Автор статьи
За последние 2 года нейросети научились делать куда больше, чем просто отвечать на вопросы или генерировать тексты. Теперь они могут действовать почти как полноценный сотрудник — открывать документы, анализировать таблицы, редактировать макеты, управлять задачами и даже отправлять письма. Но чтобы такие способности у них появились, нужно использовать специальный протокол — MCP. В статье рассказываем, что это такое, как протокол работает и как его подключить.
Что такое MCP-протокол
Протокол — это набор правил, по которым программы общаются между собой. Он определяет, в каком формате передавать данные, какие команды можно отправлять и как понимать ответы.
А MCP (Model Context Protocol) — это универсальный протокол, который позволяет искусственному интеллекту подключаться к любым внешним сервисам и выполнять действия так, как это сделал бы человек. Благодаря MCP ИИ может взаимодействовать с инструментами и системами напрямую: получить данные, обработать их и вернуть готовый результат.
По сути, это мост между ИИ и разными цифровыми сервисами. Например, протокол может связать нейросеть с Google Sheets, Figma, GitHub, платежной системой или BI-платформой. После подключения ИИ сможет читать информацию, менять ее, запускать процессы и даже управлять целыми цепочками действий.
Если объяснять проще, то через MCP нейросеть заходит в нужный сервис, получает доступ к данным, анализирует их, делает нужные изменения и сообщает результат. Все это происходит без участия человека, а скорость работы зависит только от возможностей подключенных инструментов и самой модели.
Чтобы дальше по тексту не было путаницы, заранее введем еще 2 термина:
- MCP-сервер. Это уже конкретная программа, которая работает по этим правилам. Сервер знает один или несколько сервисов и умеет от их имени общаться с ИИ.
- Коннектор. Это часть интерфейса ИИ-модели (например, в Claude или другом приложении), которая умеет подключаться к MCP-серверу. Коннектор связывает саму модель с выбранным сервером, чтобы она могла отправлять команды и получать ответы прямо во время диалога.
Как можно использовать MCP в маркетинге
В разработке благодаря MCP нейронка может заходить в GitHub, находить нужный репозиторий, создавать отдельную ветку, вносить изменения в код и комментировать их. А если в тестах появляются ошибки — сразу предлагать исправления.
В дизайне MCP помогает быстро перейти от идеи к результату. Например, можно подключить нейронку к Figma и попросить ее сделать из светлой темы темную. Та проанализирует макеты, адаптирует цвета, сгенерирует код для новых компонентов или подготовит файл с изменениями.
В случае с автоматизацией благодаря MCP можно отслеживать изменения в Google Sheets, проверять новые строки, фильтровать их по нужным критериям и даже отправлять персонализированные письма. Либо создавать задачи в Notion и заполнять базу данных.
В аналитике с помощью MCP можно подключить нейронку к BI-системе, выгрузить данные и сразу проанализировать их, сделать отчет и отправить его разным членам команды.
В чем отличие MCP от API
API — это способ подключиться к конкретному сервису и выполнить в нем нужное действие. Его можно представить как меню в ресторане: есть список доступных команд, и вы выбираете, что именно хотите сделать. Если сервис — это кухня, то API — это способ заказать конкретное блюдо.
MCP — это универсальный посредник между искусственным интеллектом и множеством сервисов. Он работает по единым правилам и помогает ИИ находить и использовать API разных систем. Благодаря этому не нужно писать отдельные интеграции для каждого инструмента: достаточно один раз подключить его к MCP, и ИИ сможет работать с этим инструментом в рамках разрешенных действий.
Разница в том, что API всегда точечный и соединяет пользователя с одним сервисом. Например, API рекламного кабинета Facebook Ads позволяет загружать креативы, менять бюджеты и смотреть статистику, но только внутри Facebook. MCP же можно сравнить с помощником, который умеет работать сразу с несколькими рекламными кабинетами. Он может собрать статистику с Facebook, Google и TikTok, сравнить результаты, а иногда даже выполнить базовые действия вроде приостановки неэффективной кампании. В реальности такой уровень автоматизации пока что встречается редко, но для сбора и объединения данных MCP уже используется.
Чтобы разобраться в отличиях было проще, мы собрали небольшую сравнительную таблицу:
| Параметр | API | MCP |
| Как работает | Один запрос к одному конкретному сервису | Цепочка действий с несколькими сервисами, которые ИИ выполняет сам по заданным правилам |
| Кто запускает работу | Человек или программа с заранее прописанным сценарием | ИИ сам выбирает, что и когда использовать, в рамках разрешений |
| Возможности | Действия только в одном сервисе | Последовательные и параллельные действия в разных сервисах |
| Безопасность | Ключи доступа, роли, лимиты запросов | Разрешения на инструменты и данные, журнал действий, тестовый режим («песочница») |
| Внедрение | Для каждого сервиса настраивается отдельно | Подключение инструмента один раз, доступ для разных ИИ-агентов, есть возможность отслеживать все действия |
Как подключить MCP-сервер
MCP-серверы поддерживают многие нейросетевые сервисы. Например, их можно подключить в Claude, ChatGPT, n8n, GenSpark. В русскоязычном интерфейсы MCP-серверы обычно подписаны как коннекторы и практически во всех сервисах есть готовый набор коннекторов. Обычно это Notion, Canva, сервисы Google и различные серверы для управления проектами/командами и файлами. Например, вот несколько доступных коннекторов в Claude:
А вот коннекторы в ChatGPT:
Все эти коннекторы работают в браузерных версиях. Но у многих нейросетей также есть приложения для ПК и там набор MCP-серверов побогаче и возможностей они дают больше. Например, с их помощью можно научить нейросеть работать с файлами на вашем ПК: создавать папки, файлы, удалять их, перемещать
Но даже на ПК-версиях набор коннекторов ограничен. Но их всегда можно скачать с внешних площадок — в следующем разделе расскажу, где найти MCP-сервера, а здесь покажу, как их установить.
Я для примера буду работать в Claude, в других сервисах могут быть отличия, но разобраться по аналогии точно получится.
Для примера будем подключать MCP Senquel Thinking, который поможет структурировать процесс мышления нейросети и повысить качество ответов.
Сначала нужно загрузить Claude на ПК и установить. Доступ из России заблокирован, поэтому нужно сменить локацию.
В Claude нужно перейти в настройки: File → Settings.
В разделе Developer нужно нажать на кнопку Edit Config.
Откроется файловый менеджер, там вы увидите файл «claude_desktop_config». Этот файл нужно открыть в блокноте, Notepad, редакторе кода Python, Cursor или Windsurf.
В файловый менеджер нужно вставить код, который отвечает за Sequential Thinking:
{
“mcpServers”: {
“sequential-thinking”: {
“command”: “npx”,
“args”: [
“-y”,
“@modelcontextprotocol/server-sequential-thinking”
]
}
}
}
Нужный код я взял на Github из блока NPX (для Claude нужно брать код именно npx). Для других сервисов вроде GenSpark может понадобится подключение через SSE. SSE — это метод связи, когда MCP-сервер работает удаленно, например в облаке. В таком случае данные идут как поток сообщений, а подключение настраивается чуть иначе: указывается адрес сервера, настраиваются права доступа и иногда — прокси. Готовых MCP-серверов с поддержкой SSE пока немного, поэтому этот способ применяют в основном в больших компаниях, где сервер нужно держать в постоянном доступе.
Когда вставите код, сохраните его. После этого нужно перезапустить приложение Claude.
| Важно! Нужно полностью выключить и включить Claude, иначе MCP сервера не будут работать. На Windows, например, по умолчанию Claude не выключается полностью, а сворачивается. Чтобы отключить его, откройте скрытые значки, найдите иконку Claude и закройте приложение. |
После перезапуска в окне для ввода запроса можете кликнуть на иконку ползунков — увидите, какие MCP подключены.
Чтобы затем активировать нужный MCP, можно прямо указать это в запросе или просто четко и понять сформулировать запрос — нейросеть поймет, что вы хотите, и сама активирует нужные инструмент. Я для примера попросил ИИ глубоко порассуждать, как нейросети повлияют на наше будущее.
Нейросеть попросила разрешение на запуск мышления.
В результате нейросеть разложила мой вопрос на 8 ключевых областей и прошлась по каждой. Ответ хоть и получился коротким, но правдивым. Плюс каждую область можно раскрыть подробнее дополнительными вопросами и получить полноценный анализ.
Чтобы добавить в Claude несколько MCP, нужно проделать такой же путь: открыть настройки → файл с MCP → добавить туда код.
Важно! Главное — правильно поместить код в этот файл. Так, чтобы был только один ключ mcpServers, а все вложенные конфигурации серверов из всех файлов стали его полями.
Если не знаете, как это сделать вручную, можете прислать коды MCP в любую нейросеть с таким промптом:
| У меня есть несколько JSON-файлов, в каждом из которых есть объект mcpServers с конфигурацией отдельных серверов. Объедини их в один JSON так, чтобы был только один ключ mcpServers, а все вложенные конфигурации серверов из всех файлов стали его полями. Если ключи конфликтуют — покажи предупреждение. |
ИИ перепишет код и выдаст вам рабочую версию.
Где найти MCP-сервера
Уже сейчас доступны сотни MCP инструментов, которые можно скопировать и интегрировать в нейросети. Больше всего серверов есть на этих ресурсах:
- GitHub. Здесь база постоянно обновляется, всем MCP сервисы добавляются вместе с инструкцией по установке.
- Smithery. Еще одна база с инструкциями и готовыми шаблонами установки для разных ПО.
- ClaudeMCP. Большая база MCP с пошаговыми инструкциями по установке и скриншотами.
- Cursor.directory. База от сервисов Cursor с инструкциями по установке MCP в их приложение.
- Официальный репозиторий на сайте MCP. Раздел содержит интеграции от разработчиков: MCP‑сервера для Brave (поиск), Puppeteer (автоматизация браузера), Slack, Google Maps, AWS KB Retrieval и другие.
- «Awesome MCP Servers» на GitHub. Содержит как стабильные, так и экспериментальные реализации MCP‑серверов — для доступа к файловой системе, базе знаний, API‑интеграций. Каталог помогает быстро ориентироваться по языкам, назначению и статусу разработки.
- Mcpservers.org. Платформа, где представлены десятки серверов для разных задач: от генерации UI‑компонентов до файловых операций, код‑песочниц, работы с аналитикой, графикой и т. д.
- MCP-Use. Библиотека для подключения любых LLM‑моделей к MCP‑серверам. Поддерживает Python, TypeScript и др.
Где научиться работать с MCP
Пока что существует мало полезных ресурсов и курсов, которые помогут подключить MCP. Самый популярный и прикладной курс из всех — курс от Hugging Face.
Это сборник бесплатных материалов из 5 глав, в которых рассказывают:
- о настройке инструментов и платформах, которые вы будете использовать;
- основные понятия, архитектуру и компоненты Model Context Protocol;
- как создать простое MCP-приложение от начала до конца.
Освоить MCP можно, опираясь на смежные темы. Если вы понимаете, как устроена работа с API, подключить MCP станет проще.
Дополнительно будет полезно научиться работать с Docker. Это инструмент, который «упаковывает» приложение в контейнер, чтобы оно одинаково работало на любом компьютере или сервере. Многие MCP-серверы запускаются именно так, и знание Docker упрощает установку.
А еще стоит разобраться в сетевых протоколах, чтобы подключать не только готовые инструменты, но и собственные.
Что в итоге
MCP упрощает интеграцию ИИ в реальные рабочие процессы. Вместо того чтобы вручную переключаться между сервисами, человек может задать задачу, а ИИ сам выполнит всю цепочку действий. Это ускоряет работу, снижает количество ошибок и позволяет сосредоточиться на более творческих и стратегических задачах.
Если хотите прокачиваться в маркетинге и опережать нейронки, подписывайтесь на телеграм-канал Awake Journal, чтобы не пропускать новые экспертные материалы про маркетинг, управление проектами и продуктами, разработку, а также дизайн 💪