MCP (Model Context Protocol) — это общий стандарт для связи AI-приложений с внешними инструментами и данными. Он позволяет AI получать информацию извне и управлять инструментами. Название расшифровывается так: «Model» — AI-модель, «Context» — контекстная информация для работы AI, «Protocol» — правила коммуникации.
Стандарт опубликовал Anthropic в ноябре 2024 года. Сейчас им управляет организация под эгидой Linux Foundation. 9 декабря 2025 года Anthropic передала MCP в Agentic AI Foundation (AAIF). AAIF создана совместно Anthropic, Block, OpenAI, поддерживается Google, Microsoft, AWS.
MCP часто называют «AI’s USB-C»: он позволяет соединять разные AI и инструменты по единому стандарту — аналогично тому, как USB-C унифицировал подключение устройств. До появления MCP для каждой комбинации AI и инструментов требовалась отдельная разработка связи («M×N проблема»). Например, при 3 видах AI и 5 видах инструментов нужно было разработать до 15 вариантов связи. С MCP достаточно один раз обеспечить совместимость инструмента с MCP — и его можно использовать с несколькими AI («M+N»). Например, при 3 видах AI и 5 видах инструментов нужно обеспечить всего 8 вариантов совместимости.
По данным Anthropic, на декабрь 2025 года открыто более 10 тысяч серверов MCP. MCP используют ChatGPT, Gemini, Microsoft Copilot, Cursor, Visual Studio Code.
MCP состоит из трёх ролей:
* MCP хост — AI-приложение, которым управляет пользователь (например, Claude Desktop, Claude Code, Visual Studio Code). MCP хост готовит и управляет MCP клиентами в количестве, соответствующем числу подключаемых внешних инструментов.
* MCP клиент — компонент внутри MCP хоста, отвечающий за связь с одним MCP сервером. Если MCP хост подключается к двум серверам (например, Slack и GitHub), внутри создаются два MCP клиента — каждый поддерживает отдельное подключение к своему серверу. Пользователь практически не участвует в настройке MCP клиента.
* MCP сервер передаёт функции и данные внешних инструментов AI в соответствии с правилами MCP. Есть два типа MCP серверов: локальный (работает на компьютере пользователя, например сервер для работы с файлами) и удалённый (работает в интернете, например серверы от Notion или Atlassian).
MCP сервер предоставляет AI три функции:
* Инструмент — позволяет AI выполнять операции во внешних системах (например, создавать файлы, искать данные в БД, регистрировать тикеты в инструментах управления задачами). Например, использование MCP-сервера Backlog позволяет с помощью запроса («сегодняшние задачи с дедлайном в виде списка») получить от AI результаты поиска в Backlog.
* Ресурс — позволяет AI считывать данные (содержимое файлов, записи из БД, данные из API). В отличие от «инструмента», ресурс предназначен только для «просмотра». Например, можно передать AI структуру таблицы MCP-сервера БД — AI поймёт структуру и выполнит подходящий поиск через инструмент. Чтобы снизить риск изменения данных, можно начать с режима только для чтения.
* Промпт — передаёт AI стандартные инструкции. Поставщик MCP-сервера может заранее подготовить инструкции и примеры ответов для эффективного использования инструментов. Пользователь выбирает шаблон — и может давать AI точные инструкции. Например, шаблон «создание еженедельного отчёта» обеспечит одинаковое качество отчётов. Это упрощает обеспечение единого уровня использования AI в разных отделах.
MCP часто путают с API, RAG и A2A — это не конкурирующие, а дополняющие друг друга технологии.
* API — интерфейс для связи между системами, спецификации различаются в зависимости от сервиса (например, Slack, freee). Чтобы использовать API с AI, требуется индивидуальная настройка. MCP-сервер в большинстве случаев вызывает API внутри себя — MCP не заменяет API, а преобразует его в форму, удобную для AI.
* RAG (поиск с расширением генерации) — метод, при котором AI ищет документы и использует их в качестве основы для ответа. MCP выступает в качестве одного из средств поиска и поддерживает RAG. MCP позволяет подключить систему поиска внутренних документов к ИИ через MCP‑сервер и использовать её как часть поиска в RAG. В отличие от RAG, MCP может обрабатывать не только поиск, но и другие операции (например, регистрацию тикетов).
* A2A (Agent2Agent) — стандарт взаимодействия между AI-агентами, дополняет MCP. A2A разработан Google и передан Linux Foundation; стандарт определяет правила для взаимодействия AI‑агентов разных компаний (обмен заданиями и результатами). Google позиционирует A2A как дополнение к MCP; при необходимости связать несколько AI‑агентов стоит рассмотреть использование A2A.
AI‑приложения, поддерживающие MCP: Claude, ChatGPT, Gemini, Copilot. Условия поддержки MCP в AI‑приложениях (по состоянию на 27 октября 2026 года):
* Claude: в планах Free, Pro, Max, Team, Enterprise можно добавить кастомный коннектор (в Free — только один).
* ChatGPT: в планах Business, Enterprise, Edu можно подключить кастомный MCP‑сервер (в Pro — только для чтения).
* Gemini Enterprise: администратор может зарегистрировать кастомный MCP‑сервер как источник данных.
* Microsoft Copilot Studio: можно добавить инструменты и ресурсы MCP‑сервера для созданных агентов.
* Visual Studio Code: можно использовать MCP‑сервер из агентов GitHub Copilot.
На стороне бизнес-инструментов расширяется предоставление официальных MCP-серверов. Примеры используемых в стране инструментов:
* freee: планирует в марте 2026 года опубликовать freee-mcp как OSS (для работы с бухгалтерией, кадровым учётом и т. д.).
* Backlog: Nulab публикует MCP-сервер для работы с задачами и Wiki.
* Notion: предоставляет удалённый MCP-сервер для поиска и обновления страниц.
* Atlassian: предоставляет удалённый MCP-сервер для подключения к Jira и Confluence.
Чтобы проверить наличие официального MCP-сервера для инструмента, с которым у компании заключён договор, нужно выполнить поиск по названию инструмента и слову «MCP».
Преимущества внедрения MCP в бизнес:
1. AI может использовать данные внутренних инструментов для ответов (например, при подключении Notion или Backlog через MCP AI самостоятельно извлекает нужные данные без ручного копирования материалов).
2. При смене AI‑инструментов не нужно заново настраивать интеграцию — инструменты, поддерживающие MCP, используют один и тот же MCP-сервер (например, один MCP-сервер позволяет работать с Claude, ChatGPT, Copilot Studio).
3. Круг задач, которые можно поручить AI, расширяется — от ответов до операций с инструментами (AI может выполнять работу до конца как агент, а не только давать ответы или тексты).
Порядок использования MCP:
1. Найти MCP-сервер для нужного бизнес-инструмента (проверить на официальном сайте или в справке инструмента, искать по «MCP»; в настройках Claude или ChatGPT может быть готовый список соединений). Не использовать неофициальные серверы без необходимости.
2. Добавить MCP-сервер в настройки AI-приложения (например, в Claude для персонального плана: открыть «Customize» → «Connectors», выбрать «+ Add» → «Add custom connector», ввести имя и URL MCP-сервера, подтвердить метод аутентификации и нажать «Add»; в планах Team или Enterprise добавлять сервер могут только лица с соответствующими правами, после добавления сотрудники должны активировать соединение в своих аккаунтах; при появлении экрана входа в бизнес-инструмент нужно проверить и подтвердить диапазон операций, разрешённых для AI).
3. Дать указание AI для запуска инструмента (указания давать на японском языке; AI сам определит, какой сервер и какую функцию использовать; для начала лучше использовать указания, ориентированные на чтение данных).
Многие AI-приложения перед выполнением действий показывают экран подтверждения — нужно проверять содержимое и только потом разрешать выполнение, чтобы избежать непреднамеренных операций.
При использовании MCP в бизнесе нужно обратить внимание на 4 момента:
* не добавлять неофициальные MCP-серверы;
* минимизировать права, предоставляемые MCP-серверу;
* учитывать риск непреднамеренных операций из‑за промптинъекций;
* организовать систему контроля использования внутри компании.
Не добавлять неофициальные MCP-серверы без подтверждения источника. Anthropic указывает, что добавляет в качестве кастомных коннекторов только проверенные серверы. Локальные MCP-серверы на ПК могут выполнять любые команды, есть риск утечки данных из‑за вредоносных серверов (согласно официальной документации MCP).
Ограничивать права MCP-сервера минимальным необходимым набором. Не давать широкие права («все операции разрешены») при подключении — это увеличивает ущерб при утечке аутентификационных данных. Рекомендация из официальной документации MCP: постепенно расширять права — например, сначала разрешить только просмотр, а регистрацию и обновление задач разрешить после подтверждения эффективности.
Существует риск непреднамеренных операций из‑за промпт-инъекции: AI, подключённый через MCP, может выполнить вредоносные инструкции, скрытые во внешних данных (например, в веб‑странице или письме). Риск возрастает при одновременном подключении MCP-сервера, читающего внешние данные, и MCP-сервера, работающего с корпоративными данными. Чтобы предотвратить непреднамеренные операции, нужно настроить подтверждение содержимого человеком перед выполнением инструментов.
Организовать систему управления использованием MCP в компании: контролировать, кто использует какие MCP-серверы. Использовать корпоративные планы (например, ChatGPT Business или Claude Team), где доступны только одобренные администратором MCP-серверы. Включить список доступных MCP-серверов во внутренние правила компании.
MCP как спецификация открыта и бесплатна, но использование AI-приложений и бизнес-инструментов с MCP платное. Например, в бесплатном плане Claude можно добавить только 1 кастомный коннектор; некоторые решения (например, сервер MCP от Atlassian) потребляют специальные кредиты в зависимости от использования. При оценке затрат на внедрение нужно учитывать тарифы и на AI‑приложения, и на бизнес‑инструменты.
При наличии инженеров можно создать собственный MCP‑сервер для бизнес‑системы. На официальном сайте MCP доступны SDK для разных языков программирования. Если в корпоративной системе есть API, её функции можно преобразовать в MCP‑сервер. Созданный сервер можно использовать с несколькими AI‑приложениями.
Спецификация MCP продолжает обновляться. В последней версии, опубликованной 28 июля 2026 года, пересмотрен механизм связи, часть функций признана устаревшей; при этом устаревшие функции можно использовать минимум 12 месяцев.
Для безопасного внедрения рекомендуется сначала проверить, предоставляет ли используемый бизнес‑инструмент официальный MCP‑сервер, начать с инструкций на чтение, ограничить права доступа и предусмотреть проверку человеком перед выполнением действий инструментом. Для широкого внедрения AI в компании нужно обучить сотрудников работе с AI‑агентами и выработать единые правила безопасного использования AI.
Donating the Model Context Protocol and establishing the Agentic AI FoundationAnthropic
HOME
Architecture overviewModel Context Protocol
API
What is A2A?A2A Protocol
Get started with custom connectors using remote MCPAnthropic
Developer mode and MCP apps in ChatGPTOpenAI
Gemini Enterprise release notesGoogle Cloud
Extend your agent with Model Context ProtocolMicrosoft
freeeAIfreeeMCPfreee-mcpOSSfreee
backlog-mcp-server
Backlogの「営業支援」プロジェクトで、今週が期限の課題を担当者ごとに一覧にしてください。
内容の変更や新規登録はしないでください。
Подписаться в Макс
