01
Czym jest MCP (Model Context Protocol)?
MCP, czyli Model Context Protocol, to otwarty standard łączenia asystentów AI z zewnętrznymi danymi i narzędziami. Zaproponowało go Anthropic pod koniec 2024 roku, a w grudniu 2025 roku przekazało Linux Foundation, gdzie rozwija go Agentic AI Foundation współzałożona przez Anthropic, OpenAI i Block. Standard obsługują dziś m.in. Claude, ChatGPT, Gemini, Microsoft Copilot, Cursor i Visual Studio Code.
Najprościej porównać MCP do portu USB-C dla AI. Zamiast budować osobną integrację dla każdego asystenta, firma wystawia jeden serwer MCP, a każdy zgodny asystent może z niego korzystać. Serwer udostępnia trzy rodzaje rzeczy: narzędzia, czyli akcje w rodzaju „pobierz raport” albo „sprawdź status zamówienia”, zasoby, czyli dane do odczytu, oraz gotowe polecenia, które prowadzą użytkownika przez typowe zadania.
Dla firmy oznacza to, że pracownik może zapytać Claude albo ChatGPT „które strony straciły najwięcej ruchu w ostatnim kwartale i dlaczego?”, a asystent sam pobierze dane z GA4 i Search Console, zestawi je i odpowie. Bez eksportów do Excela i bez kopiowania liczb do czatu.
02
Baza wiedzy firmy w MCP: wszystko o firmie w jednym miejscu dla AI
Najczęstsza potrzeba, z którą przychodzą do mnie firmy, nie dotyczy analityki, tylko tekstów. Zespół pisze artykuły, opisy usług, oferty i posty z pomocą Claude albo ChatGPT, ale za każdym razem musi od nowa wklejać do czatu ofertę, ceny, przykłady realizacji i zasady pisania. Efekt to teksty ogólnikowe, niespójne między sobą, a czasem z błędnymi informacjami.
Serwer MCP rozwiązuje ten problem u źródła. Cała wiedza o firmie trafia do jednej, uporządkowanej bazy, a asystent sięga do niej sam, gdy pisze lub odpowiada. Kiedy zmienia się cennik albo dochodzi nowe case study, aktualizujesz jedno miejsce i od razu korzystają z tego wszystkie teksty i wszyscy pracownicy.
W bazie wiedzy firmy zwykle umieszczam:
- Ofertę: usługi i produkty z zakresem, cenami lub widełkami, warunkami i obszarem działania.
- Case studies i wyniki z liczbami, których wolno używać publicznie, oraz te, których nie wolno.
- Styl komunikacji: ton, zwroty, którymi firma mówi, i sformułowania zakazane, z przykładami dobrych tekstów.
- Persony i grupy klientów: kim są, o co pytają, jakie mają obiekcje.
- Odpowiedzi na pytania z rozmów handlowych i obsługi klienta.
- Fakty o firmie: historia, zespół, certyfikaty, nagrody, partnerzy, publikacje.
- Dane produktowe i techniczne, specyfikacje i porównania z konkurencją.
- Listę opublikowanych treści, żeby nowe teksty nie powielały starych i nie konkurowały z nimi w Google.
03
Pisanie tekstów z MCP: treści w stylu firmy, oparte na faktach
Z bazą wiedzy i danymi SEO podłączonymi przez MCP asystent przestaje być generatorem ogólników. Pisze w stylu firmy, na jej faktach, i wie, o czym warto pisać, bo widzi dane z Search Console i PromptEye.
Artykuły i strony usług
Asystent sprawdza w Search Console, na jakie zapytania strona już się wyświetla, bierze z bazy ofertę i przykłady realizacji, a potem pisze tekst, który odpowiada na realne pytania klientów i nie kanibalizuje istniejących podstron.
Treści pod widoczność w AI
Na podstawie pytań, na które asystenci AI w PromptEye nie wymieniają marki, przygotowuje FAQ, porównania i strony z konkretnymi danymi, które modele chętnie cytują.
Oferty i odpowiedzi dla klientów
Handlowiec prosi o ofertę dla konkretnego klienta, a asystent składa ją z aktualnego cennika, pasujących case studies i historii kontaktu z CRM-u.
Posty, newslettery i opisy produktów
Krótkie formy w jednym, spójnym tonie, niezależnie od tego, kto w zespole je przygotowuje.
Aktualizacja starych treści
Asystent wskazuje teksty, które tracą ruch albo zawierają nieaktualne ceny i dane, i proponuje poprawki zgodne z bazą wiedzy.
Kontrola przed publikacją
Sprawdzenie nowego tekstu z bazą: czy liczby się zgadzają, czy ton pasuje do firmy i czy nie powtarza zdań z innych podstron.
Asystent przyspiesza pisanie, ale nie zastępuje redakcji. Teksty, które mają reprezentować firmę, zawsze warto przejrzeć przed publikacją.
04
MCP w SEO i analityce: GA4, Search Console i PromptEye w jednej rozmowie
To obszar, w którym MCP daje dziś najszybszy zwrot i w którym pracuję najwięcej. Specjalista SEO spędza dużą część czasu na łączeniu danych z kilku narzędzi: ruchu i konwersji z GA4, zapytań i pozycji z Search Console, wolumenów i SERP-ów z narzędzi zewnętrznych, a od niedawna także widoczności w asystentach AI. Z serwerami MCP asystent robi to sam, w jednej rozmowie, na danych z Twoich kont.
Typowy zestaw, który wdrażam, wygląda tak:
| Źródło | Co daje asystentowi | Serwer MCP |
|---|---|---|
| Google Analytics 4 | Ruch, konwersje, przychód, źródła wejść, w tym ruch z ChatGPT, Perplexity i Gemini | Oficjalny serwer Google, tylko do odczytu |
| Google Search Console | Zapytania, kliknięcia, wyświetlenia, CTR i pozycje dla każdej podstrony | Brak oficjalnego serwera Google, wdrażam sprawdzony serwer społecznościowy albo własny |
| PromptEye | Widoczność marki w ChatGPT, Gemini, Perplexity, Claude i innych modelach, konkurenci w odpowiedziach AI, cytowane źródła, wizyty botów AI | Oficjalny serwer PromptEye |
| Ahrefs lub Semrush | Wolumeny fraz, pozycje i ruch konkurencji, profil linków, jeśli firma ma już te narzędzia | Oficjalne serwery zdalne obu narzędzi |
| Baza wiedzy firmy | Oferta, case studies, styl komunikacji i fakty, na których asystent pisze treści pod wnioski z danych | Własny serwer MCP albo podłączone dyski i dokumenty |
| Źródła klienta | CRM, Google Ads, Merchant Center, BigQuery, arkusze, logi serwera, baza produktów, CMS | Gotowe serwery albo własny serwer MCP dopasowany do systemu |
Dobór serwerów zależy od narzędzi, które firma już ma. Nie trzeba kupować nowych licencji, żeby zacząć: GA4 i Search Console wystarczą na pierwsze wdrożenie.
05
Zastosowania MCP w SEO: 16 przykładów z praktyki
Każde z poniższych zastosowań to pytanie, które po wdrożeniu zadajesz asystentowi zwykłym językiem, a on sam pobiera i łączy dane z podłączonych źródeł:
GA4 + Search Console: strony, które tracą ruch i pieniądze
Asystent zestawia spadki kliknięć z Search Console ze spadkiem konwersji i przychodu z GA4 i wskazuje podstrony, na których strata realnie boli, a nie tylko te z największą zmianą procentową.
Search Console: szybkie wygrane
Lista fraz na pozycjach 4–15 z największą liczbą wyświetleń, uzupełniona o wolumeny z Ahrefs lub Semrush, jeśli firma z nich korzysta, czyli to, co da się podnieść do TOP 3 najmniejszym nakładem pracy.
Wykrywanie kanibalizacji
Asystent szuka zapytań, na które w Search Console wyświetla się kilka Twoich podstron naraz, i proponuje, którą wzmocnić, a którą połączyć lub przekierować.
Spadek CTR przy stałej pozycji
Frazy, na których pozycja się nie zmieniła, a kliknięć jest mniej. Asystent podpowiada, co sprawdzić w wynikach wyszukiwania, i wskazuje najczęstsze przyczyny: nowe AI Overviews, reklamy, moduł z produktami albo lepszy tytuł konkurenta.
Analiza po aktualizacji algorytmu Google
Porównanie okresów przed i po aktualizacji w Search Console i GA4, z podziałem na typy podstron, z listą stron, które straciły najwięcej, i wspólnych cech tych stron.
PromptEye + Search Console: widoczność w Google a w AI
Tematy, na które strona jest wysoko w Google, ale asystenci AI jej nie wymieniają, i odwrotnie. To gotowa lista priorytetów dla pozycjonowania w AI.
PromptEye: gdzie zdobyć cytowania
Asystent bierze z PromptEye domeny najczęściej cytowane przez AI w Twojej branży, sprawdza, które z nich już o Tobie piszą, i układa listę serwisów do publikacji i współpracy.
Ruch z AI w GA4 na tle widoczności w PromptEye
Czy wzrost widoczności marki w ChatGPT czy Perplexity przekłada się na wejścia i konwersje z tych asystentów, z rozbiciem na podstrony docelowe.
Wizyty botów AI
Które podstrony odwiedzają GPTBot, OAI-SearchBot, PerplexityBot czy ClaudeBot, jak często i czy po zmianach na stronie wracają. Dane z logów albo z PromptEye.
Konkurencja w Google i w AI jednocześnie
Z kim przegrywasz w odpowiedziach asystentów według PromptEye i czy ci sami konkurenci wyprzedzają Cię na Twoje najważniejsze zapytania w Search Console.
Plan treści oparty na danych
Asystent łączy pytania z PromptEye, luki w Search Console i wiedzę z bazy firmy w plan artykułów i podstron, który nie dubluje istniejących treści, a potem pisze pierwsze wersje tekstów.
Priorytety techniczne według przychodu
Błędy z raportów indeksowania w Search Console zestawione z ruchem i przychodem z GA4, dzięki czemu problemy na podstronach, które zarabiają, trafiają na początek listy.
SEO a Google Ads
Frazy, na które płacisz za reklamy, choć jesteś w TOP 3 organicznie, i frazy, na których reklama nadrabia słabą pozycję. Często pierwsza oszczędność z wdrożenia.
SEO a CRM: które podstrony dają klientów
Połączenie GA4 z CRM-em pokazuje, które podstrony i frazy przynoszą leady i sprzedaż, a nie tylko wejścia. W B2B to zmienia priorytety całej strategii.
Feed i Merchant Center w sklepach
Produkty odrzucone w Merchant Center, braki w atrybutach i niespójne ceny zestawione z ruchem i przychodem z GA4.
Raporty dla zarządu i klientów
Miesięczny raport SEO i widoczności w AI generowany z aktualnych danych, z komentarzem i rekomendacjami, zamiast ręcznego składania wykresów.
Asystent nie zastępuje specjalisty: przyspiesza zbieranie i łączenie danych, a wnioski i decyzje warto weryfikować. We wdrożeniu ustawiam też gotowe polecenia dla najczęstszych analiz, żeby zespół nie musiał za każdym razem pisać ich od zera.
06
Inne zastosowania MCP w firmie
SEO to tylko jeden obszar. Serwery MCP wdraża się wszędzie tam, gdzie pracownicy albo klienci potrzebują, żeby asystent AI znał dane firmy i umiał na nich działać:
| Obszar | Co podłączamy przez MCP | Przykładowe pytanie do asystenta |
|---|---|---|
| Baza wiedzy i dokumenty | Google Drive, SharePoint, Confluence, Notion, procedury i regulaminy | „Jak wygląda u nas procedura reklamacji dla klienta B2B?” |
| Sprzedaż i CRM | HubSpot, Pipedrive, Salesforce, historia kontaktów i ofert | „Przygotuj mnie do jutrzejszej rozmowy z tym klientem” |
| Obsługa klienta | System zamówień, zgłoszeń i zwrotów | „Jaki jest status zamówienia 48213 i kiedy dotrze?” |
| E-commerce | Katalog produktów, stany magazynowe, ceny, promocje | „Które produkty z wysoką marżą kończą się w magazynie?” |
| Marketing | Google Ads, Meta Ads, LinkedIn, newsletter | „Która kampania miała najniższy koszt leada w tym miesiącu?” |
| Finanse i administracja | System księgowy i fakturowy przez API, arkusze budżetowe | „Które faktury są przeterminowane powyżej 30 dni?” |
| IT i rozwój oprogramowania | GitHub, Jira, Sentry, dokumentacja techniczna | „Jakie błędy pojawiły się po ostatnim wdrożeniu?” |
| HR | Regulamin pracy, system urlopowy, baza szkoleń | „Ile dni urlopu mi zostało i jak złożyć wniosek?” |
| Dane i raportowanie | BigQuery, bazy SQL, hurtownie danych | „Pokaż sprzedaż według regionów w porównaniu rok do roku” |
| Rezerwacje i usługi | Kalendarz, system rezerwacji, cennik | „Jakie terminy są wolne w przyszłym tygodniu?”, zadane przez asystenta klienta |
| SaaS i produkty cyfrowe | Funkcje produktu wystawione jako publiczny serwer MCP lub aplikacja w ChatGPT | „Utwórz w moim koncie nowy projekt i dodaj do niego zespół” |
| Agencje marketingowe | Konta wielu klientów w GA4, Search Console i narzędziach SEO | „Którzy klienci mieli w tym miesiącu spadek ruchu powyżej 20%?” |
07
Wewnętrzny czy publiczny serwer MCP?
Większość firm zaczyna od serwera wewnętrznego. Służy pracownikom, działa na ich uprawnieniach i podłącza się go do Claude, ChatGPT albo Copilota używanego w firmie. Tu mieszczą się prawie wszystkie zastosowania z SEO, analityki, sprzedaży i bazy wiedzy.
Serwer publiczny udostępnia funkcje firmy asystentom jej klientów, np. sprawdzenie dostępności terminu, statusu zamówienia albo stworzenie projektu w aplikacji SaaS. Ma sens, gdy klienci korzystają z Twojej usługi regularnie. Publiczny serwer MCP to jeden z elementów przygotowania firmy na agentów AI, ale wymaga solidnego uwierzytelniania, limitów i monitoringu, więc zwykle przychodzi na drugim etapie.
08
Gotowy serwer MCP czy budowa własnego?
| Gotowy serwer MCP | Własny serwer MCP | |
|---|---|---|
| Kiedy wybrać | Narzędzie ma oficjalny lub dojrzały serwer: GA4, Ahrefs, Semrush, PromptEye, Google Drive, GitHub, popularne CRM-y | System autorski, nietypowe API, łączenie kilku źródeł w jedną logikę biznesową, serwer publiczny dla klientów |
| Czas wdrożenia | Od kilku godzin do kilku dni na konfigurację, uprawnienia i testy | Od kilku dni do kilku tygodni, zależnie od liczby narzędzi i systemów |
| Kontrola | Zakres narzędzi ustala dostawca | Pełna kontrola: tylko te funkcje i dane, których potrzebujesz |
| Bezpieczeństwo | Trzeba sprawdzić, kto utrzymuje serwer i jakie ma uprawnienia | Uprawnienia, logi i limity projektujemy od początku |
| Typowy przykład | GA4 i PromptEye podłączone do Claude w dziale marketingu | Baza wiedzy firmy połączona z Search Console i CRM-em, z której zespół pisze teksty i robi analizy |
09
Jak wdrożyć MCP w firmie: proces krok po kroku
1. Warsztat i wybór zastosowań
Ustalamy, które pytania i zadania zajmują zespołowi najwięcej czasu, i wybieramy 2–3 zastosowania na start. Lepiej zacząć od jednego działu i dobrze działającego zestawu niż podłączać wszystko naraz.
2. Mapa danych i uprawnień
Spisuję źródła, ich API, właścicieli i to, kto do czego powinien mieć dostęp. Na tym etapie decydujemy też, które dane mogą trafić do asystenta AI, a które zostają poza nim.
3. Dobór lub budowa serwerów
Tam, gdzie istnieje sprawdzony serwer, konfiguruję go. Tam, gdzie go brakuje albo potrzebna jest logika biznesowa, projektuję i buduję własny serwer MCP, lokalny albo zdalny.
4. Bezpieczeństwo
Uwierzytelnianie przez OAuth, uprawnienia tylko do odczytu tam, gdzie to możliwe, osobne konta techniczne, logi wywołań i limity. Sprawdzam też odporność na prompt injection, czyli próby przemycenia poleceń w danych.
5. Podłączenie do asystentów
Konfiguruję serwery w narzędziach, których używa firma: Claude, ChatGPT, Microsoft Copilot, Gemini, Cursor albo VS Code, i przygotowuję gotowe polecenia dla najczęstszych zadań.
6. Szkolenie zespołu
Pokazuję, jak zadawać pytania, jak weryfikować odpowiedzi i gdzie są granice. Bez tego nawet dobrze wdrożony serwer MCP kończy jako ciekawostka, z której nikt nie korzysta.
7. Utrzymanie i rozwój
Aktualizacje serwerów i specyfikacji MCP, nowe źródła danych i kolejne zastosowania, gdy zespół zobaczy pierwsze efekty.
10
Bezpieczeństwo wdrożenia MCP i RODO
Serwer MCP daje asystentowi dostęp do danych firmy, więc bezpieczeństwo jest częścią projektu od pierwszego dnia, a nie dodatkiem na końcu. W każdym wdrożeniu pilnuję kilku zasad:
- Najmniejsze potrzebne uprawnienia: asystent dostaje dostęp tylko do tych danych i akcji, które są potrzebne w danym zastosowaniu, najlepiej tylko do odczytu.
- Akcje zmieniające dane, np. wysłanie oferty czy zmiana ceny, wymagają potwierdzenia przez człowieka.
- Sprawdzam pochodzenie gotowych serwerów: kto je utrzymuje, jakie mają zależności i czego faktycznie potrzebują.
- Dane osobowe klientów trafiają do asystenta tylko wtedy, gdy jest to konieczne i zgodne z umową powierzenia oraz planem, z którego korzysta firma.
- Każde wywołanie narzędzia jest logowane, więc wiadomo, kto, kiedy i o co pytał.
- Uwzględniam ryzyko prompt injection, czyli poleceń ukrytych w danych, np. w treści strony czy wiadomości od klienta, które mogłyby nakłonić asystenta do niechcianej akcji.
11
Dla jakich firm jest wdrożenie MCP
- Działy marketingu i SEO, które co tydzień łączą dane z GA4, Search Console i narzędzi SEO.
- Agencje SEO i marketingowe obsługujące wielu klientów, dla których MCP skraca raportowanie i analizy z dni do godzin.
- Sklepy internetowe, które chcą rozmawiać z danymi o produktach, sprzedaży i feedzie.
- Firmy B2B i usługowe z wiedzą rozproszoną w dokumentach, CRM-ie i skrzynkach mailowych.
- Firmy SaaS, dla których publiczny serwer MCP albo aplikacja w ChatGPT może być nowym kanałem dotarcia do klientów.
- Zarządy, które chcą sprawdzić, jak AI może pracować na danych firmy, zanim zainwestują w większy projekt.
12
Warsztat, wdrożenie czy własny serwer MCP
- Konsultacja lub warsztat: ustalamy zastosowania, architekturę i plan wdrożenia MCP dla Twojej firmy, a wdrożenie realizuje Twój zespół IT.
- Baza wiedzy firmy w MCP: porządkuję wiedzę o firmie, buduję serwer i przygotowuję polecenia do pisania tekstów w Twoim stylu.
- Wdrożenie MCP dla SEO i analityki: GA4, Search Console, PromptEye i Twoje źródła podłączone do asystenta, z gotowymi analizami i szkoleniem.
- Budowa własnego serwera MCP: projekt, implementacja, zabezpieczenia i dokumentacja, wewnętrznie albo jako serwer publiczny.
- Stała opieka: utrzymanie serwerów, nowe źródła danych, kolejne analizy i wsparcie zespołu.
- Wsparcie Twojego software house’u lub agencji: przygotowuję specyfikację i odbieram wdrożenie, a programiści budują serwer.
13
Ile kosztuje wdrożenie MCP?
Koszt zależy przede wszystkim od tego, czy wystarczą gotowe serwery, czy trzeba zbudować własny. Podłączenie GA4, Search Console i PromptEye do asystenta z gotowymi analizami to zupełnie inny zakres niż zbudowanie bazy wiedzy firmy od zera, a jeszcze inny niż serwer MCP integrujący system autorski z CRM-em. Konsultacje rozliczam godzinowo, od 299 zł netto za godzinę, a wdrożenie wyceniam po bezpłatnej rozmowie i przeglądzie narzędzi, z których korzysta firma. Do budżetu warto doliczyć koszty samych narzędzi, np. planu asystenta AI z obsługą serwerów MCP czy licencji narzędzi SEO.
14
Konsultant MCP z doświadczeniem w SEO: dlaczego to ma znaczenie
Serwer MCP może zbudować każdy dobry programista. Żeby jednak wdrożenie w marketingu miało sens, trzeba wiedzieć, jakie pytania warto zadawać danym, które metryki z GA4 i Search Console się łączą, a które wprowadzają w błąd, i jak odróżnić realny spadek od sezonowości. Ja, Jakub Borowiec, łączę te dwa światy: 8 lat pracy w SEO, m.in. jako Head of SEO w Grupie KERRIS, z codzienną pracą z asystentami AI i serwerem MCP PromptEye, narzędzia, które współtworzę.