.

==== Fogalmi ábra ====
<mermaid>
flowchart LR
    U[Felhasznalo]
    H[Host alkalmazas<br/>AI asszisztens vagy belso kliens]
    L[LLM]
    C[MCP kliens]
    S[MCP szerver]
    DB[(SQL adatbazis)]
    DOC[Dokumentumtar]
    LEG[Legacy uzleti rendszer]

    U --> H
    H --> L
    H --> C
    C <--> S
    S --> DB
    S --> DOC
    S --> LEG
    S --> C
    C --> H
    H --> U
</mermaid>

===== Az MCP fő szereplői =====

==== 1. Host alkalmazás ====
Ez az a program, amelyben a felhasználó ténylegesen dolgozik. Például:
  * egy AI asszisztens;
  * egy fejlesztői környezet;
  * egy belső vállalati chat alkalmazás;
  * egy saját integrációs felület.

Ez a komponens jeleníti meg a választ a felhasználónak, és ez kapcsolja össze az LLM-et az MCP világával.

==== 2. MCP kliens ====
Az MCP kliens a host alkalmazás része vagy annak egy komponense. Feladata:
  * kapcsolatot létesíteni az MCP szerverrel;
  * lekérdezni, milyen képességeket kínál a szerver;
  * átadni a modellnek a releváns eszközöket és adatokat;
  * továbbítani a szerver felé a műveletkéréseket.

==== 3. MCP szerver ====
Az MCP szerver teszi elérhetővé a háttérrendszerek képességeit egységes formában. Nem maga a legacy rendszer az MCP szerver, hanem egy olyan adapter vagy köztes réteg, amely becsomagolja a háttérrendszer funkcióit.

Például:
  * egy adatbázis-lekérdező szolgáltatás;
  * egy dokumentumtár adapter;
  * egy CRM vagy ERP rendszerhez kapcsolódó integrációs réteg;
  * egy ticketing rendszer műveleteit kiajánló szerver.

===== Mit tud egy MCP szerver biztosítani? =====

Az MCP három különösen fontos szerveroldali fogalmat használ.

==== 1. Tools ====
A tool egy végrehajtható művelet. Ilyen lehet például:
  * ügyfél adatainak lekérdezése azonosító alapján;
  * rendelési státusz lekérdezése;
  * hibajegy létrehozása;
  * jelentés generálása;
  * belső API meghívása.

Lényeges, hogy a tool nem csak adatot ad vissza, hanem valamilyen műveletet is képviselhet.

==== 2. Resources ====
A resource olyan adat vagy tartalom, amelyet a kliens és a modell kontextusként felhasználhat. Például:
  * dokumentáció;
  * konfiguráció;
  * kézikönyv;
  * adatbázisból lekért strukturált adatok;
  * riportok vagy logfájlok tartalma.

Ez különösen hasznos akkor, ha az LLM-nek először információt kell olvasnia és értelmeznie, mielőtt választ adna.

==== 3. Prompts ====
A prompt ebben a kontextusban nem egyszerűen egy szabad szöveg, hanem egy újrahasznosítható sablon vagy workflow. Például:
  * "elemezd ezt a logfájlt";
  * "készíts összefoglalót a kiválasztott hibajegyről";
  * "magyarázd el a kiválasztott SQL lekérdezés működését".

Ez segít abban, hogy a gyakori feladatok szabványos módon jelenjenek meg a kliensben.

===== Egy tipikus vállalati példa =====

Tegyük fel, hogy egy vállalatnál van:
  * egy régi ügyviteli rendszer;
  * egy SQL adatbázis;
  * egy dokumentumtár;
  * és egy belső AI asszisztens.

Egy felhasználó ezt kérdezi:

  * "Mondd meg, miért csúszik a 48291-es rendelés teljesítése."

Ilyenkor egy lehetséges folyamat:

  * a host alkalmazás elküldi a kérdést az LLM-nek;
  * a kliens látja, hogy elérhető például egy `get_order_status` tool;
  * az LLM meghívja ezt a toolt;
  * az MCP szerver a háttérben lekérdezi a legacy rendszert;
  * az eredményt strukturált formában visszaadja;
  * az LLM ebből természetes nyelvű választ fogalmaz.

Ha szükséges, a modell további toolokat is használhat, például:
  * ''get_customer_notes''
  * ''get_delivery_events''
  * ''search_manual''

Így az LLM nem "kitalálja" az adatokat, hanem valós rendszerekből dolgozik.

===== Miért hasznos az MCP legacy rendszerek esetén? =====

==== 1. Nem kell az LLM-et közvetlenül a háttérrendszerre engedni ====
Az MCP szerver egy köztes réteg. Ez biztonságosabb és jobban ellenőrizhető.

==== 2. Egységes interfészt ad ====
Az LLM vagy a kliens szempontjából mindegy lehet, hogy a háttérben SQL, REST, SOAP vagy fájlrendszer van. Az MCP szerver egységesen hirdeti a képességeit.

==== 3. Könnyebb jogosultságot és naplózást kezelni ====
Az integrációs logikát nem a modellbe építjük, hanem a szerveroldali komponensbe.

==== 4. Jobban karbantartható ====
Ha megváltozik a háttérrendszer API-ja, elég lehet az MCP szervert módosítani, és nem kell az egész kliensoldali megoldást újratervezni.

===== Milyen kommunikációs elemek vannak a háttérben? =====

Az MCP koncepcionálisan egy szabványos kliens-szerver kommunikáció. A specifikáció a képességek egységes leírását és a hívások szabályos szerkezetét adja meg.

Oktatási szempontból a legfontosabb gondolatok:
  * a kliens először felderíti, mire képes a szerver;
  * a szerver deklarálja, milyen képességei vannak;
  * a kliens ezeket a képességeket átadhatja a modellnek;
  * a modell vagy a felhasználó ezek alapján kezdeményez műveleteket.

===== Hogyan néz ki egy egyszerű integrációs gondolkodásmód? =====

Ha egy legacy rendszert szeretnénk LLM-mel összekapcsolni, akkor érdemes a következő lépésekben gondolkodni:

==== 1. Azonosítsuk a hasznos üzleti műveleteket ====
Nem azt kell kitenni, hogy "itt a teljes adatbázis", hanem azt, hogy:
  * milyen kérdésekre akarunk választ kapni;
  * milyen műveleteket akarunk engedélyezni;
  * milyen információkat kell a modell számára elérhetővé tenni.

==== 2. Ezeket bontsuk le toolokra és resource-okra ====
Példák:
  * tool: rendelési státusz lekérdezés;
  * tool: hibajegy létrehozás;
  * resource: termékdokumentáció;
  * resource: belső folyamatleírás.

==== 3. Korlátozzuk a hozzáférést ====
Nem minden művelet való automatikus modellhasználatra. Egyes tooloknál emberi jóváhagyás kellhet.

==== 4. Gondoljunk a hibatűrésre ====
Mi történik, ha:
  * a legacy rendszer nem elérhető;
  * hibás adatot ad vissza;
  * a felhasználó pontatlanul fogalmaz;
  * több rendszer válaszát kell egyesíteni.

===== Egyszerű fogalmi példa =====

Tegyük fel, hogy van egy egyetemi tanulmányi rendszer. Az MCP szerver az alábbi toolokat teheti elérhetővé:

  * ''get_student_data(neptunKod)''
  * ''get_course_list(neptunKod)''
  * ''get_exam_results(neptunKod, felev)''
  * ''create_helpdesk_ticket(szoveg)''

Lehetséges resource-ok:
  * hallgatói szabályzat;
  * tantárgyleírások;
  * vizsgaszabályok;
  * ügyintézési útmutatók.

Lehetséges prompt:
  * ''Fogalmazz udvarias választ a hallgatónak a vizsgajelentkezési problémájára a szabályzat alapján.''

Ez már egy teljes, modern integrációs minta: az LLM nem csak beszélget, hanem szabályozott módon kapcsolódik valódi szervezeti tudáshoz és műveletekhez.

===== Kipróbálható Python példa =====

Az alábbi példa egy minimális, kipróbálható MCP szervert mutat be Python nyelven. A cél nem egy teljes vállalati megoldás, hanem annak szemléltetése, hogy egy legacy jellegű háttérrendszer képességeit hogyan lehet toolok, resource-ok és promptok formájában kiajánlani.

Ez a példa a jelenlegi, 2026. március 27-én ellenőrzött Python MCP SDK szemléletéhez igazodik.

==== Mit csinál a példa? ====
  * van egy egyszerű MCP szerver;
  * a szerver két toolt kínál:
    * hallgatói alapadatok lekérdezése;
    * vizsgaeredmények lekérdezése;
  * van egy resource is, amely egy rövid vizsgaszabályzati szöveget ad vissza;
  * van egy promptsablon is;
  * a kliens csatlakozik a szerverhez és közvetlenül meghív két toolt.

==== Példafájlok ====
  * ''mcp_demo_server.py''
  * ''mcp_demo_client.py''

==== MCP szerver kód ====
<sxh python>
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Legacy Student MCP", json_response=True)

STUDENTS = {
    "ABC123": {
        "name": "Kiss Anna",
        "program": "Mernokinformatikus BSc",
        "status": "aktiv",
        "semester": 4,
    },
    "XYZ987": {
        "name": "Nagy Bela",
        "program": "Programtervezo informatikus BSc",
        "status": "aktiv",
        "semester": 6,
    },
}

EXAM_RESULTS = {
    ("ABC123", "2025-26-1"): [
        {"course": "Halozatok", "grade": 4},
        {"course": "Adatbazisok", "grade": 5},
    ],
    ("XYZ987", "2025-26-1"): [
        {"course": "Szoftvertechnologia", "grade": 3},
        {"course": "Mesterseges intelligencia", "grade": 5},
    ],
}

@mcp.tool()
def get_student_data(neptun_code: str) -> dict:
    """Hallgatoi alapadatok lekerdezese Neptun-kod alapjan."""
    student = STUDENTS.get(neptun_code.upper())
    if student is None:
        return {"error": "Nincs ilyen hallgato."}
    return {"neptun_code": neptun_code.upper(), **student}

@mcp.tool()
def get_exam_results(neptun_code: str, semester: str) -> dict:
    """Vizsgaeredmenyek lekerdezese egy adott felevre."""
    key = (neptun_code.upper(), semester)
    results = EXAM_RESULTS.get(key)
    if results is None:
        return {"error": "Nincs talalat a megadott hallgatohoz vagy felevhez."}
    return {
        "neptun_code": neptun_code.upper(),
        "semester": semester,
        "results": results,
    }

@mcp.resource("guide://exam-rules")
def exam_rules() -> str:
    """Rovid vizsgaszabalyzati minta."""
    return (
        "A hallgato a vizsgara a hivatalos tanulmanyi rendszeren keresztul jelentkezhet. "
        "Vizsgaidoszakban a jelentkezes es a lejelentkezes hataridokhoz kotott. "
        "Problema eseten a hallgato helpdesk jegyet nyithat."
    )

@mcp.prompt()
def answer_student_question(question: str) -> str:
    """Promptsablon hallgatoi ugyintezesi kerdesek megvalaszolasahoz."""
    return (
        "Valaszolj roviden, targyszeruen es udvariasan a hallgatoi kerdesre. "
        "Ha szukseges, hasznald a vizsgaszabalyzatot es a kapcsolodo toolokat. "
        f"Kerdes: {question}"
    )

if __name__ == "__main__":
    mcp.run(transport="stdio")
</sxh>

==== Egyszerű Python kliens ====
<sxh python>
import asyncio
import sys
from pathlib import Path

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main() -> None:
    server_script = Path(__file__).with_name("mcp_demo_server.py")
    server_params = StdioServerParameters(
        command=sys.executable,
        args=[str(server_script)],
    )

    async with stdio_client(server_params) as (read_stream, write_stream):
        async with ClientSession(read_stream, write_stream) as session:
            await session.initialize()

            tools_result = await session.list_tools()
            print("Elerheto toolok:")
            for tool in tools_result.tools:
                print(f"- {tool.name}: {tool.description}")

            student_result = await session.call_tool(
                "get_student_data",
                {"neptun_code": "ABC123"},
            )
            print("\\nget_student_data valasz:")
            print(student_result.content)

            exam_result = await session.call_tool(
                "get_exam_results",
                {"neptun_code": "ABC123", "semester": "2025-26-1"},
            )
            print("\\nget_exam_results valasz:")
            print(exam_result.content)

if __name__ == "__main__":
    asyncio.run(main())
</sxh>

==== Futtatás ====
Ha a ''mcp'' csomag még nincs telepítve:

<sxh bash>
python -m venv .venv
.venv\Scripts\activate
pip install mcp
</sxh>

Ezután a kliens futtatása:

<sxh bash>
python mcp_demo_client.py
</sxh>

Ha a kliens sikeresen kapcsolódik, akkor:
  * kilistázza az elérhető toolokat;
  * meghívja a ''get_student_data'' toolt;
  * meghívja a ''get_exam_results'' toolt;
  * kiírja a visszakapott strukturált választ.

==== Mit érdemes megfigyelni? ====
  * A szerver nem egy teljes tanulmányi rendszer, hanem annak MCP adaptere.
  * A kliens nem közvetlenül adatbázist hív, hanem a szerver által publikált toolokat.
  * A háttérrendszer lecserélhető úgy, hogy a kliensoldali gondolkodás változatlan marad.
  * A prompt és a resource külön fogalom a toolokhoz képest.

===== Mire kell figyelni tervezéskor? =====

==== 1. Biztonság ====
  * milyen adatot érhet el az LLM;
  * milyen műveletet indíthat;
  * kell-e emberi jóváhagyás;
  * hogyan naplózzuk a hívásokat.

==== 2. Adatminőség ====
Ha a háttérrendszer hibás vagy hiányos adatot ad, az LLM válasza is gyenge lesz.

==== 3. Jogosultságkezelés ====
Nem biztos, hogy minden felhasználó minden toolhoz hozzáférhet.

==== 4. Promptolási fegyelem ====
Érdemes világosan meghatározni:
  * mit csináljon a modell;
  * mikor használjon toolt;
  * hogyan hivatkozzon a visszakapott adatokra;
  * mikor mondja azt, hogy nincs elég információja.

===== Gyakorló kérdések =====

  * Milyen legacy rendszert érdemes toolként becsomagolni, és mit érdemes inkább csak resource-ként elérhetővé tenni?
  * Milyen műveleteknél szükséges emberi jóváhagyás?
  * Miért nem jó ötlet a teljes belső adatbázist közvetlenül az LLM-nek adni?
  * Hogyan lehet egy MCP szerverrel egységesíteni több különböző belső rendszer elérését?
  * Milyen hibák jelenhetnek meg az integrációs láncban a felhasználói kérdéstől a háttérrendszerig?

===== Összefoglalás =====

Az MCP szerver egy modern integrációs minta LLM-ek számára.

Legfontosabb tanulságok:
  * az MCP szerver köztes réteg a modell és a háttérrendszerek között;
  * egységesen tesz elérhetővé műveleteket, adatokat és promptokat;
  * különösen hasznos belső és legacy rendszerek LLM-alapú integrációjánál;
  * a technikai integráció mellett a biztonság, jogosultság és adatminőség is központi kérdés.

===== További információ =====

Hivatalos MCP dokumentáció:
  * [[https://modelcontextprotocol.io/specification/2025-06-18/basic|Model Context Protocol specification]]
  * [[https://modelcontextprotocol.io/specification/2025-06-18/server/prompts|MCP prompts]]
  * [[https://modelcontextprotocol.io/docs/concepts/tools|MCP tools]]