MCP простыми словами: что такое Model Context Protocol и MCP-сервер

MCP — это общая «розетка» между AI-ассистентом и вашими программами. Без него Claude или ChatGPT знают только то, что вы вставили в чат. С MCP-сервером ассистент может сам запросить данные в CRM, 1С/BAS или кассе и — если вы разрешили — что-то там изменить. Авторы стандарта сравнивают его с портом USB-C: один разъём для разных устройств.

Ниже — как это работает, кто поддерживает MCP в 2026 году, пример на нашем открытом сервере для кассы Checkbox, риски и цены. Если вам нужен сервер под собственную систему, это страница разработки MCP-серверов.

Что такое MCP: определение и краткая история

MCP (Model Context Protocol) — это открытый стандарт для подключения AI-приложений к внешним системам: источникам данных, инструментам и рабочим процессам. Так его определяет официальная документация проекта.

До MCP каждую пару «AI-приложение — система» соединяли отдельно: одна интеграция для ChatGPT и вашей CRM, другая — для Claude и той же CRM. Стандарт позволяет написать сервер один раз и подключать его к любому клиенту, который поддерживает протокол.

Источники: сообщение Anthropic о передаче MCP фонду, блог проекта MCP, сообщения OpenAI; о Claude Marketplace — по публикациям профильных изданий.

Кто поддерживает протокол сейчас. На сайте проекта среди клиентов названы Claude, ChatGPT, Visual Studio Code и Cursor; Anthropic в декабре 2025 года называла также Gemini и Microsoft Copilot. По данным блога проекта (июль 2026 года), официальные SDK скачивают почти полмиллиарда раз в месяц. Стандартом управляет не одна компания, а фонд, поэтому он не зависит от одного поставщика.

Как работает MCP: хост, клиент и сервер

В схеме три участника:

• Хост — AI-приложение, в котором вы работаете: Claude, ChatGPT, Cursor, VS Code.
• Клиент — часть хоста, которая держит соединение с одним сервером. Сколько серверов подключено, столько и клиентов.
• Сервер — программа, которая «переводит» запросы AI на язык вашей системы: вызывает её API или читает базу.

Сервер может дать AI три типа возможностей:

Путь одного вопроса выглядит так:

1. Вы спрашиваете в чате: «Сколько чеков пробили вчера и на какую сумму?»
2. У клиента уже есть перечень инструментов сервера с описаниями — он запросил его методом tools/list.
3. Модель выбирает инструмент и параметры, например поиск чеков за вчерашнюю дату, и клиент вызывает его методом tools/call.
4. Сервер проверяет права, обращается к API системы и возвращает результат.
5. Модель формулирует ответ обычным языком.

Если действие меняет данные, сервер может пометить его как необратимое, и тогда клиент обычно сначала просит вашего подтверждения. Как именно — зависит от клиента.

Сервер бывает локальным и удалённым. Локальный работает на вашем компьютере и общается с клиентом напрямую (транспорт stdio) — так удобно пробовать и работать самому. Удалённый доступен через интернет по HTTP сразу многим пользователям; для входа стандарт рекомендует OAuth.

Спецификация 2026-07-28 сделала протокол «без состояния» (stateless): каждый запрос содержит всё необходимое для обработки, поэтому удалённый сервер проще разместить на обычной веб-инфраструктуре. Устаревшие возможности, по словам авторов, будут работать ещё как минимум двенадцать месяцев.

Пример: открытый MCP-сервер для кассы Checkbox

Чтобы показать MCP не на абстракции, возьмём сервер, который мы написали и опубликовали под лицензией MIT: checkbox-mcp. Он подключает AI-ассистента к API сервиса Checkbox — программного регистратора расчётных операций (ПРРО), то есть кассы, которая передаёт каждый чек в налоговую.

Сразу оговорка. Это версия 0.1.0 и неофициальный проект, не связанный с компанией Checkbox. На настоящей кассе сервер ещё не проверяли: он написан по официальному описанию API, а все тесты работают с имитацией HTTP — ни с тестовым, ни с боевым кассиром его не запускали. Поэтому это пример архитектуры, а не готовый продукт.

С таким сервером ассистента можно спросить: «Покажи вчерашние чеки и сумму по каждой форме оплаты» или «Найди Z-отчёты за прошлую неделю и выведи последний».

Почему запись отключена по умолчанию:

• Чек — фискальный документ. Созданный чек нельзя ни изменить, ни удалить; ошибку можно только компенсировать чеком возврата. Поэтому без явного разрешения владельца инструменты записи вообще не регистрируются: модель их не видит и вызвать не может.
• Честные пометки. Инструменты чтения помечены как не меняющие ничего. Инструменты, которые создают фискальные записи, — как необратимые, чтобы AI-клиент просил подтверждение.
• Никаких повторов вслепую. Если запрос на запись завершился без определённого ответа, сервер не повторяет его, а сообщает, что результат неизвестен, и объясняет, как его проверить.
• Строгая проверка параметров. Неизвестный аргумент сервер отклоняет, а не игнорирует — чтобы ошибка в названии поля не превратилась в чек с неправильной суммой.
• Меньше данных модели. Списки возвращают краткие сводки без контактов покупателей.

Эти пять решений — не про Checkbox. Они годятся для любого сервера, который затрагивает деньги, документы или данные клиентов. А если вам нужна сама касса в магазине или приложении, это отдельная услуга — интеграция ПРРО и Checkbox.

MCP, API, RAG и n8n: в чём разница

MCP не заменяет API: сервер сам вызывает API вашей системы, просто в форме, понятной модели. И не заменяет RAG: поиск в документах может быть одним из инструментов сервера. Подробнее о соседних технологиях — в статьях RAG простыми словами и что такое n8n.

Зачем MCP бизнесу

MCP нужен там, где люди уже работают в AI-чате, а данные лежат в системах:

• руководитель спрашивает о продажах, марже и дебиторке обычными словами и получает цифры из учёта — сценарий описан на странице отчётов и аналитики с AI;
• менеджер находит «зависшие» сделки, не открывая CRM;
• бухгалтер сверяет кассу за день;
• разработчик подключает базу или трекер задач к Cursor или Claude Code.

Спрос пока небольшой, но заметный. В нашей выборке из 187 AI-заказов на украинских биржах фриланса (июнь–сентябрь 2026 года) MCP прямо упомянут в семи. Среди них — MCP-плагин для ChatGPT к базе на AppSheet только на чтение (бюджет 3 000 грн, медиана ставок 8 600 грн, срок 4 дня) и настройка системы на Claude с MCP и агентами для предпринимателя. В глобальной выборке из 183 объявлений таких запросов больше — 13: команды собирают на Claude и MCP внутреннюю «операционную систему». А в Google Trends запрос «mcp server» в США вырос почти с нуля до индекса 64 во II квартале 2026 года (наш анализ от 29 сентября 2026 года).

Когда AI уже видит ваши системы, следующий шаг — AI-агент, который сам ведёт процесс, а не ждёт вопроса. Чем отличаются эти роли, видно на примерах AI-агентов для бизнеса.

Что можно сделать самому и когда собственный сервер не нужен

Начать можно без разработки:

1. Проверьте готовые коннекторы. В каталогах Claude и ChatGPT есть подключения к популярным сервисам: дискам, календарям, трекерам задач. Если ваша система там есть, писать ничего не нужно.
2. Попробуйте локальный сервер. В Claude Desktop сервер добавляется несколькими строками в файле настроек (Settings → Developer → Edit Config). Для пробы подойдёт один из эталонных серверов проекта MCP, например для работы с файлами в выбранной папке.
3. Проверяйте сервер отдельно от модели. Для этого есть официальный инструмент MCP Inspector: он показывает инструменты сервера и позволяет вызывать их вручную.
4. Есть разработчик в команде? Официальные SDK существуют для TypeScript, Python, Go и C#.

Какой тариф позволяет подключать собственные серверы, у каждого AI-клиента по-разному и часто меняется. Проверьте это до начала работ.

Собственный MCP-сервер не нужен, если:

• процесс должен идти сам, по расписанию или событию, — это сценарий автоматизации на n8n;
• ответы лежат в документах, а не в системах, — это RAG или готовый инструмент вроде NotebookLM;
• нужен бот для клиентов в одном мессенджере — агенту хватит прямых интеграций;
• данными пользуется один человек раз в месяц — выгрузка в таблицу проще.

А нужен, когда система собственная или нетипичная (своя конфигурация BAS или 1С, особые поля в KeyCRM, внутренний API), ею пользуются несколько человек с разными правами, важен журнал действий или данные не должны покидать вашу инфраструктуру. Более широкие сценарии, где агент сам работает в нескольких системах, — на странице интеграций AI с 1С, BAS и CRM.

Риски и безопасность

Это не наши перестраховки. OpenAI в документации для разработчиков прямо предупреждает: собственные MCP-серверы компания не разрабатывает и не проверяет, поэтому подключать стоит только те, которым вы доверяете. А проект MCP ведёт отдельное руководство по безопасности, где описаны, в частности, компрометация локальных серверов и ошибки с токенами доступа.

Типичные ошибки

• Выдать серверу администраторский доступ. Модель сможет всё, что может токен. Начните с отдельного пользователя с минимальными правами.
• Открыть запись сразу. Сначала чтение на тестовых данных, потом черновики и лишь затем изменения с подтверждением.
• Подключить десяток серверов «про запас». Описания всех инструментов попадают в контекст модели: это лишние расходы и больше шансов на ошибочный вызов. Оставляйте только нужные.
• Не вести журнал. Без записи, кто и что вызывал, ошибку не расследовать.

Сколько стоит MCP-сервер

Отдельных заказов на биржах пока мало, поэтому рыночной медианы нет. Единственный ориентир из нашей выборки — упомянутый заказ на простой сервер только на чтение: бюджет 3 000 грн, медиана ставок 8 600 грн.

В Myrado:

• прототип только на чтение для одной системы — от 25 000 грн, примерно неделя;
• рабочий сервер со входом через OAuth, ролями, журналом действий и хостингом — от 60 000 грн, 2–3 недели;
• сопровождение — от 3 000 грн в месяц.

Подписки на Claude или ChatGPT и использование моделей вы оплачиваете отдельно, в собственных аккаунтах. Код с первого дня лежит в вашем репозитории.

Чек-лист: нужен ли вам MCP-сервер

1. Команда уже ежедневно пользуется Claude, ChatGPT или Cursor?
2. Есть 10–20 вопросов или действий, которые люди регулярно выполняют в системе вручную?
3. У системы есть API, OData или хотя бы копия базы для чтения?
4. Готового коннектора для неё нет?
5. Определено, кто что может видеть и менять?
6. Есть тестовая копия или песочница, на которой можно пробовать?
7. Понятно, какие действия требуют подтверждения человека?
8. Известно, где размещать сервер и кто будет его обновлять?

Если на первые четыре вопроса ответ «да», собственный сервер имеет смысл. Если нет — начните с готовых коннекторов и посмотрите, действительно ли команда ими пользуется.

Как мы делаем MCP-серверы

• Сначала чтение. Прототип — это 2–3 инструмента только на чтение для одной системы, которые работают в вашем AI-клиенте на тестовых данных.
• Запись — с подтверждением. AI предлагает изменение, человек нажимает «Подтвердить». Удаление мы не открываем, если вы об этом не просите.
• Права и журнал. Каждый входит под собственным аккаунтом, а каждый вызов записывается: кто, какой инструмент, с какими параметрами.
• Ваш код и ваша инфраструктура. Репозиторий ваш с первого дня; сервер может работать в вашем облаке.

Как это выглядит для CRM, 1С/BAS и баз данных, показано на странице разработки MCP-серверов. Там же есть конструктор: выбираете систему и уровень доступа — и видите инструменты, которые мы бы написали.