Объяснение MCP: почему предоставление возможностей лучше фиксированных конечных точек для агентов.
Что такое MCP и почему это важно: клиенты и серверы протокола Model Context Protocol, в чём их отличие от фиксированного API, и что показывают Figma и Render относительно ИИ-агентов.
Источники: **What are MCPs?… Why are they important**
Рано или поздно каждый разработчик сталкивается с тремя буквами MCP. Попробуйте Supabase, Figma или практически любой инструмент для разработчиков — оказывается, у них тоже есть собственный MCP. Обычная реакция — кивать в знак согласия, даже не понимая, что означает этот термин и как он должен помочь. Вот объяснение простым языком.
Небольшой пример покажет, как это работает. Для приложения нужна была лендинг-страница, основанная на дизайне из Figma. Искусственный интеллект предложил подключить сервер MCP от Figma. После подключения страница была создана за несколько минут, без необходимости вручную писать код макета. Интересные вопросы заключаются в том, что такое MCP и почему он меняет ситуацию.
Как всегда работали бэкенды
При разработке традиционного API его назначение уже известно заранее. Клиент хочет получить список продуктов, и сервис предоставляет именно его, возможно, с помощью запроса SELECT * FROM products или вызова репозитория, такого как productRepository.find(), когда используется ORM. Эндпоинт создается с учётом одной определённой цели, и в нём нет ничего неопределённого.
В этом и заключается особенность традиционных API: клиент знает, чего хочет, и разработчик создаёт решение, ориентируясь исключительно на эти требования. Намерения определяются ещё до того, как будет написана хотя бы одна строка кода эндпоинта.
Что изменило искусственный интеллект
Люди больше не являются единственными, кто работает с приложением. Искусственные интеллектуальные агенты также должны им пользоваться, что порождает логичный вопрос: почему бы просто не позволить им вызывать существующие API, как это делают любые клиенты, ориентированные на людей?
Проблема в том, что API предполагает наличие известного сценария использования. В случае с агентами разработчик часто не может заранее определить, что они захотят делать. Поэтому вместо ещё одного жёсткого, узкоспециализированного конца интерфейса MCP направлен на расширение возможностей приложения, чтобы ИИ мог исследовать его и использовать по мере необходимости.
Определение
MCP, или Model Context Protocol, — это открытый стандарт, введённый компанией Anthropic. Он описывает общий способ, с помощью которого приложения ИИ, такие как Claude, могут подключаться к внешним инструментам, источникам данных и системам. Это протокол, правило, которому следуют все агенты, а не конкретный продукт или интеграция. Любой может создавать приложения на его основе.
На практике это деление происходит на клиентскую и серверную части. Приложение или сервис вроде Figma или Render предоставляет сервер MCP. Приложение на основе ИИ, такое как Claude, выступает в роли клиента MCP и подключается к нему. Сервер указывает, что доступно, а клиент находит это и использует.
Серверная часть основана на нескольких ключевых элементах:
- Инструменты, которые может вызывать агент.
- Ресурсы, которые он может читать.
- Запросы, которые можно повторно использовать, чтобы не приходилось догадываться, как подойти к типовой задаче.
У клиентской части есть свой собственный элемент под названием roots, который определяет границы того, к чему может иметь доступ сервер. Любой агент, понимающий стандарт MCP, уже знает все эти элементы, поэтому подключение происходит без дополнительной настройки вместо необходимости каждый раз разрабатывать индивидуальную интеграцию.
Преимущество с точки зрения безопасности
MCP также способствует обеспечению безопасности. Агент всё ещё имеет доступ к вашим данным, хотя и косвенно. Сервер — единственный компонент, который взаимодействует с базой данных, и он предоставляет только те функции, которые были определены. Агент не может сам выполнять запросы или просматривать схему. Он взаимодействует с созданным интерфейсом, в то время как сервер выполняет реальную работу от его имени. Уровень абстракции может быть увеличен насколько угодно, поэтому агент почти ничего не знает о внутренней реализации.
Всё это работает поверх существующих API и не заменяет их. MCP оборачивает их стандартным интерфейсом, доступным для обнаружения, к которому может подключиться и понять любой ИИ-агент. Основное отличие от обычного API заключается в том, что никто заранее не определяет, что именно может делать клиент. Открывается более широкий спектр возможностей — будь то инструменты, ресурсы или данные, — и агент сам определяет, как их использовать, исходя из текущей ситуации.
Как только агент подключается, он обнаруживает доступные возможности и решает, как ими воспользоваться для выполнения задачи, поэтому не требуется заранее прописывать в коде каждое действие, которое он может потребоваться совершить.
Пример использования с Figma и Claude
История создания лендинг-страницы — это самый ясный способ увидеть, что изменилось. При работе над интерфейсом и стилизацией обычно используется процесс, основанный на скриншотах: сначала делается скриншот дизайна, он передается агенту, после чего происходит обмен мнениями, при этом указываются упущения, увеличивается масштаб для рассмотрения деталей и объясняется замысел. Человеческий глаз замечает вещи, которые агент, смотрящий на плоский изображение, не может оценить с такой точностью.
На этот раз первый шаг был иным. Агенту была изложена цель, и его попросили предложить лучший способ её достижения; он предложил использование MCP в Figma. В целом это хорошая практика. Искусственный интеллект — это двигатель прогнозирования, и качество его ответа во многом зависит от контекста, который он получает. Часто выгодно самому попросить ИИ предложить лучший подход, вместо того чтобы ограничиваться уже известными методами. Ограничение его возможностей мешает использовать его сильные стороны, особенно когда задача незнакома. В данном случае рекомендацией стало использование MCP.
Далее Figma MCP была настроена локально, и к ней подключился Claude. После аутентификации дизайнерские данные стали доступны, поэтому Claude мог напрямую читать оригинальный дизайн, и скриншоты не требовались. Он проанализировал дизайн поэтапно, разделил задачи на план и выполнил их. Результат был почти готов — это была практически мгновенная реализация, почти идеальная.
По сути, MCP предоставила агенту те же возможности восприятия, что и у человека. Никому не нужно было выступать посредником, переводя то, что видно в дизайне, в формат, пригодный для использования агентом, поскольку агент мог сам смотреть на дизайн.
Почему это важно для провайдеров
Пример с Figma касался использования чужого сервера. Он также поднимает вопрос о необходимости создания собственного сервера для приложений, чтобы агенты и люди, стоящие за ними, могли делать больше, чем изначально планировалось.
Render — платформа для развертывания приложений, — приводит пример. Его сервер MCP предоставляет доступ к журналам развертывания, метрикам работы сервисов, таким как использование CPU, памяти и время обработки запросов, а также к read-only-доступу к базе данных Postgres. Обычно для этого необходимо войти в панель управления Render. При подключении сервера MCP кто-либо может попросить агента создать индивидуальную панель управления статистикой развертывания, отметить всплеск ошибок в журналах или отслеживать использование ресурсов со временем. Render не нужно было заранее предусматривать такую панель управления или разрабатывать для нее API. Он предоставляет базовые возможности, а агент объединяет их в то, что необходимо.
Вот суть проблемы. Разработчик может предполагать, что клиенты хотят функцию ABC, тогда как на самом деле они нуждаются в XYZ. Если существуют только фиксированные API, пользователи ограничены тем, что разработчик решил предложить. MCP меняет ситуацию: он не ограничивает агента или пользователя, находящегося за ним, заранее определёнными возможностями. Он показывает, что может делать приложение, оставляя решение о том, что создавать, за агентом, так же как сервер Render оставляет решение относительно панели управления за пользователем.
Таким образом, вместо панели управления с несколькими заранее спроектированными видами пользователь может попросить у агента совершенно индивидуальный вид, и агент сможет его создать, поскольку видит возможности, доступные внутри приложения. Подача информации пользователю меняется с списка фиксированных действий, которые они могут выполнить с приложением, на описание того, что может делать приложение, при этом пользователи сами определяют, что им нужно.
Поскольку MCP является стандартом, он охватывает гораздо больше, чем просто одно приложение и один агент. Любой агент, поддерживающий MCP, может подключаться к любому приложению, которое его предоставляет, используя тот же протокол. Именно поэтому это считается настоящим сдвигом, а не просто удобственной функцией.
Изменение образа мышления
MCP — это не просто API для ИИ. Это изменение подхода: от создания решений для конкретных, известных сценариев использования к предоставлению возможностей и позволению ИИ, руководствуемому контекстом, самому решать, что с ними делать. Это также более безопасный способ взаимодействия агентов с приложением, поскольку они никогда не получают прямого доступа к базе данных или внутренним компонентам. Они видят только выбранный интерфейс, а фактическую работу выполняет сервер MCP.
Любой, кто создаёт что-то, с чем могут взаимодействовать агенты ИИ, должен понимать эту границу: что предопределено заранее, а что становится возможным.
Связанные материалы
- MCP с точки зрения разработчика: хосты, клиенты, серверы и вызовы инструментов — зачем большим языковым моделям нужен протокол для инструментов, как хост, клиент и сервер MCP делят работу между собой, и как один запрос перемещается от пользователя к инструменту и обратно.
- Объяснение серверов MCP: инструменты, ресурсы, промпты и когда стоит использовать шлюз — простым языком о серверах MCP: как соединяются хост, клиент и сервер, в чем отличие MCP от API, что можно с ним делать, и когда полезен шлюз.