Скільки коштуватиме ваш проєкт у нас? Опишіть його кількома рядками і побачте наш діапазон за дві хвилини. Отримати оцінку

Що ми робимо

  • Проєктування інструментів

    5-20 завдань, які користувачі справді доручили б асистенту, з назвами, описами й схемами, зрозумілими моделі.

  • Шар над вашим API

    Тонкий шар над наявними ендпоінтами, щоб бізнес-правила й права доступу жили в одному місці.

  • OAuth і права

    Вхід через OAuth, права конкретного користувача на кожному виклику, окремі права на читання й запис.

  • Безпечний запис

    Чернетки замість миттєвої публікації, підтвердження незворотних дій, ліміти на масові операції.

  • Тести з асистентами

    Реалістичні запити через Claude, ChatGPT та інструменти розробника з перевіркою вибору інструментів і аргументів.

  • Хостинг і моніторинг

    Розгортання в Docker, метрики для кожного інструмента, журнал дій і сповіщення про сплески помилок.

Клієнти питають: "А з Claude ви працюєте?"

Ваші користувачі вже сидять у Claude чи ChatGPT. Вони копіюють туди дані з вашого продукту, просять підсумувати й потім вручну переносять результат назад. Рано чи пізно хтось із клієнтів питає про "інтеграцію з ШІ", і вбудовувати повноцінного асистента у свій інтерфейс заради цього не хочеться. Для такої ситуації і придумали Model Context Protocol.

MCP-сервер відкриває асистенту дії вашого продукту (інструменти, tools), дані для читання (ресурси, resources) і шаблони (промпти, prompts). Користувач підключає ваш продукт до Claude, ChatGPT чи інструмента розробника і пише звичайною мовою: знайди угоду з цим клієнтом, підсумуй активність за тиждень, створи чернетку відповіді. Асистент робить це через ваш сервер і з правами саме цього користувача, а не з якимось спільним ключем.

Коротко про поняття, транспорти й автентифікацію розповідає посібник що таке MCP-сервер. Ця сторінка про те, як у нас іде розробка MCP-серверів на замовлення.

Кому MCP-сервер на замовлення потрібен, а кому ще зарано

Найчастіше це SaaS-продукти з робочими даними: задачі, тікети, записи CRM, документи, замовлення, аналітика. MCP-сервер для SaaS дає користувачам питати асистента про ці дані й оновлювати їх, не перемикаючи вкладки. Другий частий випадок: внутрішні системи на кшталт ERP, CRM чи бек-офісу, де працівникам і внутрішнім ШІ-агентам потрібен контрольований доступ до тих самих дій, які люди роблять руками.

Буває, що продукт будує власних агентів. MCP-сервер тоді дає їм інструменти один раз і для всіх, а згодом той самий сервер можна відкрити клієнтам. І ще команди, де ШІ-агенти пишуть код: їм потрібен контрольований доступ до внутрішніх сервісів, тестових даних чи інструментів розгортання.

Зарано, якщо в продукту поки немає стабільного API, права доступу надто грубі або основний сценарій візуальний і на дії не перекладається. Тоді ми починаємо з шару API або з інструментів лише для читання.

Ми користуємося MCP-серверами щодня

Ми створюємо й експлуатуємо MCP-сервери в продакшені для власних систем, і ними щодня користуються і наша команда, і наші ШІ-агенти для написання коду. З цієї практики й наші правила проєктування. Розмитий опис інструмента змушує модель вгадувати. Без перевірки вхідних даних до системи доходить сміття. А інструмент для запису, який публікує одразу, мав би створювати чернетку.

У клієнтському проєкті створення MCP-сервера йде так:

Крок Що ми робимо Що ви отримуєте
1. Оцінка обсягу Аналізуємо ваш API, модель даних і права доступу; складаємо перелік завдань, які користувачі доручили б асистенту Список інструментів із пріоритетами й фіксовану ціну
2. Проєктування інструментів Назви, описи, типізовані схеми, компактні відповіді, повідомлення про помилки, з яких модель може відновитися Специфікацію інструментів, яку може переглянути ваша команда
3. Сервер і автентифікація Віддалений сервер на Streamable HTTP, OAuth, перевірка прав користувача на кожному виклику Робочий сервер у тестовому середовищі
4. Безпека й обмеження Чернетки, підтвердження, ліміти запитів, тести ізоляції між клієнтами, перевірки на prompt injection Записку з безпеки для вашого аудиту
5. Тестування з клієнтами Реалістичні запити через Claude, ChatGPT та інструмент розробника Звіт про тестування з результатами вибору інструментів
6. Запуск Розгортання, логування, метрики, документація для ваших клієнтів Сервер у продакшені й інструкцію з експлуатації

Інструментів зазвичай 5-20, і обираємо ми їх за тим, що користувачі справді хочуть доручити асистенту. Сервер пишемо на офіційних SDK, тонким шаром над наявними ендпоінтами чи сервісним шаром, щоб бізнес-правила й права доступу не дублювалися. Мову обираємо під ваш продукт. Наш основний бекенд PHP і Symfony, але пишемо й на TypeScript та Python, якщо так краще для вашого API чи хостингу. Як ми обираємо між PHP SDK і Node-сайдкаром, розказано окремо.

Локальний чи віддалений MCP-сервер?

Майже для кожного SaaS-продукту правильна відповідь: віддалений MCP-сервер у хмарі через HTTP. Клієнти підключають його з вебових і десктопних асистентів без жодного встановлення, а автентифікація, оновлення й логи у вас в одному місці. Локальний сервер працює на машині користувача через stdio і підходить для інструментів розробника, яким потрібні файли чи командний рядок.

Деяким продуктам потрібні обидва: віддалений сервер для клієнтів і невеликий локальний для ШІ-агентів вашої інженерної команди. Це вирішуємо на етапі оцінки обсягу, дивлячись, хто користувачі і де живуть дані.

Обмеження живуть на сервері, а не в моделі

MCP-сервер дає моделі змогу діяти, тож межі має тримати сервер. Асистент завжди діє від імені користувача, який увійшов, і ніколи не через спільний адмінський ключ. Клієнтам, яким потрібні лише пошук і підсумки, даємо права тільки на читання, запис відкриваємо там, де він справді потрібен.

Текст із листів, документів і вебсторінок може містити prompt injection, тому вхідні дані інструментів перевіряємо як будь-які зовнішні дані. Запис робимо безпечним: чернетки, м'яке видалення, підтвердження незворотних дій, обмежені масові операції. Автоматичні тести доводять, що одна організація не дістанеться до даних іншої. Модель, що зациклилася, може викликати інструмент сотні разів, тому є ліміти на користувача, а журнал дій показує клієнтові, що саме зробив його асистент.

Так само ми захищаємо продукти, які робимо для клієнтів. У AI Grief Companion кожне повідомлення шифрується ще під час приймання окремим ключем AES-256-GCM у KMS-конверті, бо це глибоко особисті дані. А вимкнення підключеного месенджера там відкликає доступ, нічого не видаляючи: стирання даних винесене в окрему свідому дію.

MCP-сервер, ШІ-агент чи ШІ-функція в продукті

Це три різні задачі, і в багатьох продуктах згодом з'являється більше ніж одна.

Варіант Хто користується Коли найкраще підходить
MCP-сервер Ваші користувачі, в асистенті, яким вони вже користуються Користувачі хочуть працювати з вашим продуктом із Claude, ChatGPT чи своїх інструментів
ШІ-функція в продукті Ваші користувачі, у вашому інтерфейсі Можливість ШІ є частиною досвіду роботи з вашим продуктом
ШІ-агент Ваша команда чи ваша система, що виконує робочий процес Багатокрокове завдання має виконуватися з мінімальною участю людини

MCP-сервер часто найдешевший перший крок: він повторно використовує ваш API, а користувачі працюють у звичному асистенті. Якщо модель потрібна всередині вашого інтерфейсу, вам до інтеграції ШІ. Якщо потрібна програма, що проходить цілий робочий процес, дивіться розробку ШІ-агентів. Наші агенти, до речі, теж зазвичай дістаються до ваших систем через MCP-сервери. А для тримовного магазину верстатів ми відкрили публічний MCP-ендпоінт, щоб ШІ-асистенти могли запитувати каталог і цитувати його.

Скільки триває розробка MCP-сервера і скільки вона коштує?

Для продукту з чистим API перший віддалений MCP-сервер із продуманим набором інструментів, OAuth і логуванням займає 2-6 тижнів. Більшість часу йде на вибір інструментів, описи, зрозумілі моделі, авторизацію й тести з реальними асистентами. Сам протокол займає найменше.

Ціну рухають кількість інструментів, стан вашого API, складність моделі прав, вимога працювати на вашій інфраструктурі й те, скільки ШІ-клієнтів треба підтримати й протестувати.

Перший сервер із продуманим набором інструментів зазвичай вкладається в один AI Sprint: 10 000 USD за 4 тижні, фіксована ціна, вихідний код у вашому репозиторії. Більші сервери або ті, для яких спершу треба збудувати шар API, оцінюємо після короткої розмови. Мінімальний обсяг проєкту в нас 10 000 USD.

Що ми за компанія з розробки MCP-серверів

Ми розробники Model Context Protocol не з теорії: MCP-сервери для власних систем працюють у нас у продакшені, тож збої, які з'являються лише після тижнів реального використання, ми вже бачили. Ми також інтегруємо Claude API та OpenAI API у продукти й будуємо на них агентів, тому проєктуємо інструменти і з боку моделі, і з боку API.

ШІ для реальних користувачів ми теж запускали. Наш власний AI Resume Master, ШІ-SaaS на OpenAI API, ми створили приблизно за три місяці, і він досяг 50 000 активних користувачів на місяць. За архітектуру, безпеку й рев'ю відповідають senior-інженери, а ШІ-агенти для написання коду під їхнім наглядом пришвидшують рутину.

Lytvynov Production заснована у 2019 році в Дніпрі, Україна.

Кейси

Наступний крок

Надішліть посилання на документацію вашого API і кілька завдань, які ваші користувачі доручили б асистенту. За 30 хвилин розмови ми запропонуємо перший набір інструментів, позначимо питання прав доступу й безпеки і скажемо, чи вкладається це в один спринт. Напишіть нам, щоб домовитися про дзвінок.

Як ми працюємо

  1. Оцінка обсягу

    Аналізуємо API, модель даних і права, складаємо список інструментів і фіксовану ціну.

  2. Специфікація інструментів

    Назви, описи, схеми й повідомлення про помилки, які ваша команда може переглянути.

  3. Сервер і безпека

    Streamable HTTP, OAuth, ліміти, тести ізоляції клієнтів і записка з безпеки.

  4. Тести з клієнтами

    Проганяємо запити через кілька асистентів і даємо звіт про вибір інструментів.

  5. Запуск

    Продакшен, логування, метрики, документація для ваших клієнтів та інструкція з експлуатації.

Два способи працювати з нами

Проєкт з фіксованою ціною

Чіткий обсяг, фіксована ціна, погоджена до старту і демо щотижня. Підходить для нового продукту або зрозумілої частини роботи.

Оцінити проєкт

Виділена команда

Senior-інженери, які місяць за місяцем працюють лише над вашим продуктом, за вашими пріоритетами і у ваших репозиторіях.

Про виділену команду

Часті запитання

Перший віддалений MCP-сервер для продукту з чистим API зазвичай вкладається в один AI Sprint із фіксованою ціною: 10 000 USD за 4 тижні, з продуманим набором інструментів, входом через OAuth, логуванням і тестами з реальними асистентами. Продукти без придатного API, зі складною моделлю прав доступу або з великою кількістю інструментів потребують більше часу, і цю роботу ми оцінюємо після короткої розмови. Мінімальний обсяг проєкту в нас становить 10 000 USD.

Зазвичай так, якщо ви хочете, щоб ШІ-асистенти добре працювали з вашим продуктом. REST API пишуть для розробників, а MCP-сервер описує кожну дію простою мовою з типізованою схемою, щоб модель могла обрати правильний інструмент і заповнити аргументи. Більшість наших MCP-серверів це тонкий шар над наявним API, тож бізнес-логіка й права доступу залишаються в одному місці.

Будь-який клієнт, що підтримує Model Context Protocol. Сьогодні це застосунки Claude, ChatGPT у режимах, де це підтримується, інструменти для розробників, як-от Cursor і Visual Studio Code, а також власні агенти на Claude чи OpenAI API. Перед запуском ми тестуємо сервер у кількох таких клієнтах, бо кожен обирає й викликає інструменти трохи по-своєму.

Обмеження забезпечує сервер, а не модель. Кожен виклик виконується з правами користувача, який увійшов через OAuth, інструменти для запису створюють чернетки або просять підтвердження, масові й руйнівні дії обмежені або виключені, вхідні дані перевіряються як недовірені, а кожен виклик логується з користувачем, клієнтом, інструментом і результатом. Ми також тестуємо, що один клієнт ніколи не дістанеться до даних іншого.

Так. Ми можемо розгорнути його на вашій інфраструктурі поруч із вашим API або запустити для вас у Docker на хмарному сервері. Підтримка охоплює оновлення протоколу й SDK, нові інструменти в міру зростання продукту та моніторинг частоти помилок для кожного інструмента. Вихідний код у будь-якому разі належить вам.

Почнімо ваш проєкт
Записатися на дзвінок