MCP w CMS-ie: co zmienia AI, które ma dostęp do treści strony

Dział prawny zmienia zapis o gwarancji, produkt dostaje nową nazwę albo promocja kończy się wcześniej, niż planowano. Poprawka na jednej stronie zajmuje minutę. Gorzej z pytaniem, gdzie jeszcze ta informacja jest: w artykułach, FAQ, opisach produktów, landing page'ach z dawnych kampanii i w każdej wersji językowej. W serwisie z tysiącami stron nikt nie zna odpowiedzi z głowy, a wyszukiwarka w CMS-ie znajduje tylko dokładnie te słowa, które ktoś do niej wpisze.

Narzędzia AI, z których korzysta dziś większość zespołów, niewiele tu pomagają, bo nie widzą CMS-a. Żeby zapytać o treść strony, trzeba ją najpierw skopiować do okna czatu. Model Context Protocol (MCP) zmienia ten układ: AI dostaje bezpośredni dostęp do treści i danych w CMS-ie, na zasadach, które ustala firma. Od kilku miesięcy pracujemy w ten sposób przy stronie Danwood, producenta domów prefabrykowanych, której CMS-em jest wdrożona przez nas Magnolia. Poniżej opisujemy, co to podejście daje zespołom pracującym nad stroną, gdzie są jego granice i jak zacząć.

• AI podłączone do CMS-a przez MCP widzi całą stronę naraz, a nie tylko tekst, który właśnie edytujemy.
• Najbardziej przydaje się przy sprawdzaniu, czy na setkach stron wszystko się zgadza. Tego ręcznie nikt nie robi.
• Nowe strony powstają szybciej, bo redaktor dostaje gotowy szkic zamiast pustego szablonu.
• Bezpieczeństwo jest wbudowane w serwer. AI może przygotować zmiany, ale nie ma funkcji, którą mogłoby je opublikować.

MCP (Model Context Protocol) to otwarty standard, który firma Anthropic opisała pod koniec 2024 roku. Określa, jak narzędzie AI może korzystać z innych systemów: jakie operacje ma do dyspozycji, jakie dane może odczytać i co wolno mu zmienić. Od grudnia 2025 roku standard rozwija niezależna Agentic AI Foundation działająca przy Linux Foundation, współtworzona m.in. przez Anthropic, OpenAI i Block. Obsługuje go coraz więcej narzędzi AI, więc jeden serwer MCP dla CMS-a działa z różnymi asystentami, z których korzysta zespół.

Wiele CMS-ów ma już funkcje AI w edytorze: podpowiedź nagłówka, skrót tekstu, tłumaczenie akapitu. To pomoc przy jednym polu. Połączenie przez MCP działa na innym poziomie. AI widzi model treści, wszystkie strony, dane produktowe i wersje językowe, może zadać pytanie o całość i przygotować zmiany w wielu miejscach naraz.

Część dostawców CMS-ów udostępnia już własne serwery MCP. Dla Magnolii zbudowaliśmy go sami jako moduł systemu, bo chcieliśmy decydować, co dokładnie AI może zrobić: które zbiory treści widzi, jakie zasady design systemu dostaje i jakich operacji nie ma wcale. Przez taki serwer narzędzie AI może:

• przeszukać jednym zapytaniem całą treść serwisu, czyli strony, karty produktów, FAQ, wydarzenia i wszystkie wersje językowe,
• przeczytać dowolną stronę razem z jej układem,
• zadać precyzyjne pytanie o dane, na przykład „wszystkie produkty droższe niż 1000 zł, które nie mają jeszcze opisu po niemiecku”,
• wyszukać zdjęcia w bibliotece i obejrzeć je przed użyciem,
• złożyć nową stronę albo poprawkę jako szkic, z komponentów strony i według zasad jej design systemu.

Zabezpieczenia są częścią budowy samego serwera. Nie ma w nim funkcji publikacji, zapis można wyłączyć na wybranych środowiskach, a osoby, które mają tylko czytać, mogą dostać wersję bez narzędzi do zmian. Każda zmiana jest podpisana kontem osoby, która ją zleciła.

Zespół pracujący nad stroną codziennie potrzebuje szybkich odpowiedzi. Marketing planuje kampanię i chce wiedzieć, ile produktów z nowej kolekcji ma już strony we wszystkich wersjach językowych. Redakcja pisze artykuł i musi sprawdzić, w których miejscach serwis wciąż wspomina o wycofanej usłudze. Bez dostępu do danych oznacza to przeklikiwanie stron albo prośbę do dewelopera o eksport.

Przez MCP takie pytanie zadaje się zwykłym językiem, a AI odpowiada na podstawie danych w CMS-ie, z listą produktów i linkami do ich stron. Tak samo da się sprawdzić liczby, zanim trafią do prezentacji, kampanii albo na stronę.

Ten sam mechanizm działa przy zdjęciach. Biblioteki zdjęć są duże, a nazwy plików rzadko coś mówią. AI szuka zdjęć po ich opisach, na przykład „zespół przy stole w jasnym biurze”, i pokazuje, na których stronach dane zdjęcie jest już użyte. Łatwiej wtedy dobrać zdjęcia do nowej strony albo kampanii bez powtarzania tych samych ujęć. Warunek jest jeden: zdjęcia muszą mieć sensowne opisy, co i tak jest potrzebne ze względu na dostępność i SEO.

Tu MCP daje najwięcej, bo pozwala zrobić coś, czego ręcznie nikt nie robi: przejrzeć wszystko.

Przykład z pracy dla Danwood. W karcie jednego z domów ścianka kolankowa, czyli niska ściana na poddaszu, na której opiera się dach, miała 175 metrów. Zamiast poprawić jedno pole, poprosiliśmy AI o sprawdzenie, czy to jedyny taki przypadek. W około 25 minut przejrzało dane 230 domów i znalazło 120 miejsc, w których dane najpewniej się nie zgadzały: od powierzchni pomieszczeń, które nie sumowały się do metrażu piętra, przez wymiary w złych jednostkach, po brakujące informacje. Każde miejsce miało dowód, adres w CMS-ie i ocenę: potwierdzone, podejrzenie albo brak danych.

To samo podejście sprawdza się przy treściach. Gdy zmienia się liczba, nazwa albo zasada, jedno wyszukiwanie pokazuje wszystkie miejsca, w których stara wersja nadal jest na stronie, także w innych językach. Takie przeglądy można robić regularnie: błędy znalezione przy okazji bieżącej pracy trafiają do jednego zbiorczego zgłoszenia, a redaktor od razu przygotowuje poprawki jako szkice.

Znaczenie danych rośnie, odkąd czytają je nie tylko ludzie. Z tych samych danych korzystają wyszukiwarki z odpowiedziami AI i asystenci na stronach. Błąd, który człowiek przeoczy w tabeli, AI powtórzy klientowi w odpowiedzi.

Złożenie strony w CMS-ie to dużo klikania: wybór sekcji, kolejność, teksty, zdjęcia z biblioteki, opisy SEO i linki. Przez MCP AI robi to za jednym razem. Serwer przekazuje mu zasady kompozycji stron z design systemu: które komponenty wolno użyć w danym miejscu, jak układać sekcje i że zdjęcia nie wstawia się bez wcześniejszego obejrzenia.

Do czego używamy tego najczęściej:

• Rozbudowany landing page. Strona z wieloma sekcjami, zdjęciami, tekstami i linkami to zwykle długie układanie komponentów i szukanie zdjęć w bibliotece. AI składa taki szkic za jednym razem na podstawie dokumentu z treścią: dobiera komponenty, wstawia teksty, wyszukuje pasujące zdjęcia i sprawdza linki. Redaktor zaczyna pracę od gotowej strony i dopracowuje w niej szczegóły. Nasza redaktorka szacuje, że strona z gotowym tekstem zajmuje jej bez MCP od 1,5 do 2 godzin, a z MCP około 15 minut.
• Szybkie testy prostych stron. Gdy trzeba sprawdzić nowy formularz, komponent albo układ, AI w minutę składa prostą stronę testową jako szkic. Zmiana jednego ustawienia, na przykład adresu, pod który trafiają dane z formularza, to jedna poprawka bez szukania pola w edytorze.
• Masowe zmiany w treściach. Gdy zmieniają się na przykład warunki gwarancji albo zasady programu lojalnościowego, nowe informacje muszą trafić wszędzie, gdzie strona o nich mówi: do artykułów, FAQ, opisów produktów i stron w innych wersjach językowych. AI jednym wyszukiwaniem znajduje wszystkie takie miejsca i przygotowuje poprawki jako szkice, które redaktor przegląda i zatwierdza przed publikacją.

Jakość szkiców zależy w dużej mierze od instrukcji, którą dostaje AI. Warto ją spisać razem z projektantem i redakcją: jakie komponenty do czego służą, czego nie łączyć, jak traktować zatwierdzony tekst. Taka instrukcja rośnie z każdą stroną i jest równie ważna jak sam serwer MCP.

Przy planowaniu treści łatwo opierać się na wrażeniu, że „chyba coś o tym mamy”. Przez MCP AI w kilka minut robi spis wybranej części serwisu, na przykład bazy wiedzy: z tytułami, opisami SEO, stanem publikacji i datą ostatniej zmiany. Taki spis można od razu przypisać do pytań i obaw klientów oraz do etapów ich decyzji. Widać wtedy, które tematy są dobrze opisane, których brakuje i które artykuły zniknęły ze strony, choć nadal są w CMS-ie.

Najciekawsze robi się, gdy do spisu dołożyć to, o co klienci naprawdę pytają: frazy z wyszukiwarki na stronie, pytania z formularzy albo rozmowy z czatem. AI sprawdza, czy strona na te pytania odpowiada, i wskazuje luki. Plan treści opiera się wtedy na potrzebach klientów.

• Potwierdzenie tylko przy operacjach nieodwracalnych. Jeśli AI pyta o zgodę przy każdym kroku, ludzie po kilku minutach klikają bez czytania. Lepiej, żeby potwierdzenia wymagało tylko to, czego nie da się łatwo cofnąć, na przykład usunięcie strony. Zmiany w szkicach można cofnąć, więc nie muszą czekać na zgodę.
• Jawna informacja o niepełnych wynikach. Serwery MCP ograniczają wielkość odpowiedzi. Gdy wynik jest ucięty, AI musi o tym wiedzieć, inaczej raport powstanie na części danych i nikt tego nie zauważy.
• Wyraźne rozróżnienie środowisk. Gdy AI ma dostęp do środowiska testowego i produkcyjnego, serwer powinien przy każdej odpowiedzi podawać, którego dotyczy.
• Polecenia ukryte w treści. AI czyta wszystko, co jest w CMS-ie, także teksty, w które ktoś mógłby wpisać instrukcję dla modelu (tak zwany prompt injection). Dlatego operacje o dużych skutkach, takie jak publikacja, zostają poza zasięgiem AI, a każda zmiana trafia do szkicu, który przegląda człowiek.
• Nazwy pól zrozumiałe bez kontekstu. AI nie zna nieformalnych ustaleń zespołu. Jeśli etykieta pola mówi co innego, niż pole robi, AI wybierze źle. Porządek w nazwach pomaga też każdej nowej osobie w zespole.

Najwięcej zyskują serwisy, w których treści jest dużo i często się zmienia: setki produktów z danymi technicznymi, baza wiedzy, kilka rynków i wersji językowych. Tam przegląd ręczny jest niemożliwy, a pomyłki są kosztowne, bo klient podejmuje na podstawie strony poważne decyzje.

Przy małej stronie z kilkunastoma podstronami korzyść jest mniejsza, bo redakcja zna ją na pamięć. Warunkiem w każdym przypadku jest uporządkowany model treści. Jeśli dane są wpisane jako jeden długi tekst zamiast w osobnych polach, AI też będzie miało z nimi kłopot.

1. Zacznij od odczytu. Wyszukiwanie, sprawdzanie danych i inwentarze treści dają wartość od pierwszego dnia i nie zmieniają niczego na stronie.
2. Spisz zasady, zanim dasz AI prawo zapisu. Co AI robi samo, co tylko jako szkic, gdzie potrzebna jest zgoda człowieka. Publikację zostaw ludziom.
3. Uporządkuj CMS pod drugiego czytelnika. Jasne nazwy pól, opisy zdjęć i spójne typy treści pomagają AI tak samo jak nowej osobie w zespole.
4. Mierz na prawdziwych zadaniach. Wybierz jedną powtarzalną pracę, na przykład składanie podobnych stron albo kontrolę danych produktów, i porównaj, ile zajmuje z AI, a ile bez.

Funkcje w edytorze pomagają przy jednym polu albo jednej stronie. MCP daje narzędziu AI dostęp do całego CMS-a, więc może ono odpowiadać na pytania o całość, porównywać treści między stronami i przygotowywać zmiany w wielu miejscach naraz.

To zależy od tego, jak zbudowany jest serwer. W naszym nie ma funkcji publikacji, a usunięcie strony wymaga zgody człowieka. Każdą zmianę sprawdza redaktor, zanim trafi na stronę.

Nie. Część dostawców już go udostępnia, a dla pozostałych można go zbudować, jeśli CMS ma dobre API. Tak zrobiliśmy dla Magnolii. Więcej o przygotowaniu CMS-a do pracy z AI piszemy w tekście Agentic CMS w praktyce.

CMS-a ani procesu publikacji nie trzeba wymieniać. Do systemu dochodzi moduł z serwerem MCP, a zwykle też porządki w modelu treści, na przykład jasne nazwy pól i opisy zdjęć.

Jeśli Twój zespół spędza godziny na szukaniu, sprawdzaniu i przeklikiwaniu treści, pokażemy, jak wygląda praca z AI podłączonym do CMS-a, na przykładzie Magnolii albo platformy, której używasz. Zobacz też, jak przygotowujemy platformy CMS do pracy z AI.