Model Context Protocol

Model Context Protocol

Developed by	Anthropic
Introduced	ноябрь 25, 2024 (2024-11-25)
Website	modelcontextprotocol.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.. MCP предоставляет универсальный интерфейс для чтения файлов, выполнения функций и обработки контекстных промптов . После анонса протокол был поддержан основными поставщиками ИИ, включая OpenAI и Google DeepMind.

Предыстория

Протокол был анонсирован компанией Anthropic в ноябре 2024 года как открытый стандарт для подключения ИИ-помощников к системам данных, таким как репозитории контента, инструменты управления бизнесом и среды разработки Он призван решить проблему разрозненности информации и устаревших систем. 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». 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. 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.

Возможности

MCP определяет стандартизированную структуру для интеграции систем ИИ с внешними источниками данных и инструментами. 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. MCP позволяет разработчикам предоставлять доступ к своим данным через серверы MCP или разрабатывать приложения ИИ, называемые клиентами MCP, которые подключаются к этим серверам. Ключевые компоненты протокола включают формальную спецификацию протокола и SDK, поддержку локального сервера MCP в приложениях Claude Desktop и открытый репозиторий реализаций сервера MCP.

Применение

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.

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.

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. 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. 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.

Архитектура и реализация

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

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

Разработчики могут создавать собственные MCP-серверы для подключения собственных систем или специализированных источников данных к системам ИИ. 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.

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

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

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

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)

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

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

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

Инициализация работы

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

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

Клиент использует возможности Сервера, основываясь на потребностях Хоста.

💻	→ запрос инструмента	🌐
💻	← опциональная нотификация (или несколько)	🌐
💻	← ответ	🌐

Завершение работы

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

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)

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

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)

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)

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

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. 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. MCP может быть интегрирован с Microsoft Semantic Kernel и Azure OpenAI. Серверы MCP могут быть развернуты в Cloudflare. 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».

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 . 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. С тех пор было добавлено множество серверов MCP, что позволяет интегрировать LLM с различными приложениями.

MCP, Информаторий и дружественные вики-проекты

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

MCP и Википедия

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

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

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

MCP сравнивают с OpenAPI, аналогичной спецификацией, предназначенной для описания API.

См. также

• Language Server Protocol
• UDDI
• OpenAPI

Литература

• 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  (неопр.). 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)  (неопр.). Amazon AWS (1 апреля 2025).
• Desai, Zankar. Introducing Model Context Protocol (MCP) in Copilot Studio: Simplified Integration with AI Apps and Agents  (неопр.). Microsoft Copilot Studio Blog, Microsoft (19 марта 2025).
• Wagner, Tim. Understanding Model Context Protocol (MCP)  (неопр.). Vendia (13 мая 2025).
• Model Context Protocol (MCP) – универсальный протокол для взаимодействия с ИИ, и почему это замечательно.

Ссылки

• официальный сайт проекта
• Проект Model Context Protocol на сайте GitHub
• SDK documentation from OpenAI
• обучающий курс на huginface