Глоссарий · № 138

MCP-сервер (Model Context Protocol)

MCP простыми словами: единый способ подключить данные к ИИ
— TL;DR

MCP-сервер — программа, через которую AI-клиент по протоколу MCP (Model Context Protocol) обращается к внешним данным и инструментам. Сервер объявляет свои возможности и не хранит историю диалога: переписку ведёт клиент, а сервер возвращает только то, что ему разрешено отдать.

Проверено: 11 июля 2026 · Любовь Черемисина

Что такое MCP-сервер

MCP-сервер — адаптер к источнику данных. Клиент внутри хоста запрашивает у него resources, tools и prompts, а сервер отвечает по контракту MCP. Сам Model Context Protocol — открытый протокол этого контракта: он задаёт единый способ подключать AI-приложения к внешним данным и инструментам, а не заменяет чат.

Раньше каждая связка «чат → CRM / аналитика / Wordstat» писалась отдельно. MCP задаёт общий контракт: клиент запрашивает resources (контекст), вызывает tools (действия) и получает prompts (шаблоны) через JSON-RPC (по stdio, HTTP или SSE).

Архитектура: host, client, server

Чат и MCP-сервер — разные стороны. Чат отвечает из разговора и из того, что уже умеет модель. Сервер диалог не ведёт: хост (Claude Desktop, Cursor, ChatGPT с Connectors или своё приложение) держит клиента, клиент вызывает инструмент, сервер возвращает результат в контекст. Пока сервера нет, у модели нет прямого доступа к кабинетам Метрики и CRM. Так это сказано на главной MCP Panel: вопрос идёт через подключение, а не в сам кабинет.

  • Host (хост)— среда пользователя: Claude Desktop, Cursor, ChatGPT с Connectors, своё приложение. Host управляет жизненным циклом клиентов.

  • Client (клиент)— компонент внутри host, который держит одну сессию с одним MCP-сервером.

  • Server (сервер)— адаптер к источнику: Яндекс Метрика, Директ, Wordstat, CRM, файлы, база знаний. Сервер объявляет возможности и не хранит историю диалога.

Типичный поток: пользователь формулирует задачу → языковая модель решает вызвать инструмент → клиент отправляет запрос серверу → сервер обращается к API с ключами из окружения → результат возвращается в контекст модели → модель отвечает или делает следующий шаг.

MCP vs API vs RAG vs function calling

  • REST/API напрямую— гибко, но под каждый клиент (ChatGPT, Claude, Cursor) нужен свой код. Один MCP-сервер можно переиспользовать в разных host.

  • Function calling / tool use— механизм модели вызывать функции; MCP стандартизирует, как эти функции описаны, авторизованы и доставлены.

  • RAG— поиск фрагментов из базы знаний в промпт; MCP может подавать источник как resource, но не заменяет разбиение документов на фрагменты и пайплайн эмбеддингов.

  • Plugins / GPT Actions— форматы конкретного вендора; MCP — открытая спецификация без привязки к одному поставщику.

Безопасность: что важно до продакшена

Вставить ключ кабинета в переписку и подключить MCP-сервер — не одно и то же. Ключ в чате оказывается внутри диалога. В схеме MCP Panel AI получает только MCP URL и Bearer token, а ключи Яндекса, CRM и других сервисов хранятся зашифрованно на сервере. На страницах Метрики и Директа то же правило: OAuth-токены Яндекс ID лежат на сервере в зашифрованном виде, пароль от Яндекса клиенту не передаётся. Администратор выбирает методы. У Метрики write-методы выключены по умолчанию, и AI не меняет настройки счётчика, пока это не включено отдельно. Страница Директа фразы «выключены по умолчанию» не содержит: там операции изменения данных требуют прав и отдельной настройки. Разрешённые поля могут уйти в выбранный клиент, в том числе облачный. Это не обещание, что ни одна цифра не покинет контур.

  • Минимально необходимые права (least privilege)— сервер отдаёт только нужные инструменты; только чтение там, где записи не нужно.

  • Секреты— API-ключи и OAuth-токены в окружении host, не в промпте и не в репозитории промптов.

  • Человек в контуре (human-in-the-loop)— опасные действия (рассылка, смена ставок) только с подтверждением оператора.

  • Логирование— журнал аудита: кто, когда, какой инструмент, какие параметры (без персональных данных в открытых логах).

  • Промпт-инъекция (prompt injection)— данные из внешних источников могут содержать инструкции; изолируйте недоверенный контент, см. промпт-инъекция.

Примеры для маркетинга

  1. Еженедельный отчёт— агент читает Метрику и Директ через MCP → сравнивает периоды → выдаёт таблицу и три рекомендации.

  2. Семантика → контент-план— Wordstat MCP → группировка запросов по смыслу → черновики статей с проверкой GEO.

  3. SEO-аудит— краулер и проверка schema как инструменты → приоритизированный backlog правок.

MCP Panel — коробочная платформа такого MCP-сервера на инфраструктуре компании: один MCP URL на включённые подключения и один порт наружу, остальное внутри сети. В каталоге семь коннекторов со статусом «В коробке»: Яндекс Метрика, Roistat, Яндекс Директ, Wordstat, Яндекс Вебмастер, amoCRM и UniSender. Журнал MCP Panel фиксирует время, коннектор, метод, статус и длительность; содержимое ответа метода в этот журнал не пишется. Смотреть: главная, каталог, Метрика, Директ.

Как начать внедрение

  1. Выберите один KPI (например, время ответа на вопрос «как идут кампании»).
  2. Подключите 1–2 источника только на чтение через MCP-сервер.
  3. Зафиксируйте регламент проверки ответов человеком.
  4. Расширяйте набор инструментов только после стабильного журнала действий.

См. также: AI-агент, tool calling, безопасность ИИ-агентов, раздел LLM и агентов.

Источники

Как применить на данных компании

Подключите Метрику, Директ и CRM к Claude или ChatGPT через MCP Panel на своём сервере — и проверьте гипотезу на живых цифрах. Готовые сценарии внедрения → · Демо дашборда →

Маркетинговые данные — в Claude, ChatGPT и Cursor

Хотите задавать такие же вопросы своим данным? Подключите Метрику, Директ и CRM к Claude или ChatGPT — данные остаются на вашем сервере.