API in MCP sta dva pojma, brez katerih težko razumemo naslednji korak umetne inteligence. API-ji omogočajo, da se sistemi pogovarjajo med seboj. MCP pa AI agentom ponuja bolj urejen način, kako odkriti in uporabljati zunanja orodja, podatke in aplikacije.
Od klepetalnika do AI agenta
Klasični klepetalnik je predvsem sogovornik: odgovori, povzame, napiše osnutek ali razloži pojem. AI agent pa je korak naprej: zna uporabiti orodja, poiskati podatke, izvesti več korakov in se ustaviti tam, kjer je potrebna človeška potrditev.
To ne pomeni, da mora AI samovoljno prevzeti podjetje. Ravno nasprotno: uporabna umetna inteligenca potrebuje jasne meje, dovoljenja, revizijsko sled in človeka v zanki pri občutljivih odločitvah.
Kaj je API?
API pomeni Application Programming Interface. Najlažja razlaga: API je dogovorjen način, kako en program nekaj zahteva od drugega programa. Če aplikacija za vreme vpraša strežnik, kakšna je napoved za Ljubljano, se to pogosto zgodi prek API-ja.
Dobra analogija je natakar v restavraciji. Gost ne gre v kuhinjo, ne odpira hladilnika in ne bere internih receptov. Natakar sprejme naročilo, ga prenese v kuhinjo in prinese rezultat. API opravi podobno vlogo med programi.
REST API, endpoint in metode
V poslovnem svetu pogosto srečamo REST API. To je zelo razširjen spletni slog, kjer ima vsaka funkcija svoj naslov oziroma endpoint. Endpoint si lahko predstavljamo kot konkretna vrata v stavbi: ena vrata vodijo do strank, druga do računov, tretja do koledarja.
- GET običajno pomeni: preberi podatke.
- POST pomeni: ustvari nekaj novega.
- PATCH pomeni: popravi del obstoječega zapisa.
- DELETE pomeni: izbriši zapis.
Function calling in AI tools
Ko govorimo o AI modelih, se pogosto pojavi še izraz function calling ali tools. Ideja je preprosta: model ne izvede nujno dejanja neposredno, ampak predlaga, katero funkcijo naj sistem pokliče in s katerimi parametri.
Primer: uporabnik napiše »najdi prost termin za sestanek«. Model razume namen, izbere orodje za koledar, sistem preveri, ali so parametri pravilni, nato orodje izvede klic in vrne rezultat.
Kaj je MCP?
MCP pomeni Model Context Protocol. To je standard, ki AI aplikaciji omogoča, da na urejen način odkrije zunanja orodja in vire podatkov. Če je API posamezna vrata, je MCP bolj podoben recepciji, zemljevidu stavbe in katalogu storitev.
MCP je pomemben zato, ker AI agenti ne potrebujejo samo besedila. Potrebujejo kontekst, vire, orodja, pravila uporabe in način, kako varno povezati različne sisteme.
MCP client, MCP server in poslovni sistemi
Pri MCP arhitekturi AI aplikacija običajno nastopa kot MCP client. Zunanji priključki pa so MCP serverji, ki predstavijo zmožnosti: na primer dostop do datotek, baze podatkov, CRM-ja, Google Drive-a ali koledarja.
Namesto da bi vsaka AI aplikacija posebej izumljala integracije, MCP ponuja skupen vzorec: orodje ima ime, opis, vhodne podatke, dovoljenja in predviden rezultat.
API vs MCP
| API | MCP |
|---|---|
| Poveže dva sistema. | Poveže AI aplikacijo z več orodji in viri. |
| Pogosto gre za en servis ali eno aplikacijo. | Deluje kot katalog zmožnosti za AI agenta. |
| Razvijalec pozna endpoint in parametre. | Agent lahko odkrije, katera orodja so na voljo. |
| Ni nujno AI-specifičen. | Zasnovan je za AI kontekst in uporabo orodij. |
RAG ni isto kot agent
RAG oziroma Retrieval-Augmented Generation pomeni, da model pred odgovorom poišče relevantne dokumente in jih uporabi kot dodaten kontekst. To je zelo koristno za vprašanja, ki zahtevajo znanje iz internih dokumentov.
Vendar RAG sam po sebi še ni agent. RAG pomaga odgovoriti. Agent pa lahko načrtuje, izbere orodje, izvede korak, preveri rezultat in nadaljuje proces.
Primer: priprava ponudbe
Predstavljajmo si poslovno nalogo: »Pripravi ponudbo za stranko Novak, uporabi zadnji cenik, shrani PDF in pripravi e-mail osnutek.«
- Agent v CRM-ju poišče podatke stranke.
- V Google Drive-u najde zadnji cenik.
- Pripravi ponudbo v dokumentu ali PDF-ju.
- Ustvari e-mail osnutek.
- Človek preveri in potrdi pošiljanje.
Kje se to uporablja?
API, MCP, RAG in avtomatizacija so najbolj uporabni tam, kjer se ponavljajo informacijski tokovi: e-mail, koledar, CRM, dokumenti, spletna stran, podpora strankam, poročila in objave.
Za podjetje je ključno vprašanje: kateri del procesa je dovolj ponovljiv, da ga lahko avtomatiziramo, in kateri del zahteva presojo človeka?
n8n kot orkestrator
Orodja, kot je n8n, lahko delujejo kot orkestrator poslovnih procesov. Sprožilec zažene proces, AI pomaga pri razumevanju vsebine ali izbiri naslednjega koraka, API/MCP pa omogočita povezavo z zunanjimi sistemi.
Primer: nov obrazec na spletni strani sproži tok, AI povzame potrebe stranke, CRM prejme zapis, e-mail sistem pripravi odgovor, človek pa odobri nadaljevanje.
Varnost: dovoljenja, potrditve in sledljivost
Največja napaka pri AI agentih ni premalo moči, ampak preveč moči brez nadzora. Agent naj ima samo tisti dostop, ki ga res potrebuje. To je načelo najmanjših privilegijev.
- Pošiljanje e-mailov naj čaka na potrditev.
- Brisanje podatkov naj bo posebej omejeno.
- Finančna dejanja naj nikoli ne potekajo brez človeka.
- Vsak klic orodja naj bo zabeležen.
Tveganja in napake
AI agent lahko naredi napako, če dobi napačne podatke, napačno razume namen ali ima preširoka pooblastila. Posebej občutljiva področja so osebni podatki, poslovne skrivnosti, finančne transakcije in javne objave.
Zato morajo dobra AI orodja imeti omejitve, preverjanje vhodov, potrditve, dnevnike aktivnosti in jasno odgovornost.
Kdaj uporabiti kaj?
| Potreba | Najbolj smiselno |
|---|---|
| Enostavna povezava s storitvijo | API |
| Več orodij za AI agenta | MCP |
| Odgovori iz dokumentov | RAG |
| Ponavljajoč poslovni proces | n8n / avtomatizacija |
| Občutljivo dejanje | Človeška potrditev |
Glavni zaključek
API-ji so povezave med sistemi. MCP je standardni način, kako te povezave in orodja postanejo razumljivi AI agentom. RAG doda znanje iz dokumentov. Avtomatizacija poveže korake v proces. Varnost pa določi, kaj agent sme zares narediti.
Prihodnost umetne inteligence v podjetjih zato ni samo »pametnejši chatbot«. Bolj verjetno gre za kombinacijo modela, podatkov, orodij, avtomatizacije in premišljenega človeškega nadzora.
Viri in priporočeno branje
- Anthropic: Model Context Protocol documentation — modelcontextprotocol.io
- OpenAI: Function calling / tools documentation — platform.openai.com/docs/guides/function-calling
- Red Hat: What is a REST API? — redhat.com
- IBM: What are AI agents? — ibm.com
- IBM: Retrieval-Augmented Generation — ibm.com