Klient pyta: “Czy mogę gadać z moim Subiektem przez Claude?”. Stary stack to REST proxy (Flask / FastAPI / Node Express) + custom prompty + chain-of-thought logic. Czas: 8-16h prace + utrzymanie per zmiana w Subiekcie.

Z MCP (Model Context Protocol od Anthropic): 2h setup, klient ma to natywnie w Claude Desktop. Wyjaśnię architektonicznie dlaczego.

Co to jest MCP (Model Context Protocol)

[Q01]: “MCP is an open protocol that lets AI systems interface with tools via a standardized client-server model. MCP clients (like VS Code) discover and use tools exposed by MCP servers”, LinkedIn ekspert MCP, 2024.

MCP to open protocol od Anthropic (listopad 2024). Standaryzuje jak LLM (Claude, ChatGPT, lokalne modele) komunikuje się z external tools / data sources.

Architektura: - MCP Server, provider danych / narzędzi (np. Twój kod łączący się z bazą Subiekta GT) - MCP Host, klient LLM (Claude Desktop, Cursor, ChatGPT przez Claude API) - MCP Protocol, JSON-RPC 2.0 over stdio / SSE

Klient (Claude Desktop) discovery-uje tools przez list_tools. Tools mają JSON Schema dla input/output. LLM widzi te tools jak normalne funkcje i może je wywołać w odpowiedzi na pytanie usera.

REST vs MCP: porównanie architektoniczne

Tradycyjna integracja REST:

[Klient] → [Twoje custom UI] → [Twój REST API] → [Subiekt GT]
                ↓
        Klient pyta "Pokaż faktury z marca"
                ↓
        Twoje UI parsuje pytanie (prompt engineering)
                ↓
        Twój API endpointu /api/invoices?month=03
                ↓
        Zwrot do UI, render dla klienta

Problem: Każdy klient potrzebuje custom UI. Każde nowe pytanie potrzebuje nowego endpointu albo coraz bardziej skomplikowanego prompt engineering.

MCP integration:

[Klient] → [Claude Desktop (built-in)] → [Twój MCP Server] → [Subiekt GT]
                ↓
        Klient pyta po polsku w Claude Desktop
                ↓
        Claude widzi tools `query_invoices`, `query_stock`, `query_clients`
                ↓
        Claude sam decyduje który tool wywołać + jakimi argumentami
                ↓
        Twój MCP server zwraca dane
                ↓
        Claude formatuje odpowiedź po polsku, dodaje insight

Klient widzi: Claude Desktop (znany UI). Ty piszesz: MCP server (1 raz). Claude robi: prompt engineering, formatowanie, tool selection.

[Q12]: Code sample MCP server stub w Python (subset):

from mcp import Server, Tool
from mcp.types import ToolDefinition

server = Server("subiekt-mcp")

@server.tool()
def query_invoices(month: int, year: int) -> dict:
    """Pobierz faktury z konkretnego miesiąca z Subiekta GT."""
    conn = subiekt_db.connect()
    invoices = conn.query(f"SELECT * FROM dok WHERE MONTH(data)={month} AND YEAR(data)={year}")
    return {"invoices": invoices, "count": len(invoices)}

@server.tool()
def query_stock(sku: str = None, category: str = None) -> dict:
    """Pobierz stan magazynowy. Filtr po SKU lub kategorii."""
    # ... implementacja
    return {"items": items}

server.run(transport="stdio")  # stdio dla Claude Desktop, SSE dla web

Total: ~200-300 LOC dla podstawowego MCP server pod Subiekta GT (read-only, 5-10 tools).

Konkretne porównanie REST vs MCP

Aspekt REST (proxy) MCP
Setup time per klient 8-16h custom UI 2h MCP server + claude_desktop_config.json
Maintenance Ty utrzymujesz UI + API + prompt logic Anthropic utrzymuje Claude Desktop, Ty tylko MCP server
New features Nowy endpoint + nowy prompt + nowe UI button Nowy tool decorator w MCP server, Claude sam to discoveruje
Auth Custom OAuth/JWT MCP envs / config per host
Multi-tenant Twoje skomplikowane MCP server per klient (lub multi-tenant w env)
Standardization Każdy freelancer pisze inne API Wszyscy MCP servers przestrzegają jednego protokołu
LLM ergonomics Twoje prompt engineering Anthropic engineering (oni mają R&D na to)
Cost (klient) $0 ale Twój czas $20/mc Claude Pro + Twoja jednorazowa wycena MCP server

[Q03]: MCP jest standardem który adoptują wszyscy main LLM providers. Anthropic open sourceował to listopad 2024. OpenAI dodało support do ChatGPT desktop w 2025. Google’s Gemini wspiera od Q4 2025. Lokalne modele (Ollama) maja MCP support.

Kiedy MCP, kiedy nie

MCP shines gdy: - Klient chce rozmawiać z systemem po polsku (Subiekt, CRM, własna baza) - Klient ma już Claude / ChatGPT subskrypcję ($20/mc) i chce ją wykorzystać - Workflow jest eksploracyjny (klient nie wie zawczasu jakie pytania zada) - Multi-tenant (różni klienci z różnymi bazami) - Read-only analytics (raporty, anomalie, audyty)

MCP nie pomaga gdy: - Klient chce custom UI dla jednego konkretnego workflow (np. POS terminal) - Wymagania real-time / sub-second response (MCP add 100-300ms latency LLM) - Bardzo wąsko zdefiniowane operacje (np. tylko “wystaw fakturę z parametrami X”, REST endpoint wystarczy) - Klient nie ma / nie chce LLM subskrypcji - Operacje wymagające deterministycznego outputu (LLM ma temperature, czasem zwariuje)

[Q14]: Trzeba uczciwie. MCP nie zastępuje wszystkich integracji REST. Jest komplementarne, nie zastępcze. W typowym projekcie freelancera używam obu: MCP dla “rozmów” z systemem, REST dla deterministycznych operacji (wystaw fakturę, zarezerwuj produkt).

Use cases dla freelancera (5 sales-ready)

Klient nie kupi MCP. Klient kupi konkretne rezultaty:

  1. Codzienny raport po polsku zamiast 8 ekranów Subiekta. Klient pyta “ile zarobiliśmy wczoraj per kategoria”, dostaje odpowiedź. 5 sekund vs 15 min.

  2. Audyt KSeF zbiorczy dla biura rachunkowego z 30 klientami. Zamiast 30 osobnych logowań.

  3. Fuzzy search części. Klient pyta “filtr powietrza golf 5”, AI znajduje SKU mimo literówek. (Hurtownia części motoryzacyjnych.)

  4. Anomalia sprzedaży. “Co spadło >20% w ostatnim tygodniu” → lista per SKU + kanał + powód.

  5. Real-time alerts cash flow. “Klienci z zaległościami >30 dni którzy mają rosnące zaległości i spadający obrót” → wczesne ostrzeżenie niewypłacalności.

Każdy use case sprzedasz klientowi w 30 min demo. To 5 sales pitchy, nie 5 technicznych dyskusji o MCP.

Realne wdrożenie u Twojego klienta

Standardowy projekt freelancera:

Tydzień 1: discovery + setup - 1h discovery call z klientem (jakie pytania zadaje swojemu zespołowi, co ich kradnie czas) - 2h instalacja MCP server pod jego Subiekta (każda wersja od 1.50 wzwyż) - 1h test pierwszych 5 tools (query_invoices, query_stock, query_clients, etc.)

Tydzień 2: prompt curation + szkolenie - 4h spisanie 20-30 promptów template dla klienta (codzienny rytuał, cotygodniowy audyt, miesięczny raport) - 1h szkolenie klienta (jak używać Claude Desktop)

Wycena: - Bazowy MCP server pod Subiekta GT (read-only, 10 tools): 800-1500 zł netto jednorazowo - Custom tools per klient (np. integracja z BaseLinkerem): +500-2000 zł per custom - Maintenance: 150-300 zł netto/mc (update Subiekta, bug fix, nowe tools) - Albo abonament SubiektMCP (Basic 99 zł netto/mc) bez customów + Twoja prowizja 20% rekurencyjna

Spróbuj SubiektMCP (gotowy stack)

Zamiast pisać MCP server from scratch, możesz wziąć SubiektMCP (gotowy MCP server pod Subiekta GT, supportowany, update’owany) + skupić się na customach per klient:

Powiązane artykuły