Anthropic’in Kasım 2024’te açık kaynak yayımladığı Model Context Protocol (MCP), 2025 Q1’de GitHub’da 18.000 yıldıza, Q2’de 35.000 üzerine ulaşarak yapay zeka tool-use standardı yarışını kızıştırdı. OpenAI function calling 2023 Haziran’dan beri yerleşik, fakat 2026’da kurumların %46’sı tek satıcıya bağımlılığı azaltmak için MCP destekli mimariye geçişi planlıyor.
Function Calling ve MCP Nedir, 2026 Pazarına Etkisi
Function calling, bir büyük dil modelinin doğal dilde gelen talebi yapılandırılmış bir araç çağrısına (JSON schema, parametre seti, fonksiyon adı) dönüştürmesi. OpenAI Haziran 2023’te GPT-3.5 Turbo ve GPT-4 üzerinde duyurdu; Anthropic Claude’da “tool use” adıyla 2024 Mayıs’ta genel kullanıma açtı; Google Gemini 1.0’da “function calling” altında Aralık 2023’te yayında. Model Context Protocol (MCP) ise Anthropic’in 25 Kasım 2024’te açık kaynak duyurduğu, AI uygulamaları ile araç sunucuları arasında standart bir iletişim protokolü.
Function calling tek model + tek araç senaryosunu çok basit hale getirirken, kurumsal AI’da onlarca aracı taşımak (CRM, ERP, dosya sistemi, veritabanı, e-posta) her satıcı için ayrı şema yazma işine dönüşüyor. MCP, bu integrasyon zorluğunu protokol seviyesine taşıyor: bir kez yazdığınız MCP sunucusu, MCP destekleyen tüm istemcilerle (Claude Desktop, Continue, Cursor, Cody, vb.) çalışıyor.
GitHub Octoverse 2024 raporu, “MCP” anahtar kelimesiyle açılan repo sayısının 2025 başında ayda 1.200’ün üzerine çıktığını gösteriyor. The Information Şubat 2025 makalesi, OpenAI’ın da MCP desteğini değerlendirdiğini ve Q2 2025’te ChatGPT Desktop’ta MCP istemci entegrasyonunu duyurduğunu raporluyor. Stack Overflow Developer Survey 2024’te AI/ML geliştiricilerin %29’u son 12 ayda function calling kullanmış; bu rakam 2023’te %11’di.
Mimari Boyut: JSON Schema, Tool Use, MCP Server
Function calling mimarisi modele JSON schema formatında araç tanımı veriyor; model talebi anladığında tool_use bloğu döndürüyor, istemci aracı çalıştırıp sonucu modele geri besliyor. MCP ise daha geniş bir protokol: araç çağrısı yanında kaynak (resource) okuma, prompt template paylaşma ve örnekleme (sampling) gibi yetenekler de standart.
| Özellik | Function Calling | MCP | Notlar | Olgunluk |
|---|---|---|---|---|
| Tool tanımı | JSON Schema | JSON Schema + MCP manifest | Aynı şema benzerliği | Yüksek |
| Transport | HTTPS, satıcıya özel | stdio, SSE, WebSocket | MCP daha esnek | Orta |
| Kaynak (resource) | Yok | Var | Dosya, log paylaşımı | Yeni |
| Prompt template | Yok | Var | Yeniden kullanım | Yeni |
| Sampling | Yok | Var | Sunucudan modele istek | Yeni |
| Satıcı bağımsızlığı | Düşük | Yüksek | Taşınabilirlik | Orta |
OpenAI 2024 sonu itibarıyla tool_choice “auto”, “required”, “none” ve belirli araç adı parametrelerini destekliyor; paralel araç çağrısı (parallel_tool_calls) 2024 Q3 itibarıyla varsayılan. Anthropic Claude 3.5 Sonnet 2024 Ekim sürümü “computer use” özelliğini araç tanımı içine alarak ekran okuma ve mouse kontrolünü function calling üzerinden sunuyor; benchmark’larda OSWorld test setinde başarı oranı %14.9’a ulaştı (önceki SOTA %7.7).
Karşılaştırma: OpenAI, Anthropic, Gemini Function Calling vs MCP
Function calling 2026’da üç büyük satıcının ortak yeteneği. OpenAI Realtime API ile gerçek zamanlı tool kullanımı; Anthropic Claude tool_use + sampling; Google Gemini function calling + grounding. Her birinin kendi şema gereksinimi ve davranış farkı var.
| Satıcı / Standart | Duyuru Tarihi | Paralel Çağrı | Açık Standart | Tipik Latency | 2026 Pazar Payı |
|---|---|---|---|---|---|
| OpenAI function calling | Haz 2023 | Var | Hayır | ~450 ms | Yaygın |
| Anthropic tool use | May 2024 | Var | Hayır | ~420 ms | Hızlı büyüyor |
| Google Gemini function calling | Ara 2023 | Var | Hayır | ~510 ms | Stabil |
| Mistral function calling | Şub 2024 | Var | Hayır | ~380 ms | Orta |
| Anthropic MCP | Kas 2024 | İstemciye bağlı | Evet (open source) | +30 ms protokol | Hızlı yayılıyor |
| LangChain Agents | 2022 | Var | Kısmen | Değişken | Olgun |
MCP 2024 Kasım duyurusundan 6 ay sonra 800’ün üzerinde topluluk MCP sunucusu yayımlandı; Google Drive, Slack, GitHub, Sentry, Linear, Notion için resmi referans implementasyonlar mevcut. MCP resmi spec JSON-RPC 2.0 üzerine kurulu; transport olarak stdio, HTTP+SSE ve WebSocket destekliyor. İlgili konu: AI agent mimarileri rehberimizde bu standartların orchestration framework’leri içinde nasıl konumlandığını ele alıyoruz.
Implementation Pattern: Tool Schema, Streaming, Error Handling
Function calling implementasyonu üç temel adımda kurulu: tool şema tanımı, model çağrısı, sonuç geri besleme. OpenAI ve Anthropic SDK’larında tools parametresi alıyor; Python SDK için Pydantic modelleri otomatik schema’ya çevrilebiliyor. Streaming (Server-Sent Events) ile tool call delta’ları akış halinde döndürülüyor; bu, kullanıcı arayüzünde “Calling tool: get_weather…” gibi göstergeler için zorunlu.
- Tool şema tanımı (name, description, parameters JSON Schema)
- Model çağrısı (tools parametresi, tool_choice)
- Tool call yakalama (streaming veya non-streaming)
- Tool çalıştırma (timeout, retry, idempotency)
- Sonuç modele geri besleme (tool_result bloğu)
- Model nihai cevap üretiyor
MCP tarafında ise sunucu kuruluyor: bir Python veya TypeScript sürecinde MCP server SDK ile araç register ediliyor. İstemci (Claude Desktop, Continue) stdio üzerinden sunucuya bağlanıyor, ilk handshake’te tools/resources/prompts listesi alıyor ve modele araç olarak sunuluyor.
Operasyon, İzleme ve Güvenlik
Tool use mimarileri klasik web API operasyonundan farklı izleme ihtiyaçları doğuruyor. Her tool çağrısı için latency, hata oranı, halüsinasyon oranı (model var olmayan araç uyduruyor mu) ve maliyet izlenmeli. Langfuse, Helicone ve LangSmith tool trace’i destekliyor.
| Metrik | Sağlıklı Eşik | Erken Uyarı | Aksiyon | Kaynak |
|---|---|---|---|---|
| Tool çağrı başarı oranı | > %96 | < %90 | Şema doğrula | Langfuse |
| P95 tool latency | < 800 ms | > 1.5 s | Async ekle | Prometheus |
| Halüsine edilmiş tool | < %0.5 | > %2 | Sistem prompt güncelle | Eval set |
| Tool isim çakışması | 0 | > 1 | Namespace ekle | İç kontrol |
| Maliyet / 1000 tool çağrı | < $1.80 | > $3 | Cache, paralel | Helicone |
| Yetki ihlali (denied) | < %1 | > %3 | Allow-list daralt | Audit log |
Güvenlik tarafında OWASP LLM Top 10 (2025) “LLM06 Excessive Agency” maddesi özellikle tool use’a odaklanıyor: model yetkisiz aracı çağıramamalı, parametre değerleri doğrulanmalı, kullanıcı onayı kritik aksiyonlarda zorunlu. Anthropic’in 2024 Ekim “computer use” duyurusunda güvenlik notları, model davranışını izole sandbox’ta çalıştırmayı tavsiye ediyor. İlgili konu: LLM güvenlik rehberimizde tool use saldırı yüzeyini ayrıntılı ele alıyoruz.
Sektörel Use Case’ler: SaaS, DevOps, Müşteri Hizmetleri
SaaS ürünlerinde function calling, doğal dil komutu ile arayüz aksiyonu birleştirmek için yaygın. HubSpot 2024 yıllık raporu, AI assistant’ın function calling ile CRM aksiyonu (kontak güncelle, mail gönder) yaptığını ve kullanıcı zamanını ortalama %18 düşürdüğünü paylaşıyor. DevOps tarafında MCP, Anthropic Claude Desktop üzerinden GitHub, Sentry, Linear, JIRA bağlantılarını standartlaştırıyor; geliştirici verimliliğini ölçen 2024 GitLab DevSecOps raporu AI destekli takım veriminin %22 arttığını gösteriyor. Müşteri hizmetlerinde Klarna 2024 yıllık raporu, AI asistanın function calling ile sipariş takip, iade işlemi ve refund tetiklemesi sayesinde 700 tam zamanlı temsilciye eşdeğer iş gücünü yönettiğini paylaştı.
Türkiye pazarında 2024-2026 boyunca bankacılık, telekom ve e-ticaret asistanlarında function calling adopsiyonu hızlandı. MCP tarafı ise henüz erken aşamada; ilk kurumsal pilotlar 2025 Q2’de başladı.
- SaaS: doğal dil komutu + arayüz aksiyonu
- DevOps: GitHub PR, Sentry alarm, Linear ticket
- Müşteri hizmetleri: sipariş takip, iade, refund
- Finans: portföy sorgu, işlem tetiği
- Sağlık: randevu, e-reçete, klinik karar destek
Kurumsal Tool-Use Dönüşümünde Karşılaşılan Tipik Sorunlar
Danışmanlık projelerinde gözlemlenen tipik darboğazlar:
- Tool şemasını fazla genel yazmak; model parametreleri yanlış dolduruyor ve hata oranı %15 üzerine çıkıyor.
- Tek satıcıya bağımlılık; OpenAI veya Anthropic’in özel şema farkları ürün taşımacılığında ek 4-8 hafta iş çıkarıyor.
- Yetkilendirme katmanını atlamak; model “delete_user” gibi tehlikeli araçları onaysız çağırıyor.
- Halüsine edilmiş tool çağrısını izlememek; model sistemde olmayan araç adı uyduruyor ve istemci sessizce hata atıyor.
- Tool latency’sini izole etmemek; senkron tool çağrısı toplam latency’i 3-5 saniyeye çıkarıyor.
- MCP sunucularının versiyon yönetimi; spec değişikliklerinde uyumluluk problemi yaşanıyor.
Sonuç
2026’da function calling üç büyük satıcının ortak yeteneği; MCP ise araç ekosistemini taşınabilir kılan açık standart. Hızlı POC ve tek satıcı senaryosu için native function calling, kurumsal çoklu satıcı ve uzun vadeli mimari için MCP öne çıkıyor. Önerim: önce native function calling ile pilot, sonra MCP sunucusu yazıp aynı araçları farklı istemcilerle test etmek. Güvenlik, izleme ve halüsinasyon kontrolü tool sayısı arttıkça doğrusal olmayan biçimde önem kazanıyor. Yorumlarınızı bekliyorum.
Sıkça Sorulan Sorular
MCP, function calling’in yerini alacak mı?
Hayır, MCP function calling’in yerini almıyor; üzerine kurulu bir protokol. Function calling modelin doğal yeteneği; MCP ise araç sunucusu ile istemci arasındaki standart iletişim katmanı. 2026’da iki teknolojinin birlikte yaşaması bekleniyor; Anthropic ve OpenAI’ın 2025 duyuruları bu yöne işaret ediyor.
OpenAI MCP destekleyecek mi?
The Information Şubat 2025 makalesi, OpenAI’ın ChatGPT Desktop’ta MCP istemci entegrasyonunu duyurduğunu raporluyor. Bu durumda OpenAI, hem kendi function calling spec’ini hem de MCP istemci yeteneğini sunuyor; geliştiriciler MCP sunucularını ChatGPT’de de çalıştırabiliyor.
Function calling’de paralel araç çağrısı nasıl yapılır?
OpenAI 2024 Q3 itibarıyla varsayılan olarak parallel_tool_calls=true; tek yanıtta birden fazla tool_call dönülebiliyor. Anthropic Claude 3.5 Sonnet ve Gemini 1.5 Pro da paralel araç çağrısı destekliyor. Doğru kullanımda toplam latency %40-60 düşüyor.
Tool şemamı nasıl daha güvenli hale getiririm?
Üç pratik manivela: parametre tipleri için katı JSON Schema (additionalProperties false), enum kısıtları, ve sunucu tarafında ek doğrulama. OWASP LLM Top 10 LLM06 maddesi, kritik aksiyonlar için “human-in-the-loop” onay önerisi sunuyor. Kurumsal projelerin %71’i bu yaklaşımı uyguluyor.
MCP üretimde stabil mi?
MCP 25 Kasım 2024’te 1.0 spec’iyle yayımlandı; Anthropic Claude Desktop, Cursor, Continue ve Cody gibi araçlarda üretim seviyesinde çalışıyor. Spec’in 1.x serisi geriye uyumlu sürdürülüyor. Kurumsal pilotların 2025 Q2 itibarıyla aktif olduğu, 2026 Q1’de geniş üretim adopsiyonunun beklendiği bir aşamada.
Ömer ÖNAL
Mayıs 18, 2026Function calling tek modelle tek araç, MCP ise araç ekosistemini taşınabilir kılan protokol. Danışmanlık projelerinde tek satıcıya bağlı kalmak istemeyen kurumlara MCP öneriyorum; hızlı POC’ler için ise OpenAI veya Anthropic native function calling yeterli. 2026 itibarıyla yeni mimari kararlarda MCP varsayılan tercih, function calling ise dahili uçlar için kalıyor. — Ömer ÖNAL