Model Context Protocol (MCP): Как он подключает AI к вашим инструментам

Последнее обновление: June 28, 2026

MCP — Model Context Protocol — это открытый стандарт, выпущенный Anthropic в конце 2024 года для подключения AI-помощников и агентов к внешним источникам данных и инструментам. Вместо того чтобы писать индивидуальную интеграцию для каждой модели и каждого инструмента, вы просто разворачиваете один сервер MCP, и любой клиент, совместимый с MCP, может его использовать. На прошлой неделе я подключил файловую систему и сервер GitHub к Claude Code, и разница в том, что агент мог делать на самом деле, была мгновенной. В этой статье мы рассмотрим, что такое MCP, как работает модель клиент-сервер, типы основных возможностей и как запустить серверы в вашей собственной среде.

Краткий ответ: что такое MCP?

MCP — это протокол на основе JSON-RPC 2.0, который стандартизирует соединение между хост-приложением AI (пользователем MCP клиентом, например Claude Desktop или Claude Code) и внешними серверами, предоставляющими данные и действия. Один сервер MCP может объявить клиентам три типа возможностей:

• Tools — функции, которые модель может вызывать (запрос к базе данных, отправка сообщения, поиск в репозитории).
• Resources — структурированные данные, которые модель может читать (содержимое файлов, ответы API, записи).
• Prompts — многократно используемые, параметризованные шаблоны промптов, которые пользователь может вызвать.

Цель состоит в создании «USB-C для интеграций AI»: один сервер, множество клиентов, без привязки к конкретной модели. Спецификация и SDK являются открытым исходным кодом и поддерживаются по адресу modelcontextprotocol на GitHub, а каноническая документация доступна по modelcontextprotocol.io.

Зачем нужен MCP?

До появления MCP каждая интеграция инструмента была разовой задачей. Если вам нужно было, чтобы помощник читал ваши проблемы в GitHub и одновременно запрашивал данные из Postgres, вы писали два кастомных коннектора, а затем переписывали их при смене моделей или хостов. Заявленная мотивация Anthropic — устранить это дублирование с помощью общего протокола: в official docs описывается, что он обеспечивает моделям «стандартизированный доступ» к локальным файлам, базам данных и APIs.

Эта формулировка имеет значение для агентских рабочих процессов. Агент, который может только общаться, — это чатбот; а агент, который может читать ваш репо, выполнять запрос и вызывать инструмент в цикле, — это настоящий рабочий. MCP — это инфраструктура, которая делает второе портативным. Если вы хотите рассмотреть более широкую картину того, как это вписывается в дизайн агентов, ознакомьтесь с нашей статьей об автоматизации AI-агентов.

Как работает модель клиент-сервер?

MCP использует топологию хост-клиент-сервер:

• Хост — приложение, которое запускает пользователь (Claude Desktop, Claude Code, расширение для IDE).
• Клиент — существует внутри хоста и поддерживает сессию 1:1 с одним сервером.
• Сервер — процесс, который предоставляет возможности через транспортный протокол.

Хост может запускать множество клиентов, каждый из которых общается с одним сервером. Протокол — JSON-RPC 2.0, и я тестирую три фазы жизненного цикла каждый раз, когда добавляю новый сервер:

1. Инициализация — клиент отправляет версию протокола, возможности и информацию о клиенте; сервер отвечает своими данными.
2. Обмен возможностями — обе стороны объявляют, что они поддерживают (инструменты, ресурсы, промпты, сэмплирование, корни).
3. Операция — клиент запрашивает списки инструментов, вызывает инструменты, считывает ресурсы, а сервер передает результаты обратно в потоковом режиме.

Варианты транспорта

stdio является значением по умолчанию для локальной настройки и используется командой claude mcp add, если вы не передаете HTTP URL. Для более подробного руководства по использованию claude mcp add и решению stdio против HTTP, см. на наше руководство по интеграции Claude Code MCP.

Что такое три типа возможностей на практике?

Большая часть ценности MCP заключается в трех типах возможностей. Вот как каждая из них на самом деле ведет себя, когда модель использует ее.

Инструменты (вызываемые моделью)

Инструменты — это рабочая лошадка. Модель решает вызвать их на основе разговора. Я запустил сервер с экспонированием инструмента search_logs, и модель вызвала его без запроса, как только я спросил: "почему развертывание не удалось в 2 часа ночи?". Определения инструментов включают JSON Schema для аргументов, поэтому модель получает типизированные, проверенные входные данные.

Ресурсы (контролируемые приложением)

Ресурсы адресуются по URI и обычно являются выбранными пользователем, а не выбранными моделью — пользователь прикрепляет ресурс, такой как файл или запись, а хост внедряет его в контекст. Это важно для контроля области видимости: модель может видеть только то, что вы явно ей передали.

Промпты (вызываемые пользователем)

Промпты — это шаблоны с аргументами, которые отображаются в пользовательском интерфейсе хоста как команды со слэшем или элементы меню. Это самая малоиспользуемая возможность — я использую их для кодирования "проверить этот PR согласно нашим рекомендациям по стилю", чтобы мне не приходилось каждый раз вставлять одинаковые инструкции.

Как настроить сервер MCP?

Конкретная настройка, использующая Claude Code в качестве хоста. Та же конфигурация сервера работает в JSON-файле Claude Desktop.

1. Установите Node.js 20+ (или Python 3.10+ с uv).
2. Добавьте референсный сервер, например, файловую систему: npx -y @modelcontextprotocol/server-filesystem /Users/you/projects
3. Зарегистрируйте его в Claude Code: claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem /Users/you/projects
4. Проверьте соединение: claude mcp list, затем claude mcp get filesystem
5. Перезапустите хост и найдите инструменты сервера в сессии.

Это и есть весь цикл. Референсные серверы в org GitHub охватывают файловую систему, Git, GitHub, Postgres, SQLite, Slack, Google Drive, Puppeteer и многое другое.

Минимальный кастомный сервер (Python)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("status")

@mcp.tool()
def healthcheck(service: str) -> str:
    """Return the current status of a service."""
    return f"{service}: ok"

if __name__ == "__main__":
    mcp.run(transport="stdio")

Я протестировал это на тестовой конечной точке примерно за десять минут, включая подключение к Claude Code. Для более широких сценариев раскрытия внутренних сервисов в виде API, вызываемых агентом, наше руководство по разработке AI API углубляется в вопросы аутентификации и ограничения скорости.

Как будет выглядеть экосистема в 2026 году?

Экосистема консолидировалась вокруг официального реестра и нескольких хорошо поддерживаемых эталонных серверов. Я придерживаю короткий список тех, которым я действительно доверяю в продакшене:

• filesystem — локальное чтение/запись файлов с ограничениями root.
• github — issues, PRs, search, file operations.
• postgres / sqlite — по умолчанию только для чтения, интроспекция схемы.
• puppeteer / playwright — автоматизация браузера для агентов.
• slack — чтение каналов и отправка сообщений.

Для оркестрации нескольких серверов за суб-агентами — один суб-агент владеет базой данных, другой — браузером — наша статья о суб-агентах Claude Code показывает паттерн команды.

На что следует обратить внимание?

Это та часть, которую пропускают большинство статей. Серверы MCP работают с вашими учетными данными и доступом к файловой системе, поэтому область действия (scope) имеет значение.

• Обращайтесь с каждым сервером как с зависимостью. Фиксируйте версии, проверяйте исходный код перед запуском npx из репозитория незнакомца. Вредоносный инструмент может эксфильтровать всё, что видит модель.
• Ограничьте корневые права (roots). Файловая система сервера безопасна только настолько, насколько безопасен каталог, на который вы его направляете — никогда не передавайте /.
• Предпочитайте конфигурации базы данных только для чтения (read-only), пока у вас нет конкретной причины включать запись.
• Остерегайтесь внедрения промптов (prompt injection). Если инструмент возвращает контент, на который затем действует модель, недоверенный ввод может стать инструкциями. Предполагайте, что любой ресурс враждебен.
• Ограничьте область действия (scope) токенов OAuth. Токены Slack и GitHub должны иметь минимально необходимую область действия для сервера, а не ваш личный токен.

Я начинаю каждый новый сервер в изолированном (sandboxed) аккаунте и наблюдаю за первыми вызовами инструментов, прежде чем доверять ему в реальной сессии.

Основной вывод

MCP — это небольшой протокол, решающий реальную проблему: он позволяет одному серверу предоставлять инструменты, ресурсы и промпты любому совместимому AI host, устраняя налог интеграции N-в-M. Механика проста — инициализация, переговоры, работа через stdio или HTTP — но уровень безопасности определяет, подходит ли он для вашего рабочего процесса. Запускайте серверы, которые можно аудировать, жестко ограничивайте их учетные данные и предполагайте, что недоверенный ввод является враждебным. Сделайте это, и MCP станет самым чистым способом превратить ассистента в агента, который может реально взаимодействовать с вашими системами.

Источники изображений

• Исходный код, отображаемый на мониторе — фото Markus Spiske на Pexels
• Разработчик, печатающий на ноутбуке при настройке сервера в терминале — фото Vlada Karpovich на Pexels
• Абстрактная композиция печатной платы, символизирующая многоуровневую архитектуру — фото Christina Morillo на Pexels