Pinterest'in yapay zeka ajanları için prodüksiyon MCP ekosistemi kurma yöntemi

• Pinterest'in MCP'yi yapay zeka ajanlarının araçlara bağlanması için standart olarak benimseyip bunu IDE, şirket içi sohbet ve yapay zeka ajanları gibi gerçek mühendislik iş akışlarına prodüksiyon düzeyinde entegre ederken edindiği deneyim
• Tek bir monolitik sunucu yerine alan bazlı çok sayıda MCP sunucusu (Presto, Spark, Airflow vb.) ile merkezi bir kayıt sistemini birleştiren mimari tercihi
• Son kullanıcı JWT'si + SPIFFE mesh kimliği şeklindeki çift kimlik doğrulama katmanı ve iş grubu tabanlı erişim kontrolüyle hassas veriler için en az ayrıcalık ilkesinin uygulanması
• Aylık 66.000 çağrı, 844 aylık aktif kullanıcı ve tahmini aylık 7.000 saat tasarruf gibi nicel sonuçlara ulaşılması
• MCP'yi basit bir deney olmaktan çıkarıp mühendis üretkenliği altyapısı haline getiren temel unsurların güvenlik öncelikli tasarım, birleşik dağıtım hattı ve çalışanların zaten kullandığı araçlara doğrudan entegrasyon olması

---

MCP'yi benimseme gerekçesi

• Model Context Protocol (MCP), LLM'lerin araçlar ve veri kaynaklarıyla iletişim kurarken model ya da araç bazında ayrı entegrasyonlar geliştirmek yerine birleşik bir istemci-sunucu protokolü kullanan açık kaynaklı bir standarttır
• Pinterest, MCP'yi basit soru-cevabın ötesinde mühendislik işlerinin otomasyonu için temel olarak kullandı — "logları oku ve sorunu bul"dan "hata biletini analiz edip düzeltme PR'ı öner"e kadar uzanan hedefler belirledi

İlk mimari tasarım

Yerel değil, bulutta barındırma

• Yerel MCP sunucusu (stdio iletişimi) modeli destekleniyor olsa da, varsayılan yol olarak şirket içi bulutta barındırılan MCP sunucuları benimsendi
  • Amaç, iç yönlendirme ve güvenlik mantığının kolayca uygulanabildiği bir ortamda işletim sağlamaktı
  • Yerel sunuculara yalnızca deney amaçlı izin verildi

Çok sayıda küçük sunucu mu, tek monolitik sunucu mu?

• Tek bir dev sunucu yerine alan bazlı küçük MCP sunucuları tercih edildi
  • Her sunucu için farklı erişim kontrolleri uygulanabiliyor
  • Model bağlamının gereksiz yere dolmasının önüne geçiliyor
• İlk geri bildirim: Yeni bir MCP sunucusu kurmak için dağıtım hattı, servis yapılandırması ve operasyonel kurulum gibi ön çalışmaların fazla olduğu belirtildi
  • Çözüm olarak birleşik bir dağıtım hattı kuruldu — ekipler yalnızca araç mantığını tanımlıyor, platform ise dağıtım ve ölçeklendirmeyi otomatik olarak yönetiyor

Şirket içi MCP kayıt sistemi

• Onaylanmış MCP sunucularının listesini ve bunlara nasıl bağlanılacağını yöneten tek doğruluk kaynağı (source of truth)
• Web UI: İnsanlar sunucuları, sahip ekibi, destek kanalını, güvenlik duruşunu, canlı durumunu ve kullanılabilir araçları keşfedebiliyor
• API: Yapay zeka istemcileri (şirket içi yapay zeka sohbeti, IDE entegrasyonları, ajanlar) için sunucu keşfi ve doğrulama sağlıyor; ayrıca "bu kullanıcı Sunucu X'i kullanabilir mi" sorusunu yanıtlamak için kullanılıyor
• Yalnızca kayıt sistemine kayıtlı sunucular prodüksiyon onaylı sunucu sayılıyor — bu yapı yönetişimin omurgası görevini görüyor

Çalışan MCP sunucularının durumu

Başlıca sunucular (kullanıma göre)

• Presto MCP sunucusu: Trafik açısından en çok kullanılan sunucu — ajanlar (yapay zeka destekli IDE'ler dahil), Presto tabanlı verilere isteğe bağlı erişerek pano değiştirmeden iş akışı içinde doğrudan veri kullanabiliyor
• Spark MCP sunucusu: Yapay zeka destekli Spark hata ayıklama deneyiminin temeli — Spark job başarısızlıklarının teşhisi, log özetleme ve yapılandırılmış kök neden analizi kayıtlarıyla operasyonel thread'leri yeniden kullanılabilir bilgiye dönüştürüyor
• Knowledge MCP sunucusu: Genel amaçlı bilgi uç noktası — şirket içi yapay zeka botu bunu şirket bilgisi ve SSS, dokümantasyon ile hata ayıklama soruları için kullanıyor

Pinterest iç hizmetleriyle entegrasyon

• Birçok Pinterest çalışanının her gün kullandığı şirket içi LLM web sohbet arayüzüne MCP araçları entegre edildi
  • Frontend, OAuth akışını otomatik olarak işledikten sonra mevcut kullanıcıya izinli araç listesini döndürüyor
  • Yapay zeka sohbet ajanı, MCP araçlarını ajan araç setine doğrudan bağlayarak normal araç çağrılarıyla aynı deneyimi sunuyor
• Şirket içi sohbet platformundaki yapay zeka botuna da MCP araçları eklendi
  • Kimlik doğrulama ve yetkilendirme, kayıt sistemi API'si üzerinden işleniyor
  • Belirli MCP araçlarını belirli kanallarla sınırlama desteği bulunuyor (ör. Spark MCP aracı yalnızca Airflow destek kanalında kullanılabiliyor)

Güvenlik, yönetişim ve politika

MCP güvenlik standardı

• Ayrı bir MCP Security Standard tanımlandı — deney amaçlı olmayan tüm MCP sunucularında sahip ekibin belirtilmesi, şirket içi kayıt sistemine kaydolunması ve güvenlik/hukuk-gizlilik/(gerekiyorsa) GenAI inceleme ticket'larının onaylanması zorunlu
• İnceleme sonucuna göre sunucuya erişebilecek kullanıcı grupları gibi güvenlik politikaları belirleniyor

Kimlik doğrulama (AuthN) ve yetkilendirme (AuthZ) için çift katman

• Son kullanıcı JWT tabanlı akış

  1. Kullanıcı, yapay zeka sohbeti, IDE eklentisi veya yapay zeka botu gibi yüzeylerde etkileşime geçer
  2. İstemci, şirket içi kimlik doğrulama yığınına yönelik OAuth akışını yürütür ve JWT'yi MCP kayıt sistemine ve hedef sunucuya iletir
  3. Envoy, JWT'yi doğrular; X-Forwarded-User ve X-Forwarded-Groups başlıklarını eşler ve kaba seviye güvenlik politikalarını uygular
  4. Sunucu içinde @authorize_tool(policy='…') dekoratörü ile ayrıntılı yetki kontrolü yapılır (ör. get_revenue_metrics yalnızca Ads-eng grubunca çağrılabilir)

• İş grubu tabanlı erişim kısıtlaması

  • Tüm kimliği doğrulanmış Pinterest çalışanları ve yüklenicilerine toplu erişim vermek yerine, hassas sunucularda JWT'den iş grubu üyeliği çıkarılıp kullanıcının onaylı gruplardan birinde olup olmadığı doğrulanıyor
  • Presto MCP sunucusuna geniş yüzeylerden teknik olarak erişilebilse de, yalnızca Ads, Finance ve belirli altyapı ekipleri gibi onaylı gruplar oturum kurabiliyor ve yüksek ayrıcalıklı araçları çalıştırabiliyor

• Servise özel SPIFFE tabanlı akış

  • Düşük riskli, salt okunur senaryolarda yalnızca SPIFFE tabanlı kimlik doğrulama (mesh kimliği) kullanılıyor
  • Bu yalnızca döngüde son kullanıcının olmadığı ve etki alanının sıkı biçimde sınırlandığı durumlarda geçerli

MCP OAuth standardından farkı

• Resmî MCP spesifikasyonu sunucu bazında OAuth 2.0 kimlik doğrulama akışı (izin ekranı, sunucu başına token yönetimi) tanımlasa da Pinterest mevcut oturumları yeniden kullanan bir yaklaşımı tercih etti
  • Kullanıcı, yapay zeka sohbeti gibi bir yüzeyi açtığında şirket içi kimlik doğrulama yığını tarafından zaten doğrulanmış oluyor — ek giriş istemi veya izin diyaloğu gerekmiyor
  • Envoy ve politika dekoratörleri arka planda yetkilendirmeyi şeffaf biçimde yürütüyor

Human-in-the-Loop

• MCP sunucuları otomatik eylemleri mümkün kıldığı için, manuel işleme kıyasla etki alanı daha büyük
• Ajan yönlendirmesine göre hassas veya maliyeti yüksek eylemlerden önce insan onayı zorunlu — ajan eylemi öneriyor, insan ise (toplu olarak da) onaylıyor veya reddediyor
• Tehlikeli eylemlerden önce (ör. tablo verisinin üzerine yazma) onay istemek için elicitation kullanılıyor

Gözlemlenebilirlik ve başarı metrikleri

• Tüm MCP sunucularına kütüphane fonksiyonları uygulandı — giriş/çıkış loglama, çağrı sayısı, istisna takibi ve telemetri varsayılan olarak sağlanıyor
• Ekosistem düzeyinde ölçülen metrikler: kayıtlı MCP sunucusu ve araç sayısı, toplam sunucu çağrısı sayısı, çağrı başına tahmini zaman tasarrufu (sunucu sahipleri bunu hafif kullanıcı geri bildirimi ve önceki manuel iş akışlarıyla karşılaştırmaya dayanarak hesaplıyor)
• Tek kuzey yıldızı metriği: tasarruf edilen zaman (time saved) — çağrı sayısı × çağrı başına tasarruf edilen dakika ile etkinin kabaca hesaplanması
• Aylık 66.000 çağrı, 844 aylık aktif kullanıcı, tahmini aylık 7.000 saat tasarruf