TL;DR: MCP стремительно набирает обороты. Сейчас уже существуют тысячи MCP-"серверов", и хотя эту концепцию изначально предложила Anthropic, всего несколько дней назад к ней присоединилась и OpenAI. Серверы — это что-то вроде "приложений" для ИИ, но, что важно, они гораздо более гибко сочетаются между собой. Мы наблюдаем зарождение полноценной AI-экосистемы — аналогично тому, как это происходило с мобильными платформами десять лет назад.
Подробности:
MCP (Model Context Protocol) был представлен Anthropic в ноябре 2024 года как открытый стандарт. Хотя поначалу реакция сообщества была сдержанной, за последние месяцы протокол стал развиваться. В конце марта даже OpenAI — главный конкурент Anthropic — официально внедрила его.
Но что это такое и почему это важно?
Что это такое
По сути, MCP — это способ расширения функциональности модели ИИ, аналогично тому, как мобильные приложения расширяют возможности смартфона.
В основе MCP лежат два ключевых понятия: протокол определяет, как хост-приложение (например, Claude Desktop) взаимодействует с расширениями, называемыми MCP-серверами. (Существует также термин MCP-клиенты, но в рамках этой статьи хосты и клиенты можно рассматривать как взаимозаменяемые). Самое важное в MCP — это его открытость как стандарта, что позволяет разным хост-приложениям использовать одни и те же MCP-серверы. На данный момент существует несколько десятков хостов (список доступен тут: https://github.com/punkpeye/awesome-mcp-clients). Помимо Claude Desktop и Claude Code, в него входят такие инструменты, как Cursor, а также терминалы вроде oterm.
Хотя хостов пока немного, число MCP-серверов исчисляется уже тысячами, и существуют даже отдельные сайты, посвящённые их каталогизации (например, https://mcp.so/). Сценарии использования варьируются от самых простых до довольно продвинутых: многие серверы служат стандартным способом предоставить ИИ доступ к внешнему цифровому миру. Развитие полноценной экосистемы от запуска до 5000+ приложений всего за несколько месяцев — это, без преувеличения, феноменальный результат.
Примеры MCP-серверов
Рассмотрим набор референсных серверов, выпущенных Anthropic:
Google Maps — локальный поиск, информация о местах и маршрутах.
Slack — отправка и получение сообщений.
Memory — долговременное хранение и восстановление данных между сессиями.
Time — работа со временем и часовыми поясами.
Puppeteer — управление headless-браузером, получение HTML и изображений.
EverArt — генерация изображений. MCP не ограничен только текстом, что принципиально важно.
Почему это важно
Мы становимся свидетелями зарождения экосистемы ИИ. MCP — это первые полноценные аналоги приложений в мире AI. Однако по сравнению с классическими экосистемами приложений здесь есть принципиальные отличия. Они естественно вытекают из того, что ИИ куда гибче традиционных «жёстких» структур, вроде API, к тому же входные данные — это текст.
Расширяемость на базе открытого стандарта
Есть надежда, что нам удастся избежать ситуации вроде Android vs iOS, поскольку и OpenAI, и Anthropic поддержали стандарт. Возможно, именно эта открытость объясняет столь широкое принятие MCP среди разработчиков: достаточно реализовать поддержку MCP один раз — и инструмент становится доступен сразу в десятках хост-приложений. "Я один раз написал MCP-сервер — и им могут пользоваться пользователи Claude, Cline, Gemini и так далее."
Мощь интеграции и чейнинга
Когда вы устанавливаете обычное приложение, оно по сути изолировано — вы взаимодействуете с ним отдельно от других. Чтобы два приложения могли «говорить» друг с другом, нужно либо самим строить интеграцию, либо использовать громоздкие связки вроде Zapier.
С MCP всё по-другому: хост может взять результат одного MCP-сервера и передать его другому, может объединять данные от нескольких серверов и создавать сложные многошаговые пайплайны.
Вот конкретный пример, как это выглядит на практике:
Отслеживаем в Slack’е на предмет фразы вроде: «Найдите нам, куда сходить на ужин»
Обращаемся к Google Maps и Yelp MCP-серверам, объединяем их выводы для получения полной картины
Используем Memory MCP-сервер, чтобы хранить и извлекать предпочтения пользователей по еде, основанные на их предыдущих сообщениях в Slack — никаких SQL, просто knowledge graph, идеально сочетающийся с LLM
Через OpenTable MCP-сервер бронируем столик
Отправляем сообщение в Slack: «Я проанализировал ваши предпочтения и ближайшие рестораны — зарезервировал для вас столик в X.»
Можно представить множество подобных сценариев, но ключевой момент в том, что для достижения цели MCP-хост может использовать несколько MCP-серверов одновременно.
Шаг к сетке агентов
Одно и то же существо (назовем его агент) может одновременно быть и хостом, и сервером. Например, Claude Code — это одновременно и хост (он может использовать MCP-серверы вроде GitHub для коммитов), и сервер (например, Claude Desktop может отправить ему запрос на помощь в решении задачи по программированию).
И здесь очень легко увидеть, куда всё движется: у нас появляется сущность, которая может как отправлять запросы другим агентам, так и обрабатывать входящие от них.
Разве это не то же самое, что и «инструменты»?
Когда я впервые узнал о MCP, мой главный вопрос был: «А это не просто переименованные инструменты, которые разработчики и так уже используют?»
Отчасти — да. MCP действительно описывает три типа взаимодействия: tools (инструменты), resources (ресурсы — файлы, ссылки и т. п.) и промпты.
Но есть два принципиальных отличия:
Инструменты предназначены в основном для разработчиков и работают в чётко определённых сценариях. MCP, напротив, ориентирован на пользователей.
MCP — гораздо более динамичный: каждый пользователь может свободно подключать и отключать MCP-серверы под свои задачи.
Конкретный пример
Хочу привести простой пример того, как я использовала один MCP-сервер для построения системы персональных новостей. Это не самый «вау»-кейс, но поразило, насколько всё оказалось просто.
Я использовал Memory MCP-сервер, который поддерживает knowledge graph: сущности (например, я или Mountain View) и связи между ними (например, Waleed — живет в — Mountain View). В роли MCP-хоста выступал Claude Desktop.
Я начал с того, что попросил Claude Desktop запомнить мои интересы. Он сохранил их в Memory. Потом я попросил его найти свежие новости по этим интересам (через web search). Он справился отлично, но мне не хотелось, чтобы на следующий день он повторил то же самое, поэтому я попросил запомнить, какие именно новости он уже мне показывал.
Это только начало. Дальше я собираюсь подключить Google Tasks MCP-сервер, чтобы добавлять задачи сразу после прочтения новостей. Попросить Claude Desktop отправить фрагмент новостной сводки другу по email. Интегрировать Calendar MCP-сервер, чтобы включать события из календаря в ежедневный брифинг.
Как бы это выглядело без MCP? Мне бы пришлось писать полноценное веб-приложение с хостингом, реализовывать сбор предпочтений пользователя, интегрировать web search, хранение состояний и всё остальное.
С MCP я сделал это всё прямо в одном интерфейсе (Claude Desktop), используя только естественный язык.
Как это влияет на меня?
Надеюсь, после прочтения у вас появилось желание хотя бы поэкспериментировать с MCP в своём любимом хост-приложении — скорее всего, у вас уже есть такое. Но дело не только в этом. Если вы работаете с AI-системами, сейчас самое время задуматься, какую роль вы будете играть в новой экосистеме.
Вот несколько вопросов, которые стоит задать себе уже сейчас:
Стоит ли мне раскрыть возможности своей системы как MCP-сервер? Это может дать моим пользователям новый способ взаимодействия с ИИ — напрямую через хосты.
Предоставляет ли это моим пользователям принципиально новый способ доступа к функциональности AI-системы?
А нужен ли мне вообще интерфейс? Может быть, любой MCP-хост может стать моим новым интерфейсом, без необходимости разрабатывать фронтенд?
Хочу ли я превратить свое приложение в MCP-хост, чтобы расширить его возможности?
Я уже сам думаю о таких шагах — в рамках своей open source-разработки мусульманских AI-ассистентов, реализуя и сторону сервера, и сторону хоста.
Что дальше?
Сейчас MCP всё ещё на ранней стадии внедрения, и очевидно, что предстоит проделать большую работу и устранить множество недоработок.
Установка и настройка
На данный момент добавление MCP-сервера в хост требует ручного редактирования JSON-файлов и запуска локально либо Docker, либо Node.js. Это выглядит неудобно и громоздко.
Безопасность, авторизация и прочее
Корректная настройка авторизации по-прежнему вызывает затруднения. Например, чтобы использовать интеграцию с Google Drive, необходимо получить developer API key и пройти через ряд непростых шагов. Безопасность, защита от prompt injection и другие аспекты пока находятся на базовом уровне. Текущие хосты вынуждены постоянно запрашивать у пользователя разрешения перед выполнением действий.
Динамическое обнаружение
Следующий шаг — стандартизация механизма, позволяющего определять доступные MCP-серверы и предоставлять эту информацию непосредственно LLM, чтобы она могла самостоятельно находить и подключать нужные ей MCP-серверы.
Заключение
На первый взгляд MCP может показаться теоретически сложной и перегруженной концепцией, но на деле это серьёзный шаг вперёд: это начало открытой экосистемы искусственного интеллекта. Особенно важно то, что добавление MCP-сервера расширяет функциональность хоста таким образом, что ИИ получает возможность интегрировать и чейнить несколько возможностей для достижения целей — а это создает колоссальные возможности для новых приложений и гибких архитектур. Вам стоит уже сейчас задуматься: каковы последствия стремительного распространения MCP для того, над чем работаете вы?