MCP ile E-Ticarette Kişiselleştirilmiş Alışveriş Asistanları

Çevrim içi alışverişte doğru ürünü bulmak, ürün açıklamasını okumaktan daha fazlasını gerektirebilir. Özellikle koşu sırasında serin kalmak gibi belirli bir ihtiyaç söz konusuysa, açıklamadaki vaatlerle kullanıcı deneyimlerini birlikte değerlendirmek önem kazanır. Ancak çok sayıda yorumu incelemek ve birbirinden farklı görüşler arasından ihtiyaca uygun olanları ayırmak zaman alır. Yapay zekâ destekli bir alışveriş asistanı fikri, bu bilgi yükünü azaltma ihtiyacından doğar.

MCP, yani Model Context Protocol, yapay zekâ uygulamalarının dış veri kaynakları ve araçlarla standart bir biçimde bağlantı kurmasını sağlayan bir protokoldür. Alışveriş senaryosunda ürün açıklamaları ve yorumlar, uygun erişim sağlandığında bu bağlantının kaynakları olabilir. Buradaki önemli ayrım şudur: MCP yorumları kendi başına anlamlandırmaz veya ürün seçmez. Veriye erişim katmanını sağlar; yorumlama ve öneri oluşturma işini yapay zekâ modeli üstlenir.

Trendyol üzerinde alışveriş yapan bir kullanıcının, koşu için terletmeyen bir eşofman aradığını düşünelim. Tasarlanan asistan önce kullanıcının kullanım amacını ve önceliklerini netleştirebilir, ardından erişebildiği ürün bilgilerini ve yorumları inceleyebilir. Böylece değerlendirme yalnızca ürün açıklamasındaki olumlu ifadelere dayanmaz. Kullanıcının özellikle kaçınmak istediği sıcaklık hissi gibi deneyimler de karşılaştırmaya dahil edilir. Bu, mevcut bir entegrasyon duyurusu değil, MCP ile kurgulanabilecek bir kullanım senaryosudur.

Yorumları anlamlandırırken yalnızca belirli kelimeleri aramak yeterli olmayabilir. Bir kullanıcı ürünün sıcak tuttuğunu doğrudan yazarken, başka biri aynı deneyimi hamam veya sauna benzetmesiyle anlatabilir. Semantik analiz, farklı ifadelerin benzer bir şikâyete işaret edebileceğini değerlendirmeye yardımcı olur. Ancak benzetmeler, kullanım koşulları ve kişisel beklentiler birlikte ele alınmalıdır. Tek bir yorumdan kesin ürün özelliği çıkarmak yerine, önerinin dayanağını ve belirsizliklerini görünür kılmak daha sağlıklı bir yaklaşımdır.

X Mind Solutions olarak bu senaryoyu, yapay zekâ agent’ları ile sistem entegrasyonlarının kullanıcıya nasıl değer sunabileceğini anlatan bir örnek olarak ele alıyoruz. Böyle bir asistanı tasarlarken ürün verilerine izinli erişim, yorumların güncelliği ve kişisel tercihlerin hangi kapsamda kullanılacağı baştan belirlenmelidir. Amaç kullanıcı adına kesin karar vermek değil, ihtiyaçla ilişkili bilgileri açıklanabilir biçimde bir araya getirerek daha bilinçli bir karşılaştırmaya destek olmaktır.