1 
2Το **Model Context Protocol (MCP)** είναι ένα ανοιχτό πρότυπο που δημιουργήθηκε από την Anthropic και ορίζει πώς τα μοντέλα AI επικοινωνούν με εξωτερικά εργαλεία, πηγές δεδομένων και υπηρεσίες. Σκεφτείτε το ως το "USB-C της AI"  -  ένα καθολικό βύσμα που επιτρέπει σε οποιονδήποτε AI agent να μιλήσει με οποιοδήποτε εργαλείο μέσω μιας τυποποιημένης διεπαφής.
3 
4Από την κυκλοφορία του, το MCP έχει ξεπεράσει τα **97 εκατομμύρια μηνιαίες λήψεις SDK** και έχει υιοθετηθεί από κάθε μεγάλο πάροχο AI: Anthropic, OpenAI, Google, Microsoft και Amazon. Σε αυτόν τον οδηγό, θα εξερευνήσουμε όλα όσα χρειάζεται να γνωρίζετε για να χτίσετε με MCP.
5 
6## Γιατί Υπάρχει το MCP
7 
8Πριν το MCP, κάθε εφαρμογή AI έπρεπε να χτίσει προσαρμοσμένες ενσωματώσεις για κάθε εργαλείο που ήθελε να χρησιμοποιήσει. Θέλετε η AI σας να διαβάζει αρχεία; Γράψτε προσαρμοσμένο κώδικα. Ερώτημα σε βάση δεδομένων; Περισσότερος προσαρμοσμένος κώδικας. Δημοσίευση στο Slack; Ακόμα μία ενσωμάτωση.
9 
10Αυτό δημιούργησε ένα **πρόβλημα N×M**: N εφαρμογές AI που η κάθε μία χρειαζόταν M προσαρμοσμένες ενσωματώσεις, οδηγώντας σε διπλή προσπάθεια και κατακερματισμένα οικοσυστήματα.
11 
12```mermaid
13graph TD
14    subgraph "Before MCP (N×M)"
15        A1[AI App 1] --> T1[GitHub Integration]
16        A1 --> T2[Slack Integration]
17        A1 --> T3[DB Integration]
18        A2[AI App 2] --> T4[GitHub Integration]
19        A2 --> T5[Slack Integration]
20        A2 --> T6[DB Integration]
21    end
22```
23 
24Το MCP λύνει αυτό με **ένα μόνο πρωτόκολλο** που οποιοσδήποτε AI client μπορεί να χρησιμοποιήσει για να επικοινωνήσει με οποιονδήποτε MCP server:
25 
26```mermaid
27graph TD
28    subgraph "With MCP (N+M)"
29        A1[AI App 1] --> MCP[MCP Protocol]
30        A2[AI App 2] --> MCP
31        MCP --> S1[GitHub Server]
32        MCP --> S2[Slack Server]
33        MCP --> S3[DB Server]
34    end
35```
36 
37## Βασικές Έννοιες
38 
39Το MCP έχει τρία θεμελιώδη primitives:
40 
41### 1. Εργαλεία (Tools)
42Τα εργαλεία είναι συναρτήσεις που η AI μπορεί να καλέσει. Αντιπροσωπεύουν ενέργειες όπως "δημιούργησε ένα αρχείο", "ρώτησε μια βάση δεδομένων" ή "στείλε ένα μήνυμα". Κάθε εργαλείο έχει όνομα, περιγραφή και JSON Schema για τις παραμέτρους του.
43 
44```typescript
45{
46  name: "create_issue",
47  description: "Create a new GitHub issue",
48  inputSchema: {
49    type: "object",
50    properties: {
51      title: { type: "string", description: "Issue title" },
52      body: { type: "string", description: "Issue body" },
53      repo: { type: "string", description: "Repository name" }
54    },
55    required: ["title", "repo"]
56  }
57}
58```
59 
60### 2. Πόροι (Resources)
61Οι πόροι είναι δεδομένα που η AI μπορεί να διαβάσει. Αντιπροσωπεύουν αρχεία, εγγραφές βάσεων δεδομένων, απαντήσεις API ή οποιαδήποτε άλλη πηγή δεδομένων. Οι πόροι αναγνωρίζονται μέσω URIs.
62 
63```typescript
64{
65  uri: "file:///Users/dev/project/README.md",
66  name: "Project README",
67  mimeType: "text/markdown"
68}
69```
70 
71### 3. Prompts
72Τα prompts είναι επαναχρησιμοποιήσιμα πρότυπα που βοηθούν στη δόμηση αλληλεπιδράσεων. Μπορούν να περιλαμβάνουν δυναμικές παραμέτρους και είναι χρήσιμα για την τυποποίηση κοινών ροών εργασίας.
73 
74```typescript
75{
76  name: "code_review",
77  description: "Review code changes for quality and security",
78  arguments: [
79    { name: "diff", description: "The code diff to review", required: true }
80  ]
81}
82```
83 
84## Αρχιτεκτονική
85 
86Το MCP ακολουθεί αρχιτεκτονική client-server:
87 
88```mermaid
89graph LR
90    subgraph "Host Application"
91        Client[MCP Client]
92    end
93 
94    subgraph "MCP Server"
95        Server[Server Process]
96        Server --> Tools[Tools]
97        Server --> Resources[Resources]
98        Server --> Prompts[Prompts]
99    end
100 
101    Client -- "JSON-RPC 2.0\n(stdio or SSE)" --> Server
102```
103 
104- **Host**: Η εφαρμογή AI (Claude Desktop, Cursor, η δική σας εφαρμογή)
105- **Client**: Διατηρεί σύνδεση 1:1 με έναν MCP server
106- **Server**: Εκθέτει εργαλεία, πόρους και prompts στον client
107- **Transport**: Η επικοινωνία γίνεται μέσω JSON-RPC 2.0 πάνω από stdio (τοπικά) ή Server-Sent Events (απομακρυσμένα)
108 
109## Δημιουργία MCP Server
110 
111Ας χτίσουμε έναν πρακτικό MCP server που αλληλεπιδρά με μια λίστα εργασιών αποθηκευμένη σε αρχείο JSON.
112 
113### Εγκατάσταση
114 
115```bash
116mkdir mcp-todo-server && cd mcp-todo-server
117npm init -y
118npm install @modelcontextprotocol/sdk zod
119```
120 
121### Υλοποίηση Server
122 
123```typescript
124// src/index.ts
125import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
126import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
127import { z } from "zod";
128import fs from "fs";
129 
130const TODO_FILE = "./todos.json";
131 
132function readTodos(): { id: number; text: string; done: boolean }[] {
133  if (!fs.existsSync(TODO_FILE)) return [];
134  return JSON.parse(fs.readFileSync(TODO_FILE, "utf-8"));
135}
136 
137function writeTodos(todos: { id: number; text: string; done: boolean }[]) {
138  fs.writeFileSync(TODO_FILE, JSON.stringify(todos, null, 2));
139}
140 
141const server = new McpServer({
142  name: "todo-server",
143  version: "1.0.0",
144});
145 
146// Tool: Add a todo
147server.tool(
148  "add_todo",
149  "Add a new todo item",
150  { text: z.string().describe("The todo text") },
151  async ({ text }) => {
152    const todos = readTodos();
153    const newTodo = { id: Date.now(), text, done: false };
154    todos.push(newTodo);
155    writeTodos(todos);
156    return { content: [{ type: "text", text: `Added: "${text}"` }] };
157  }
158);
159 
160// Tool: List todos
161server.tool(
162  "list_todos",
163  "List all todo items",
164  {},
165  async () => {
166    const todos = readTodos();
167    const list = todos
168      .map((t) => `${t.done ? "✅" : "⬜"} [${t.id}] ${t.text}`)
169      .join("\n");
170    return { content: [{ type: "text", text: list || "No todos yet." }] };
171  }
172);
173 
174// Tool: Complete a todo
175server.tool(
176  "complete_todo",
177  "Mark a todo as completed",
178  { id: z.number().describe("The todo ID to complete") },
179  async ({ id }) => {
180    const todos = readTodos();
181    const todo = todos.find((t) => t.id === id);
182    if (!todo) return { content: [{ type: "text", text: "Todo not found." }] };
183    todo.done = true;
184    writeTodos(todos);
185    return { content: [{ type: "text", text: `Completed: "${todo.text}"` }] };
186  }
187);
188 
189// Resource: Current todos as a readable resource
190server.resource(
191  "todos://list",
192  "Current todo list",
193  async () => ({
194    contents: [{
195      uri: "todos://list",
196      mimeType: "application/json",
197      text: JSON.stringify(readTodos(), null, 2),
198    }],
199  })
200);
201 
202// Start the server
203const transport = new StdioServerTransport();
204await server.connect(transport);
205```
206 
207### Ρύθμιση
208 
209Για να χρησιμοποιήσετε αυτόν τον server με το Claude Desktop, προσθέστε τον στη ρύθμιση:
210 
211```json
212{
213  "mcpServers": {
214    "todo": {
215      "command": "npx",
216      "args": ["tsx", "/path/to/mcp-todo-server/src/index.ts"]
217    }
218  }
219}
220```
221 
222## Δημιουργία MCP Client
223 
224Μπορείτε επίσης να χτίσετε έναν προσαρμοσμένο client που συνδέεται με οποιονδήποτε MCP server:
225 
226```typescript
227import { Client } from "@modelcontextprotocol/sdk/client/index.js";
228import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
229 
230const transport = new StdioClientTransport({
231  command: "npx",
232  args: ["tsx", "./src/index.ts"],
233});
234 
235const client = new Client({ name: "my-client", version: "1.0.0" });
236await client.connect(transport);
237 
238// List available tools
239const { tools } = await client.listTools();
240console.log("Available tools:", tools.map((t) => t.name));
241 
242// Call a tool
243const result = await client.callTool({
244  name: "add_todo",
245  arguments: { text: "Write MCP blog post" },
246});
247console.log(result);
248```
249 
250## Δημοφιλείς MCP Servers
251 
252Το οικοσύστημα MCP έχει αναπτυχθεί ραγδαία. Εδώ είναι μερικοί από τους πιο δημοφιλείς servers:
253 
254| Server | Περιγραφή | Περίπτωση Χρήσης |
255|--------|-----------|-----------------|
256| **GitHub** | Δημιουργία issues, PRs, διαχείριση repos | Ροές εργασίας ανάπτυξης |
257| **Slack** | Αποστολή μηνυμάτων, διαχείριση καναλιών | Επικοινωνία ομάδας |
258| **PostgreSQL** | Ερωτήματα και διαχείριση βάσεων δεδομένων | Πρόσβαση δεδομένων |
259| **Filesystem** | Ανάγνωση, εγγραφή και αναζήτηση αρχείων | Τοπική ανάπτυξη |
260| **Puppeteer** | Αυτοματοποίηση browser και scraping | Δοκιμές web |
261| **Sentry** | Παρακολούθηση σφαλμάτων και debugging | Υποστήριξη παραγωγής |
262| **Supabase** | Βάση δεδομένων, auth, αποθήκευση | Backend λειτουργίες |
263 
264## MCP εναντίον A2A (Agent-to-Agent)
265 
266Ενώ το MCP χειρίζεται την επικοινωνία **agent-εργαλείο**, το πρωτόκολλο **A2A (Agent-to-Agent)** της Google χειρίζεται την επικοινωνία **agent-agent**. Είναι συμπληρωματικά:
267 
268```mermaid
269graph TD
270    Agent1[Agent 1] -- "A2A Protocol" --> Agent2[Agent 2]
271    Agent1 -- "MCP Protocol" --> Tool1[GitHub MCP Server]
272    Agent2 -- "MCP Protocol" --> Tool2[Database MCP Server]
273```
274 
275- **MCP**: Πώς ένας AI agent χρησιμοποιεί εργαλεία (κάθετη ενσωμάτωση)
276- **A2A**: Πώς οι AI agents συνεργάζονται μεταξύ τους (οριζόντια ενσωμάτωση)
277 
278## Βέλτιστες Πρακτικές
279 
2801. **Κρατήστε τους servers εστιασμένους**: Ένας server ανά τομέα (server GitHub, server Slack, κλπ.). Μη χτίζετε μονολιθικούς servers.
2812. **Επικυρώστε εισόδους με Zod**: Πάντα επικυρώνετε τις εισόδους εργαλείων με σωστά schemas.
2823. **Χειριστείτε τα σφάλματα κομψά**: Επιστρέψτε ουσιαστικά μηνύματα σφάλματος, όχι stack traces.
2834. **Χρησιμοποιήστε πόρους για δεδομένα μόνο ανάγνωσης**: Αν η AI χρειάζεται μόνο να διαβάσει δεδομένα, εκθέστε τα ως πόρο αντί για εργαλείο.
2845. **Προσθέστε κατάλληλες περιγραφές**: Καλές περιγραφές εργαλείων και παραμέτρων βοηθούν την AI να κατανοήσει πότε και πώς να χρησιμοποιήσει κάθε εργαλείο.
2856. **Δοκιμάστε με το MCP Inspector**: Χρησιμοποιήστε `npx @modelcontextprotocol/inspector` για να δοκιμάσετε τον server σας διαδραστικά.
286 
287## Ξεκινώντας
288 
289```bash
290# Create a new MCP server from template
291npx @modelcontextprotocol/create-server my-server
292 
293# Test with the MCP Inspector
294npx @modelcontextprotocol/inspector npx tsx ./src/index.ts
295```
296 
297## Συμπέρασμα
298 
299Το MCP έχει γίνει το de facto πρότυπο για τη χρήση εργαλείων AI το 2026. Είτε χτίζετε προσαρμοσμένους AI agents, επεκτείνετε το Claude Code ή δημιουργείτε ενσωματώσεις για υπάρχουσες πλατφόρμες, η κατανόηση του MCP είναι απαραίτητη. Το πρωτόκολλο είναι αρκετά απλό για να μαθευτεί σε ένα απόγευμα αλλά αρκετά ισχυρό για να χτίσει ροές εργασίας AI επιπέδου παραγωγής.
300 
301**Επόμενα βήματα:**
302- Εξερευνήστε την [Προδιαγραφή MCP](https://spec.modelcontextprotocol.io/)
303- Περιηγηθείτε στους [υπάρχοντες MCP servers](https://github.com/modelcontextprotocol/servers) για έμπνευση
304- Χτίστε τον πρώτο σας server με το TypeScript ή Python SDK
305- Δοκιμάστε τον με το Claude Desktop ή το MCP Inspector
306