MCP з точки зору розробника: хости, клієнти, сервери та виклики інструментів
Чому ШІ потребують протоколу для інструментів, як хост, клієнт та сервер MCP розподіляють роботу, і як один запит подорожує від користувача до інструменту та назад.
Джерела: What and Why MCP?
Штучний інтелект став звичайною частиною роботи з програмним забезпеченням. Асистенти генерують код, виявляють помилки, аналізують дані та автоматизують рутинні завдання, що змінило підхід розробників до створення програм. Проте залишається основне питання: як моделі можуть безпечно та ефективно взаємодіяти з інструментами, даними та системами, від яких залежать розробники щодня? Однією з відповідей є Протокол контексту моделі, або MCP.
У наступному огляді розглядається MCP з точки зору розробника: що таке сервер MCP та навіщо він існує, як всі елементи взаємодіють між собою, як моделі через цей протокол отримують доступ до зовнішніх інструментів, та яку роль він відіграє у забезпеченні масштабованості, підтримки та продуктивності.
Чому існує MCP
Почніть з ситуації сьогодні. Ви можете отримати доступ до потужних моделей великих мов через браузер чи додаток — це OpenAI, Llama від Meta, DeepSeek, Gemini від Google та Claude від Anthropic. Вони відповідають на запитання, пишуть текст та код, створюють резюме документів та навіть генерують зображення.
Зосередьтесь на одній базовій здатності — створенні текстової відповіді. Припустимо, ви запитуєте ШІ про найкращі готелі в Коломбо. Воно може надати корисну відповідь на основі своїх знань, але швидко проявляються дві обмеження.
Перше обмеження: застарілі знання
Знання моделі відображають її навчальні дані та будь-яку додаткову інформацію чи інструменти, які їй надано. Без підключення до зовнішніх, актуальних джерел вона може не знати поточних цін на готелі, наявності номерів, розкладу рейсів чи закладів, які нещодавно відкрилися.
Друге обмеження: відсутність можливості дії
Цей аспект має глибші наслідки. Модель може сформулювати відповідь, але не може автоматично щось зробити у реальному світі. Якщо попросити її надіслати електронний лист вашому керівнику, вона напише повідомлення, проте не зможе його надіслати, якщо тільки не буде підключена до сервісу електронної пошти з належними правами. Якщо попросити її створити заявку в Jira щодо багу, вона зможе скласти заголовок та опис, але для створення заявки потрібен доступ до Jira. Те саме стосується бронювання готелю, запиту до бази даних, впливу на корпоративні системи чи виклику API.
То як подолати цю прогалину?
Штучні інтелектуальні агенти як перший крок
Звичайною першою відповіддю є агент – ШІ, підключений до зовнішніх інструментів, який може вибирати, який інструмент підходить для певного кроку та коли його використати. Візьмемо, наприклад, асистента з питань подорожей. Користувач просить його спланувати поїздку до Парижа на наступний місяць: вибрати гарний готель, забронювати його та порекомендувати цікаві місця поблизу.
У цьому реченні приховано низку завдань. Агенту може знадобитися:
- шукати доступні готелі
- перевіряти деталі, ціни та наявність місць
- здійснювати бронювання
- шукати атракції поблизу готелю
- отримувати дані про місцезнаходження та карту
- надсилати електронний лист із підтвердженням
Для виконання цих завдань потрібні зовнішні ресурси. Штучний інтелект допомагає у розумінні та міркуваннях, тоді як інструменти забезпечують можливості для їх виконання.
Експлозія інтеграцій
Тепер уявіть, що агенту доводиться працювати з 20, 50 або навіть сотнями інструментів та сервісів. Кожен з них може мати власний API, метод автентифікації, формати запитів та відповідей, а також код для інтеграції. Якщо кожен ШІ-додаток буде писати власний з’єднувач для кожного інструменту, архітектура швидко стане складною та заплутаною.
Саме цю прогалину заповнює MCP. Він надає штучним інтелектуальним додаткам стандартний спосіб взаємодії з зовнішніми інструментами, джерелами даних та сервісами. Замість окремої інтеграції для кожного додатку та кожного інструменту існує єдиний спільний протокол, який пов’язує моделі з зовнішніми можливостями.
Три види можливостей сервера
Сервер може пропонувати три різні речі, і розрізнення їх допомагає прояснити багато термінології:
- Інструменти — це дії, які модель може замовити, наприклад пошук готелів або створення квитка. Вони можуть щось змінити у зовнішньому світі.
- Ресурси — це фрагменти даних, які додаток може читати для отримання контексту, наприклад файл, запис бази даних чи документ.
- Запити — це повторно використовувані шаблони, які допомагають структурувати взаємодію з моделлю.
Більшість початкових прикладів зосереджені на інструментах, оскільки вони безпосередньо вирішують проблему „неможливості дії“, але ресурси та запити стають важливими, коли додатку потрібен контекст, а не команди.
Як працює MCP
Коли мотивація зрозуміла, розгляньмо додаток, заснований на MCP. Важливі три компоненти, і хоча їхні назви схожі, кожен з них виконує свою функцію.
- MCP host — це додаток ШІ, з яким взаємодіє користувач, наприклад IDE з вбудованим ШІ, десктопний додаток чи чат-бот, створений на основі LLM. Він керує всією взаємодією з ШІ, включаючи розмову з користувачем та з’єднання з серверами MCP.
- MCP client знаходиться всередині host та відповідає за комунікацію з сервером MCP. Host — це те, що бачить користувач, а client — це частина всередині нього, яка використовує протокол MCP.
Що відбувається під час запуску
Коли додаток під’єднується до сервера, клієнт відкриває з’єднання та ініціює комунікацію. Обидві сторони обмінюються інформацією про версію протоколу та підтримувані можливості. Локальні сервери можуть взаємодіяти через stdio, а віддалені сервери — за допомогою Streamable HTTP.
Як тільки з’єднання створено, клієнт дізнається, що пропонує сервер. Сервер готелю може надавати інструменти під назвами search_hotels, check_availability та make_booking, кожен з яких має опис та деталі вхідних даних, які він очікує. Потім додаток ШІ передає ці визначення до LLM.
Одна заявка, відстежена
Припустимо, користувач вводить: «Знайдіть мені готель у Коломбо на ці вихідні». Штучний інтелект отримує це повідомлення разом із описами доступних інструментів. На основі заявки та цих описів він робить висновок, що search_hotels — це правильний вибір, та формує параметри, такі як місцезнаходження та дати.
Модель сама не виконує інструмент. Хост передає запит на використання інструменту клієнту MCP, який за допомогою протоколу надсилає його на відповідний сервер. Сервер виконує справжній інструмент, який може викликати API готелю, здійснювати запити до бази даних чи підключатися до іншої зовнішньої системи. Усі ці деталі залишаються прихованими за сервером.
Коли інструмент завершує роботу, результат надсилається назад через сервер та клієнта до додатку на основі ШІ, і ШІ перетворює його на остаточну відповідь. Якщо запит містить кілька кроків, модель продовжує роботу, вирішуючи, чи потрібен ще один інструмент.
Запит на кшталт „Знайти готель, забронювати його та надіслати мені підтверджувальний електронний лист“ може вимагати кількох послідовних викликів: пошук готелю, перевірка наявності, бронювання та, нарешті, використання інструменту для надсилання електронних листів. Результат кожного кроку може стати вхідним даним для наступного.
Ідея в одному реченні
ШІ вирішує, що потрібно зробити, клієнт MCP взаємодіє з сервером MCP, а сервер використовує відповідні інструменти для виконання завдання. Весь процес виглядає так:
Користувач → хост MCP → ШІ → клієнт MCP → сервер MCP → інструмент, а потім назад через сервер, клієнта та ШІ до користувача.
Саме це розподіл праці є джерелом цінності MCP. Модель зосереджується на розумінні та міркуванні, а MCP надає додатку стандартний спосіб для виявлення та використання зовнішніх можливостей.
Повідомлення та дозволи
У цьому процесі клієнт та сервер обмінюються структурованими повідомленнями, причому MCP ґрунтується на JSON-RPC 2.0 для цього. Запит вказує метод, наприклад, перелік інструментів або їх виклик, а відповідь містить або результат, або помилку. Оскільки хост знаходиться між моделлю та кожним сервером, він також є природним місцем для контролю дозволів. Добре спроєктований хост може попросити користувача схвалити бронювання чи електронний лист перед відправкою запиту, а також може обмежити, які сервери можуть брати участь у певній розмові. Протокол стандартизує механізми взаємодії, але рішення щодо довіри все одно залишаються за додатком та його користувачем, тому сервери слід розглядати як будь-який інший фрагмент коду, який може діяти від вашого імені.
Чому це важливо для розробників
Спільний протокол змінює спосіб створення систем на основі ШІ:
- Менше повторної роботи. Інструмент, який розголошується один раз через сервер MCP, може використовуватися будь-яким додатком, що підтримує MCP, замість того, щоб його переінтегрувати щоразу.
- Краща підтримуваність. Деталі інструменту, такі як автентифікація та формати запитів, залишаються на сервері, тому додаткам не потрібно змінюватися, коли змінюються ці деталі.
- Простіше масштабування. Додавання інструменту означає додавання сервера та дозвіл клієнтам знаходити його, а не переписування додатку.
- Чіткіша сегрегація. Модель виконує логіку, клієнт здійснює комунікацію, а сервер діє, і кожну частину можна тестувати та замінювати окремо.
Яким буде подальший розвиток
LLM можуть мислити та генерувати контент, але вони не можуть самостійно підключатися до кожної зовнішньої системи. Ейєнти надають їм інструменти, а MCP забезпечує стандартний спосіб підключення цих інструментів до AI-додатків. Модель робить висновки, клієнт здійснює комунікацію, сервер відкриває доступ до можливостей, а інструменти виконують фактичну роботу.
Залишається одне незрозуміле питання: що саме передається між клієнтом та сервером? Відповідь на нього полягає у вивченні самого протоколу, способу обміну повідомленнями, механізму пошуку інструментів та ролі JSON-RPC у цьому процесі. Коротко кажучи: модель може мислити, інструмент може діяти, а MCP допомагає їм спілкуватися.
Пов’язана література
- Коли у штучного інтелекту є 1 000 інструментів MCP: вибір, контекст та навички — Підключення агентів до багатьох серверів MCP призводить до надмірної кількості інструментів, перевантаженого контексту та невдалих виборів. Чому процес відкриття інструментів, навички та шлюзи можуть бути важливішими за прямий доступ.
- Практичні нотатки: використання k6 та Grafana MCP для тестування продуктивності за допомогою штучного інтелекту — Детальний посібник з використання k6 та Grafana MCP для тестування продуктивності за допомогою штучного інтелекту: контракти, перевірки та готові фрагменти коду для команд, які впроваджують цю модель.