Chatbot, asystent, agent AI czy serwer MCP — co wybrać dla firmy w 2026

Jest środa, 8:00. Otwierasz dashboard Shopify i widzisz, że koszt pozyskania klienta z reklam znowu poszedł w górę. Skrzynka obsługi puchnie, a większość maili to te same pytania o status zamówienia i zwroty. Wiesz, że AI mogłoby to z Ciebie zdjąć. Pytanie nie brzmi już „czy" — brzmi „co dokładnie wdrożyć i czy to wynająć w abonamencie, czy zbudować na własność".

Bo „AI dla firmy" to nie jedna rzecz. To cztery różne kategorie: chatbot, asystent AI, agent AI i serwer MCP. Każda ma inny zakres, inny model rozliczenia i inny poziom kontroli nad Twoimi danymi. Wybór jednej zamiast drugiej decyduje, czy np. za kwartał masz własny system, czy kolejną comiesięczną fakturę.

W skrócie: „AI dla firmy" to cztery kategorie, nie jedna. Chatbot odpowiada według z góry zaprogramowanego scenariusza. Asystent AI łączy model językowy z bazą wiedzy firmy i doradza na żądanie. Agent AI dostaje cel i sam wykonuje akcje w innych systemach. Serwer MCP to architektura łącząca modele językowe z całym Twoim stosem narzędzi przez jeden ustandaryzowany interfejs. Chatbot i gotowy SaaS rozliczasz w abonamencie; asystenta, agenta i serwer MCP budujesz jako wdrożenie jednorazowe. Wybór zależy od liczby zapytań, liczby integracji i horyzontu, na jaki planujesz firmę — a pod spodem sprowadza się do jednego: po której stronie zostaje ster, czyli kontrola nad Twoim stosem i danymi.

Cztery kategorie AI dla firmy w dwie minuty

Cztery kategorie różnią się czterema wymiarami: autonomią (kto inicjuje akcję), zakresem (jeden problem czy wiele), modelem kosztu (abonament czy wdrożenie jednorazowe) i uzależnieniem od dostawcy (kto kontroluje dane).

Trzy reguły warte zapamiętania:

• Chatbot mówi. Asystent doradza. Agent działa. Serwer MCP łączy.
• Im wyżej w tabeli, tym niższy próg wejścia — ale abonament rośnie wraz z liczbą użytkowników.
• Im niżej w tabeli, tym wyższa inwestycja początkowa — ale tym mocniej trzymasz ster: Twoja firma jest niezależna od decyzji platformowych dostawców.

Rozłóżmy każdą kategorię na jedno pytanie: kiedy to dokładnie jest to, czego potrzebujesz?

Chatbot — kiedy to dokładnie to, czego potrzebujesz

Chatbot to program odpowiadający na zapytania według z góry zaprogramowanego scenariusza. Działa reaktywnie — czeka na pytanie i dopasowuje odpowiedź ze skończonej puli reguł albo z prostego klasyfikatora intencji. Nie planuje, nie iteruje i nie integruje się z systemami poza tymi, do których został wprost podłączony.

Najnowsze chatboty używają już modeli językowych (ChatGPT, Claude, Gemini) do rozumienia pytań — to nie są boty pisane sztywnym skryptem z lat 2018–2022. Logika pozostaje jednak ta sama: jedno zapytanie, jedna odpowiedź, brak akcji w systemach zewnętrznych.

Kiedy chatbot wystarczy

• Masz niewiele zapytań do obsługi klienta dziennie (orientacyjnie do ~30), z czego większość to powtarzalne pytania: godziny otwarcia, status zamówienia, prosta polityka zwrotów.
• Pojedyncze zastosowanie — np. wstępne pozyskiwanie kontaktów na stronie albo okienko „skontaktuj się z nami" w stopce.
• Nie masz ambicji integracji z CRM, ERP, magazynem lub innymi systemami.
• Akceptujesz, że bot przekazuje rozmowę człowiekowi, gdy pytanie wykracza poza scenariusz.

Kiedy chatbot przestaje wystarczać

• Coraz więcej zapytań kończy się przekazaniem do człowieka, bo bot nie radzi sobie z sensem pytań.
• Baza wiedzy zmienia się tygodniowo, a aktualizacja scenariuszy zaczyna kosztować więcej niż samo utrzymanie.
• Klienci pytają w nieoczywisty sposób — używają synonimów, opisowych zdań, łączą kilka tematów w jednym zapytaniu.
• Płacisz miesięczną subskrypcję za funkcje, z których korzystasz w części.

Czym składa się chatbota w 2026

Rynek gotowych chatbotów jest dojrzały — od darmowych planów po rozbudowane abonamenty. W polskich firmach najczęściej spotykane są Tidio (polski rodowód) i Smartsupp, do kanałów społecznościowych ManyChat (Messenger, Instagram), a do hostowania we własnym zakresie Botpress o otwartym kodzie.

Jeśli rozpoznajesz się w opisie „chatbot mi wystarcza", policz, ile z tych zapytań naprawdę wymaga człowieka. To prosty test, czy czas na kolejny poziom.

Asystent AI — kiedy chatbot to za mało, a agent za dużo

Asystent AI łączy duży model językowy (LLM) z bazą wiedzy Twojej firmy np. poprzez architekturę RAG (Retrieval-Augmented Generation) — czyli generowanie wzbogacone wyszukiwaniem, w którym model najpierw dociąga fakty z Twoich dokumentów, a dopiero potem odpowiada. Rozumie pytanie zadane w języku naturalnym, znajduje odpowiedź w regulaminach, procedurach, manualach czy FAQ produktowych i dopasowuje ją do kontekstu oraz historii rozmowy.

Pełną mechanikę RAG rozkłada osobny przewodnik „Czatowanie z dokumentami firmowymi przez RAG i serwer MCP". Tu liczy się sam poziom decyzji: kiedy wybrać asystenta zamiast chatbota czy agenta.

Czym się różni asystent od agenta AI? Asystent wspiera użytkownika w pojedynczych zadaniach i reaguje na polecenia. Agent AI działa w sposób złożony — po otrzymaniu celu sam planuje kroki, wykonuje je w innych systemach i obserwuje wynik. — sempire.pl, „Jak stworzyć agenta AI", styczeń 2026

Kiedy asystent AI to dobry wybór

• Masz bazę wiedzy — regulaminy, manuale, FAQ, dokumenty produktowe, dane eksportowane z CRM.
• Pytania są opisowe, nie po dopasowaniu słów kluczowych — klient pyta zdaniem, nie hasłem.
• Potrzebujesz rozmowy wieloetapowej — kontekst utrzymany przez kilkanaście wymian zdań.
• Wolisz wdrożenie jednorazowe zamiast stałego abonamentu, z opcjonalnym wsparciem.

Kiedy asystent przestaje wystarczać

• Potrzebujesz, żeby system wykonał akcję — zaktualizował rekord w CRM, wysłał e-mail, zmienił status zamówienia, wystawił fakturę.
• Klient lub pracownik oczekuje proaktywności — asystent czeka na zapytanie, nie inicjuje rozmowy ani działania.
• Pojawia się potrzeba spięcia kilku systemów wewnętrznych w jedną logikę.

Na czym buduje się asystenta w 2026

Asystenta AI składa się dziś typowo w jednym z czterech środowisk:

• Custom GPT (OpenAI) — najszybsze prototypy, ograniczona integracja z systemami zewnętrznymi.
• Claude Projects (Anthropic) — większe okno kontekstu, lepsze do długich dokumentów.
• Google Gems (Gemini) — integracja z Google Workspace.
• Asystent oparty o serwer MCP — niezależny od dostawcy modelu, działa m.in. z Claude i ChatGPT (kolejne środowiska dodają wsparcie MCP).

Z praktyki: w jednym ze wdrożeń dla zespołu marketingowego zbudowałem cztery wyspecjalizowane asystenty — od analizy danych SEO, przez generowanie pomysłów na kampanie, po wsparcie techniczne dla nietechnicznych marketerów — każdy z własną ramą działania i sztywnymi bezpiecznikami (pełne case study).

Jeśli rozważasz, na którym fundamencie budować, te środowiska rozkłada przewodnik „Czym jest asystent AI i jak go wdrożyć w firmie". Przejdźmy o poziom autonomii wyżej.

Agent AI — kiedy potrzebujesz cyfrowego pracownika, nie odpowiedzi

Agent AI dostaje cel, nie zapytanie. Przykład: „zaplanuj kampanię na nową premierę, wybierz trzy najlepsze kreacje z poprzedniej, wystartuj testy w Meta Ads w ustalonym budżecie i raportuj wyniki co 48 godzin". Agent planuje kroki, wykonuje akcje w systemach zewnętrznych (Meta Ads, Google Ads, Slack, Notion), obserwuje wynik i poprawia plan.

To istotne przesunięcie. Chatbot odpowiada. Asystent doradza. Agent działa — bez czekania na każdy klik człowieka.

Pętla agentowa (znana z badań nad agentami AI jako ReAct, od reasoning + acting — rozumowanie i działanie; Yao i in., 2022) ma cztery kroki:

1. Obserwuj — agent zbiera dane z otoczenia (połączenia z systemami, dokumenty, monitoring).
2. Planuj — model dzieli cel na sekwencję kroków i wybiera narzędzia.
3. Działaj — wykonuje akcje (operacje w systemach, zapisy do plików, wiadomości).
4. Iteruj — sprawdza wynik, koryguje plan, wraca do kroku 1, jeśli trzeba.

Agent AI to nie chatbot, który wita Cię na stronie. To nie wyszukiwarka, która zalewa linkami. Agent ma cel i działa. — facet.onet.pl, „Agenci AI w pracy", maj 2025

Kiedy agent AI to dobry wybór

• Masz powtarzalny proces zajmujący wiele godzin tygodniowo (orientacyjnie od ~5 h) — kampanie reklamowe, pozyskiwanie kontaktów, obsługa zamówień, raportowanie. Jak taki proces oddać agentowi krok po kroku, opisuję w tekście jak zautomatyzować proces z agentem AI.
• Potrzebujesz decyzji opartych o dane, nie tylko pytań i odpowiedzi — agent ma wybierać warianty, nie tylko podpowiadać.
• Spinasz kilka systemów (np. Shopify, GA4, Meta Ads, Slack) w jedną pętlę.
• Wolisz wdrożenie jednorazowe ze stałym wsparciem zamiast kolejnego abonamentu.

Kiedy agent jeszcze nie

• Procesy są nieustandaryzowane — agent bez bezpieczników zacznie zmyślać akcje.
• Decyzje wymagają niuansu prawnego lub etycznego — automatyzacja w obszarach takich jak HR, ocena pracowników czy ocena kredytowa podlega pod AI Act i wymaga audytu.
• Po stronie firmy nie ma technicznej osoby do nadzoru — agent działa w realnych systemach, a błędy kosztują realnie.

Serwer MCP — kiedy potrzebujesz architektury, nie pojedynczego narzędzia

Model Context Protocol (MCP) to otwarty standard ogłoszony przez Anthropic 25 listopada 2024 r. Pozwala modelom językowym (m.in. Claude i ChatGPT) bezpiecznie łączyć się z Twoimi danymi i narzędziami przez jeden ustandaryzowany interfejs. Serwer MCP to program, który udostępnia te dane i akcje modelowi. Najprościej myśleć o nim jak o uniwersalnej ładowarce dla AI: zamiast osobnej „wtyczki" do każdego modelu masz jedno gniazdo, do którego podłącza się każdy.

Polski podcast techniczny Pato Architekci ujmuje to dosadniej:

MCP to API Gateway dla LLM-ów, nie kolejny CRUD. Jeśli nie przemapujesz logiki biznesowej, model zacznie halucynować na podstawie samych nazw. — Pato Architekci, odcinek 163, „Prosto i praktycznie wyjaśniamy: MCP", 2025

Różnica między agentem AI a serwerem MCP

• Agent AI podejmuje decyzje — to mózg systemu.
• Serwer MCP udostępnia narzędzia i dane — to układ nerwowy, który łączy mózg z resztą organizmu.

Razem: agent + serwer MCP to autonomiczny system z dostępem do całej Twojej architektury biznesowej. Ten sam serwer MCP może obsługiwać kilku różnych agentów — zbudowany raz, używany wielokrotnie.

Kiedy serwer MCP to dobry wybór

• Chcesz zastąpić kilka subskrypcji SaaS własną architekturą (np. e-mail marketing, obsługę zgłoszeń i analitykę spięte w jeden serwer integrujący Twój sklep, pocztę i dane).
• Myślisz w kategoriach strategicznych — niezależności od platform i własności marki, a nie jej wynajmu.
• Potrzebujesz ponownego użycia danych przez wielu agentów — jeden serwer, wiele zastosowań.
• Wolisz inwestycję jednorazową w architekturę zamiast abonamentu.

Kiedy serwer MCP to przerost formy

• Pojedyncze zastosowanie — wystarczy lżejszy asystent (np. Custom GPT), nie pełna architektura.
• Nie masz własnego stosu narzędzi — jeśli każdy Twój SaaS ma już wbudowane AI i z niego korzystasz, serwer MCP nic nie dodaje.
• Mała firma bez planu — architektura nie zdąży się wyskalować.

Bezpłatne narzędzie

Sprawdź w 3 minuty, czy Twój pomysł na AI da się wdrożyć

Opisz pomysł, odpowiedz na kilka pytań i zobacz ocenę: macierz wykonalność × impakt, plan MVP i rekomendację — bez zakładania konta.

Sprawdź swój pomysł →

Tabela decyzyjna — którą kategorię wybrać dla swojej sytuacji

Cała powyższa analiza w jednej tabeli. Punktem wyjścia jest realna potrzeba: ile masz zapytań, czy masz bazę wiedzy, czy chcesz, żeby system działał, czy chcesz zastąpić subskrypcje własną architekturą.

Heurystyka na dłuższy horyzont: co kupisz dziś jako subskrypcję SaaS, prawdopodobnie stanie się produktem masowym za kilkanaście miesięcy. Co zbudujesz jako własny serwer MCP, zostanie Twoje — niezależnie od decyzji Shopify czy Anthropic.

W latach 2024–2026 duzi gracze platformowi wbudowali własne AI (Shopify Magic, Meta Advantage+, Google Performance Max i podobne) — i wszyscy konkurenci mają teraz dostęp do tych samych funkcji. Własna architektura to przewaga, której konkurencja nie skopiuje opłaceniem miesięcznej subskrypcji.

Co wpływa na koszt i kiedy się zwraca

„Ile kosztuje wdrożenie AI w firmie?" to jedno z najczęstszych pytań w polskim Google — a większość wyników zbywa je „zależy od potrzeb". Konkretna wycena powstaje w rozmowie, bo wynika z zakresu. Poniżej to, co realnie napędza koszt i jaki jest mechanizm zwrotu.

Co napędza koszt

• Model rozliczeniowy. Chatbot i gotowy SaaS to abonament rosnący wraz z liczbą użytkowników. Asystent, agent i serwer MCP to inwestycja jednorazowa, która po wdrożeniu nie rośnie z każdym kolejnym pracownikiem.
• Liczba integracji. Im więcej systemów (sklep, CRM, ERP, poczta, analityka) trzeba spiąć, tym wyższy koszt budowy — i tym większa różnica względem kilku osobnych subskrypcji.
• Horyzont. Subskrypcja jest tania na starcie; jej koszt narasta z każdym miesiącem i każdym użytkownikiem. Wdrożenie jednorazowe ma wyższy próg wejścia, ale po uruchomieniu się nie powiększa.

Sygnał, że subskrypcja SaaS przestaje się opłacać

• Za pojedyncze narzędzie płacisz więcej, niż kosztowałoby jednorazowe zbudowanie tej samej funkcji jako własne wdrożenie.
• Korzystasz z części dostępnych funkcji, a płacisz za cały plan.
• Planujesz biznes na kilka lat — koszt abonamentu rośnie liniowo, a własny serwer MCP po wdrożeniu się stabilizuje.

Mechanizm jest zawsze ten sam. Weźmy sklep, który utrzymuje narzędzie do automatyzacji e-mail marketingu w stałym abonamencie. Własny serwer MCP zastępujący tę warstwę (sklep → sekwencje e-mail oparte na AI → wysyłka przez własną bramkę) to inwestycja jednorazowa plus niewielki, stały koszt serwera. Abonament rośnie z każdym miesiącem i każdym użytkownikiem; jednorazowe wdrożenie po uruchomieniu się nie powiększa. Czy i jak szybko to się opłaci, zależy od wolumenu, liczby integracji i horyzontu — dlatego liczy się to indywidualnie, a nie zakłada z góry.

Czy AI naprawdę zabije SaaS? — kontekst głównej debaty

Na początku 2026 r. polski biznes na poważnie dyskutuje, czy AI zabije SaaS. Puls Biznesu publikuje wywiad z prezesem Shopera pod tytułem „Szef Shopera: AI nie zastąpi SaaS". IT-Wiz pisze o „SaaSpocalypse". Piotr Cymcyk nagrywa „Will AI Kill SaaS?". Streszczę trzy stanowiska i pokażę, gdzie w tym jestem.

Scenariusz pesymistyczny (AI zabije SaaS): IT-Wiz w artykule „SaaSpocalypse" argumentuje, że model „za użytkownika" jest pod presją, bo AI agentowe redukuje liczbę osób potrzebnych do tych samych zadań. Strefa Inwestorów wskazuje spółki SaaS najbardziej zagrożone — wąskie narzędzia mogą zostać wchłonięte przez asystentów AI albo stać się darmowym dodatkiem w większych platformach.

Scenariusz optymistyczny (SaaS przetrwa): Puls Biznesu w wywiadzie z prezesem Shopera broni platform — AI ma wzmacniać tych, którzy już obsługują miliony procesów: bezpieczeństwo, księgowość, zgodność z przepisami. Piotr Cymcyk tłumaczy na przykładzie Salesforce, że SaaS się dostosowuje, a nie umiera.

Praktyczna obserwacja z wdrożeń: debata teoretyczna nie odpowie Ci, którą kategorię wybrać. Praktycznie wygląda to tak:

• Część funkcji SaaS staje się standardem AI — automatyzacja e-maili, obsługa klienta, proste generowanie treści. Tu własny serwer MCP wygrywa najszybciej.
• Część funkcji SaaS zostaje — zgodność z przepisami (RODO, AI Act, VAT), miliony rekordów, integracje regulacyjne. Tu giganci SaaS mają fosę nie do przeskoczenia.
• Decyzja zapada według konkretnego zastosowania, nie według ideologii. Nie pytaj „czy AI zabije SaaS", pytaj „czy ten konkretny SaaS, za który płacę stały abonament, da się zastąpić jednorazowym wdrożeniem własnej architektury".

Jest jeszcze jeden argument, dłuższy niż rachunek kosztów: marka własna, nie wynajęta. Każda złotówka zainwestowana we własny serwer MCP zamiast w cudzą subskrypcję to o jedno ryzyko zależności mniej, gdy będziesz sprzedawał firmę za kilka lat. Inwestor podczas due diligence pyta o stos technologiczny — i odpowiedź „własny serwer MCP, własne dane, niezależność od platform" waży inaczej niż „wszystko na subskrypcjach".

Najczęściej zadawane pytania

Czym różni się agent AI od asystenta AI?

Asystent AI czeka na pytanie użytkownika i odpowiada — najczęściej w oparciu o bazę wiedzy firmy przez architekturę RAG. Agent AI dostaje cel i sam planuje sekwencję akcji, wykonuje je w systemach zewnętrznych, obserwuje wynik i poprawia plan. Skrót: asystent doradza, agent działa.

Czy ChatGPT to agent AI?

Sam model GPT to duży model językowy. ChatGPT z funkcją Custom GPT to asystent. ChatGPT z włączonym trybem agentowym (przeglądanie sieci, uruchamianie kodu, praca na plikach) podchodzi pod definicję agenta AI — ale ograniczonego do narzędzi OpenAI. Pełnoprawny agent AI dla biznesu to system zbudowany wokół modelu (Claude, ChatGPT, Gemini) z dostępem do Twoich własnych narzędzi przez serwer MCP.

Ile kosztuje wdrożenie AI w firmie w 2026?

To zależy od kategorii i zakresu, a konkretna wycena powstaje w rozmowie. Czytelny jest natomiast mechanizm: chatbot i gotowy SaaS to abonament rosnący z liczbą użytkowników; asystent AI, agent i serwer MCP to inwestycja jednorazowa, która po wdrożeniu się nie powiększa. Im więcej integracji i im dłuższy horyzont, tym szybciej wariant własny wygrywa z subskrypcją.

Co to jest serwer MCP?

MCP (Model Context Protocol) to otwarty standard ogłoszony przez Anthropic 25 listopada 2024 r. Serwer MCP to program udostępniający dane i narzędzia Twojej firmy modelom językowym (m.in. Claude i ChatGPT) przez jeden ustandaryzowany interfejs. Pozwala asystentom i agentom AI bezpiecznie sięgać do sklepu, CRM, bazy dokumentów czy systemu fakturowego bez budowania osobnej integracji dla każdego modelu.

Czy własne AI zwraca się szybciej niż subskrypcja SaaS?

Zależy od sytuacji. Wariant własny wygrywa wtedy, gdy za pojedyncze narzędzie SaaS płacisz wyraźnie więcej, niż kosztowałoby jednorazowe zbudowanie tej samej funkcji, i planujesz biznes na kilka lat. Abonament rośnie co miesiąc i z każdym użytkownikiem; jednorazowe wdrożenie po uruchomieniu się stabilizuje. Konkretny moment zwrotu zależy od wolumenu i liczby integracji — dlatego liczy się go indywidualnie, nie podaje z góry.

Czy AI zastąpi obsługę klienta?

Nie całkowicie. Dobrze zbudowany asystent AI obsłuży większość powtarzalnych zapytań — status zamówienia, polityka zwrotów, pomoc produktowa, podstawowe FAQ. Człowiek zostaje do spraw złożonych: reklamacji wymagających niuansu, eskalacji emocjonalnych, decyzji dotyczących zgodności z przepisami i przypadków brzegowych. To ma być wzmocnienie zespołu, nie jego likwidacja.

Czy AI Act wpływa na wybór?

Tak, dla systemów wysokiego ryzyka: HR, ocena kandydatów i pracowników, automatyzacja decyzji kredytowych, profilowanie. Te zastosowania wymagają audytu modeli, dokumentacji decyzji i transparentności wobec użytkowników. Własny serwer MCP łatwiej dostosować pod te wymogi niż chmurowy SaaS spoza UE — kontrolujesz model, polecenia, logikę decyzyjną i zapisy zdarzeń.

Twój pierwszy krok

Wyobraź sobie sierpień za rok — to nie obietnica wyniku, lecz kierunek: wyjeżdżasz na kilka tygodni, a firma działa stabilniej, bo asystent AI obsługuje większość maili, agent pilnuje kampanii, a własny serwer MCP trzyma dane i sekwencje na Twoim stosie — nie na cudzej subskrypcji. To opis tego, co budujesz, gdy raz wybierzesz właściwą kategorię i przestaniesz dokładać kolejne abonamenty.

Punkt startu zależy od etapu — tabela decyzyjna wyżej podpowiada, od której kategorii zacząć. Jeśli chcesz to przełożyć na swoją sytuację: umów bezpłatną konsultację — na niej powstaje mapa: która z czterech kategorii ma u Ciebie sens i w jakiej kolejności ją wdrażać. Buduj maszynę, nie pracę.

Źródła

Polski ekosystem MCP i agentów AI:

• Pato Architekci, odcinek 163, „Prosto i praktycznie wyjaśniamy: MCP" (2025) — https://patoarchitekci.io/163/
• Logto, „Czym jest MCP (Model Context Protocol) i jak działa" (marzec 2025) — https://blog.logto.io/pl-PL/co-to-jest-mcp
• sempire.pl, „Jak stworzyć agenta AI? Przewodnik" (styczeń 2026) — https://www.sempire.pl/jak-stworzyc-agenta-ai.html
• facet.onet.pl, „Agenci AI w pracy" (maj 2025) — https://facet.onet.pl/agenci-ai-w-pracy-co-potrafia-jak-dzialaja-i-dlaczego-warto-ich-znac/ktkyjjm

Debata AI vs SaaS:

• Puls Biznesu, „Szef Shopera: AI nie zastąpi SaaS" (luty 2026) — https://www.pb.pl/szef-shopera-ai-nie-zastapi-saas-zachowanie-wielu-inwestorow-irracjonalne-1256678
• IT-Wiz, „SaaSpocalypse: AI podważa fundamenty rynku oprogramowania biznesowego" (luty 2026) — https://itwiz.pl/saaspocalypse-ai-podwaza-fundamenty-rynku-oprogramowania_biznesowego/
• Strefa Inwestorów, „Jakie spółki SaaS są najbardziej zagrożone przez AI" — https://strefainwestorow.pl/strefa-global-market/spolki/saas-koszyki-spolek-ryzyko
• Piotr Cymcyk, „Will AI Kill SaaS? Salesforce Shows It’s More Complicated" (styczeń 2026) — https://www.youtube.com/watch?v=fiBKeiWdlOo

Źródła pierwotne (standard i framework agentowy):

• Anthropic, ogłoszenie Model Context Protocol (25 listopada 2024) — https://www.anthropic.com/news/model-context-protocol
• Yao i in., „ReAct: Synergizing Reasoning and Acting in Language Models", arXiv:2210.03629 (2022) — https://arxiv.org/abs/2210.03629