MCP nedir, Claude Code ile uygulama yaparken işime yarar mı?

Kısa cevap: MCP nedir?

MCP (Model Context Protocol), Anthropic'in geliştirdiği açık bir standarttır ve yapay zekâ modelini dış dünyadaki araçlara, veritabanlarına ve dosyalara bağlamak için kullanılır. En basit haliyle MCP, yapay zekânın "USB-C portu"dur: nasıl tek bir USB-C kablosu telefonu, ekranı ve diski aynı porta bağlıyorsa, MCP de Claude Code gibi AI araçlarını GitHub'a, veritabanına, tarayıcıya veya kendi dosyalarına tek bir ortak dille bağlar. Yani Claude Code ile uygulama yaparken MCP, AI'nin sadece metin üretmesini değil; gerçek araçları kullanmasını — veritabanını sorgulaması, dosya okuması, repo'da işlem yapması — sağlar. Net cevap: MCP "şart" değildir, ama doğru yerde kullanınca AI asistanını belirgin biçimde daha yetenekli hale getirir.

Buradaki kritik nokta şu: MCP yeni bir programlama dili ya da öğrenmen gereken karmaşık bir teknoloji değil. Sadece bir "bağlantı protokolü". Sen Claude Code'a "şu veritabanına bak" demek istersin; MCP olmadan AI şemanı tahmin eder, MCP varsa gerçekten bakar. Vibe coding yapan biri için fark tam da burada: tahmin yerine gerçek veri, hayal edilen tablo isimleri yerine projendeki gerçek tablolar.

Aşağıda MCP'nin ne işe yaradığını gündelik dille, üç temel parçasını, Claude Code'da ne zaman gerçekten faydalı olduğunu, MCP'li ile MCP'siz çalışmanın somut farkını, ilk MCP'ni nasıl ekleyeceğini ve kimin buna aslında ihtiyacı OLMADIĞINI dürüstçe anlatıyorum.

Claude Code'da MCP ne işe yarıyor, basitçe?

Bir LLM'i tek başına düşün: çok iyi yazar, çok iyi açıklar, ama gerçek dünyayla bağı yoktur. Senin veritabanını göremez, dosyalarını açamaz, internette bir şey kontrol edemez. Bu yüzden "kapalı kutu" gibidir; bilgisi eğitim verisiyle sınırlıdır. MCP bu kutuya kapı açar. Claude Code'a bir MCP bağladığında, AI artık o aracın gerçek verisini okuyabilir ve gerçek aksiyonları alabilir.

MCP bir server üzerinden AI'ya üç tür yetenek kazandırır. Birincisi Tools: modelin aksiyon almasını sağlayan fonksiyonlar (örneğin "bu SQL sorgusunu çalıştır", "bu PR'ı aç"). İkincisi Resources: modelin okuması için sunulan veri kaynakları (bir dosya, bir tablo şeması, bir log). Üçüncüsü Prompts: belirli görevler için hazırlanmış hazır şablonlar. Pratikte vibe coding yaparken en çok Tools ve Resources'ı kullanırsın.

Somutlaştıralım: Claude Code'a uygulamanı kodlatırken "users tablosuna bir kolon ekle" dersin. MCP yoksa Claude, tablonun nasıl göründüğünü tahmin eder ve yanlış kolon adı uydurabilir. Supabase MCP bağlıysa, Claude gerçek şemayı okur, mevcut kolonları görür ve doğru migration'ı yazar. Aradaki fark "umarım çalışır" ile "projenin gerçek haliyle çalışır" arasındaki farktır.

MCP'nin üç parçası: Host, Client, Server

Teknik mimari kulağa karışık gelse de aslında üç parçadan ibaret ve hepsini günlük hayattan bir benzetmeyle anlayabilirsin. Host, senin doğrudan konuştuğun ana uygulamadır: Claude Code, Claude Desktop veya Cursor. Sen komutu buraya yazarsın. Client, Host'un içinde çalışan ve server'la konuşan bağlantı katmanıdır; bunu sen yönetmezsin, arka planda çalışır. Server ise asıl işi yapan taraftır: GitHub MCP server, Supabase MCP server, dosya sistemi MCP server gibi.

Benzetmeyle: Host bir bilgisayar, Client USB-C portu, Server ise taktığın cihaz (disk, ekran, klavye). Sen "diski tak" dersin (yani bir MCP server eklersin), porttan iletişim otomatik kurulur ve artık bilgisayarın o cihazı kullanabilir. Bir kere bağladıktan sonra her seferinde tekrar uğraşmazsın; yapılandırma dosyanda durur.

Vibe coding yapan biri için pratik sonuç şu: sen sadece "hangi server'ı bağlayacağına" karar verirsin. Server'ı çoğu zaman hazır olarak bulursun, kendin yazman gerekmez. Client'ı ve protokolün detaylarını bilmen şart değil — tıpkı USB-C'nin içindeki sinyal protokolünü bilmeden telefonunu şarj edebildiğin gibi.

Claude Code ile uygulama yaparken MCP ne zaman gerçekten işine yarar?

Burada dürüst olalım: MCP her projede gerekli değil. Ama bu ekosistemde gerçekten App Store'a çıkan uygulamalar yapan biri olarak (Promtable, DidntHappen, Dream Mining gibi Claude Code ile geliştirilmiş ürünler ve "From Zero to the App Store with Claude Code" kitabının anlattığı akış) MCP'nin işi en çok kolaylaştırdığı üç tipik durum var.

Birincisi, gerçek bir veritabanıyla çalışırken. Bu ürünlerin backend'i Supabase üzerinde. Claude Code'a Supabase MCP bağlayınca AI, tabloları ve RLS politikalarını tahmin etmek yerine gerçekten okur; migration ve sorguları mevcut şemaya göre yazar. İkincisi, repo işleri için: GitHub MCP ile AI issue açabilir, PR'a bakabilir, dosya geçmişini görebilir; build-in-public akışında bu büyük zaman kazandırır. Üçüncüsü, tarayıcı/test otomasyonu için: Playwright benzeri bir MCP ile AI, yaptığı arayüzü gerçekten açıp tıklayarak çalışıp çalışmadığını görebilir.

Ortak nokta dikkat: MCP, AI'nın "tahmin etmesi gereken" her yeri "gerçekten görebildiği" bir yere çeviriyor. Tahmin azaldıkça hata, geri dönüş ve "neden çalışmadı" döngüsü de azalıyor. Bir fikrin var ama nereden başlayacağını bilmiyorsan, bu pratikleri Türkçe paylaşan ücretsiz toplulukta gerçek örnekler bulabilirsin: https://vibecodingturkey.com

MCP'siz çalışmak ile MCP'li çalışmak: somut fark

Aynı işi iki şekilde yapabilirsin. Aradaki farkı görmek, MCP'ye gerçekten ihtiyacın olup olmadığını anlamanın en hızlı yolu.

MCP olmadan Claude Code: AI veritabanı şemanı, dosya yapını veya repo durumunu tahmin eder. Sen ona şemayı kopyala-yapıştır vermek zorunda kalırsın; bağlam koptukça yanlış tablo/kolon adları üretebilir; yaptığı kodun gerçekten çalışıp çalışmadığını sen elle test edersin. Hızlı bir landing page veya küçük bir statik proje için bu gayet yeterlidir.

MCP ile Claude Code: AI gerçek şemayı okur, dosyalara doğrudan bakar, repo'da işlem yapar ve çoğu zaman sonucu kendi doğrular. Sen daha az kopyala-yapıştır yaparsın, daha az "şu tablo şöyleydi" düzeltmesi girersin. Bedeli: bir kerelik kurulum ve AI'ya verdiğin erişimin kapsamına dikkat etme sorumluluğu. Yani MCP, projenin gerçek verisiyle çok konuştuğun, tekrar eden ve hata yapmaya açık işlerde kazandırır; tek seferlik basit işlerde fark yaratmaz.

İlk MCP'ni Claude Code'a nasıl eklersin (adım adım)

Aşağıdaki akış, hiç MCP kullanmamış biri için en basit başlangıç. Karmaşık bir şey kurman gerekmiyor; çoğu server hazır.

1. İhtiyacını belirle: Önce "AI'nın gerçekten görmesini istediğim şey ne?" diye sor. Cevabın veritabanıysa Supabase/Postgres MCP, repo işleriyse GitHub MCP, arayüz testi ise bir tarayıcı MCP'si.

2. Hazır bir server seç: Çoğu popüler servisin resmî veya topluluk MCP server'ı vardır. Kendi server'ını yazmadan, hazır olanı kullanarak başla.

3. Yapılandırmaya ekle: Claude Code'un MCP yapılandırmasına server'ı tanımlarsın (komut + gerekli anahtar). Bu tek seferlik bir işlemdir ve dosyada kalıcı durur.

4. Erişimi dar tut: Mümkünse önce salt-okunur (read-only) bağla. Örneğin veritabanını önce sadece okuma yetkisiyle ver; AI'nın gördüğünü ve yazdığını gözlemledikten sonra gerekiyorsa yetkiyi genişlet.

5. Küçük bir görevle test et: "users tablosunda hangi kolonlar var?" gibi zararsız bir soruyla başla. AI gerçek cevabı veriyorsa bağlantı çalışıyordur. Artık asıl işine geçebilirsin.

Bu beş adım, çoğu vibe coder için MCP'yi günlük akışa katmaya yeter. Kendi server'ını yazmak ileri bir konu ve başlangıçta gerekli değil.

MCP kimler için gereksiz?

Dürüstlük önemli: MCP herkesin ilk gün kurması gereken bir şey değil. Bazı durumlarda sadece fazladan kurulum ve gereksiz erişim riski olur.

Eğer henüz ilk projeni yapıyorsan ve amaç basit bir statik site, landing page veya tek dosyalık küçük bir deneme ise MCP'ye ihtiyacın yok; düz Claude Code zaten fazlasıyla yeter. Gerçek bir veritabanın, repo akışın veya tekrar eden entegrasyon işin yoksa MCP sana hız değil, kafa karışıklığı katar. Ayrıca güvenlik konusunda rahat değilsen — AI'ya canlı veritabanı erişimi vermekten emin değilsen — önce salt-okunur başla ya da hiç bağlama.

Kısacası MCP, "daha çok araç = daha iyi" diye değil, "AI'nın tahmin etmesi beni yoruyor" noktasına geldiğinde mantıklı. O noktaya gelene kadar temel vibe coding pratiğini sağlamlaştırmak daha değerli. Günlük olarak hangi aracın gerçekten işe yaradığını, build-in-public denemelerini ve hataları @onurhuseyinkocak.ai Instagram hesabında paylaşıyorum; oradan gerçek örnekleri takip edebilirsin.