Jeden endpoint. Google SSO. Všechny nástroje v Claude Code. Jak jsme zbavili tým API klíčů a onboardingové bolesti.

Obsah

• Problém: credential sprawl a onboardingová bolest
• Co je MCP a proč na tom záleží
• Řešení: jeden endpoint, Google SSO, vše
• Co gateway aktuálně umí
• Jak to vypadá v praxi
• Proč to děláme v Databy

AI asistenti jsou dnes schopní dělat věci, které byly před rokem nepředstavitelné. Ale jejich reálná hodnota závisí na tom, co vidí — a standardně vidí jen text, který jim napíšete.

Bez přístupu k nástrojům pracují naslepo. Vy musíte kopírovat data do promptu, exportovat CSV soubory, přepínat mezi nástroji. Přesně to je třecí plocha, která z rychlého AI asistenta dělá spíše pomalého textového editora.

Problém: credential sprawl a onboardingová bolest

Moderní AI asistenti umí volat externí nástroje přes Model Context Protocol (MCP) — o tom píšu níže. Ale nastavení MCP serverů pro celý tým narazí rychle na praktický problém.

Každý MCP server potřebuje vlastní konfiguraci, vlastní přihlašovací údaje. V praxi to znamená:

• Service account JSON soubory na každém vývojářském počítači
• API klíče v konfiguračních souborech
• Nový člen týmu stráví hodiny jen nastavením přístupů před tím, než může vůbec začít pracovat
• Žádná centrální správa — pokud někdo odejde, je složité zajistit, že přístup je skutečně odvolán
• Žádný audit log — kdo k čemu přistupoval a kdy

Se čtyřmi backendy a pěti vývojáři se tohle velmi rychle stane nespravovatelným.

Co je MCP a proč na tom záleží

Model Context Protocol (MCP) je standardizovaný způsob, jak AI asistentovi dát přístup k externím nástrojům a datům. Místo abyste do promptu kopírovali SQL dotaz, Claude přímo zavolá BigQuery. Místo manuálního procházení GTM rozhraní Claude vytvoří tag nebo zkontroluje triggery.

Protokol zavedla Anthropic, ale dnes ho implementují i jiní klienti — včetně nástrojů jako Cursor nebo Windsurf. MCP server je jednoduše program, který definuje sadu nástrojů a Claude nebo jiný asistent je může volat.

Problém nastane, jakmile chcete tuhle architektoniku zprovoznit pro celý tým a více nástrojů najednou.

Řešení: jeden endpoint, Google SSO, vše

Postavili jsme MCP gateway pro Databy. Jeden endpoint, přihlášení přes firemní Google účet, přístup ke všem nástrojům najednou.

Konfigurace na straně vývojáře:

{
  "mcpServers": {
    "databy": {
      "url": "https://mcp.databy.io/mcp"
    }
  }
}

To je vše, co se od vývojáře vyžaduje. OAuth flow proběhne automaticky při prvním použití — prohlížeč se otevře, přihlásíte se Google účtem na @databy.io doméně, hotovo. Přihlašovací údaje k API žijí na serveru, ne na vývojářských počítačích. Přístup jde odebrat v řádu sekund. Každé volání nástroje je zalogované.

Připojení nového člena týmu: dají mu URL, přihlásí se Googlem, mají přístup ke všemu co mají mít.

Co gateway aktuálně umí

Gateway agreguje čtyři skupiny nástrojů:

Google Tag Manager — procházení účtů a kontejnerů, čtení a vytváření tagů, triggerů, proměnných, šablon. Celé GTM API dostupné přes přirozený jazyk.

Google Analytics 4 — spouštění reportů a realtime reportů, custom dimensions, detail property. Místo proklikávání v GA4 rozhraní: dotaz přirozeným jazykem, výsledek v kontextu konverzace.

Google Ads — přístup k reklamním účtům, vyhledávání v kampaních, sestavách a klíčových slovech. Výkonnostní data z reklamního účtu přímo v kontextu, bez exportu.

Google Workspace — Gmail (hledání, čtení vláken, psaní draftů), Calendar (čtení a vytváření událostí), Drive (hledání, čtení, sdílení souborů), Docs (čtení a úpravy dokumentů), Sheets (čtení a zápis do tabulek), Slides (práce s prezentacemi), Forms (vytváření formulářů a čtení odpovědí).

Vše přes jednotné Google přihlášení. Jedno consent okno při prvním přihlášení pokryje oprávnění pro všechny nástroje najednou — žádné samostatné autorizace pro každý backend.

Jak to vypadá v praxi

Konkrétní věci, které gateway umožňuje přímo v Claude Code:

"Podívej se na GA4 — jaký je breakdown konverzí podle kanálu za posledních 30 dní porovnaný s předchozím obdobím?"

Claude zavolá GA4 report API, vrátí strukturovaná data, interpretuje výsledky.

"V GTM najdi všechny tagy, které se spouštějí na checkoutu. Které z nich nemají podmínku na consent?"

Claude projde kontejner, vypíše tagy s triggery na checkout stránkách, identifikuje ty bez consent podmínky.

"Projdi mi dnešní e-maily a dej mi přehled akčních bodů, na které musím odpovědět dnes."

Claude prochází Gmail vlákna, identifikuje e-maily vyžadující akci, strukturovaně je zobrazí.

"Vytvoř draft v Docs z těchto poznámek ze schůzky, přidej sekce pro akční body a termíny."

Claude vytvoří nový Google Doc se strukturou podle zadání.

Toto nejsou mockupy nebo ukázky z videa. Každý z těchto dotazů Claude Code skutečně zpracuje — zavolá příslušné API, vrátí výsledek, pokračuje v konverzaci.

Proč to děláme v Databy

Databy je digitální analytická agentura. Naše každodenní práce — GTM konfigurace, GA4 analýzy, reporty, koordinace přes Workspace — je přesně ten typ opakujících se úkolů, kde AI asistent s přístupem k reálným datům vytváří největší přidanou hodnotu.

Místo aby každý vývojář v týmu spravoval individuální přístupy k nástrojům, máme jedno centrálně spravované řešení. Nové nástroje přidáváme do gateway, ne do každého vývojářského počítače zvlášť.

Vedlejší efekt: protože všechno volání prochází jedním místem, víme přesně co se kdy děje. To se hodí nejen pro bezpečnost, ale i pro ladění — když něco nefunguje, je jasné kde hledat.

Platforma je interní, ale otázka, jestli ji zpřístupnit širšímu okruhu, leží na stole. Pokud pracujete s AI asistenty a tohle zní jako problém, který řešíte — ozvěte se.