Function calling ve Anthropic’in 2024 sonunda duyurduğu Model Context Protocol (MCP) 2026 itibarıyla kurumsal LLM-tool entegrasyonunun iki temel paradigması haline geldi; MCP’nin standart protokol yaklaşımı, function calling’in N×M entegrasyon problemini N+M’e indirip “USB-C for AI” benzetmesi ile sektör tarafından benimseniyor.
Function Calling ve MCP: 2026 Pazar Bağlamı
Function calling, OpenAI’nın Haziran 2023’te tanıttığı (gpt-3.5-turbo-0613, gpt-4-0613), LLM’in kullanıcı sorusuna karşılık structured JSON ile fonksiyon çağrı isteği üretmesi mekanizmasıdır. Anthropic 2024 Q4’te Model Context Protocol’ü (MCP) açıkladı — LLM ile dış sistemler (database, API, dosya sistemi, web service) arasında standart bir client-server protokolü. Anthropic’in resmi duyurusu MCP’yi “open standard that allows AI assistants to securely connect to external data sources and tools” olarak tanımlıyor.
Pazar bağlamı açısından N×M entegrasyon problemi: N kadar LLM uygulaması ve M kadar veri/tool kaynağı varsa N×M özel entegrasyon yazmak gerekiyordu. MCP standartı bu sayıyı N+M’e indiriyor (her LLM bir MCP client, her tool bir MCP server). Block (eski Square), Zed, Replit, Sourcegraph, Codeium 2025’in ilk yarısında MCP server’larını publish etti. Microsoft, Google ve OpenAI 2025 Q4 itibarıyla MCP desteği için public commitment yaptı. Gartner 2026 Magic Quadrant for AI Engineering MCP’yi “kurumsal yeni standart” olarak işaretledi.
Function Calling vs MCP: Mimari Karşılaştırma
Function calling: tek LLM uygulaması içinde fonksiyon registry’si, runtime’da LLM seçtiği fonksiyonu çağırıyor, response geri model’e besleniyor. Avantaj: hızlı POC, basit setup. Dezavantaj: her uygulama her tool’u kendi içine implement etmek zorunda; tool sahibinin LLM uygulamasına entegrasyon yapması gerekiyor (N×M sorun). MCP: LLM application bir “MCP client” oluyor; her tool kendi “MCP server”ını publish ediyor. Client server’ları discover ediyor, capabilities’i listeliyor, JSON-RPC 2.0 üzerinden invoke ediyor. Stdio, SSE veya HTTP transport seçenekleri mevcut.
| Özellik | Function Calling | MCP | Avantaj |
|---|---|---|---|
| Tool tanımlama | App içinde kod | MCP server (ayrı process) | MCP — standartlaşma |
| Discovery | Hard-coded | list_tools RPC | MCP — dinamik |
| Cross-LLM uyum | Provider format’a göre | Standart, provider-agnostic | MCP |
| Latency overhead | 0 ms (in-process) | 2-8 ms (IPC) | Function calling |
| Güvenlik modeli | App-level | Sandbox + permission scope | MCP — granular |
MCP Mimari Detayları: Client, Server, Transport
MCP üç bileşenle çalışır: (1) Host — kullanıcı uygulaması (Claude Desktop, Cursor, IDE plugin); (2) Client — host içinde her MCP server için ayrı bir client instance; (3) Server — tool, resource, prompt sağlayan ayrı process. Transport katmanı üç seçenek: stdio (local subprocess, en yaygın), SSE (HTTP server-sent events), HTTP streamable (2025 Q3 spec güncellemesi ile eklendi). Protocol JSON-RPC 2.0 üzerine inşa edilmiş; mesajlar bidirectional, batch, notification destekli.
- Tools: LLM’in çağırabileceği fonksiyonlar (örneğin search_database, send_email, create_jira_ticket)
- Resources: LLM’in okuyabileceği veri kaynakları (file, database row, API response)
- Prompts: Reusable prompt template’ler (örneğin code_review_template, summary_template)
- Sampling: Server’ın client üzerinden LLM çağrısı talep etmesi (advanced, agent senaryoları için)
İlgili konu: LLM agent framework karşılaştırması yazımız LangGraph, CrewAI, Autogen ve MCP’yi karşılaştırıyor. Tool use detayları için function calling best practices yazımız production-grade tool integration pattern’lerini ele alıyor.
MCP Server İmplementasyonu: Python SDK ile
Anthropic’in Python SDK ile MCP server kurulumu birkaç on satır kodla yapılabiliyor. Server tanımında @mcp.tool() decorator’ı ile fonksiyon kayıt edilir; type hints ve docstring otomatik olarak JSON Schema’ya dönüştürülüyor. stdio transport için server bir CLI binary olarak paketlenir; Claude Desktop config dosyasında server registered edildiğinde otomatik discovery gerçekleşir. TypeScript SDK (resmi), Go SDK (community), C# SDK (Microsoft) ekosistemi giderek genişliyor.
Kurumsal MCP server tipik mimarisi: authentication layer (OAuth 2.0, API key), permission scoping (sadece okuma, okuma-yazma, admin), audit logging (her tool call kayıt), rate limiting. MCP resmi specification 2025 Q4 itibarıyla “stable” durumunda, breaking change’ler minor version’da sınırlı. Multi-tenant deployment için her tenant ayrı server instance veya server içinde tenant_id context propagation pattern’leri standart.
Adoption Karşılaştırması: Function Calling vs MCP 2026
2026 sektör adoption: OpenAI function calling hala en yaygın (kurumsal LLM uygulamalarının yüzde 64’ü), ancak MCP hızla büyüyor (yüzde 28, Anthropic ve community-driven server’lar). Microsoft 2025 Q4 Build konferansında VS Code + GitHub Copilot için MCP server marketplace duyurdu. MCP servers GitHub repository 2025 Q4 itibarıyla 180+ resmi/community server (PostgreSQL, GitHub, Slack, Google Drive, Notion, Linear, vb). Türkiye’de kurumsal kullanım henüz başlangıç aşamasında; 2026 sonu için yüzde 25-35 MCP adoption tahmini.
| Use Case | Tercih | Sebep | Latency | Maintenance Yükü |
|---|---|---|---|---|
| Tek LLM app, 3-5 tool | Function calling | Hız + basitlik | Düşük | Düşük |
| Çoklu LLM app, ortak tools | MCP | Tek server, N client | Orta | Düşük (uzun vadeli) |
| Cross-org tool sharing | MCP | Standart protocol | Orta | Düşük |
| Yüksek-frekans inference | Function calling | 0 IPC overhead | En düşük | Orta |
| Marketplace / 3rd party tools | MCP | Discovery + sandbox | Orta | Düşük |
Sektörel Use Case: Türk Bankasında MCP ile Kurumsal Tool Marketplace
BDDK denetimli özel bir banka 2025 Q4’te iç AI asistanı için MCP tabanlı tool marketplace başlattı. Üç ana MCP server: (1) Banka veritabanı server (read-only, müşteri 360 view), (2) İşlem onay server (transaction approval, multi-step approval workflow), (3) Compliance server (KVKK + BDDK rule check). 22 farklı LLM uygulaması (call center asistanı, kredi başvuru triaj, fraud detection asistanı, vb) bu 3 server’ı kullanıyor. Önceki function calling pattern’inde her uygulama kendi entegrasyonunu yazıyordu; MCP’ye geçişle entegrasyon kod satırı toplam 28.000’den 6.400’e düştü (yüzde 77 azalma), security audit hizmet süresi yüzde 64 kısaldı. Forrester 2026 Wave for AI Engineering Tools raporu MCP’yi “high-momentum standard” olarak işaretledi.
Kurumsal Function Calling/MCP Dönüşümünde Karşılaşılan Tipik Sorunlar
Danışmanlık projelerinde gözlemlenen tipik darboğazlar:
- MCP server’ları için authentication ve authorization katmanının atlanması — varsayılan stdio transport’ta auth yok, multi-tenant production’a çıkmadan OAuth/API key layer şart
- Function definition’larda Türkçe parametre adı veya description kullanımı — bazı modeller İngilizce parameter name + Türkçe description ile daha tutarlı çağrı üretiyor
- MCP server’ların local-only stdio transport’a kilitlenmesi — production’da SSE veya HTTP transport ile remote deployment + load balancer gerekiyor
- Tool description’larının LLM’in karar verebileceği netlikte yazılmaması — “search” ve “find” gibi benzer isimli tool’lar LLM’i karıştırıyor; description “Use this when…” formatında olmalı
- Function calling response’unun validation atlanması — LLM “args” doğru schema verse bile semantic doğrulama (örneğin geçerli müşteri_id) ayrı service layer’da yapılmalı
- MCP’nin function calling’i tamamen değiştireceği varsayımı — düşük-tool count, single-app senaryolarda function calling hala daha verimli; ikisi paralel kullanılabiliyor
Sonuç
2026 yılında function calling kurumsal LLM-tool entegrasyonunun olgun temeli, MCP ise standartlaşma ve cross-LLM portability sağlayan stratejik üst-katmanı. Tek LLM application + sınırlı tool senaryolarında function calling deployment hızı ile öne çıkıyor; çoklu LLM application + ortak tool envanteri senaryolarında MCP yüzde 70+ maintenance tasarrufu sağlıyor. Yol haritası planlanırken üç adım önerilir: (1) Tool envanteri ve “shared vs single-use” sınıflandırması, (2) Shared tools için MCP server geliştirme + security layer (OAuth, audit, rate limit), (3) Single-use tools için function calling ile hızlı POC. Türkiye’de MCP adoption başlangıç aşamasında; erken benimseyenler için 2026 boyunca cross-LLM standardization stratejik avantaj.
Sıkça Sorulan Sorular
MCP function calling’i tamamen değiştirir mi?
Hayır, ikisi farklı katmanlarda çalışıyor. MCP transport ve standardizasyon katmanı; function calling LLM-model arayüzü. MCP server tool’ları LLM’e function calling format’ında sunuyor — yani MCP function calling’i wrap ediyor, replace etmiyor.
MCP hangi LLM’lerle çalışır?
Anthropic Claude (native support), OpenAI (community adapter), Google Gemini (community), local LLM’ler (Llama, Mistral, Qwen). Protocol provider-agnostic; LLM tarafında MCP-aware adapter veya middleware gerekiyor. 2026 sonu itibarıyla tüm major provider’ların native desteği bekleniyor.
Function calling güvenlik riskleri neler?
En kritik risk LLM’in beklenmeyen tool kombinasyonları çağırması (örneğin sensitive data read + external HTTP send). Mitigation: tool-level permission scope, output validation, audit logging, dangerous tool’lar için human-in-the-loop approval. MCP permission model bu konuda function calling’den daha gelişmiş.
MCP server nasıl deploy edilir?
Local (stdio): subprocess olarak host uygulaması başlatır. Remote (HTTP/SSE): Docker container, Kubernetes pod, AWS Lambda gibi standart deployment. Production’da behind a reverse proxy + auth gateway + observability stack tipik mimari.
Kurumsal benimseme için MCP yeterince olgun mu?
2026 Q1 itibarıyla “early production” durumunda. Specification stable, Python/TypeScript SDK’lar stable, 180+ server mevcut. Ancak enterprise feature’lar (advanced auth, multi-tenancy, monitoring) henüz olgunlaşıyor; pilot projelerde başlayıp kademeli scale önerilir.
Ömer Önal
Mayıs 23, 2026MCP 2026 kurumsal LLM-tool entegrasyonunun stratejik standardı; function calling onu replace etmiyor, üzerine inşa ediliyor. Banka projemde 22 LLM uygulaması için 3 MCP server’a geçişle entegrasyon kod satırı 28K’dan 6.4K’ya düştü. Kritik gotcha: stdio transport production-grade değil; SSE veya HTTP + OAuth gateway + audit log layer mutlaka kurulmalı. Tool description ‘Use this when’ formatında yazılırsa LLM karar kalitesi belirgin yükseliyor.