MCP Mimarisi ile Endüstriyel Yapay Zeka 2026

Yönetici Özeti

Model Context Protocol (MCP), AI agent'larının dış sistemlerle standartlaştırılmış bir şekilde iletişim kurmasını sağlayan açık bir protokoldür. Endüstriyel ortamlarda MCP, OPC UA sunucuları, veri tabanları ve API'ler ile LLM tabanlı agent'lar arasında köprü kurar.

Bu rapor, MCP kullanarak endüstriyel AI sistemlerinin nasıl tasarlanacağını, OPC UA'dan gerçek zamanlı veri nasıl çekileceğini ve üretim optimizasyonu için LLM agent'larının nasıl kullanılacağını adım adım açıklar.

Neden MCP? Endüstriyel AI'nın Önündeki Engeller

Engel	Geleneksel Yaklaşım	MCP Çözümü
Veri İzolasyonu	Manuel ETL pipeline'ları	Canlı MCP sunucu bağlantısı
Protokol Çeşitliliği	Her protokol için özel kod	Standart MCP interface'i
Güvenlik	Hardcoded credentials	Merkezi auth & token yönetimi
Ölçeklenebilirlik	Monolitik entegrasyon	Modüler MCP sunucu mimarisi
Bakım	Kırılgan custom connector'lar	Standartlaşmış, dokümante edilmiş API

MCP Mimari Katmanları

🤖 LLM Agent (Claude, GPT-4, Local Model)

↓ MCP Client

🔌 MCP Host (Uygulama / Orchestrator)

↓ MCP Protocol (JSON-RPC)

📡 MCP Server (OPC UA Connector)

↓ OPC UA / Modbus / MQTT

🏭 PLC / SCADA / Sensörler

OPC UA MCP Sunucusu Kurulumu

MCP sunucusu, OPC UA adres alanını doğal dil sorguları için erişilebilir hale getirir:

// MCP Server: opcua-bridge
// Tools: read_node, write_node, browse_namespace, subscribe_data

import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { OPCUAClient } from 'node-opcua-client';

const server = new Server({
  name: 'industrial-opcua-bridge',
  version: '1.0.0',
});

server.tool(
  'read_node',
  'OPC UA node değerini oku',
  async (params: { nodeId: string, endpoint: string }) => {
    const client = new OPCUAClient();
    const session = await client.connect(params.endpoint);
    const data = await session.readVariableValue(params.nodeId);
    return { value: data.value, timestamp: data.sourceTimestamp };
  }
);
            

Kullanım Senaryoları

1. Doğal Dil ile Üretim Sorgulama

Kullanıcı: "Fırın 3'ün son 2 saatlik sıcaklık ortalaması nedir?"

MCP Agent: OPC UA node'u bulur → veriyi çeker → hesaplar → yanıtlar

2. Anomali Tespiti ve Uyarı

Agent, basınç sensörü değerlerini sürekli izler. Eşik aşımında:

İlgili operatöre bildirim gönderir
Otomatik olarak vana pozisyonunu sorgular
Güvenlik protokolünü tetikler

3. Bakım Asistanı

Teknisyen: "Pompa 7'nin son bakım tarihi ne? Ve şu anki titreşim seviyesi nedir?"

Agent: CMMS sisteminden bakım kaydını + OPC UA'dan gerçek zamanlı sensör verisini birleştirir.

Beklenen Performans Kazanımları

%45

Sorgu Çözüm Süresi Azalması

7/24

AI Destekli Operasyon

%30

Operatör İş Yükü Azalması

<500ms

Ortalama Yanıt Süresi

Güvenlik ve Uyumluluk

MCP sunucuları TLS 1.3 ile şifrelenmiş bağlantı kullanır
Her agent sorgusu audit log'larına kaydedilir
OPC UA authentication (X.509 sertifikaları) korunur
LLM prompt injection koruması uygulanır
Veri minimizasyonu: yalnızca gerekli node'lar expose edilir
Rate limiting ile sistem yükü kontrol edilir

Uygulama Yol Haritası

Hafta 1-2: Kritik OPC UA sunucularını belirle, MCP sunucu POC kur
Hafta 3-4: LLM agent entegrasyonu, temel sorgu senaryoları
Hafta 5-6: Güvenlik katmanı, audit logging, rate limiting
Hafta 7-8: Pilot üretim hattında deployment
Hafta 9-12: Ölçeklendirme, ek senaryolar, eğitim

Sonraki Adımlar

MCP sunucu demo ortamını inceleyin
OPC UA adres alanınızın MCP'ye uygunluk değerlendirmesini talep edin
LLM seçimi için ASP Dijital AI ekibiyle görüşün
Pilot proje kapsamını belirleyin