MCP (Model Context Protocol) není jen další integrace. Je to zcela nový způsob, jak s daty z DMARCeye pracovat běžným jazykem.
V našem prvním oznámení o MCP jsme se zaměřili na hlavní myšlenku: dostat vaše DMARC data do LLM, abyste mohli souhrnné reporty proměnit v jasné další kroky jednoduše tím, že se ptáte. V tomto článku se do praktických případů použití ponoříme hlouběji a probereme, co všechno můžete dělat, jakmile MCP zapnete.
V aplikaci DMARCeye uvidíte sadu podporovaných nástrojů s názvy jako get-account-report nebo get-domain-source-report. Jsou to „nástroje“, které váš AI asistent může použít k načtení dat z DMARCeye.
Můžete si je představit jako bezpečné, předdefinované datové akce:
DŮLEŽITÉ: Tyto nástroje pracují na pozadí, otázku můžete položit běžným jazykem a váš AI asistent sám vybere, které nástroje k jejímu zodpovězení použije.
Právě tím je MCP pro DMARC tak silné: překlenuje propast mezi „mám data“ a „vím, co dělat dál“. Místo ručního procházení reportovacích pohledů si můžete říct o výsledek, který chcete, a asistent dokáže vytáhnout správný kontext z DMARCeye, aby odpověď podložil.
Někdy nepotřebujete hloubkové šetření, ale jen jasný snímek stavu. Přehledy na úrovni účtu jsou ideální pro týdenní kontroly, aktualizace pro vedení nebo odpovědi na jednoduché otázky jako „Zlepšujeme se?“ nebo „Změnilo se něco?“
Mezi typické postupy patří:
Na pozadí může MCP k načtení správných dat pro odpověď použít nástroje jako get-account-report, list-domains-overview a get-report-preview.
Ukázkové prompty:
Když něco nevypadá v pořádku (třeba neznámý odesílatel, náhlý nárůst selhání nebo podezření na pokus o spoofing), chcete se rychle dostat do detailů, aniž byste se utopili v surových datech. Právě tady MCP vyniká: šetření můžete vést formou konverzace a klást doplňující otázky, dokud není obraz jasný.
Mezi postupy podrobné analýzy patří:
Tato šetření obvykle pohánějí nástroje jako get-domain-report, get-domain-source-report a get-domain-ip-report.
Ukázkové prompty:
Výhodou tu není jen rychlost, ale i srozumitelnost. Místo ručního převádění DMARC signálů do konkrétních kroků si můžete říct o diagnózu a doporučenou posloupnost dalších kroků na základě toho, co DMARCeye sleduje.
Ne každé rozhodnutí vyžaduje úplné šetření. Někdy potřebujete jen náhled určeného období, jen ke čtení, třeba „Jak vypadal minulý měsíc?“ nebo „Dej mi přehledné shrnutí na poradu za 5 minut.“
Mezi postupy rychlých reportů patří:
Tohle často pohání nástroj jako get-report-preview (a pokud chcete více kontextu, lze jej zkombinovat s nástroji pro účet nebo doménu).
Ukázkové prompty:
MCP neslouží jen k analýze; je to také způsob, jak zkontrolovat nastavení monitoringu a udržet si přehled, když se něco změní. Pokud váš postup závisí na upozorněních a monitoringu blacklistů, můžete pomocí MCP potvrdit, co je zapnuté, co se sleduje a jaký je aktuální stav.
Mezi postupy monitoringu patří:
Na pozadí může asistent použít nástroje jako list-alert-settings, list-report-settings a list-blacklist-overview.
Ukázkové prompty:
DMARC málokdy navždy spravuje jeden člověk. Domény se přesouvají mezi týmy, agentury obsluhují více klientů a interní zainteresované strany potřebují aktualizace, které nejsou psané v DMARC žargonu.
Mezi postupy pro týmy a přístupy patří:
Tyto případy použití odpovídají nástrojům jako list-user-teams a list-team-users. Všimnete si také nástroje send-user-email, který umožňuje odeslat obsah na e-mailovou adresu přihlášeného uživatele. V praxi to umožňuje velmi praktický postup: v chatu vytvoříte shrnutí reportu a pak si ho pošlete e-mailem jako záznam nebo aktualizaci k přeposlání.
Ukázkové prompty:
Jedním z nejpraktičtějších postupů MCP je proměnit DMARC reporting v opakovatelnou aktualizaci, kterou můžete sdílet. Místo exportování dat a psaní shrnutí od nuly můžete svého AI asistenta požádat, aby na základě vašich reportů z DMARCeye připravil e-mail pro zainteresované strany.
Můžete se například zeptat:
DMARCeye MCP dokáže vytáhnout příslušná data z reportů, shrnout, co se změnilo, upozornit na cokoli rizikového (třeba nové zdroje nebo náhlé nárůsty selhání) a vygenerovat jasnou sadu doporučených dalších kroků. To je užitečné zejména tehdy, když potřebujete udržet IT, bezpečnost nebo marketing v obraze, aniž byste je nutili číst DMARC dashboardy.
V DMARCeye je funkce odesílání e-mailů z bezpečnostních důvodů záměrně omezená. Asistent může posílat zprávy pouze na e-mailovou adresu přihlášeného uživatele, což z toho dělá pohodlný způsob, jak si doručit report jako záznam nebo něco, co můžete přeposlat dál.
Jakmile máte tento základ, můžete formát postupně vylepšovat. Například:
Klíčovou výhodou je konzistentnost: váš DMARC reporting se stane jednoduchým návykem, ne ruční úlohou. Zeptáte se, asistent načte správná data z DMARCeye a vy dostanete shrnutí připravené k odeslání s jasnými dalšími kroky.
MCP je užitečné jen tehdy, pokud jsou podkladová DMARC data čistá, průběžně sbíraná a uspořádaná tak, aby podpořila reálná rozhodnutí. Přesně k tomu je DMARCeye stavěné: proměňuje surové souhrnné reporty v přehled, kterému můžete věřit, a pak vám pomáhá podle něj jednat s menší mírou dohadů.
DMARCeye MCP Server tento postup rozšiřuje přímo do vašeho AI asistenta. Místo přepínání mezi dashboardy a exporty si můžete říct o výsledek, který potřebujete, a nechat asistenta vytáhnout správný kontext z DMARCeye, aby odpověď podložil.
Další krok? Zapněte MCP Server ve svém účtu DMARCeye (Nastavení účtu → MCP Server) a vyzkoušejte pár promptů z tohoto článku. Pokud DMARCeye teprve začínáte používat, začněte plnou bezplatnou zkušební verzí.