MCP простими словами: що таке Model Context Protocol і MCP-сервер

MCP — це спільна «розетка» між AI-асистентом і вашими програмами. Без нього Claude чи ChatGPT знають лише те, що ви вставили в чат. З MCP-сервером асистент може сам запитати дані в CRM, 1С/BAS чи касі й — якщо ви дозволили — щось там змінити. Автори стандарту порівнюють його з портом USB-C: один роз’єм для різних пристроїв.

Нижче — як це працює, хто підтримує MCP у 2026 році, приклад на нашому відкритому сервері для каси Checkbox, ризики й ціни. Якщо вам потрібен сервер під власну систему, це сторінка розробки MCP-серверів.

Що таке MCP: визначення і коротка історія

MCP (Model Context Protocol) — це відкритий стандарт для підключення AI-застосунків до зовнішніх систем: джерел даних, інструментів і робочих процесів. Так його визначає офіційна документація проєкту.

До MCP кожну пару «AI-застосунок — система» з’єднували окремо: одна інтеграція для ChatGPT і вашої CRM, інша — для Claude і тієї самої CRM. Стандарт дозволяє написати сервер один раз і підключати його до будь-якого клієнта, що підтримує протокол.

Джерела: повідомлення Anthropic про передачу MCP фонду, блог проєкту MCP, повідомлення OpenAI; про Claude Marketplace — за публікаціями профільних видань.

Хто підтримує протокол зараз. На сайті проєкту серед клієнтів названо Claude, ChatGPT, Visual Studio Code і Cursor; Anthropic у грудні 2025 року називала також Gemini й Microsoft Copilot. За даними блогу проєкту (липень 2026 року), офіційні SDK завантажують майже пів мільярда разів на місяць. Керує стандартом не одна компанія, а фонд, тож він не залежить від одного постачальника.

Як працює MCP: хост, клієнт і сервер

У схемі три учасники:

• Хост — AI-застосунок, у якому ви працюєте: Claude, ChatGPT, Cursor, VS Code.
• Клієнт — частина хоста, що тримає з’єднання з одним сервером. Скільки серверів підключено, стільки й клієнтів.
• Сервер — програма, яка «перекладає» запити AI на мову вашої системи: викликає її API або читає базу.

Сервер може дати AI три типи можливостей:

Шлях одного запитання виглядає так:

1. Ви питаєте в чаті: «Скільки чеків пробили вчора й на яку суму?»
2. Клієнт уже має перелік інструментів сервера з описами — він запитав його методом tools/list.
3. Модель обирає інструмент і параметри, наприклад пошук чеків за вчорашню дату, і клієнт викликає його методом tools/call.
4. Сервер перевіряє права, звертається до API системи й повертає результат.
5. Модель формулює відповідь звичайною мовою.

Якщо дія змінює дані, сервер може позначити її як незворотну, і тоді клієнт зазвичай спершу просить вашого підтвердження. Як саме — залежить від клієнта.

Сервер буває локальним і віддаленим. Локальний працює на вашому комп’ютері й спілкується з клієнтом напряму (транспорт stdio) — так зручно пробувати й працювати самому. Віддалений доступний через інтернет за HTTP одразу багатьом користувачам; для входу стандарт рекомендує OAuth.

Специфікація 2026-07-28 зробила протокол «безстановим» (stateless): кожен запит містить усе потрібне для обробки, тому віддалений сервер простіше розміщувати на звичайній вебінфраструктурі. Застарілі можливості, за словами авторів, працюватимуть щонайменше ще дванадцять місяців.

Приклад: відкритий MCP-сервер для каси Checkbox

Щоб показати MCP не на абстракції, візьмемо сервер, який ми написали й опублікували під ліцензією MIT: checkbox-mcp. Він підключає AI-асистента до API сервісу Checkbox — програмного реєстратора розрахункових операцій (ПРРО), тобто каси, яка передає кожен чек до податкової.

Одразу застереження. Це версія 0.1.0 і неофіційний проєкт, не пов’язаний із компанією Checkbox. На справжній касі сервер ще не перевіряли: його написано за офіційним описом API, а всі тести працюють з імітацією HTTP — ні з тестовим, ні з бойовим касиром його не запускали. Тому це приклад архітектури, а не готовий продукт.

З таким сервером асистента можна спитати: «Покажи вчорашні чеки й суму за кожною формою оплати» або «Знайди Z-звіти за минулий тиждень і виведи останній».

Чому запис вимкнено за замовчуванням:

• Чек — фіскальний документ. Створений чек не можна ні змінити, ні видалити; помилку можна лише компенсувати чеком повернення. Тому без явного дозволу власника інструменти запису взагалі не реєструються: модель їх не бачить і викликати не може.
• Чесні позначки. Інструменти читання позначено як такі, що нічого не змінюють. Інструменти, що створюють фіскальні записи, — як незворотні, щоб AI-клієнт просив підтвердження.
• Жодних повторів наосліп. Якщо запит на запис завершився без певної відповіді, сервер не повторює його, а повідомляє, що результат невідомий, і пояснює, як його перевірити.
• Сувора перевірка параметрів. Невідомий аргумент сервер відхиляє, а не ігнорує — щоб помилка в назві поля не перетворилася на чек із неправильною сумою.
• Менше даних моделі. Списки повертають стислі зведення без контактів покупців.

Ці п’ять рішень — не про Checkbox. Вони годяться для будь-якого сервера, що торкається грошей, документів чи клієнтських даних. А якщо вам потрібна сама каса в магазині чи застосунку, це окрема послуга — інтеграція ПРРО і Checkbox.

MCP, API, RAG і n8n: у чому різниця

MCP не замінює API: сервер сам викликає API вашої системи, просто у формі, зрозумілій моделі. І не замінює RAG: пошук у документах може бути одним з інструментів сервера. Докладніше про сусідні технології — у статтях RAG простими словами і що таке n8n.

Навіщо MCP бізнесу

MCP потрібен там, де люди вже працюють в AI-чаті, а дані лежать у системах:

• керівник питає про продажі, маржу й дебіторку звичайними словами й отримує цифри з обліку — сценарій описано на сторінці звітів і аналітики з AI;
• менеджер знаходить угоди, що «зависли», не відкриваючи CRM;
• бухгалтер звіряє касу за день;
• розробник підключає базу чи трекер задач до Cursor або Claude Code.

Попит поки що невеликий, але помітний. У нашій вибірці зі 187 AI-замовлень на українських біржах фрилансу (червень–вересень 2026 року) MCP прямо згадано в семи. Серед них — MCP-плагін для ChatGPT до бази на AppSheet лише на читання (бюджет 3 000 грн, медіана ставок 8 600 грн, строк 4 дні) і налаштування системи на Claude з MCP та агентами для підприємця. У глобальній вибірці зі 183 оголошень таких запитів більше — 13: команди збирають на Claude й MCP внутрішню «операційну систему». А в Google Trends запит «mcp server» у США зріс майже з нуля до індексу 64 у II кварталі 2026 року (наш аналіз від 29 вересня 2026 року).

Коли AI вже бачить ваші системи, наступний крок — AI-агент, який сам веде процес, а не чекає запитання. Чим відрізняються ці ролі, видно на прикладах AI-агентів для бізнесу.

Що можна зробити самому і коли власний сервер не потрібен

Почати можна без розробки:

1. Перевірте готові конектори. У каталогах Claude і ChatGPT є підключення до популярних сервісів: дисків, календарів, трекерів задач. Якщо ваша система там є, писати нічого не треба.
2. Спробуйте локальний сервер. У Claude Desktop сервер додається кількома рядками у файлі налаштувань (Settings → Developer → Edit Config). Для проби підійде один з еталонних серверів проєкту MCP, наприклад для роботи з файлами в обраній теці.
3. Перевіряйте сервер окремо від моделі. Для цього є офіційний інструмент MCP Inspector: він показує інструменти сервера й дає викликати їх вручну.
4. Є розробник у команді? Офіційні SDK існують для TypeScript, Python, Go і C#.

Який тариф дозволяє підключати власні сервери, у кожного AI-клієнта по-різному й часто змінюється. Перевірте це до початку робіт.

Власний MCP-сервер не потрібен, якщо:

• процес має йти сам, за розкладом чи подією, — це сценарій автоматизації на n8n;
• відповіді лежать у документах, а не в системах, — це RAG або готовий інструмент на кшталт NotebookLM;
• потрібен бот для клієнтів в одному месенджері — агентові вистачить прямих інтеграцій;
• даними користується одна людина раз на місяць — вивантаження в таблицю простіше.

А потрібен, коли система власна або нетипова (своя конфігурація BAS чи 1С, особливі поля в KeyCRM, внутрішній API), нею користуються кілька людей із різними правами, важливий журнал дій або дані не мають залишати вашу інфраструктуру. Ширші сценарії, де агент сам працює в кількох системах, — на сторінці інтеграцій AI з 1С, BAS і CRM.

Ризики й безпека

Це не наші перестороги. OpenAI у документації для розробників прямо попереджає: власні MCP-сервери компанія не розробляє й не перевіряє, тож підключати варто лише ті, яким ви довіряєте. А проєкт MCP веде окремий посібник з безпеки, де описано, зокрема, компрометацію локальних серверів і помилки з токенами доступу.

Типові помилки

• Видати серверу адміністраторський доступ. Модель зможе все, що може токен. Почніть з окремого користувача з мінімальними правами.
• Відкрити запис одразу. Спершу читання на тестових даних, потім чернетки й лише тоді зміни з підтвердженням.
• Підключити десяток серверів «про запас». Описи всіх інструментів потрапляють у контекст моделі: це зайві витрати й більше шансів на хибний виклик. Залишайте тільки потрібні.
• Не вести журналу. Без запису, хто й що викликав, помилку не розслідувати.

Скільки коштує MCP-сервер

Окремих замовлень на біржах ще мало, тож ринкової медіани немає. Єдиний орієнтир із нашої вибірки — згадане замовлення на простий сервер лише на читання: бюджет 3 000 грн, медіана ставок 8 600 грн.

У Myrado:

• прототип лише на читання для однієї системи — від 25 000 грн, приблизно тиждень;
• робочий сервер із входом через OAuth, ролями, журналом дій і хостингом — від 60 000 грн, 2–3 тижні;
• супровід — від 3 000 грн на місяць.

Підписки на Claude чи ChatGPT і використання моделей ви оплачуєте окремо, у власних акаунтах. Код із першого дня лежить у вашому репозиторії.

Чекліст: чи потрібен вам MCP-сервер

1. Команда вже щодня користується Claude, ChatGPT чи Cursor?
2. Є 10–20 запитань або дій, які люди регулярно виконують у системі вручну?
3. Система має API, OData чи хоча б копію бази для читання?
4. Готового конектора для неї немає?
5. Визначено, хто що може бачити й змінювати?
6. Є тестова копія або пісочниця, на якій можна пробувати?
7. Зрозуміло, які дії потребують підтвердження людини?
8. Відомо, де розміщувати сервер і хто його оновлюватиме?

Якщо на перші чотири запитання відповідь «так», власний сервер має сенс. Якщо ні — почніть із готових конекторів і подивіться, чи команда справді ними користується.

Як ми робимо MCP-сервери

• Спершу читання. Прототип — це 2–3 інструменти лише на читання для однієї системи, які працюють у вашому AI-клієнті на тестових даних.
• Запис — з підтвердженням. AI пропонує зміну, людина натискає «Підтвердити». Видалення не відкриваємо, якщо ви про це не просите.
• Права й журнал. Кожен входить під власним акаунтом, а кожен виклик записується: хто, який інструмент, з якими параметрами.
• Ваш код і ваша інфраструктура. Репозиторій ваш із першого дня; сервер може працювати у вашій хмарі.

Як це виглядає для CRM, 1С/BAS і баз даних, показано на сторінці розробки MCP-серверів. Там же є конструктор: обираєте систему й рівень доступу — і бачите інструменти, які ми б написали.