Před pár měsíci jsem si zkoušel ověřit jednu hypotézu. Zeptal jsem se Claude 3 Opus, tehdy nejnovějšího modelu od Anthropic, na jednoduchou věc: „Najdi mi IČO firmy, která sídlí na adrese Václavské náměstí 1 v Praze a v názvu má slovo ‚technologie'."

Odpověď byla zdvořilá, ale v zásadě zněla: „Nemůžu. Nemám přístup k aktuálním datům z českých vládních registrů."

Tato konverzace perfektně ilustruje paradox dnešních AI modelů. Jsou neuvěřitelně inteligentní, dokážou psát kód, analyzovat složité texty a vést konverzaci na úrovni experta. Ale pokud jde o data z reálného, specifického světa – jako je český ARES, insolvenční rejstřík nebo seznam sankcionovaných osob – jsou slepé. A to je velký problém.

Bolest jménem manuální rešerše

Pokud pracujete v compliance, KYC (Know Your Customer) nebo AML (Anti-Money Laundering), znáte ten proces důvěrně. Každý nový klient, každá nová transakce znamená kolečko manuální práce. Otevřít pět záložek v prohlížeči: Justice.cz, ARES, ISIR, registr nespolehlivých plátců DPH, mezinárodní sankční seznamy. Zkopírovat IČO, vložit. Zkontrolovat jméno jednatele, vložit. Proklikat se historií, ověřit vazby.

Jedna firma zabere průměrně 20–30 minut pečlivé práce. Když jich máte za týden prověřit padesát, díváte se na desítky hodin monotónního klikání. Je to práce, která je kriticky důležitá, ale zároveň neuvěřitelně neefektivní a náchylná k lidské chybě. Práce, která je jako stvořená pro automatizaci.

Jenže jak to automatizovat, když jsou jazykové modely odříznuté od zdrojových dat?

Řešení: USB port pro AI agenty

Odpověď se jmenuje MCP (Model-Context Protocol). Je to otevřený standard, který loni na podzim představil Anthropic a který se rychle stal de facto standardem pro propojování AI agentů s externími nástroji. Dnes ho spravuje Linux Foundation v rámci projektu AAIF (Artificial Intelligence Interoperability Foundation).

Představte si MCP jako USB port pro jazykové modely. Stejně jako můžete do USB zapojit klávesnici, myš nebo tiskárnu, přes MCP můžete do Claude nebo ChatGPT „zapojit" libovolný nástroj: firemní databázi, interní API nebo třeba sadu serverů pro přístup k českým vládním datům.

AI agent pak ví, že má k dispozici nástroj lookup_company_by_ico, a když se ho zeptáte na IČO, místo halucinace nebo omluvy jednoduše tento nástroj zavolá.

A přesně to jsem se rozhodl postavit.

První pohled na cz-agents: Open source sada nástrojů

Vznikl tak projekt cz-agents. Je to ekosystém open-source MCP serverů, které zpřístupňují klíčová česká data pro jakéhokoli AI agenta, který umí mluvit protokolem MCP.

Vše je dostupné na GitHubu pod MIT licencí. Aktuálně je v open-source části sedm balíčků, které běží na cz-agents.dev a jsou zdarma k použití s rozumným rate limitem (30 dotazů/minuta):

  1. @czagents/ares: Vyhledávání v ARES podle IČO, DIČ, názvu a kontrola transparentních účtů.
  2. @czagents/cnb: Denní kurzy ČNB pro účetní operace.
  3. @czagents/sanctions: Screening vůči sankčním seznamům EU a OFAC, včetně fuzzy vyhledávání a transliterace z cyrilice.
  4. @czagents/isir: Vyhledávání v insolvenčním rejstříku.
  5. @czagents/adis: Kontrola spolehlivosti plátce DPH.
  6. @czagents/dd: Agregátor pro základní due diligence, který kombinuje ARES, ISIR, sankce a ADIS do jednoho volání.
  7. @czagents/realestate: Anonymizované okresní statistiky distressed nemovitostí (insolvence ISIR + dražby) — agregát s k≥5 anonymitou. Detail nemovitosti, owner data a hromadné vyhledávání jsou v hostovaném placeném realestate-pro (viz Open-core níže).

Plus 2 hostované placené nadstavby — dev.cz-agents/ddplus a dev.cz-agents/realestate-pro (oba listed v MCP Registry, Bearer token authentication). Více v sekci Open-core.

Přidat si tyto nástroje do svého AI agenta je otázka několika řádků v konfiguraci. Pokud například používáte Claude.ai, stačí si přidat Custom Connector:

{
  "name": "Czech Business Register (ARES)",
  "description": "Lookup Czech companies by IČO (ID number) or name.",
  "url": "https://ares.cz-agents.dev/mcp"
}

A je to. Váš Claude se právě naučil pracovat s českým obchodním rejstříkem.

Nečekaný signál v logu: První organický uživatel

Postavil jsem to, dal na GitHub a veřejné endpointy nechal běžet. Žádný marketing, žádné oznámení. Chtěl jsem vidět, jestli je o něco takového vůbec zájem. A pak se to stalo.

Třetího května tohoto roku jsem procházel access logy serveru. Mezi běžným provozem a skeny botů jsem si všiml něčeho zvláštního. Opakované dotazy na endpoint https://dd.cz-agents.dev/mcp. Zdrojová IP adresa: 160.79.106.x, patřící load balanceru Anthropicu. User-Agent: Claude-User.

Někdo (= jediný uživatel za Anthropic load balancerem; 4 různé IP adresy v /24 prefixu znamenají jednoho člověka, ne čtyři), si našel můj @czagents/dd server přes oficiální MCP Registry, přidal si ho jako Custom Connector a začal ho používat pro reálné prověřování firem.

Za posledních šest dní přišlo 153 volání. Viděl jsem postupné série volání odpovídající real-world workflow: inicializace, listování dostupných nástrojů, pak konkrétní due-diligence dotazy. Access logy neukládají request body, takže neznám přesné parametry — ale time pattern + status codes (200 OK, žádné errory) napovídají production usage, ne ad-hoc test.

Pro mě to byl nejsilnější možný signál. Někdo měl přesně ten problém, který jsem se snažil řešit. A našel si řešení organicky, jen díky tomu, že existuje otevřený standard a veřejný registr nástrojů. Bez jediného e-mailu, bez reklamy, bez sales callu. Infrastruktura zafungovala.

Proč open-core? O datech a algoritmech

Tento prvotní úspěch mě postavil před zásadní otázku: Co dál? Mám nechat všechno open-source a spoléhat na sponzory, nebo postavit udržitelný business model?

Rozhodl jsem se pro cestu, kterou prošlapaly firmy jako Sentry, GitLab nebo HashiCorp: open-core.

Myšlenka je jednoduchá. Základní stavební kameny — přístup k surovým datům z veřejných rejstříků a anonymizované agregáty — zůstávají a navždy zůstanou open-source (MIT). To je sedm balíčků, které jsem popsal výše. Můžete si je hostovat sami, používat moje free endpointy, cokoli.

Placené nadstavby pak žijí v uzavřeném repu, jen jako hostované endpointy — žádný self-host, žádná šance kódu odhalit. Aktuálně mám dvě:

Tento model mi přijde fér. Dávám komunitě hodnotné nástroje zdarma a zároveň si chráním IP a revenue v oblastech, kde leží roky zkušeností z reálného světa compliance + reality.

Příklad z praxe: Co AI agent reálně udělá

Jak to vypadá v praxi? Představte si, že compliance officer zadá do Claude prompt:

„Proveď hloubkovou prověrku firmy Acme Imports s.r.o., IČO 00000000. Zaměř se na rizika spojená s jednateli a majetkovou strukturou."

S připojeným ddplus se za zhruba 15 sekund stane to, co manuálně zabere 30–60 minut a vyžaduje skill v navigaci pěti různých rejstříků:

Compliance officer vidí v chat výsledek formou textu — ne JSON, ne tabulku. Třeba „dva ze tří jednatelů mají nestandardní pattern v historii (detail níže), majetková struktura vede do firmy v aktivní insolvenci". Pokud chce hlouběji, klikne na zdroj a zkontroluje to ručně.

Druhý příklad: Realitní makléř a distressed property

Realitní makléř ptá:

„Najdi mi distressed nemovitosti v okrese Beroun s vyvolávací cenou pod 3 mil. Kč, nejlépe rodinné domy, plus mi řekni něco o majitelích."

S realestate-pro Claude vrátí seznam dostupných příležitostí filtrovaných podle kritérií, plus stručnou due diligence majitelů (= cross-check přes DD aggregator). Výstup: 3–5 nemovitostí s konkrétními adresami, plánovaným datem dražby a poznámkami k majiteli — ready k rozhodnutí, ne k dalšímu klikání.

Pár poznámek k architektuře

Pro technicky zaměřené čtenáře — bez infra blueprint, jen co stojí za zmínku:

Roadmapa a limity

Kam dál? Plánů je hodně, ale snažím se zůstat nohama na zemi.

Co plánuji:

Co vědomě dělat NEBUDU (alespoň v dohledné době):

Závěr

cz-agents je experiment. Je to sázka na to, že budoucnost software neleží jen v hezčích UI, ale v inteligentních agentech, kteří za nás udělají nudnou a opakující se práci. A aby to mohli dělat, potřebují oči a uši – potřebují přístup k datům z reálného světa.

Pokud vás tento projekt zaujal, ať už jste compliance profesionál, nebo AI engineer, prozkoumejte ho.

Není tu žádné tlačítko „Buy Now". Je tu pozvánka k prozkoumání. Pokud vám to dává smysl, víte, kde mě najít.