Что мы делаем
-
Проектирование инструментов
5-20 задач, которые пользователи действительно поручили бы ассистенту, с названиями, описаниями и схемами, понятными модели.
-
Слой над вашим API
Тонкий слой над существующими эндпоинтами, чтобы бизнес-правила и права доступа жили в одном месте.
-
OAuth и права
Вход через OAuth, права конкретного пользователя на каждом вызове, отдельные права на чтение и запись.
-
Безопасная запись
Черновики вместо мгновенной публикации, подтверждение необратимых действий, лимиты на массовые операции.
-
Тесты с ассистентами
Реалистичные запросы через Claude, ChatGPT и инструменты разработчика с проверкой выбора инструментов и аргументов.
-
Хостинг и мониторинг
Развертывание в Docker, метрики для каждого инструмента, журнал действий и оповещения о всплесках ошибок.
Клиенты спрашивают: "А с Claude вы работаете?"
Ваши пользователи уже сидят в Claude или ChatGPT. Они копируют туда данные из вашего продукта, просят подытожить и потом вручную переносят результат обратно. Рано или поздно кто-то из клиентов спрашивает об "интеграции с ИИ", и встраивать полноценного ассистента в свой интерфейс ради этого не хочется. Для такой ситуации и придумали Model Context Protocol.
MCP-сервер открывает ассистенту действия вашего продукта (инструменты, tools), данные для чтения (ресурсы, resources) и шаблоны (промпты, prompts). Пользователь подключает ваш продукт к Claude, ChatGPT или инструменту разработчика и пишет обычным языком: найди сделку с этим клиентом, подытожь активность за неделю, создай черновик ответа. Ассистент делает это через ваш сервер и с правами именно этого пользователя, а не с каким-то общим ключом.
Коротко о понятиях, транспортах и аутентификации рассказывает руководство что такое MCP-сервер. Эта страница о том, как у нас идет разработка MCP-серверов на заказ.
Кому MCP-сервер на заказ нужен, а кому еще рано
Чаще всего это SaaS-продукты с рабочими данными: задачи, тикеты, записи CRM, документы, заказы, аналитика. MCP-сервер для SaaS позволяет пользователям спрашивать ассистента об этих данных и обновлять их, не переключая вкладки. Второй частый случай: внутренние системы вроде ERP, CRM или бэк-офиса, где сотрудникам и внутренним ИИ-агентам нужен контролируемый доступ к тем же действиям, которые люди делают руками.
Бывает, что продукт строит собственных агентов. MCP-сервер тогда дает им инструменты один раз и для всех, а позже тот же сервер можно открыть клиентам. И еще команды, где ИИ-агенты пишут код: им нужен контролируемый доступ к внутренним сервисам, тестовым данным или инструментам развертывания.
Рано, если у продукта пока нет стабильного API, права доступа слишком грубые или основной сценарий визуальный и на действия не переводится. Тогда мы начинаем со слоя API или с инструментов только для чтения.
Мы пользуемся MCP-серверами каждый день
Мы создаем и эксплуатируем MCP-серверы в продакшене для собственных систем, и ими каждый день пользуются и наша команда, и наши ИИ-агенты для написания кода. Из этой практики и наши правила проектирования. Размытое описание инструмента заставляет модель угадывать. Без проверки входных данных в систему попадает мусор. А инструмент для записи, который публикует сразу, должен был бы создавать черновик.
В клиентском проекте создание MCP-сервера идет так:
| Шаг | Что мы делаем | Что вы получаете |
|---|---|---|
| 1. Оценка объема | Анализируем ваш API, модель данных и права доступа; составляем перечень задач, которые пользователи поручили бы ассистенту | Список инструментов с приоритетами и фиксированную цену |
| 2. Проектирование инструментов | Названия, описания, типизированные схемы, компактные ответы, сообщения об ошибках, по которым модель может восстановиться | Спецификацию инструментов, которую может просмотреть ваша команда |
| 3. Сервер и аутентификация | Удаленный сервер на Streamable HTTP, OAuth, проверка прав пользователя на каждом вызове | Рабочий сервер в тестовой среде |
| 4. Безопасность и ограничения | Черновики, подтверждения, лимиты запросов, тесты изоляции между клиентами, проверки на prompt injection | Записку по безопасности для вашего аудита |
| 5. Тестирование с клиентами | Реалистичные запросы через Claude, ChatGPT и инструмент разработчика | Отчет о тестировании с результатами выбора инструментов |
| 6. Запуск | Развертывание, логирование, метрики, документация для ваших клиентов | Сервер в продакшене и инструкцию по эксплуатации |
Инструментов обычно 5-20, и выбираем мы их по тому, что пользователи действительно хотят поручить ассистенту. Сервер пишем на официальных SDK, тонким слоем над существующими эндпоинтами или сервисным слоем, чтобы бизнес-правила и права доступа не дублировались. Язык выбираем под ваш продукт. Наш основной бэкенд PHP и Symfony, но пишем и на TypeScript и Python, если так лучше для вашего API или хостинга. Как мы выбираем между PHP SDK и Node-сайдкаром, рассказано отдельно.
Локальный или удаленный MCP-сервер?
Почти для каждого SaaS-продукта правильный ответ: удаленный MCP-сервер в облаке через HTTP. Клиенты подключают его из веб- и десктопных ассистентов без всякой установки, а аутентификация, обновления и логи у вас в одном месте. Локальный сервер работает на машине пользователя через stdio и подходит для инструментов разработчика, которым нужны файлы или командная строка.
Некоторым продуктам нужны оба: удаленный сервер для клиентов и небольшой локальный для ИИ-агентов вашей инженерной команды. Это решаем на этапе оценки объема, глядя на то, кто пользователи и где живут данные.
Ограничения живут на сервере, а не в модели
MCP-сервер дает модели возможность действовать, поэтому границы должен держать сервер. Ассистент всегда действует от имени пользователя, который вошел, и никогда не через общий админский ключ. Клиентам, которым нужны только поиск и сводки, даем права только на чтение, запись открываем там, где она действительно нужна.
Текст из писем, документов и веб-страниц может содержать prompt injection, поэтому входные данные инструментов проверяем как любые внешние данные. Запись делаем безопасной: черновики, мягкое удаление, подтверждение необратимых действий, ограниченные массовые операции. Автоматические тесты доказывают, что одна организация не доберется до данных другой. Зациклившаяся модель может вызвать инструмент сотни раз, поэтому есть лимиты на пользователя, а журнал действий показывает клиенту, что именно сделал его ассистент.
Так же мы защищаем продукты, которые делаем для клиентов. В AI Grief Companion каждое сообщение шифруется еще при приеме отдельным ключом AES-256-GCM в KMS-конверте, потому что это глубоко личные данные. А отключение подключенного мессенджера там отзывает доступ, ничего не удаляя: стирание данных вынесено в отдельное осознанное действие.
MCP-сервер, ИИ-агент или ИИ-функция в продукте
Это три разные задачи, и во многих продуктах со временем появляется больше одной.
| Вариант | Кто пользуется | Когда подходит лучше всего |
|---|---|---|
| MCP-сервер | Ваши пользователи, в ассистенте, которым они уже пользуются | Пользователи хотят работать с вашим продуктом из Claude, ChatGPT или своих инструментов |
| ИИ-функция в продукте | Ваши пользователи, в вашем интерфейсе | Возможность ИИ является частью опыта работы с вашим продуктом |
| ИИ-агент | Ваша команда или ваша система, которая выполняет рабочий процесс | Многошаговая задача должна выполняться с минимальным участием человека |
MCP-сервер часто самый дешевый первый шаг: он повторно использует ваш API, а пользователи работают в привычном ассистенте. Если модель нужна внутри вашего интерфейса, вам к интеграции ИИ. Если нужна программа, которая проходит целый рабочий процесс, смотрите разработку ИИ-агентов. Наши агенты, кстати, тоже обычно добираются до ваших систем через MCP-серверы. А для трехъязычного магазина станков мы открыли публичный MCP-эндпоинт, чтобы ИИ-ассистенты могли запрашивать каталог и цитировать его.
Сколько длится разработка MCP-сервера и сколько она стоит?
Для продукта с чистым API первый удаленный MCP-сервер с продуманным набором инструментов, OAuth и логированием занимает 2-6 недель. Большая часть времени уходит на выбор инструментов, описания, понятные модели, авторизацию и тесты с реальными ассистентами. Сам протокол занимает меньше всего.
Цену определяют количество инструментов, состояние вашего API, сложность модели прав, требование работать на вашей инфраструктуре и то, сколько ИИ-клиентов нужно поддержать и протестировать.
Первый сервер с продуманным набором инструментов обычно укладывается в один AI Sprint: 10 000 USD за 4 недели, фиксированная цена, исходный код в вашем репозитории. Более крупные серверы или те, для которых сначала нужно построить слой API, оцениваем после короткого разговора. Минимальный объем проекта у нас 10 000 USD.
Что мы за компания по разработке MCP-серверов
Мы разработчики Model Context Protocol не из теории: MCP-серверы для собственных систем работают у нас в продакшене, поэтому сбои, которые появляются только после недель реального использования, мы уже видели. Мы также интегрируем Claude API и OpenAI API в продукты и строим на них агентов, поэтому проектируем инструменты и со стороны модели, и со стороны API.
ИИ для реальных пользователей мы тоже запускали. Наш собственный AI Resume Master, ИИ-SaaS на OpenAI API, мы создали примерно за три месяца, и он достиг 50 000 активных пользователей в месяц. За архитектуру, безопасность и ревью отвечают senior-инженеры, а ИИ-агенты для написания кода под их надзором ускоряют рутину.
Lytvynov Production основана в 2019 году в Днепре, Украина.
Кейсы
Следующий шаг
Пришлите ссылку на документацию вашего API и несколько задач, которые ваши пользователи поручили бы ассистенту. За 30 минут разговора мы предложим первый набор инструментов, отметим вопросы прав доступа и безопасности и скажем, укладывается ли это в один спринт. Напишите нам, чтобы договориться о звонке.
Как мы работаем
-
Оценка объема
Анализируем API, модель данных и права, составляем список инструментов и фиксированную цену.
-
Спецификация инструментов
Названия, описания, схемы и сообщения об ошибках, которые ваша команда может просмотреть.
-
Сервер и безопасность
Streamable HTTP, OAuth, лимиты, тесты изоляции клиентов и записка по безопасности.
-
Тесты с клиентами
Прогоняем запросы через несколько ассистентов и даем отчет о выборе инструментов.
-
Запуск
Продакшен, логирование, метрики, документация для ваших клиентов и инструкция по эксплуатации.
Два способа работать с нами
Проект с фиксированной ценой
Четкий объем, фиксированная цена, согласованная до старта и демо каждую неделю. Подходит для нового продукта или понятной части работы.
Оценить проектВыделенная команда
Senior-инженеры, которые месяц за месяцем работают только над вашим продуктом, по вашим приоритетам и в ваших репозиториях.
О выделенной команде