Главная / Статьи

MCP с точки зрения разработчика: хосты, клиенты, серверы и вызовы инструментов

Почему большие языковые модели нуждаются в протоколе для инструментов, как хост, клиент и сервер MCP делят между собой задачи, и как один запрос перемещается от пользователя к инструменту и обратно.

Издатель: REACTAPP.TOP8 мин чтения1849 слов

Источники: What and Why MCP?

Искусственный интеллект стал обычной частью работы с программным обеспечением. Ассистенты генерируют код, находят ошибки, анализируют данные и автоматизируют рутинные задачи, тем самым изменив подход разработчиков к созданию программ. Однако остается основной вопрос: как модели могут безопасно и эффективно взаимодействовать с инструментами, данными и системами, от которых зависят разработчики каждый день? Одним из ответов является протокол контекста модели, или MCP.

Далее рассматривается MCP с точки зрения разработчика: что такое сервер MCP и зачем он существует, как взаимодействуют его компоненты, как модели через протокол обращаются к внешним инструментам, и как это способствует масштабируемости, обслуживаемости и производительности.

Почему существует MCP

Начните с ситуации сегодня. Вы можете получить доступ к мощным большим языковым моделям от OpenAI, Llama от Meta, DeepSeek, Gemini от Google и Claude от Anthropic через браузер или приложение. Они отвечают на вопросы, пишут тексты и код, делают краткие извлечения из документов и даже создают изображения.

Сосредоточьтесь на одной базовой способности — формировании текстового ответа. Предположим, вы спросите ИИ о лучших отелях в Коломбо. Он может дать полезный ответ, основанный на имеющихся у него знаниях, но быстро проявляются два ограничения.

Первое ограничение: устаревшие знания

Знания модели отражают данные ее обучения, а также любую дополнительную информацию или инструменты, которые ей были предоставлены. Без связи с внешними, актуальными источниками она может не знать текущих цен на отели, наличия номеров, расписания рейсов или мест, открывшихся недавно.

Второе ограничение: отсутствие возможности действовать

Этот аспект имеет более глубокие последствия. Модель может сформировать ответ, но она не может автоматически выполнять действия в реальном мире. Если попросить её отправить письмо вашему руководителю, она напишет текст сообщения, но не сможет его отправить, если только не будет подключена к сервису электронной почты с соответствующими правами. Если попросить её создать заявку в Jira на найденный баг, она сможет составить заголовок и описание, но для создания заявки потребуется доступ к Jira. То же самое касается бронирования отеля, запроса данных из базы, взаимодействия с корпоративными системами или вызова API.

Так как же преодолеть этот разрыв?

Искусственные интеллектуальные агенты как первый шаг

Обычным первым решением являются агенты — большие языковые модели, соединённые с внешними инструментами и имеющие возможность выбирать, какой инструмент подходит для определённого шага и когда его использовать. Возьмём, к примеру, путешественнического ассистента. Пользователь просит его спланировать поездку в Париж на следующий месяц: выбрать хороший отель, забронировать его и порекомендовать интересные места поблизости.

В этом предложении скрыт ряд задач. Агенту, возможно, потребуется:

  1. найти доступные отели
  2. проанализировать детали, цены и наличие мест
  3. завершить бронирование
  4. найти достопримечательности рядом с отелем
  5. получить данные о местоположении и картах
  6. отправить подтверждающее письмо

Для выполнения этих задач требуются внешние ресурсы. Языки больших моделей способствуют пониманию и логическим рассуждениям, тогда как инструменты обеспечивают возможности для их реализации.

Взрывная интеграция

Теперь представьте, что агенту необходимо работать с 20, 50 или сотнями инструментов и сервисов. Каждый из них может иметь собственный API, метод аутентификации, форматы запросов и ответов, а также код для интеграции. Если каждое ИИ-приложение будет писать собственный соединитель для каждого инструмента, архитектура быстро станет запутанной.

Именно этот пробел и заполняет MCP. Он предоставляет приложениям ИИ стандартный способ взаимодействия с внешними инструментами, источниками данных и сервисами. Вместо отдельной интеграции для каждого приложения и каждого инструмента существует единый протокол, соединяющий модели с внешними возможностями.

Три вида возможностей сервера

Сервер может предлагать три разных вида ресурсов, и различие между ними помогает прояснить большую часть терминологии:

  • Инструменты — это действия, которые может запрашивать модель, такие как поиск отелей или оформление билета. Они могут изменять что-то во внешнем мире.
  • Ресурсы — это фрагменты данных, которые приложение может читать для получения контекста, такие как файл, запись в базе данных или документ.
  • Запросы — это повторно используемые шаблоны, которые помогают структурировать взаимодействие с моделью.

Большинство вводных примеров сосредоточены на инструментах, поскольку они напрямую решают проблему «невозможности действовать», но ресурсы и подсказки становятся важными, когда приложению требуется контекст, а не команды.

Как работает MCP

Когда мотивация становится ясной, давайте рассмотрим приложение на основе MCP. Важны три компонента, и хотя их названия похожи, у каждого своя функция.

  • Хост MCP — это приложение ИИ, с которым взаимодействует пользователь, например IDE с встроенным ИИ, десктопное приложение или чат-бот, построенный на LLM. Он управляет всем взаимодействием с ИИ, включая диалог с пользователем и соединения с серверами MCP.
  • Клиент MCP находится внутри хоста и отвечает за общение с сервером MCP. Хост — это то, что видит пользователь, а клиент — это его внутренняя часть, которая использует протокол MCP.
  • Сервер MCP находится с другой стороны и предоставляет возможности, которые может использовать приложение ИИ: инструменты для выполнения действий, ресурсы с контекстуальными данными и подсказки, помогающие структурировать взаимодействие.
  • Что происходит при запуске

    Когда приложение подключается к серверу, клиент устанавливает соединение и инициализирует обмен данными. Обе стороны обмениваются информацией о версии протокола и поддерживаемых возможностях. Локальные серверы могут взаимодействовать через стандартный ввод-вывод, а удаленные серверы — с использованием Streamable HTTP.

    Как только соединение готово, клиент выясняет, что предлагает сервер. Сервер отеля может предоставлять инструменты с именами search_hotels, check_availability и make_booking, каждый из которых сопровождается описанием и указанием необходимых параметров входных данных. Затем приложение ИИ передает эти определения в LLM.

    Одна заявка, проанализированная

    Предположим, пользователь вводит: «Найдите мне отель в Коломбо на эти выходные». ЯЗЫК получает это сообщение вместе с описаниями доступных инструментов. Исходя из заявки и этих описаний, он делает вывод, что search_hotels — подходящий вариант, и формирует необходимые параметры, такие как местоположение и даты.

    Модель сама не запускает инструмент. Хост передаёт запрос к инструменту клиенту MCP, который, в свою очередь, направляет его на соответствующий сервер с использованием протокола. Сервер выполняет реальный инструмент, который может обращаться к API отелей, запрашивать данные из базы данных или взаимодействовать с другими внешними системами. Все эти детали остаются скрытыми за сервером.

    Когда инструмент выполняет свою задачу, результат возвращается через сервер и клиент к приложению ИИ, после чего большая языковая модель преобразует его в окончательный ответ. Если запрос включает несколько этапов, модель продолжает работу, определяя, требуется ли ещё какой-либо инструмент.

    Запрос вроде «Найти отель, забронировать его и отправить мне подтверждающее письмо» может потребовать нескольких последовательных вызовов: поиска отеля, проверки наличия мест, бронирования и, наконец, использования инструмента для отправки электронного письма. Результат каждого этапа может служить входными данными для следующего.

    Идея в одной строке

    Большая языковая модель определяет, что необходимо сделать, клиент MCP взаимодействует с сервером MCP, а сервер использует соответствующие инструменты для выполнения работы. Весь путь выглядит следующим образом:

    Пользователь → хост MCP → большая языковая модель → клиент MCP → сервер MCP → инструмент, затем обратно через сервер, клиент и большую языковую модель к пользователю.

    Именно такое разделение труда и обеспечивает ценность MCP. Модель сосредотачивается на понимании и рассуждениях, в то время как MCP предоставляет приложению стандартный способ обнаружения и использования внешних возможностей.

    Сообщения и разрешения

    Под спудом клиент и сервер обмениваются структурированными сообщениями, причем MCP использует для этого JSON-RPC 2.0. В запросе указывается метод, например, список инструментов или его вызов, а в ответе передаётся либо результат, либо ошибка. Поскольку хост находится между моделью и каждым сервером, он также является естественным местом для контроля прав доступа. Хорошо спроектированный хост может попросить пользователя одобрить бронирование или электронное письмо перед отправкой запроса, а также ограничить список серверов, с которыми может вестись определённое общение. Протокол стандартизирует внутренние механизмы, но решения о доверии по-прежнему принимаются приложением и его пользователем, поэтому к серверам следует относиться как к любому другому фрагменту кода, способному действовать от вашего имени.

    Почему это важно для разработчиков

    Общий протокол меняет способ создания систем на основе ИИ:

    • Меньше повторяющейся работы. Инструмент, предоставленный один раз через сервер MCP, может использоваться любым приложением, поддерживающим MCP, без необходимости его повторной интеграции каждый раз.
    • Лучшая возможность технического обслуживания. Детали работы инструмента, такие как механизмы аутентификации и форматы запросов, остаются на стороне сервера, поэтому приложениям не нужно меняться при изменении этих деталей.
    • Проще масштабирование. Для добавления нового инструмента достаточно добавить сервер и позволить клиентам его обнаружить, вместо того чтобы переписывать само приложение.
    • Четкее разделение функций. Модель отвечает за логику, клиент — за обмен данными, а сервер — за выполнение действий; каждая часть может тестироваться и заменяться отдельно.

    Как будет развиваться ситуация дальше

    ГИИ могут мыслить и генерировать контент, но они не могут самостоятельно взаимодействовать со всеми внешними системами. Агенты предоставляют им инструменты, а MCP обеспечивает стандартный способ подключения этих инструментов к приложениям ИИ. Модель осуществляет логические рассуждения, клиент обменивается данными, сервер открывает доступ к возможностям, а инструменты выполняют фактическую работу.

    Остается один открытый вопрос: что именно передаётся между клиентом и сервером? Чтобы ответить на него, необходимо изучить сам протокол, способ обмена сообщениями, механизм обнаружения инструментов и роль JSON-RPC во всей структуре. Кратко говоря: модель может мыслить, инструмент может действовать, а MCP помогает им взаимодействовать.

    Связанные материалы

  • Практические заметки: тестирование MCP Framework 2026: один и тот же сервер в разных сценариях — Подробное руководство по практическим заметкам к тестированию MCP Framework 2026: один и тот же сервер в разных сценариях, включающее контракты, проверки и готовые блоки кода для команд, использующих эту архитектуру.
  • Что такое MCP: почему предоставление возможностей лучше фиксированных конечных точек для агентов — Что такое протокол Model Context, как клиенты и серверы делят работу, почему он отличается от обычного API и что показывают Figma и Render по этой теме.
  • Объяснение MCP с использованием диаграмм: один сервер для ChatGPT, Claude и Cursor — Обзор Протокола контекста модели с использованием диаграмм: серверы, инструменты, ресурсы и промпты, связь с REST и вызовами функций, а также дополнительные меры безопасности, которые он обеспечивает.
  • Практические заметки: скрытые издержки формулы «просто добавьте .mcp.json» — Пошаговое руководство по применению практических заметок «Скрытые издержки формулы „просто добавьте .mcp.json“»: контракты, проверки и готовые блоки кода для команд, использующих эту схему.
  • Практические заметки: MCP больше не используется в производственных системах — Подробное руководство по практическим заметкам: MCP больше не используется в производственных системах: контракты, проверки и слоты для кода для команд, использующих эту схему.
  • MCP — это просто разъем, а не «мозг»: где заканчивается протокол и начинается цикл агента — Вызовы инструментов, проблема подключения, которую решает MCP, его роли и способы передачи данных, отличия от оркестрации, минимальный сервер FastMCP и когда его можно пропустить.
  • Обеспечение доступа Claude: три пользовательских сервера MCP для приложений, документов и баз знаний — три подключения MCP, позволяющих Claude обращаться к бизнес-приложениям, читать сложные документы без необходимости угадывать числа и выполнять поиск в базе знаний, состоящей из 41 256 частей, при соблюдении строгих мер безопасности, настроенных на сервере.