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:
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
| Время | Веха |
|---|---|
| До 2023 года | OpenAI запустила вызов функций и фреймворк плагинов ChatGPT, но оба были проприетарными форматами вендора, привязанными к единственной платформе. |
| Ноябрь 2024 | Anthropic выпустила MCP — протокол, не зависящий от модели и нейтральный к вендорам; любая модель может использовать один и тот же Server. |
| Март 2025 | OpenAI официально объявила о поддержке MCP. |
| Середина 2025 года | Добавлены такие возможности, как транспорт Streamable HTTP, авторизация OAuth 2.1 и Elicitation (получение информации); MCP движется к удалённым сервисам промышленного уровня. |
| Декабрь 2025 года | Управление протоколом было передано AAIF (Linux Foundation), что ознаменовало переход к этапу совместного управления с участием нескольких вендоров. |
| 2026 | Ядро 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:
| Роль | Описание | Пример |
|---|---|---|
| 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:
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:

Процесс разделён на семь шагов:
- Пользователь задаёт вопрос: Пользователь вводит "Проверь для меня погоду в Пекине" в Хосте (например, Claude Code).
- Модель определяет: Встроенная в Хост большая языковая модель анализирует вопрос, определяет, что нужно вызвать инструмент запроса погоды, и отправляет намерение вызова Клиенту.
- Преобразование протокола: Клиент преобразует запрос вызова инструмента в сообщение формата JSON-RPC 2.0 и отправляет его соответствующему Серверу.
- Сервер выполняет: После получения запроса Сервер выполняет фактическую операцию (например, вызывает API погоды или выполняет запрос к базе данных).
- Возврат результата: Сервер возвращает результат Клиенту в формате JSON-RPC.
- Передача результата обратно модели: Клиент передаёт результат обратно Хосту, чтобы модель включила его в свой ответ.
- 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»:
| Примитив | Определение | Типичные 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 транспорта | Применимые сценарии | Характеристики |
|---|---|---|
| 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
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:
- Определит, что нужно вызвать инструмент get_weather сервера weather Server.
- Покажет диалоговое окно подтверждения авторизации с вопросом, разрешить ли вызов.
- После того как вы нажмёте «Согласен», он вызовет сервер для получения данных о погоде.
- 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
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:
| Категория | Готовые примеры MCP-серверов |
|---|---|
| Хостинг кода | GitHub、GitLab、Bitbucket |
| Мгновенные сообщения | Slack、Discord |
| Cloud Storage | Google Drive、OneDrive |
| Базы данных | PostgreSQL、MySQL、SQLite、MongoDB |
| Веб-автоматизация | Puppeteer、Playwright |
| Управление знаниями | Notion、Obsidian |
| Файловая система | Файловая 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
| Вопрос | Ответ |
|---|---|
| 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
- Официальная документация:https://modelcontextprotocol.io
- Официальная спецификация:https://modelcontextprotocol.io/specification
- Официальный GitHub (включает SDK и референсные реализации на различных языках):https://github.com/modelcontextprotocol
- Протокол MCP:https://www.example.com/np/mcp-protocol.html
- Инструмент отладки Inspector:npx @modelcontextprotocol/inspector