Model Context Protocol

Материал из in.wiki
Перейти к навигации Перейти к поиску
Model Context Protocol
Developed byAnthropic
Introducedноябрь 25, 2024 (2024-11-25)
Websitemodelcontextprotocol.io/
Взаимосвязь между клиентом и сервером MCP

Model Context Protocol (MCP) — это программный фреймворк с открытым исходным кодом, представленный компанией Anthropic в ноябре 2024 года для стандартизации способа интеграции и обмена данными между системами искусственного интеллекта (ИИ), такими как большие языковые модели (LLM), и внешними инструментами, системами и источниками данных.[1]. MCP предоставляет универсальный интерфейс для чтения файлов, выполнения функций и обработки контекстных промптов[2] . После анонса протокол был поддержан основными поставщиками ИИ, включая OpenAI и Google DeepMind[3][4].

Предыстория[править | править код]

Протокол был анонсирован компанией Anthropic в ноябре 2024 года как открытый стандарт[5] для подключения ИИ-помощников к системам данных, таким как репозитории контента, инструменты управления бизнесом и среды разработки[6] Он призван решить проблему разрозненности информации и устаревших систем[6]. До появления MCP разработчикам часто приходилось создавать собственные коннекторы для каждого источника данных или инструмента, что приводило к тому, что Anthropic описывала как проблему интеграции данных размером «N×M»[6]. Более ранние подходы, такие как API OpenAI 2023 для «вызова функций» и фреймворк плагинов ChatGPT, решали аналогичные проблемы, но требовали коннекторов, специфичных для конкретного поставщика[7]. Авторы MCP отмечают, что протокол намеренно использует принципы организации потока сообщений Language Server Protocol (LSP) и работает при соединении через Интернет по протоколу JSON-RPC 2.0[8].

Возможности[править | править код]

MCP определяет стандартизированную структуру для интеграции систем ИИ с внешними источниками данных и инструментами[2]. Она включает спецификации для подготовки и преобразования данных, контекстного тэгирования метаданных и взаимодействия с ИИ на различных платформах. Протокол также поддерживает безопасные двунаправленные соединения между источниками данных и инструментами на базе ИИ[6]. MCP позволяет разработчикам предоставлять доступ к своим данным через серверы MCP или разрабатывать приложения ИИ, называемые клиентами MCP, которые подключаются к этим серверам[6]. Ключевые компоненты протокола включают формальную спецификацию протокола и SDK, поддержку локального сервера MCP в приложениях Claude Desktop и открытый репозиторий реализаций сервера MCP[6].

Применение[править | править код]

MCP применяется в таких областях, как разработка программного обеспечения, автоматизация бизнес-процессов и автоматизация обработки естественного языка. Одним из наиболее распространенных вариантов использования являются приложения-помощники, такие как приложение Claude Desktop, которые развертывают локальные серверы MCP для обеспечения безопасного доступа к системным инструментам и пользовательским файлам.

В корпоративных средах внутренние помощники дополняются MCP для извлечения данных из корпоративных документов, CRM-систем и внутренних баз знаний — такие компании, как Block, интегрировали MCP в свои внутренние инструменты для этой цели[6].

MCP также играет важную роль в многоинструментальных рабочих процессах агентов, позволяя агентским системам ИИ координировать несколько инструментов — например, объединяя поиск документов с API обмена сообщениями — для поддержки сложных логических рассуждений в распределенных ресурсах.

В области доступа к данным на естественном языке MCP позволяет таким приложениям, как AI2SQL, связывать языковые модели со структурированными базами данных, позволяя выполнять запросы на простом языке[8].

Протокол MCP был внедрен в научные исследовательские процессы благодаря интеграции с системами управления ссылками, такими как Zotero. Многосерверные реализации позволяют исследователям выполнять семантический поиск в своих библиотеках, извлекать аннотации PDF-файлов и создавать обзоры литературы с помощью анализа с использованием ИИ[9][10][11]. Протокол становится все более распространенным в инструментах разработки программного обеспечения.

Интегрированные среды разработки (IDE), такие как Zed, платформы кодирования, такие как Replit, и инструменты кодирования, такие как Sourcegraph, используют MCP, чтобы предоставить помощникам по кодированию на основе ИИ доступ к контексту проекта в режиме реального времени. Эта интеграция особенно ценна для таких рабочих процессов, как вайбкодинг, где необходима постоянная адаптивная помощь[5]. В сфере разработки веб-приложений такие компании, как Wix, встраивают серверы MCP в свои платформы. Это позволяет инструментам ИИ взаимодействовать с данными веб-сайта в режиме реального времени, обеспечивая динамическую генерацию контента и оперативное редактирование. Эти возможности являются ключевыми для инструментов разработки Wix на основе ИИ[12][13].

Архитектура и реализация[править | править код]

Протокол был выпущен с SDK на таких языках программирования, как Python, TypeScript, C# и Java[8][14].

Anthropic поддерживает открытый репозиторий эталонных реализаций MCP-серверов для популярных корпоративных систем, включая Google Drive, Slack, GitHub, Git, PostgreSQL, Puppeteer и Stripe[15].

Разработчики могут создавать собственные MCP-серверы для подключения собственных систем или специализированных источников данных к системам ИИ[15]. Открытость протокола позволяет организациям создавать специализированные соединения, сохраняя при этом совместимость с более широкой экосистемой MCP. Системы ИИ могут использовать эти соединения для предоставления помощи, специфичной для конкретной области, с соблюдением прав доступа к данным[6].

MCP построен на архитектуре клиент-сервер, которая обеспечивает структурированную связь между моделями ИИ и внешними системами.

Соотношение понятий протокола MCP

В рамках описания MCP определены следующие ключевые понятия:

Хост: ИИ-приложение, с которым конечные пользователи взаимодействуют напрямую. Примерами служат Claude Desktop от Anthropic, интегрированные среды разработки с поддержкой ИИ, такие как Cursor, библиотеки вывода, такие как HuggingFace Python SDK, или пользовательские приложения, созданные на основе библиотек, таких как LangChain или отдельные ИИ-агенты. Хосты инициируют соединения с серверами MCP и координируют общий поток данных между пользовательскими запросами, обработкой LLM и внешними инструментами.

Клиент: компонент в хост-приложении, который управляет взаимодействием с определенным сервером MCP. Каждый клиент поддерживает соединение 1:1 с одним сервером, обрабатывая детали взаимодействия MCP на уровне протокола и выступая посредником между логикой хоста и внешним сервером.

Сервер: внешняя программа или служба, предоставляющая возможности (инструменты, ресурсы, запросы) через протокол MCP. Во многих материалах термины «клиент» и «хост» используются как взаимозаменяемые. С технической точки зрения, хост — это приложение, взаимодействующее с пользователем, а клиент — это компонент внутри хост-приложения, который управляет связью с определенным сервером MCP.

Коммуникационный поток в типичном процессе работы, использующем MCP[править | править код]

Взаимодействие с пользователем: пользователь взаимодействует с хост-приложением, выражая намерение или отправляя запрос.

Обработка хостом: хост обрабатывает ввод пользователя, возможно, используя модуль управления доступом (LLM) для понимания запроса и определения необходимых внешних возможностей.

Подключение клиента: хост направляет свой клиентский компонент на подключение к соответствующим серверам.

Обнаружение возможностей (capabilities): клиент запрашивает у сервера информацию о доступных возможностях (инструментах, ресурсах, запросах).

Вызов возможностей: в зависимости от потребностей пользователя или решения модуля управления доступом (LLM), хост поручает клиенту вызвать определённые возможности сервера.

Выполнение на сервере: сервер выполняет запрошенную функцию и возвращает результаты клиенту.

Интеграция результатов: Клиент передаёт эти результаты обратно на Хост, который включает их в контекст для LLM или представляет их непосредственно пользователю.

Ключевым преимуществом этой архитектуры является её модульность. Один Хост может подключаться к нескольким Серверам одновременно через разных Клиентов. Новые Серверы могут быть добавлены в экосистему без необходимости внесения изменений в существующие Хосты. Возможности можно легко скомпоновать на разных Серверах.

Эта модульность преобразует традиционную задачу интеграции M×N (M ИИ-приложений, подключающихся к N инструментам/сервисам) в более управляемую задачу M+N, где каждому Хосту и Серверу необходимо реализовать стандарт MCP только один раз.

Архитектура может показаться простой, но её преимущество заключается в стандартизации протокола связи и чётком разделении обязанностей между компонентами.

Такая архитектура позволяет создать целостную экосистему, в которой модели ИИ могут беспрепятственно подключаться к постоянно растущему массиву внешних инструментов и источников данных

JSON-RPC[править | править код]

В основе MCP лежит формат сообщений JSON-RPC 2.0 для всего взаимодействия между клиентами и серверами.

JSON-RPC — это облегчённый протокол удалённого вызова процедур, использующий JSON для кодирования параметров.

Это делает его:

  • Человекочитаемым и простым в отладке
  • Независимым от языка, поддерживающим реализацию в любой среде программирования
  • Хорошо зарекомендовавшим себя, с чёткими спецификациями и широким распространением

Протокол определяет три типа сообщений:

1. Request (запрос)

Отправляется от Клиента Серверу для инициирования операции. Сообщение-запрос включает в себя:

  • Уникальный идентификатор (id)
  • Имя вызываемого метода (например, tools/call)
  • Параметры метода (если есть)

Пример запроса: 

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "weather",
    "arguments": {
      "location": "San Francisco"
    }
  }
}

2. Response (ответ)

Отправляется от сервера клиенту в ответ на запрос. Ответное сообщение содержит:

  • Тот же идентификатор, что и у соответствующего запроса
  • Результат (в случае успеха) или ошибку (в случае неудачи)

Пример ответа при успешном выполнении: 

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "temperature": 62,
    "conditions": "Partly cloudy"
  }
}

Пример ответа об ошибке: 

{
  "jsonrpc": "2.0",
  "id": 1,
  "error": {
    "code": -32602,
    "message": "Invalid location parameter"
  }
}

3. Notification (уведомление)

Односторонние сообщения, не требующие ответа.

Обычно отправляются от сервера клиенту для предоставления обновлений или уведомлений о событиях.

Пример уведомления: 

{
  "jsonrpc": "2.0",
  "method": "progress",
  "params": {
    "message": "Processing data...",
    "percent": 50
  }
}

Транспортный уровень[править | править код]

Наряду с форматом сообщений — JSON-RPC, MCP также определяет, как эти сообщения передаются между клиентами и серверами. Поддерживаются два основных механизма передачи:

Stdio (стандартный ввод/вывод)[править | править код]

Транспорт stdio используется для локального взаимодействия, когда клиент и сервер работают на одной машине: Хост-приложение запускает сервер как подпроцесс и взаимодействует с ним, записывая данные в его стандартный ввод (stdin) и читая данные из его стандартного вывода (stdout). Этот транспорт используется для локальных инструментов, таких как доступ к файловой системе или запуск локальных скриптов. Основные преимущества этого транспорта заключаются в его простоте, отсутствии необходимости в настройке сети и в том, что он находится в безопасной изолированной среде операционной системы.

HTTP + SSE (Server-Sent Events) / Streamable HTTP[править | править код]

Транспорт HTTP+SSE используется для удалённого взаимодействия, когда клиент и сервер могут находиться на разных машинах: Обмен данными осуществляется по протоколу HTTP, при этом сервер использует события, отправляемые сервером (SSE), для передачи обновлений клиенту по постоянному соединению. Этот транспорт используется для подключения к удалённым API, облачным сервисам или общим ресурсам. Основные преимущества этого транспорта заключаются в его сетевой работе, интеграции с веб-сервисами и совместимости с бессерверными средами. В последних обновлениях стандарта MCP был представлен транспорт Streamable HTTP. Он обеспечивает большую гибкость, позволяя серверам динамически обновляться до SSE для потоковой передачи при необходимости, сохраняя при этом совместимость с бессерверными средами.

Пример полного цикла обмена информацией в MCP[править | править код]

Ниже представлен пример полного цикл взаимодействия Клиента (💻) и Сервера (🌐) в контексте протокола MCP.

Инициализация работы[править | править код]

Клиент подключается к серверу, и они обмениваются доступными им версиями протокола и его опциями/возможностями.

💻 → инициализация соединения 🌐
💻 ←

ответ

🌐
💻 →

подтверждение инициализации

🌐

Клиент подтверждает завершение инициализации с помощью уведомления (notification).

Обнаружение возможностей[править | править код]

Клиент запрашивает информацию о доступных возможностях сервера, а cервер отвечает списком доступных инструментов.

💻 →

список доступных инструментов

🌐
💻 ←

ответ

🌐

Этот процесс можно повторить для каждого инструмента, ресурса или типа подсказки.

Выполнение конкретной задачи[править | править код]

Клиент использует возможности Сервера, основываясь на потребностях Хоста.

💻 →

запрос инструмента

🌐
💻 ←

опциональная нотификация (или несколько)

🌐
💻 ←

ответ

🌐

Завершение работы[править | править код]

Соединение корректно закрывается, когда оно больше не нужно, и сервер подтверждает запрос на завершение работы

💻 →

завершение сессии

🌐
💻 ←

подтверждение завершения сессии

🌐
💻 →

выход

🌐

Клиент отправляет финальное сообщение о выходе для завершения завершения операции.

Возможности (Capabilities) MCP[править | править код]

Серверы MCP предоставляют клиентам разнообразные возможности (capabilities) через протокол связи. Эти возможности делятся на четыре основные категории, каждая из которых обладает уникальными характеристиками и вариантами использования. Поскольку перевод на русский относящихся к ним терминов ещё не устоялся, здесь, в ряде случаев, приводятся альтернативные русские и оригинальные английские термины.

Инструменты (Tools)[править | править код]

Инструменты — это исполняемые функции или действия, которые модель ИИ может вызывать через протокол MCP.

Управление: Инструменты обычно управляются моделью, то есть модель ИИ (LLM) решает, когда их вызывать, основываясь на запросе пользователя и контексте.

Безопасность: Из-за способности выполнять действия с побочными эффектами выполнение инструментов может быть опасным. Поэтому обычно требуется явное одобрение пользователя.

Случаи использования: Отправка сообщений, создание тикетов, запросы к API, выполнение вычислений.

Пример: Инструмент прогноза погоды, который получает текущие данные о погоде для заданного местоположения.

Ресурсы[править | править код]

Ресурсы предоставляют доступ только для чтения к источникам данных, позволяя модели ИИ извлекать контекст без выполнения сложной логики.

Управление: Ресурсы контролируются приложением, то есть хост-приложение обычно решает, когда к ним обращаться.

Характер: Они предназначены для извлечения данных с минимальными вычислениями, аналогично конечным точкам GET в REST API.

Безопасность: Поскольку они доступны только для чтения, они обычно представляют меньший риск для безопасности, чем инструменты.

Случаи использования: Доступ к содержимому файлов, извлечение записей базы данных, чтение информации о конфигурации.

Пример: Ресурс, предоставляющий доступ к содержимому файлов.

Промпты (prompts, подсказки)[править | править код]

Промпты — это предопределенные шаблоны или рабочие процессы, которые управляют взаимодействием между пользователем, моделью ИИ и возможностями сервера.

Управление: Подсказки контролируются пользователем и часто представлены в виде параметров в пользовательском интерфейсе хост-приложения.

Назначение: Они структурируют взаимодействие для оптимального использования доступных инструментов и ресурсов.

Выбор: Пользователи обычно выбирают подсказку до того, как модель ИИ начнет обработку, задавая контекст для взаимодействия.

Случаи использования: Стандартные рабочие процессы, специализированные шаблоны задач, управляемые взаимодействия.

Пример: Шаблон подсказки для создания обзора кода.

Sampling (передача образца)[править | править код]

Эта возможность позволяет серверам запрашивать у клиента (в частности, у хост-приложения) выполнение LLM-взаимодействий.

Управление: Передача образца инициируется сервером, но требует взаимодействия клиента и хоста.

Назначение: Обеспечивает серверное агентское поведение и потенциально рекурсивные или многошаговые взаимодействия.

Безопасность: Как и инструменты, операции взаимодействия по образцу обычно требуют одобрения пользователя.

Способы использования: Сложные многошаговые задачи, автономные рабочие процессы агентов, интерактивные процессы.

Пример: Сервер может запросить у клиента анализ обработанных им данных.

Внедрение[править | править код]

В марте 2025 года OpenAI официально приняла MCP, после решения интегрировать стандарт во все свои продукты, включая ChatGPT, пакет разработчика приложений OpenAI Agents SDK и API Responses. Сэм Альтман описал принятие MCP как шаг к стандартизации взаимодействия с инструментами ИИ. До принятия OpenAI потенциальные преимущества MCP широко обсуждались в сообществе разработчиков, особенно в плане упрощения разработки в многомодельных средах[3][2]. Внедрив MCP, OpenAI присоединяется к другим организациям, таким как Block, Replit и Sourcegraph, внедряющим протокол в свои платформы. Такое широкое внедрение подчёркивает потенциал MCP как универсального открытого стандарта для взаимодействия и взаимодействия систем ИИ[3]. MCP может быть интегрирован с Microsoft Semantic Kernel[16] и Azure OpenAI[17]. Серверы MCP могут быть развернуты в Cloudflare[18]. Демис Хассабис, генеральный директор Google DeepMind, подтвердил в апреле 2025 года поддержку MCP в будущих моделях Gemini и связанной с ними инфраструктуре, описав протокол как «быстро становящийся открытым стандартом для эпохи агентов ИИ»[4].

Microsoft вложила значительные средства в MCP для улучшения интеграции ИИ в своей экосистеме, включая GitHub, Microsoft 365 и Azure. GitHub, наряду с Microsoft, присоединился к руководящему комитету MCP на конференции Microsoft Build 2025, предоставив службу реестра для обнаружения и управления серверами MCP. Сервер Azure MCP, находящийся в общедоступной предварительной версии, подключает агентов ИИ к таким сервисам Azure, как хранилище, базы данных и аналитика журналов, а Microsoft 365 поддерживает MCP для создания агентов ИИ и приложений с интеграцией с Copilot. В мае 2025 года Microsoft добавила встроенную поддержку MCP в Copilot Studio, предлагая ссылки на любой сервер MCP одним щелчком мыши, новые списки инструментов, потоковую передачу данных, а также полную трассировку и аналитику.

В этом релизе MCP позиционировался как мост по умолчанию для Copilot к внешним базам знаний, API и Dataverse[19] . Кроме того, Microsoft совместно с Anthropic разработала официальный C# SDK для MCP, доступный в виде пакета NuGet с открытым исходным кодом (ModelContextProtocol), который обеспечивает бесшовную интеграцию ИИ в экосистему .NET для создания серверов и клиентов MCP[20]. С тех пор было добавлено множество серверов MCP, что позволяет интегрировать LLM с различными приложениями[21].

MCP, Информаторий и дружественные вики-проекты[править | править код]

Возможность организации MCP-сервера для Информатория и других дружественных вики-проектов находится в стадии обсуждения.

MCP и Википедия[править | править код]

Существует ряд независимых реализаций MCP-сервера, обеспечивающих доступ к Википедии и другим ресурсам Wikimedia Foundation. Кроме того, сам фонд Wikimedia Foundation предоставляет на коммерческой основе доступ к Wikimedia Enterprise API. Доступ к этому API возможен через специализированный MCP-сервер.

Принятие[править | править код]

The Verge утверждает, что MCP отвечает растущему спросу на ИИ-агентов, учитывающих контекст и способных безопасно извлекать данные из различных источников.[5]

Быстрое внедрение протокола OpenAI, Google DeepMind и такими разработчиками инструментов, как Zed и Sourcegraph, свидетельствует о растущем консенсусе относительно его полезности[3][22]. В апреле 2025 года исследователи безопасности опубликовали анализ, в котором говорилось о наличии множества нерешённых проблем безопасности MCP, включая промпт-инъекцию[23], проблемы с правами доступа к инструментам, которая приводит к тому, что комбинирование инструментов может привести к краже файлов[24], а похожие инструменты могут незаметно подменять доверенные[25].

MCP сравнивают с OpenAPI, аналогичной спецификацией, предназначенной для описания API[26][27].

См. также[править | править код]

Литература[править | править код]

  • Hou, Xinyi; Zhao, Yanjie; Wang, Shenao; Wang, Haoyu (2025). "Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions". arXiv:2503.23278 [cs.CR].
  • Edwards, Benj (April 1, 2025). "MCP: The new "USB-C for AI" that's bringing fierce rivals together". Ars Technica.
  • Jackson, Fiona (March 28, 2025). "OpenAI Agents Now Support Rival Anthropic's Protocol, Making Data Access 'Simpler, More Reliable'". TechRepublic.
  • Masson, Colin. Context Is the Missing Link: The Emergence of the Model Context Protocol in Industrial AI. ARC Advisory Group (25 марта 2025).
  • Laith Al-Saadoon; Pranjali Bhandari; Paul Vincent; Anita Lewis; Jimin Kim; Justin Lewis. Introducing AWS MCP Servers for code assistants (Part 1). Amazon AWS (1 апреля 2025).
  • Desai, Zankar. Introducing Model Context Protocol (MCP) in Copilot Studio: Simplified Integration with AI Apps and Agents. Microsoft Copilot Studio Blog, Microsoft (19 марта 2025).
  • Wagner, Tim. Understanding Model Context Protocol (MCP). Vendia (13 мая 2025).
  • Model Context Protocol (MCP) – универсальный протокол для взаимодействия с ИИ, и почему это замечательно.

Ссылки[править | править код]

Примечания[править | править код]

  1. ↑ David, Emilia (November 25, 2024). "Anthropic releases Model Context Protocol to standardize AI-data integration". VentureBeat. Дата обращения: 12 мая 2025.
  2. ↑ 2,0 2,1 2,2 Kumar, Vinay (March 26, 2025). "The open source Model Context Protocol was just updated — here's why it's a big deal". VentureBeat. Дата обращения: 12 мая 2025.
  3. ↑ 3,0 3,1 3,2 3,3 Wiggers, Kyle (March 25, 2025). "OpenAI adopts rival Anthropic's standard for connecting AI models to data". TechCrunch.
  4. ↑ 4,0 4,1 Wiggers, Kyle (April 9, 2025). "Google to embrace Anthropic's standard for connecting AI models to data". TechCrunch. Дата обращения: 12 мая 2025.
  5. ↑ 5,0 5,1 5,2 Roth, Emma (November 25, 2024). "Anthropic launches tool to connect AI systems directly to datasets". The Verge.
  6. ↑ 6,0 6,1 6,2 6,3 6,4 6,5 6,6 6,7 Introducing the Model Context Protocol. Anthropic (25 ноября 2024). Дата обращения: 12 мая 2025.
  7. ↑ Edwards, Benj (1 April 2025). "MCP: The new "USB-C for AI" that's bringing fierce rivals together". Ars Technica. Дата обращения: 24 мая 2025.
  8. ↑ 8,0 8,1 8,2 Ouellette, Michael. Model context protocol: the next big step in generating value from AI (амер. англ.). Engineering.com (9 мая 2025). Дата обращения: 23 июня 2025.
  9. ↑ Yu, Steven (2025-07-02), 54yyyu/zotero-mcp, Дата обращения: 3 июля 2025
  10. ↑ Taylor, Aaron (2025-07-02), kujenga/zotero-mcp, Дата обращения: 3 июля 2025
  11. ↑ Kalia, Abhishek (2025-07-02), kaliaboi/mcp-zotero, Дата обращения: 3 июля 2025
  12. ↑ Wix just opened the door to quicker and easier coding with new AI tool. TechRadar Pro (27 марта 2025). Дата обращения: 22 мая 2025.
  13. ↑ Wix Unveils the Wix Model Context Protocol Server for AI-Driven Web App Development. Enterprise AI World (27 марта 2024). Дата обращения: 22 мая 2025.
  14. ↑ Model Context Protocol (англ.). GitHub. Дата обращения: 20 июня 2025.
  15. ↑ 15,0 15,1 Bastian, Matthias. Anthropic's new open protocol lets AI systems tap into any data source (амер. англ.). The Decoder (25 ноября 2024). Дата обращения: 14 июня 2025.
  16. ↑ Wallace, Mark. Integrating Model Context Protocol Tools with Semantic Kernel: A Step-by-Step Guide. Semantic Kernel Dev Blog, Microsoft (5 марта 2025). Дата обращения: 12 мая 2025.
  17. ↑ mrajguru. Model Context Protocol (MCP): Integrating Azure OpenAI for Enhanced Tool Integration and Prompting. AI - Azure AI services Blog, Microsoft (16 марта 2025). Дата обращения: 12 мая 2025.
  18. ↑ Brendan Irvine-Broque; Dina Kozlov; Glen Maddern. Build and deploy Remote Model Context Protocol (MCP) servers to Cloudflare. Cloudflare (25 марта 2025). Дата обращения: 12 мая 2025.
  19. ↑ Desai, Zankar. Model Context Protocol (MCP) is now generally available in Microsoft Copilot Studio (амер. англ.). Microsoft Copilot Blog (29 мая 2025). Дата обращения: 3 августа 2025.
  20. ↑ Mike, Maria. Microsoft partners with Anthropic to create official C# SDK for Model Context Protocol. Microsoft Developer Blog (2 апреля 2025). Дата обращения: 1 августа 2025.
  21. ↑ Awan, Abid Ali. 10 Awesome MCP Servers. KDnuggets. Дата обращения: 12 мая 2025.
  22. ↑ Sha, Arjun. What is Model Context Protocol (MCP) Explained. Beebom.com (14 апреля 2025).
  23. ↑ Lakshmanan, Ravie. Researchers Demonstrate How MCP Prompt Injection Can Be Used for Both Attack and Defense. thehackernews.com (30 апреля 2025).
  24. ↑ Fischer, Marc; Beurer-Kellner, Luca. MCP Security Notification: Tool Poisoning Attacks. InvariantLabs (1 апреля 2025).
  25. ↑ Martin, Jason; Ring, Leo; McCauley, Conor; Kan, Marcus; Schulz, Kasimir; Yeung, Kenneth. MCP: Model Context Pitfalls in an Agentic World. hiddenlayer.com (10 апреля 2025).
  26. ↑ MacManus, Richard. MCP: The Missing Link Between AI Agents and APIs. The New Stack (13 марта 2025). Дата обращения: 29 мая 2025.
  27. ↑ Fanelli, Alessio. Why MCP Won (англ.). www.latent.space. Дата обращения: 29 мая 2025.
Источник — https://in.wiki/w/index.php?title=Model_Context_Protocol&oldid=1575228