Руководство для начинающих по MCP

MCP расшифровывается как Model Context Protocol — открытый стандартный протокол, используемый для стандартизации подключения ИИ-приложений к внешним инструментам и источникам данных.

MCP похож на USB-C: он позволяет разным устройствам подключаться друг к другу через один и тот же интерфейс.

До появления MCP каждый раз, когда интегрировался новый инструмент (например, GitHub, Slack или база данных), каждому ИИ-приложению приходилось писать собственный набор кода интеграции, что приводило кпроблеме интеграции N × M(N ИИ-приложений × M инструментов = N×M наборов кода).

С MCP поставщику инструмента нужно только создать один MCP Server, соответствующий стандарту, и любое ИИ-приложение, поддерживающее MCP, сможет использовать его напрямую, превращаясь в1 Server + совместимость со всеми Hosts。

Следующая схема наглядно показывает разницу между традиционной N×M интеграцией и стандартизированной интеграцией MCP:

传统 N×M 集成 vs MCP 标准化集成对比图

В декабре 2025 года Anthropic передала MCP организации Agentic AI Foundation (AAIF) под эгидой Linux Foundation, и он стал открытым стандартом, поддерживаемым отраслью. Такие вендоры, как OpenAI и Block, совместно участвуют в его управлении.

Хронология разработки

ВремяВеха
До 2023 годаOpenAI запустила вызов функций и фреймворк плагинов ChatGPT, но оба были проприетарными форматами вендора, привязанными к единственной платформе.
Ноябрь 2024Anthropic выпустила MCP — протокол, не зависящий от модели и нейтральный к вендорам; любая модель может использовать один и тот же Server.
Март 2025OpenAI официально объявила о поддержке MCP.
Середина 2025 годаДобавлены такие возможности, как транспорт Streamable HTTP, авторизация OAuth 2.1 и Elicitation (получение информации); MCP движется к удалённым сервисам промышленного уровня.
Декабрь 2025 годаУправление протоколом было передано AAIF (Linux Foundation), что ознаменовало переход к этапу совместного управления с участием нескольких вендоров.
2026Ядро развивается в сторону отсутствия состояния (statelessness), добавляя такие возможности расширения, как Tasks (длительно выполняющиеся задачи) и MCP Apps (интерактивный UI).

Основная архитектура: Host / Client / Server

MCP опирается на подход к проектированию LSP (Language Server Protocol — протокол, который обеспечивает редакторам унифицированную поддержку языков программирования) и определяет три роли:

РольОписаниеПример
Host AI-приложение, напрямую используемое пользователем; отвечает за координацию нескольких Client и управление диалогами. Claude Code、Claude Desktop、Cursor、ChatGPT
Клиент Внутренний компонент Host, который поддерживает соединение один-к-одному с конкретным Server и отвечает за преобразование запросов вызова инструментов модели в стандартные сообщения протокола. Host создаёт по одному Client для каждого Server, к которому подключается.
Server Обёртывает стандартный протокольный слой, предоставляет возможности конкретного инструмента или источника данных и не общается напрямую с большой языковой моделью. Сервер GitHub API, сервер базы данных, сервер файловой системы

Взаимосвязь трёхуровневой архитектуры показана на следующей диаграмме:

MCP 三层架构图:Host / Client / Server

В основе коммуникации единообразно используетсяJSON-RPC 2.0в качестве формата сообщений, обеспечивая стандартизированное взаимодействие между разными ролями.


Подробное объяснение процесса взаимодействия MCP

На примере "пользователь просит ИИ проверить погоду" полный процесс вызова инструмента выглядит следующим образом:

MCP 通信流程时序图:用户提问到获取结果的完整链路

Процесс разделён на семь шагов:

  1. Пользователь задаёт вопрос: Пользователь вводит "Проверь для меня погоду в Пекине" в Хосте (например, Claude Code).
  2. Модель определяет: Встроенная в Хост большая языковая модель анализирует вопрос, определяет, что нужно вызвать инструмент запроса погоды, и отправляет намерение вызова Клиенту.
  3. Преобразование протокола: Клиент преобразует запрос вызова инструмента в сообщение формата JSON-RPC 2.0 и отправляет его соответствующему Серверу.
  4. Сервер выполняет: После получения запроса Сервер выполняет фактическую операцию (например, вызывает API погоды или выполняет запрос к базе данных).
  5. Возврат результата: Сервер возвращает результат Клиенту в формате JSON-RPC.
  6. Передача результата обратно модели: Клиент передаёт результат обратно Хосту, чтобы модель включила его в свой ответ.
  7. Ответить пользователю: Модель объединяет данные, возвращённые инструментом, с естественным языком и выдаёт итоговый ответ.

На протяжении всего процесса Сервер совершенно не знает о существовании большой языковой модели — он обрабатывает только сообщения JSON-RPC. Это ключевое проектное решение, которое делает MCP независимым от модели.


Три основных примитива

MCP-сервер может предоставлять внешним потребителям три типа возможностей, называемых «примитивами»:

ПримитивОпределениеТипичные случаи использования
Инструменты Исполняемые действия, которые модель может вызывать по собственной инициативе и которые приводят к побочным эффектам (например, запись данных или отправка сообщений). Отправка электронных писем, создание тикетов, выполнение запросов к базе данных, манипулирование файлами
Ресурсы Данные только для чтения, предоставляемые модели для чтения в качестве контекста; они не предполагают выполнения. Содержимое лог-файлов, снимки таблиц базы данных, документация API
Промпты Заранее написанные, переиспользуемые шаблоны промптов, которые пользователи или приложения могут вызывать напрямую. "Помоги мне обобщить ключевые положения этого договора", "Проанализируй проблемы производительности этого кода"

Кроме того, есть два продвинутых механизма:

  • Сэмплинг: Сервер, в свою очередь, может запросить у модели Хоста сгенерировать для него контент, что приводит к смене ролей.
  • Элицитация: Когда Сервер обнаруживает, что информации недостаточно в середине выполнения, он может самостоятельно запросить у пользователя уточнение, например: «По какой дате мне фильтровать?»

На старте можно сосредоточиться только на Инструментах и Ресурсах. Не будет поздно изучить Промпты, Сэмплинг и Элицитацию позже, когда они понадобятся.


Методы транспорта

MCP поддерживает два метода транспорта, подходящих для разных сценариев:

Метод транспортаПрименимые сценарииХарактеристики
stdio (стандартный ввод/вывод) Локальные инструменты; Хост запускает Сервер как подпроцесс. Самый простой; не требует настройки сети; подходит для локальных инструментов на персональном компьютере.
Streamable HTTP Удалённые производственные среды; Сервер развёртывается как HTTPS-сервис. Поддерживает одновременные подключения и горизонтальное масштабирование в сочетании с OAuth 2.1 для аутентификации.

Для личного обучения и локальной разработки достаточно использоватьstdio.

Для корпоративных сценариев, требующих совместного использования несколькими пользователями, используйтеStreamable HTTP。

Все демонстрационные примеры в этом руководстве используют метод stdio.


Примечания по безопасности

MCP даёт AI возможность выполнять код и получать доступ к реальным системам, поэтому рекомендации по безопасности особенно важны:

  • Сами описания инструментов не заслуживают доверия: Если они не получены от доверенного сервера, описания функций могут быть злонамеренно изменены (риск внедрения промптов). Host должен сохранять бдительность в отношении описаний инструментов.
  • Должно быть получено явное согласие пользователя: Чувствительные операции не должны выполняться молча; каждый вызов инструмента должен подтверждаться пользователем.
  • Усильте защиту в производственных средах: Сервер следует развернуть как сервер ресурсов OAuth в сочетании с шифрованием TLS, контролем доступа и аудитом журналов.
  • Сторонние серверы должны быть проверены: Убедитесь, что источник заслуживает доверия, перед использованием и при необходимости используйте изоляцию песочницы.

Практическая демонстрация: подключение Claude Code к MCP-серверу

Ниже приведены два полных примера, показывающих, как написать MCP-сервер и подключить его к Claude Code.

В первом примере используется Python для написания сервиса запросов погоды, а во втором — Node.js/TypeScript для управления списком задач.

Случай 1: Сервер запросов погоды на Python

Цель: написать MCP Server, который предоставляет инструмент запроса погоды, вызываемый через Claude Code.

Подготовка окружения

pip install mcp httpx

Необходимо установить два Python-пакета:mcp— официальный MCP Python SDK,httpx— используется для выполнения HTTP-запросов к API погоды.

Написание кода сервера

Создайте файлweather_server.py:

Пример

# Путь к файлу: weather_server.py
from mcp.server.fastmcp import FastMCP
import httpx

# Создание экземпляра MCP Server с именем "weather"
# FastMCP предоставляет высокоуровневый API, упрощая разработку сервера
mcp = FastMCP("weather")


@mcp.tool()
async def get_weather(city: str) -> str:
    """Запрос текущей погоды для указанного города.

    Аргументы:
city: Название города, поддерживается китайский или английский, например, "Beijing" или "Shanghai"
    """

    # Используйте бесплатный погодный API wttr.in, регистрация API-ключа не требуется.
    # Параметр format задаёт формат возврата: %C=погодные условия, %t=температура.
    url = f"https://wttr.in/{city}?format=%C+%t"
    async with httpx.AsyncClient() as client:
        resp = await client.get(url, timeout=10)
        resp.raise_for_status()
        return f"{city} текущая погода: {resp.text.strip()}"


@mcp.resource("weather://cities/supported")
def supported_cities() -> str:
    """Возвращает список поддерживаемых в настоящее время городов для запросов (пример ресурса только для чтения)."""
    return "Beijing, Shanghai, Guangzhou, Shenzhen, Hangzhou, Chengdu, пример"


if __name__ == "__main__":
    # Использовать транспорт stdio, чтобы Claude Code вызывал его как подпроцесс
    mcp.run(transport="stdio")

Пояснение кода:

  • @mcp.tool(): Регистрирует функцию как инструмент; docstring автоматически передаётся LLM как описание инструмента, помогая модели решить, когда его вызывать.
  • @mcp.resource(): Регистрирует функцию как ресурс, который модель может читать по требованию; это не подразумевает "выполнение", только "поиск".
  • mcp.run(transport="stdio"): Связывается с Host через стандартный ввод/вывод — самый распространённый способ для локальных инструментов.

Локальная отладка (необязательно, но рекомендуется)

Перед подключением к Claude Code используйте официальный инструмент MCP Inspector для отладки сервера и убедитесь, что он работает правильно:

npx @modelcontextprotocol/inspector python weather_server.py

После запуска автоматически открывается веб-интерфейс отладки, где вы можете увидеть, какие инструменты и ресурсы предоставляет сервер, и вручную вызвать их для тестирования.

Рекомендуется каждый раз проходить процесс отладки через Inspector, чтобы устранять проблемы с кодом перед подключением к реальному AI-ассистенту — это может сэкономить много времени на отладку.

Настройка MCP-сервера в Claude Code

Способ 1: попросить ИИ добавить его напрямую

Мы можем запустить Claude напрямую:

claude

Введите следующую информацию, и пусть Claude настроит и добавит её за нас:

添加 @weather_server.py 这个 MCP 服务

Это самый простой способ; после ввода запроса конфигурация и зависимости завершаются автоматически.

Вы можете видеть, что информация о конфигурации была автоматически сгенерирована в файле .mcp.json в текущем каталоге:

После завершения настройки спросите напрямую в Claude Code:

Help me check the current weather in Beijing

Если вы предпочитаете возиться с вещами самостоятельно, вы также можете использовать добавление через командную строку и настройку файлов.

Способ 2: Добавление через командную строку

Обратите внимание, что команду и пути к файлам нужно изменить самостоятельно:

claude mcp add weather python /Users/example/example-test/weather_server.py

Значение этой команды:

  • claude mcp add: Подкоманда управления MCP в Claude Code.
  • weather: Дайте этому MCP-серверу имя для дальнейшего использования.claude mcp listВы можете видеть.
  • python: Команда для запуска сервера.
  • /Users/.../weather_server.py: Абсолютный путь к скрипту сервера.

После успешного добавления вы можете использовать следующую команду для просмотра подключённых MCP-серверов:

claude mcp list

Пример вывода:

NAME      STATUS   COMMAND
weather   active   python /Users/example/example-test/weather_server.py

Чтобы удалить сервер:

$ claude mcp remove weather

Способ 3: файл конфигурации (подходит для совместного использования командой)

Создайте его в корневом каталоге проекта: файл.mcp.json:

{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["/Users/example/example-test/weather_server.py"]
    }
  }
}

После сохранения перезапустите Claude Code (или заново откройте проект), и конфигурация вступит в силу.

Преимущество подхода с файлом конфигурации в том, что его можно закоммитить в Git-репозиторий, и члены команды автоматически получают ту же конфигурацию MCP-сервера после клонирования проекта.

Если настроен MCP-сервер уровня пользователя (хранится в ~/.claude/mcp.json), он действует для всех проектов. Файл .mcp.json уровня проекта действует только для текущего проекта.

Фактическое использование

После завершения настройки спросите напрямую в Claude Code:

> Help me check the current weather in Beijing

Claude Code автоматически:

  1. Определит, что нужно вызвать инструмент get_weather сервера weather Server.
  2. Покажет диалоговое окно подтверждения авторизации с вопросом, разрешить ли вызов.
  3. После того как вы нажмёте «Согласен», он вызовет сервер для получения данных о погоде.
  4. Интегрируйте результаты в ответ на естественном языке.

Это полный замкнутый цикл от модели к данным реального мира.

Случай 2: Node.js/TypeScript Todo Server

Если вы больше знакомы с экосистемой JavaScript/TypeScript, вот пример MCP Server на Node.js.

Подготовка окружения

npm install @modelcontextprotocol/sdk zod

Написание кода сервера

Создайте файлtodo_server.ts:

Пример

// Путь к файлу: todo_server.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

// Создайте экземпляр MCP Server, задайте имя и номер версии
const server = new McpServer({
  name: "todo-list",
  version: "1.0.0"
});

// Использовать массив для имитации хранилища задач (в реальных проектах можно заменить на базу данных)
const todos: string[] = [];

// Зарегистрировать первый инструмент: добавить задачу
server.tool(
  "add_todo",                         // Имя инструмента
  "Добавить задачу",                   // Описание инструмента (модель использует его, чтобы определить, когда его вызывать)
  {
    // Схема параметров, определённая с помощью Zod, автоматически генерирует JSON Schema
    item: z.string().describe("Содержимое задачи")
  },
  async ({ item }) => {
    todos.push(item);
    return {
      content: [{
        type: "text",
        text:`Добавлено:"${item}", сейчас всего ${todos.length}задач`
      }]
    };
  }
);

// Зарегистрируйте второй инструмент: список всех задач
server.tool(
  "list_todos",
  "Вывести список всех задач",
  {},                                 // Без параметров
  async () => {
    const text = todos.length
      ? todos.map((t, i) => `${i + 1}. ${t}`).join("\n")
      : "Пока нет задач";
    return {
      content: [{ type: "text", text }]
    };
  }
);

// Запуск сервера с использованием транспорта stdio
const transport = new StdioServerTransport();
await server.connect(transport);

Способ подключения к Claude Code точно такой же, как в версии для Python.

Мы можем запустить Claude напрямую:

claude

Введите следующую информацию, и пусть Claude настроит и добавит её за нас:

添加 @todo_server.ts 这个 MCP 服务

Затем в разговоре скажите "Добавь мне задачу: купи пример учебника", и Claude Code вызовет инструмент add_todo.


Существующая экосистема: не нужно писать всё самому

С момента выпуска MCP сообщество опубликовало более 500 публичных серверов, охватывающих подавляющее большинство распространённых сценариев:

КатегорияГотовые примеры MCP-серверов
Хостинг кодаGitHub、GitLab、Bitbucket
Мгновенные сообщенияSlack、Discord
Cloud StorageGoogle Drive、OneDrive
Базы данныхPostgreSQL、MySQL、SQLite、MongoDB
Веб-автоматизацияPuppeteer、Playwright
Управление знаниямиNotion、Obsidian
Файловая системаФайловая система (локальное чтение/запись файлов)

Официальный SDK поддерживает следующие языки программирования: TypeScript, Python, C#, Java, Swift.

В реальной разработке для большинства сценариев можно просто найти существующий Server и использовать его. Только при подключении к внутренним системам компании или частным базам данных нужно писать собственный MCP Server.


ЧАВО

ВопросОтвет
Заменит ли MCP Function Calling? Нет. Function Calling — это базовый механизм, с помощью которого модели вызывают инструменты. MCP оборачивает этот механизм стандартизированным протоколом, позволяя моделям разных производителей использовать один и тот же набор определений инструментов. Взаимосвязь между ними — «стандартизация», а не «замена».
Может ли один Server использоваться несколькими AI-приложениями одновременно? Да, и это как раз основная ценность MCP — написать Server один раз, и любой совместимый с MCP Host (Claude Code, Claude Desktop, Cursor, ChatGPT и т. д.) сможет его использовать.
Нужно ли писать код, чтобы использовать MCP? Если вы просто используете MCP Server, созданный кем-то другим, вам вообще не нужно писать код — достаточно настроить его с помощью команды claude mcp add в Claude Code. Писать код нужно только при разработке собственного Server.
Как выбрать между stdio и Streamable HTTP? Для личного использования и локальных инструментов выбирайте stdio (нулевая конфигурация); для совместной работы в команде и production-развёртывания выбирайте Streamable HTTP (требуется настройка HTTPS и OAuth).

Ссылки

Другие расширения