Что такое MCP-сервер?

MCP-сервер это программа, которая позволяет ИИ-ассистентам пользоваться продуктом: она открывает действия и данные продукта через Model Context Protocol (MCP), так что модель вроде Claude или ChatGPT может искать информацию и выполнять действия от имени пользователя. Представьте его как API, созданный для ИИ-клиентов, а не для разработчиков-людей.

Model Context Protocol это открытый стандарт, который Anthropic представила в ноябре 2024 года, чтобы решить повторяющуюся проблему: каждому ИИ-приложению был нужен отдельный код для подключения к каждому инструменту. MCP определяет один общий способ, которым ИИ-приложение (клиент, его также называют хостом) узнает, что предлагает сервер, и вызывает это. Сообщения используют JSON-RPC 2.0. Как только у продукта есть MCP-сервер, любой MCP-совместимый ассистент может подключиться к нему без отдельной интеграции, подобно тому, как любой браузер может открыть любой сайт, работающий по HTTP.

Что открывает MCP-сервер?

MCP-сервер открывает три вида возможностей: инструменты, ресурсы и промпты. Инструменты используются шире всего; ресурсы и промпты это полезные дополнения в зависимости от продукта и того, что поддерживает клиент.

Возможность Что это Кто решает ее использовать Пример в SaaS для управления проектами
Инструменты (tools) Функции, которые может вызвать модель, с названием, описанием и JSON-схемой входных данных Модель, обычно с подтверждением пользователя create_task, update_status, log_time, search_tasks
Ресурсы (resources) Данные для чтения, идентифицированные URI Приложение или пользователь README проекта, отчет по спринту, документ
Промпты (prompts) Шаблоны промптов с параметрами для повторного использования Пользователь, часто как slash-команда "Подведи итоги этого спринта", "Подготовь черновик release notes"

Хорошее описание инструмента весит столько же, сколько код за ним. Модель решает, какой инструмент вызвать, на основе его названия, описания и схемы входных данных, так что размытые описания приводят к ошибочным вызовам. Результаты инструментов должны быть компактными и читаемыми: возвращайте поля, нужные модели, а не всю строку базы данных с пятьюдесятью колонками.

Протокол также определяет возможности, которые работают в обратном направлении, от клиента к серверу, например запрос у пользователя недостающих данных (elicitation) или запрос на генерацию моделью (sampling). Их поддержка зависит от клиента, так что большинство продакшен-серверов в первую очередь полагаются на инструменты.

Как подключается MCP-сервер: stdio или HTTP?

MCP-серверы подключаются через один из двух стандартных транспортов: stdio для локальных серверов, которые работают на компьютере пользователя, и HTTP (транспорт "Streamable HTTP") для удаленных серверов, которые работают в облаке. SaaS-продукту почти всегда нужен удаленный HTTP-сервер.

stdio (локальный) Streamable HTTP (удаленный)
Где работает Как процесс, который запускает ИИ-клиент на компьютере пользователя На ваших серверах, доступен по URL
Установка Пользователь устанавливает и настраивает его Пользователь добавляет URL и входит в систему
Типичное использование Инструменты разработчиков, файловая система, локальные базы данных, CLI SaaS-продукты, общие корпоративные системы
Аутентификация Обычно токен или ключ в локальной конфигурации Авторизация на основе OAuth для каждого пользователя
Обновления Каждый пользователь обновляет свою копию Вы разворачиваете один раз для всех
Логирование и контроль На компьютере пользователя Централизованно, под вашим контролем

Ранние версии спецификации использовали для удаленных серверов отдельный транспорт HTTP плюс Server-Sent Events; в 2025 году его заменил транспорт Streamable HTTP. Если оцениваете более старый сервер или SDK, проверьте, какой транспорт он реализует, потому что новые клиенты ожидают текущий.

Как работает аутентификация MCP-сервера?

Удаленные MCP-серверы аутентифицируют пользователей через OAuth: ассистент переводит пользователя на экран входа и согласия вашего продукта, получает токен доступа и предъявляет его с каждым запросом. Сервер затем действует с правами именно этого пользователя.

Спецификация авторизации MCP опирается на OAuth 2.1 и связанные стандарты, в том числе метаданные, которые сообщают клиентам, где находится ваш сервер авторизации. На практике это означает:

  1. Пользователь добавляет URL вашего сервера в своего ассистента.
  2. Ассистент находит ваш сервер авторизации и запускает OAuth-процесс.
  3. Пользователь входит в ваш продукт и одобряет запрошенный доступ.
  4. Каждый вызов инструмента содержит токен, ограниченный этим пользователем и этими правами.

Два правила предотвращают большинство проблем с безопасностью. Во-первых, сервер должен проверять, что токены выданы именно для него, и не передавать токен клиента другим сервисам. Во-вторых, права должны проверяться на сервере для каждого вызова, так же как это делает ваше веб-приложение. Для внутренних инструментов и ранних прототипов распространенное упрощение это API-ключ на пользователя, но SaaS для клиентов должен использовать полноценный OAuth.

Когда SaaS-продукту стоит выпускать MCP-сервер?

SaaS-продукту стоит выпустить MCP-сервер, когда клиенты уже используют ИИ-ассистентов в работе и выиграли бы от того, чтобы просить этих ассистентов читать или менять данные в продукте. Если пользователи регулярно копируют данные из вашего приложения в ChatGPT или Claude или просят "интеграцию с ИИ", это и есть сигнал.

Хорошие причины его создать:

  • Ваш продукт хранит рабочие данные, которые люди хотят обобщать, искать или обновлять: задачи, тикеты, записи CRM, документы, заказы, аналитику.
  • Действия повторяются: создание записей, смена статусов, учет времени, подготовка черновиков ответов.
  • Клиенты просят функций ИИ, а вы хотите дать им это без создания полноценного ассистента внутри продукта.
  • Дистрибуция: ИИ-ассистенты все чаще показывают и рекомендуют коннекторы, так что присутствие там ставит ваш продукт туда, где пользователи уже работают.

Причины подождать: у продукта еще нет стабильного API, данные очень чувствительны, а ваша модель прав недостаточно детальная, или ключевой процесс визуальный и не переводится в действия, которые может выполнить модель. В таких случаях сначала исправьте API и права доступа или начните с инструментов только для чтения.

MCP-сервер не заменяет функции ИИ внутри продукта. Он их дополняет: функции в продукте обслуживают пользователей в вашем интерфейсе, а MCP тех, кто живет в своем ассистенте. Если вы выбираете между этими двумя вариантами, наш гайд по интеграции ChatGPT или Claude в приложение описывает сторону функций внутри продукта.

Какие риски безопасности есть у MCP-серверов?

Основные риски: prompt injection, слишком широкие права, разрушительные действия без подтверждения и утечка данных между пользователями. MCP-сервер дает модели возможность действовать, так что именно сервер, а не модель, должен быть местом, где применяются ограничения.

  • Prompt injection: текст внутри документа, письма или веб-страницы может приказать модели вызвать инструменты, которые пользователь не имел в виду. Исходите из того, что входные данные инструментов могут быть поддельными, и проверяйте их, как любые непроверенные данные.
  • Отравление описаний инструментов: клиентам стоит подключаться только к серверам, которым они доверяют, потому что вредоносные описания могут направлять модель. Как поставщик, держите описания фактическими и стабильными.
  • Слишком широкие права: давайте токенам минимально нужные права. Предлагайте права только на чтение клиентам, которым нужны только поиск и выжимки.
  • Разрушительные действия: избегайте или четко помечайте удаления и массовые операции; предпочитайте мягкое удаление и черновики. Многие клиенты просят пользователя подтверждать вызовы инструментов, но не полагайтесь только на это.
  • Утечки между клиентами: каждый запрос должен быть ограничен аутентифицированным пользователем и организацией, и это должны подтверждать тесты.
  • Лимиты запросов и расходы: зациклившаяся модель может вызвать инструмент сотни раз. Применяйте лимиты запросов на пользователя.
  • Журналы аудита: записывайте, какой пользователь, какой клиент и какой инструмент, с входными данными и результатами, чтобы клиенты видели, что делал их ассистент.

Как создается MCP-сервер?

MCP-сервер обычно создают с помощью одного из официальных SDK (есть для TypeScript, Python и нескольких других языков) как тонкий слой поверх существующего API или сервисного уровня. Работа касается не столько протокола, сколько выбора правильных инструментов и обеспечения прав доступа.

Типичный проект проходит такие шаги:

  1. Выбрать задачи: перечислить 5-20 задач, которые пользователи просили бы ассистента выполнить в вашем продукте. Меньше инструментов с хорошими описаниями лучше, чем инструмент на каждый endpoint.
  2. Спроектировать инструменты: понятные названия, описания, написанные для модели, типизированные схемы входных данных, компактные результаты и полезные сообщения об ошибках, после которых модель может исправиться.
  3. Авторизация: OAuth для удаленных серверов, права на уровне пользователя для каждого вызова, отдельные права на чтение и запись.
  4. Безопасные настройки по умолчанию: черновики вместо немедленной публикации, подтверждение для необратимых действий, лимиты на массовые операции.
  5. Тестирование с реальными клиентами: подключить Claude, ChatGPT и инструмент разработчика, выполнить реалистичные запросы и проверить, что модель выбирает правильные инструменты с правильными аргументами.
  6. Наблюдаемость: логирование, метрики для каждого инструмента и оповещения о всплесках ошибок.

Для продукта с чистым API первый удаленный сервер обычно требует 2-6 недель. Если вашему продукту нужны функции ИИ сверх MCP, например агенты, которые самостоятельно выполняют рабочие процессы, смотрите наш гайд сколько стоит ИИ-агент.

Как мы создаем MCP-серверы в Lytvynov Production?

Сначала мы создаем MCP-серверы для собственных продуктов. И наша внутренняя доска проектов, и CMS нашего сайта имеют MCP-серверы, так что наша команда и наши ИИ-агенты для написания кода каждый день создают и обновляют задачи, учитывают время и редактируют содержимое сайта из Claude и других ассистентов. Это ежедневное использование показало нам, где такие серверы ломаются: размытые описания инструментов, отсутствующая проверка полей, инструменты записи, которые публикуют сразу, хотя черновик был бы безопаснее, и расхождения между кодом сервера и тем, что на самом деле развернуто.

Для клиентов мы применяем тот же подход к SaaS-продуктам и внутренним системам. Мы создавали системы задач и тикетов, например платформу управления задачами на заказ для команды поддержки телеком-компании, и функции на LLM в нашем собственном SaaS AI Resume Master. Наш бэкенд-стек это PHP/Symfony с фронтендом на React, а MCP-серверы мы пишем на языке, который подходит вашему продукту, поверх вашего существующего API и модели прав доступа.

Следующий шаг

Если вы рассматриваете MCP-сервер для своего продукта, мы начинаем с короткого разговора для оценки объема: просматриваем ваш API и права доступа, выбираем первый набор инструментов, а после этого даем фиксированную цену. Посмотрите нашу услугу интеграции ИИ и разработки ИИ-агентов или свяжитесь с нами, чтобы обсудить ваш продукт.

Наши гайды об ИИ и разработке вверху вашего Google?

Добавьте Lytvynov Production как предпочтительный источник, и Google будет показывать наши новые гайды об ИИ-агентах, стоимости MVP и заказной разработке выше в выдаче.

Кейсы

Частые вопросы

Нет. Model Context Protocol представила Anthropic, но это открытая спецификация, и ее поддерживают многие ИИ-клиенты, в том числе приложения Claude, ChatGPT в поддерживаемых режимах и инструменты разработчиков вроде Cursor и Visual Studio Code. Один хорошо сделанный MCP-сервер может обслуживать нескольких ассистентов, и именно поэтому SaaS-компании предпочитают его отдельному плагину для каждой ИИ-платформы.

REST API создан для разработчиков, которые пишут под него код. MCP-сервер создан для моделей ИИ: он описывает каждый инструмент естественным языком с типизированной схемой входных данных, так что ассистент может решить, когда и как его вызвать. Большинство MCP-серверов это тонкий слой поверх существующего API, который добавляет описания, разумные значения по умолчанию, проверку прав и результаты в формате, удобном для чтения моделью.

Если у продукта уже есть чистый API, первый удаленный MCP-сервер со сфокусированным набором инструментов, входом через OAuth и логированием обычно требует 2-6 недель. Большая часть этого времени уходит на выбор правильных инструментов, написание описаний, понятных моделям, авторизацию и тестирование с реальными ассистентами. Продуктам без пригодного API сначала нужен этот слой.

Может быть безопасно, если сервер сам обеспечивает безопасность. Каждый запрос должен выполняться с правами пользователя, который вошел в систему, разрушительные действия должны требовать подтверждения или быть исключены, входные данные должны проверяться, а каждый вызов логироваться. Считайте любой текст, который присылает ассистент, непроверенным, потому что содержимое писем, документов или веб-страниц может содержать prompt injection.

Локальный сервер (транспорт stdio) делайте для инструментов разработчиков, которым нужен доступ к файлам или командной строке на компьютере пользователя. Удаленный сервер (транспорт HTTP) делайте для SaaS-продукта, потому что клиенты могут подключить его из веб- и десктопных ассистентов без какой-либо установки, а вы управляете обновлениями, аутентификацией и логированием в одном месте.

Давайте начнем ваш проект
Записаться на звонок