MCP

MCP (Model Context Protocol) — открытый протокол от Anthropic для подключения внешних инструментов и источников данных к LLM. Принцип: серверы MCP предоставляют tools и resources в стандартизованном формате, любой MCP-клиент (Claude Desktop, Claude Code, Cursor, Zed) может их использовать. Появился в 2024-м, к 2026-му — индустриальный стандарт интеграций AI с файловой системой, базами данных, GitHub, Slack и сотнями других сервисов.

Коротко

Коротко. MCP (Model Context Protocol) — это «USB-C для AI»: открытый стандарт от Anthropic, чтобы один и тот же tool работал в любом совместимом клиенте. Сервер MCP описывает, какие tools и данные предоставляет; клиент (Claude Desktop, Cursor, Claude Code, Zed) подключается и даёт LLM использовать их. К 2026-му в реестре уже сотни MCP-серверов: Slack, GitHub, Postgres, Notion, файловая система, любые SaaS.

Что это такое

В ноябре 2024 Anthropic опубликовала MCP. Главная проблема была такая: каждое AI-приложение писало свои интеграции — Cursor реализовал поиск по файлам, Claude Desktop — свой, Zed — третий. Один и тот же сервис (например, Linear) интегрировался в 5 разных AI-инструментов 5 разными способами.

MCP стандартизировал это: один сервер MCP для Linear работает во всех клиентах. Один сервер для GitHub. Один для Postgres. Один для Notion. Сервер пишется один раз, используется всем экосистемой.

Аналогия: до USB каждое устройство имело свой коннектор (PS/2 для мыши, COM для модема, LPT для принтера). USB заменил это одним стандартом. MCP — то же для AI-tools.

К 2026-му:

• Anthropic Claude Desktop — встроенный MCP-клиент.
• Claude Code (CLI) — встроенный MCP-клиент.
• Cursor / Zed / Continue — добавили MCP-поддержку.
• OpenAI / Google — поддерживают через интеграции.
• Реестр серверов: ~500+ публичных MCP-серверов в реестрах modelcontextprotocol.io и smithery.ai.

Как это работает

MCP — клиент-серверная архитектура поверх JSON-RPC:

1. MCP Server — программа (Node.js / Python / любой язык). Слушает stdio или WebSocket. Декларирует:
   • Tools (функции, которые модель может вызвать).
   • Resources (данные, которые модель может прочитать).
   • Prompts (заранее заготовленные промпт-шаблоны).
2. MCP Client — AI-приложение. Запускает сервер как подпроцесс, общается по протоколу.
3. LLM — внутри клиента, использует tools/resources как обычные function calls.

Подключение MCP-сервера в Claude Desktop:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/work"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {"GITHUB_TOKEN": "ghp_..."}
    }
  }
}

После рестарта Claude Desktop в чате можно сказать: «Найди в моей папке work файл deploy.sh и предложи улучшения» — модель сама использует filesystem-tools, найдёт файл, прочитает, вернёт анализ.

Любой может написать свой MCP-сервер. Шаблон:

from mcp.server import Server
from mcp.server.stdio import stdio_server

app = Server("my-todo-server")

@app.list_tools()
async def list_tools():
    return [{
        "name": "add_todo",
        "description": "Add a new todo",
        "inputSchema": {"type": "object", "properties": {"text": {"type": "string"}}}
    }]

@app.call_tool()
async def call_tool(name, arguments):
    if name == "add_todo":
        # ваша логика
        return [{"type": "text", "text": "Добавлено"}]

stdio_server(app)

50 строк — и ваш приватный API доступен из любого MCP-клиента.

Пример на практике

Разработчик использует Claude Code (CLI). Хочет, чтобы Claude мог:

• Читать его репозитории на GitHub.
• Искать в файлах проекта.
• Запрашивать Postgres-базу.
• Постить статусы в Slack.

Без MCP: для каждого сервиса писать кастомный интеграционный код, который Claude Code специально поддерживает.

С MCP:

1. Из реестра ставит готовые MCP-серверы:

   claude mcp add github   # @modelcontextprotocol/server-github
   claude mcp add postgres # @modelcontextprotocol/server-postgres
   claude mcp add slack    # @modelcontextprotocol/server-slack
   
   

2. Конфигурирует токены в ~/.config/claude/mcp.json.
3. Запускает Claude Code. В первом же запросе:

> Найди issues со статусом open в репо foo/bar, 
  проверь в БД, что таблица user_events жива, 
  и пошли отчёт в #engineering

Claude сам:

• Вызывает github.list_issues(repo="foo/bar", state="open").
• Вызывает postgres.query("SELECT count(*) FROM user_events").
• Вызывает slack.post_message(channel="#engineering", text=...).

Никакой пользовательский код — только конфиг.

В ComfyUI с конца 2025 появилась нода MCP Tool Bridge — позволяет LLM-нодам внутри workflow обращаться к MCP-серверам. Можно собирать гибридные пайплайны: LLM решает, ComfyUI генерит, MCP даёт доступ к внешним данным.

С чем часто путают

• MCP и Function Calling — Function Calling это механизм одного API. MCP это протокол стандартизации между разными API/клиентами.
• MCP и Plugin — Plugins (старые ChatGPT Plugins) были закрытой экосистемой OpenAI. MCP открытый и кросс-платформенный.
• MCP и REST API — REST API это вообще другой протокол, для веб-сервисов. MCP оптимизирован под LLM-tools и работает поверх stdio/WS.
• MCP Server и MCP Client — Server предоставляет tools, Client использует. Большинство AI-приложений — clients. Программисты могут писать servers.
• MCP и LangChain — LangChain это Python-фреймворк для LLM-приложений. MCP — открытый межплатформенный протокол. Их можно комбинировать.

Частые ошибки и заблуждения

• «MCP принадлежит Anthropic». Anthropic создала, но это открытый стандарт. OpenAI, Google, любые другие могут использовать.
• «MCP-серверы безопасны». Нет, как и любой код. Сервер получает доступ к данным, которые ему открыли. Ставить только из проверенных источников.
• «Один MCP-сервер на одного пользователя». Можно много. Claude Desktop одновременно держит filesystem + github + postgres + slack + notion.
• «MCP заменяет Function Calling». Не заменяет, дополняет. Function Calling — низкий уровень в API. MCP — слой стандартизации поверх.
• «MCP только для Claude». Только начинался для Claude. К 2026-му поддерживается Cursor, Zed, Continue, OpenAI Agents SDK. Всё движется к универсальному стандарту.

Связанные термины

• Tool Calling — низкоуровневый механизм, MCP стандартизирует поверх.
• Function Calling — то же.
• Claude / Claude Desktop / Claude Code — главные MCP-клиенты от Anthropic.
• AI Agent — часто использует MCP для расширения возможностей.
• JSON-RPC — транспортный протокол, на котором основан MCP.
• API — общий термин, MCP — частный случай.

Частые вопросы

Где найти готовые MCP-серверы? Официальный реестр: modelcontextprotocol.io/registry. Большой каталог: smithery.ai. На GitHub: awesome-mcp-servers.

Как установить MCP-сервер? Зависит от клиента. Claude Desktop — отредактировать claude_desktop_config.json. Claude Code — claude mcp add <name>. Cursor — Settings → MCP.

Можно ли написать свой MCP-сервер? Да. SDK есть для TypeScript, Python, Go. Минимальный сервер — 30–50 строк кода.

MCP работает в OpenAI ChatGPT? В desktop-версии ChatGPT поддержка MCP появилась в 2025. Можно подключить любой совместимый сервер.

Безопасно ли подключать чужие MCP-серверы? Зависит от сервера. Серверы от Anthropic и крупных компаний — безопасны. Случайные с GitHub — проверять код перед использованием.

MCP заменит REST API? Нет. REST для общения веб-сервисов между собой. MCP — специально для LLM-tools. Они дополняют друг друга.

Главное

MCP (Model Context Protocol) — открытый стандарт от Anthropic, который сделал интеграцию tools с LLM переносимой. Один MCP-сервер для GitHub работает во всех совместимых клиентах: Claude Desktop, Claude Code, Cursor, Zed. К 2026-му это индустриальный стандарт: реестры с сотнями серверов, поддержка от OpenAI, Google, всех крупных AI-IDE. Главное преимущество — пишешь интеграцию один раз, использует вся экосистема. Главное правило безопасности — устанавливать MCP-серверы только из проверенных источников: они получают доступ к данным, которые им открыты. Для разработчиков это путь дать AI-агентам реальные руки в файлы, базы, корпоративные системы.