MCP протокол заменяет десятки коннекторов: как подключить ИИ к любому сервису

MCP протокол, или Model Context Protocol, это открытый стандарт, который Anthropic опубликовала в ноябре 2024 года. Его задача: дать языковым моделям единый способ обращаться к внешним источникам данных, инструментам и сервисам. До появления MCP протокола каждый разработчик строил свой «мост» между моделью и, скажем, базой данных или CRM. Теперь вместо этого есть общий формат, который поддерживают Claude, Cursor, Windsurf и другие клиенты.

Проще всего представить MCP как USB-порт для ИИ. Как USB позволяет подключить к компьютеру любое устройство без отдельного драйвера, так MCP протокол позволяет модели «подключиться» к любому внешнему сервису через единый интерфейс.

Из каких частей состоит MCP?

Архитектура MCP протокола строится на трёх элементах:

• MCP-хост (host) — приложение, в котором работает ИИ. Это может быть Claude Desktop, IDE с ИИ-ассистентом или ваше собственное приложение
• MCP-клиент (client) — компонент внутри хоста, который устанавливает соединение с сервером по протоколу. Один клиент общается ровно с одним сервером
• MCP-сервер (server) — лёгкая программа, которая предоставляет модели доступ к конкретному ресурсу: файловой системе, базе данных, API стороннего сервиса

Связь между клиентом и сервером идёт через JSON-RPC 2.0 (стандарт обмена структурированными сообщениями). Сервер может работать локально на вашей машине или удалённо.

Что понадобится

• Python 3.10+ или Node.js 18+ (зависит от выбранного SDK)
• Claude Desktop (бесплатная версия подходит) или другой MCP-совместимый клиент (Cursor, VS Code с расширением)
• Менеджер пакетов: pip для Python, npm для Node.js
• Текстовый редактор для правки конфигурации
• Примерно 30-40 минут на первый рабочий сервер

Пошаговая инструкция

1. Установите MCP SDK для Python. Откройте терминал и выполните:

pip install mcp

Для Node.js альтернатива:

npm install @modelcontextprotocol/sdk

1. Создайте минимальный MCP-сервер. Ниже пример на Python, сервер, который предоставляет модели доступ к текущей дате и времени:

from mcp.server import Server
from mcp.types import Tool
import datetime

server = Server("time-server")

@server.tool()
async def get_current_time() -> str:
    """Возвращает текущую дату и время"""
    return datetime.datetime.now().isoformat()

if __name__ == "__main__":
    server.run()

1. Зарегистрируйте сервер в клиенте. Для Claude Desktop откройте файл конфигурации:

2. macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

3. Windows: %APPDATA%\Claude\claude_desktop_config.json

Добавьте запись:

{
  "mcpServers": {
    "time-server": {
      "command": "python",
      "args": ["path/to/your/server.py"]
    }
  }
}

1. Перезапустите Claude Desktop. После перезапуска в интерфейсе появится иконка инструментов. Нажмите на неё и убедитесь, что ваш сервер виден в списке.

2. Проверьте работу. Напишите в чат Claude:

Какое сейчас время?

Модель обратится к вашему MCP-серверу и вернёт точное время с вашей машины, а не «примерное», как обычно делают языковые модели.

MCP-сервер на FastAPI для российских проектов

Для тех, кто строит на стеке FastAPI или Django, MCP протокол интегрируется напрямую. Пример обёртки для FastAPI:

from fastapi import FastAPI
from mcp.server import Server
from mcp.server.fastapi import create_mcp_routes

app = FastAPI()
mcp_server = Server("my-api-server")

@mcp_server.tool()
async def search_products(query: str) -> str:
    """Поиск товаров в каталоге"""
    # Здесь ваша логика обращения к БД
    return f"Результаты по запросу: {query}"

app.include_router(create_mcp_routes(mcp_server))

Такой сервер работает на вашей инфраструктуре, данные не уходят в облако. Для компаний, которые размещают серверы в российских дата-центрах, это критично: задержка (latency, время отклика между запросом и ответом) на локальной сети составляет единицы миллисекунд вместо сотен при обращении к зарубежным облакам.

Что с этого прямо сейчас, по ролям

Автору на Дзене. MCP протокол пока не про написание текстов напрямую. Но если вы используете Claude для исследований, можно подключить MCP-сервер к папке с вашими черновиками или базе заметок, и модель будет искать по ним, а не по интернету.

Разработчику. Главная выгода: пишете один MCP-сервер и любой совместимый клиент его подхватит. Не нужно делать отдельный плагин для Claude, отдельный для Cursor, отдельный для VS Code. Экосистема готовых серверов растёт: уже есть серверы для PostgreSQL, GitHub, Slack, Google Drive.

Предпринимателю в РФ. MCP-сервер можно развернуть полностью на своих мощностях. Данные клиентов не покидают ваш контур. Для работы с российскими моделями (YandexGPT, GigaChat) MCP пока не поддерживается официально, но открытая спецификация позволяет написать адаптер самостоятельно.

Главное, что нужно запомнить: MCP протокол не требует глубоких знаний в машинном обучении. Если вы умеете написать функцию на Python, вы умеете сделать MCP-сервер. Начните с примера выше, замените get_current_time на что-то полезное для вашей работы, и через полчаса у вас будет рабочая интеграция, которую не придётся переписывать под каждый новый ИИ-клиент.