Большие языковые модели впечатляют, но у них есть фундаментальная проблема: они ничего не знают о вашем бизнесе. ChatGPT не в курсе ваших внутренних регламентов, а локальная LLM не имеет доступа к CRM. MCP — Model Context Protocol — решает именно эту задачу. Разберёмся, как это работает, без маркетинга и хайпа.
Проблема: LLM в вакууме
Представьте, что вы спрашиваете у ИИ: «Какая выручка по продукту X за прошлый месяц?». Модель либо hallucinate (придумывает цифры), либо честно говорит «я не знаю». Причина проста: модель обучена на публичных данных и не имеет доступа к вашей базе, CRM или Excel-файлам.
Традиционные решения — fine-tuning (дообучение на ваших данных) и RAG (поиск по документам). Оба подхода работают, но требуют инфраструктуры и инженерных усилий. MCP предлагает более простую альтернативу: дать модели инструменты.
Что такое MCP
MCP (Model Context Protocol) — это открытый протокол, предложенный Anthropic. По сути, это стандартный способ для LLM «позвать» внешний инструмент: прочитать файл, сделать запрос в базу, отправить HTTP-запрос, запустить скрипт.
Работает это так: вы описываете набор инструментов в виде MCP-сервера (небольшая программа), а клиент (например, Claude Desktop или своя обвязка) подключает эти инструменты к модели. Когда модель хочет получить данные, она вызывает инструмент вместо того, чтобы угадывать.
- Модель получает запрос пользователя
- Модель определяет, что нужен доступ к внешним данным
- Модель вызывает MCP-инструмент (например, «прочитай последние 10 заявок из CRM»)
- Инструмент выполняет запрос и возвращает структурированный ответ
- Модель использует эти данные для формирования финального ответа
Почему это проще, чем кажется
Раньше, чтобы дать модели доступ к базе данных, нужно было писать middleware, разбирать intent пользователя, парсить SQL, следить за безопасностью. С MCP вы просто описываете инструмент: вот его имя, вот какие параметры он принимает, вот что он возвращает. Модель сама решает, когда и как его вызвать.
Пример инструмента для CRM
Вы пишете MCP-сервер с одним инструментом get_recent_deals, который делает SQL-запрос к Bitrix24 REST API. Клиент подключает сервер к модели. Пользователь спрашивает: «Какие сделки в работе на этой неделе?». Модель сама вызывает get_recent_deals, получает JSON с пятью сделками и формулирует ответ.
Где это уже работает
MCP активно развивается и уже поддерживается в нескольких продуктах:
- Claude Desktop — нативная поддержка MCP-серверов
- Плагины для VS Code и других IDE
- Open-source клиенты для подключения MCP к любым LLM (Ollama, LM Studio, OpenAI)
- Готовые MCP-серверы для популярных сервисов: Google Drive, Slack, GitHub, PostgreSQL
Ключевое преимущество — стандартизация. Один раз написанный MCP-сервер для вашей внутренней системы может использоваться разными моделями и клиентами без изменений.
Безопасность: что важно знать
Когда вы даёте модели доступ к инструментам, вы даёте ей доступ к данным. Важно ограничить этот доступ:
- Read-only инструменты — модель не должна иметь возможность удалять данные
- Явный список разрешённых операций — не «доступ к API», а «доступ к конкретному эндпоинту»
- Логирование всех вызовов инструментов — всегда знать, что модель запрашивала
- Rate limiting — ограничение количества вызовов в минуту
С чего начать
Самый простой старт — взять готовый MCP-сервер из каталога (github.com/modelcontextprotocol/servers) и подключить его к Claude Desktop. Вы увидите, как это работает, за 15 минут. Затем можно написать свой сервер под конкретную задачу: подключить к 1С, к внутреннему документообороту или к производственной MES-системе.
У нас в Avroflex мы используем MCP для подключения LLM-агентов к данным заказчиков: CRM, ERP, базам знаний. Без MCP каждый проект требовал бы написания кастомного middleware. С MCP — 80% это готовый протокол и open-source библиотеки.
Резюме
MCP — не хайп, а реальный стандарт для подключения LLM к данным. Он снижает порог входа в AI-автоматизацию с «нужна команда ML-инженеров» до «нужен один разработчик, который понимает REST API». Если вы думаете о внедрении AI в бизнес-процессы — начните с MCP.