Представьте, что вы пишете в ваш ИИ-чат:
Собери корзину с продуктами для сырников на четырёх человек. Бюджет — до 1 000 рублей.
Чтобы выполнить такой запрос, ИИ недостаточно просто знать рецепт.
Ему нужно:
▫️ найти реальные товары
▫️ получить актуальные цены
▫️ проверить состав и характеристики
▫️ выбрать подходящие позиции
▫️ сформировать корзину
➡️ Для подключения ИИ-приложения к этим возможностям можно использовать MCP.
👉 Что такое MCP?
MCP (Model Context Protocol) — это протокол, по которому ИИ-приложение получает доступ к внешним данным и инструментам (tools).
MCP-сервер описывает, какие действия доступны, какие параметры им нужны и какой результат они возвращают.
MCP-клиент внутри ИИ-приложения:
1️⃣ подключается к серверу
2️⃣ получает список инструментов
3️⃣ передаёт их описание модели
4️⃣ вызывает выбранный моделью инструмент
5️⃣ возвращает результат в контекст диалога
MCP становится стандартным слоем между ИИ-приложением и API/БД существующих системам.
👉 Реальный пример: ВкусВилла
ВкусВилл опубликовал экспериментальный MCP-сервер:
https://mcp.vkusvill.ru/mcp
Сейчас через него доступны три инструмента (tools):
▫️ vkusvill_products_search — поиск товаров
▫️ vkusvill_product_details — получение состава, КБЖУ и других характеристик
▫️ vkusvill_cart_link_create — создание ссылки на корзину
👉 Как ИИ-агент может использовать эти инструменты
✅ Шаг 1. Получить список инструментов
После подключения MCP-клиент (ИИ-приложение) запрашивает у сервера доступные tools и их схемы.
MCP-сервер сообщает клиенту:
vkusvill_products_search
vkusvill_product_details
vkusvill_cart_link_create
Модель видит названия инструментов, их описание и входные параметры.
✅ Шаг 2. Найти товары
Модель определяет, что для сырников нужны творог, яйца, мука, сахар и сметана.
Для каждой позиции она вызывает поиск через tool: vkusvill_products_search.
MCP-сервер обращается к API ВкусВилла и возвращает найденные товары.
ИИ-агент выбирает подходящие.
После этого он повторяет поиск для остальных продуктов.
✅ Шаг 3. Проверить характеристики
Если пользователю важны состав, калорийность или аллергены, агент вызывает: vkusvill_product_details
Сервер возвращает подробную информацию о товаре.
Модель анализирует и решает, подходит ли этот вариант.
✅ Шаг 4. Создать корзину
Когда товары выбраны, агент формирует запрос:
vkusvill_cart_link_create
В ответ MCP-сервер возвращает ссылку на корзину:
{
"link": "https://vkusvill.ru/?share_basket=..."
}
Пользователь открывает её, проверяет товары и продолжает оформление на стороне ВкусВилла.
❗️ Сам MCP-сервер не принимает решение, какие сырники готовить и какие товары лучше. Он предоставляет строго определённые инструменты.
Последовательность их вызова планирует ИИ-агент.
👉 Почему нельзя просто передать модели документацию REST API?
Можно. Но тогда для каждого ИИ-приложения придётся отдельно реализовывать:
▫️ подключение к API
▫️ описание доступных методов
▫️ преобразование параметров
▫️ обработку ответов и ошибок
▫️ передачу результатов модели
MCP стандартизирует эту часть интеграции.
Один MCP-сервер можно подключить к разным ИИ-клиентам.
При этом MCP не отменяет проектирование API и интеграций. Внутри всё равно остаются контракты, валидации, авторизация, ошибки и бизнес-правила.
👉 Что здесь описывает системный аналитик?
Для каждого инструмента нужно определить:
✅ назначение и условия вызова
✅ входные параметры и валидацию
✅ структуру результата
✅ ошибки и ограничения
✅ требования к авторизации
✅ необходимость подтверждения пользователем
✅ правила логирования и аудита
✅ тайм-ауты, повторы и лимиты
✅ действия, которые агенту разрешено выполнять автоматически
Для системного аналитика это новый формат интеграционного контракта, в котором нужно описать не только данные и API, но и то, как ИИ будет выбирать и вызывать инструменты.
🔗 Официальная техническая статья ВкусВилла про MCP-сервер
Скоро MCP-серверы будут встречаться в интеграциях так же часто, как REST API и брокеры.
#ИнтеграцииGA #AI_for_analysts