В воскресенье вечером дописывал бота. Бот должен был брать данные из Notion, тянуть их в Telegram-канал, а потом ещё отвечать на вопросы менеджеров. Всё стандартное, казалось бы. Но каждый раз, когда добавлял новый источник данных, код распухал на сотню строк. Каждая интеграция — свой костыль, свой формат, свои баги. И вот в какой-то момент наткнулся на MCP и подумал: а ведь это ровно та проблема, которую он решает. Расскажу, что понял.
Что такое MCP и почему он появился
Model Context Protocol — открытый протокол от Anthropic. По сути, единый стандарт, через который ИИ-模型ы подключаются к внешним инструментам и источникам данных.
Раньше было так: хочешь дать ChatGPT или Клоду доступ к своему сервису — пиши плагин. Хочешь подключить базу данных — ещё один плагин. Для GitHub — третий. И все они друг с другом не совместимы. Зоопарк.
MCP делает одну простую вещь: задаёт общий язык между ИИ и внешними системами. Модель видит, какие инструменты доступны, как их вызывать, и получает результаты в стандартизированном виде. Не нужно писать новый код под каждое подключение.
Как это работает
Три компонента, всё.
Host — ИИ-приложение, которое управляет соединениями. Клод для Desktop, Cursor, или что угодно, где крутится ваш ИИ.
Client — встроенный в хоста клиент, который общается с сервером. Между ними данные идут по JSON-RPC.
Server — отдельная программа, которая подключается к вашим инструментам. Файловая система, GitHub, база данных. Бывают официальные от Anthropic и созданные комьюнити.
Суть такая: подключаете MCP-сервер к ИИ-приложению, и ИИ получает доступ к описанию всех доступных инструментов. Вы на естественном языке просите что-то сделать, а он сам понимает, какой инструмент нужен, вызывает его и возвращает результат. Никаких промпт-инженерных хаков.
Первые шаги: установка и подключение
Начал с самого простого — подключил файловую систему. В Cursor это через настройки, пункт MCP Servers. Ставишь официальный сервер, прописываешь путь — и ИИ получает доступ к чтению и записи файлов напрямую. Звучит не впечатляюще, пока не попробуешь. Спрашиваю "найди во всех проектах функцию, которая делает X" — он действительно находит. Без единой строки моего кода.
Дальше GitHub-сервер. Теперь ИИ может просматривать репозитории, читать issues, создавать pull request'ы. Круто, когда у тебя десяток проектов и нужно быстро понять, кто что менял.
Если хотите попробовать прямо сейчас, план такой:
- Берёте любое ИИ-приложение с поддержкой MCP — Cursor, VS Code с расширением, или Cline
- Ищете нужный сервер в официальном списке на GitHub (github.com/modelcontextprotocol)
- Устанавливаете сервер через настройки приложения
- Прописываете конфигурацию в JSON — название сервера, команду запуска, переменные окружения если нужны
После перезапуска ИИ-ассистент сразу видит доступные инструменты.
Свои серверы — вот где начинается интересное
Официальные серверы это хорошо, но настоящая сила MCP в том, что можно писать свои. Допустим, у вас внутренняя CRM без публичного API для ИИ. Вы пишете MCP-сервер, который оборачивает ваш API в формат, понятный модели. После этого любое ИИ-приложение с поддержкой MCP получает доступ к вашей CRM.
Я попробовал написать простой сервер на Python — заняло вечер. За основу взял шаблон от Anthropic, разобрался со структурой — и вот ИИ обращается к моей базе данных через естественный язык. Теперь прошу "покажи все заказы за эту неделю, где сумма больше 50 тысяч" — и получаю таблицу. Раньше на это уходило полчаса с SQL-запросами.
Написать свой сервер не сложнее, чем обычное API-приложение. Определяете инструменты, их параметры и типы возвращаемых данных. ИИ получает schema и сам решает, какой вызвать.
Где это уже работает и что будет дальше
Список поддерживаемых инструментов растёт каждый месяц. Уже есть серверы для Slack, Discord, PostgreSQL, Docker, AWS. Google сделали свой сервер для поиска в документации. Figma экспериментируют с интеграцией. Экономия времени заметная — вместо того чтобы переключаться между браузером, терминалом и IDE, можно оставаться в одном интерфейсе.
Проблемы тоже есть. Безопасность — сервер получает доступ к реальным системам, и если ИИ вызовет что-то не то, последствия будут настоящими. Всегда стоит проверять, какие именно инструменты вы открываете. Ещё одна штука — не все серверы одинаково стабильны. Комьюнити-серверы бывают сыроватыми, и то, что работает в демо, может сломаться на реальных данных.
Но тренд понятен. MCP закладывает фундамент для того, чтобы ИИ不再是 изолированный болтун, а стал настоящим интерфейсом к вашему стеку технологий. Если у вас есть набор внутренних инструментов, API, баз данных — это самый простой способ дать ИИ к ним доступ. Без привязки к конкретной модели.
Лично мне это сэкономило несколько часов в неделю на рутине. И дало пространство для задач посложнее.
