MCP серверы: что это, зачем нужны и как подключить

MCP (Model Context Protocol) — открытый стандарт для подключения AI-моделей к внешним инструментам, данным и сервисам. Создан Anthropic в ноябре 2024, передан в Linux Foundation в декабре 2025. За 18 месяцев — 110 миллионов установок SDK в месяц, 10 000+ серверов в официальном реестре (а вместе с PulseMCP и Smithery — свыше 20 000), поддержка от 300+ клиентов: Claude, Cursor, VS Code, Gemini, ChatGPT, Windsurf, Microsoft Copilot, JetBrains, Xcode и десятков других.

Эта статья — полный гайд: от концепции до рабочего кода. Архитектура, подключение готовых серверов к Claude Code и Cursor, написание своего сервера на TypeScript и Python, production-нюансы.

Что такое MCP (Model Context Protocol)

Проблема: каждая интеграция — с нуля

AI-ассистент умеет генерировать текст и код. Но чтобы работать с реальным миром — базами данных, API, файлами, сервисами — ему нужны интеграции. До MCP каждая интеграция была кастомной.

Хотите подключить Claude к GitHub? Пишите обёртку над GitHub API. К PostgreSQL? Другую обёртку. К Slack? Третью. Каждая — со своим форматом, транспортом, логикой авторизации. Cursor делает то же самое по-своему. VS Code — по-своему.

Итог: N AI-платформ × M инструментов = N×M кастомных интеграций. Не масштабируется.

Решение: один протокол для всех

MCP решает это на уровне протокола. Один стандарт — как AI-ассистент общается с внешними инструментами. Любой MCP-сервер работает с любым MCP-клиентом.

Аналогия — USB. До USB каждое устройство имело свой разъём: клавиатура — PS/2, принтер — LPT, модем — COM-порт. USB стандартизировал подключение: один разъём для всего. MCP делает то же самое для AI.

• Один MCP сервер для GitHub работает и в Claude Code, и в Cursor, и в VS Code, и в ChatGPT
• Разработчик инструмента пишет сервер один раз — он доступен на всех платформах
• Разработчик AI-платформы реализует клиент один раз — получает доступ ко всем серверам

Формула: N + M вместо N × M.

Кто поддерживает MCP

По состоянию на июнь 2026 MCP поддерживается:

• Claude Code и Claude Desktop (Anthropic) — нативная поддержка, MCP изначально создавался для Claude
• Cursor — полная поддержка в Agent-режиме
• VS Code — нативная поддержка с версии 1.99 (нач. 2026), через GitHub Copilot Chat
• ChatGPT (OpenAI) — интеграция через MCP
• Gemini (Google) — поддержка MCP серверов
• Microsoft Copilot — интеграция в Copilot, VS Code и Windows 11
• Windsurf (Codeium) — поддержка в IDE
• JetBrains — нативная поддержка с мая 2026 (IntelliJ IDEA 2025.2+, поддержка входящего MCP-сервера IDE и исходящего клиента)
• OpenAI Codex CLI — поддержка MCP-клиентов и серверов (codex mcp add); с июня 2026 — Codex Plugins, объединяющие MCP-конфигурацию, skills и app integrations в одну единицу
• Xcode — поддержка в Apple Intelligence Developer Mode (ранний доступ)
• Eclipse — через плагин MCP Bridge
• Zed — встроенная поддержка через Agent Panel

MCP — не проприетарный протокол одной компании. Это открытый стандарт, управляемый Linux Foundation через Agentic AI Foundation (AAIF).

Архитектура MCP

Четыре уровня

MCP использует клиент-серверную архитектуру с чётким разделением ответственности:

Host (Claude Code, Cursor)
  └── MCP Client
        └── MCP Server
              └── Resource (DB, API, файлы)

Host — приложение, в котором работает AI-модель: Claude Code, Cursor, VS Code с Copilot. Host управляет жизненным циклом MCP-клиентов.

MCP Client — компонент внутри Host, держит соединение с одним MCP-сервером. Три сервера — три клиента.

MCP Server — программа, реализующая протокол. Принимает запросы от клиента, транслирует их в вызовы к ресурсу, возвращает результат. Локальный процесс или удалённый HTTP-сервер.

Resource — то, к чему сервер открывает доступ: база данных, REST API, файловая система, SaaS-сервис, внутренний инструмент.

Протокол: JSON-RPC 2.0

Под капотом MCP использует JSON-RPC 2.0 — стандартный протокол удалённого вызова процедур. Каждый запрос — JSON-объект с методом, параметрами и идентификатором:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "search_issues",
    "arguments": {
      "query": "bug in auth module",
      "state": "open"
    }
  }
}

Клиент отправляет запрос, сервер возвращает результат. Формат стандартизирован — реализация на любом языке совместима с любым MCP-клиентом.

Транспорт: stdio и Streamable HTTP

Транспорт определяет, как клиент и сервер обмениваются JSON-RPC сообщениями. MCP поддерживает два механизма:

stdio — стандартный ввод/вывод. Сервер запускается как дочерний процесс Host. Клиент пишет в stdin, читает из stdout. Самый простой вариант для локальных серверов.

Host запускает: npx @modelcontextprotocol/server-filesystem /path/to/dir
         stdin  → JSON-RPC запрос
         stdout ← JSON-RPC ответ

Когда использовать: локальная разработка, CLI-инструменты, серверы, которые работают на машине разработчика.

Streamable HTTP — HTTP-транспорт, введённый в марте 2025. Сервер работает как независимый HTTP-процесс, принимает POST-запросы. При необходимости использует Server-Sent Events (SSE) для потоковых ответов.

Client  →  POST /mcp  →  MCP Server (удалённый)
Client  ←  SSE stream  ←  MCP Server

Когда использовать: удалённые серверы, production-деплой, серверы в Docker/Kubernetes, multi-tenant архитектуры.

HTTP+SSE (legacy) — предыдущий транспорт для удалённых серверов, deprecated в пользу Streamable HTTP. Существующие серверы на SSE продолжают работать, новые реализации — переходят на Streamable HTTP.

Сравнение транспортов

Характеристика	stdio	Streamable HTTP
Развёртывание	Локальный процесс	Удалённый сервер
Клиенты	Один (запустивший процесс)	Множество одновременно
Масштабирование	Нет	Горизонтальное (load balancer)
Аутентификация	Через env	OAuth 2.1, bearer tokens
Латентность	Минимальная (IPC)	Сетевая (HTTP)
Настройка	Простая (command + args)	Нужен HTTP-сервер
Типичное применение	Dev tools, CLI	SaaS, team servers, production

Начинайте со stdio. Переходите на Streamable HTTP, когда серверу нужно обслуживать нескольких разработчиков или работать удалённо.

Жизненный цикл соединения

Подключение MCP-клиента к серверу проходит через несколько этапов:

1. Initialize — клиент отправляет initialize с информацией о себе (имя, версия, поддерживаемые capabilities)
2. Server response — сервер отвечает своими capabilities (какие tools, resources, prompts доступны)
3. Initialized — клиент подтверждает готовность нотификацией notifications/initialized
4. Working — обмен запросами: tools/list, tools/call, resources/read и т.д.
5. Shutdown — закрытие соединения при завершении сессии

Весь обмен идёт через JSON-RPC 2.0 — запросы, ответы и нотификации. Клиент и сервер могут отправлять нотификации асинхронно (например, сервер уведомляет об изменении списка tools).

Capabilities: Tools, Resources, Prompts

MCP-сервер может предоставлять три типа возможностей:

Тип	Кто вызывает	Аналогия	Пример
Tools	AI-модель	POST-endpoint	Создать issue в GitHub, выполнить SQL-запрос
Resources	Приложение (Host)	GET-endpoint	Схема базы данных, содержимое файла
Prompts	Пользователь	Шаблон	«Проанализируй этот код на безопасность»

Подробнее о каждом типе — в разделе «Resources vs Tools vs Prompts».

Как подключить MCP сервер к Claude Code

Способ 1: команда claude mcp add

Самый быстрый способ — CLI-команда:

# Remote (рекомендуется) — использует официальный HTTP-endpoint GitHub
claude mcp add-json github '{"type":"http","url":"https://api.githubcopilot.com/mcp","headers":{"Authorization":"Bearer YOUR_GITHUB_PAT"}}'

Формат: claude mcp add-json <имя> '<JSON-конфигурация>'

Примеры:

# Файловая система (доступ к конкретной директории)
claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem /home/user/projects

# Brave Search (официальный пакет от Brave; старый @modelcontextprotocol/server-brave-search архивирован)
claude mcp add brave-search -- npx -y @brave/brave-search-mcp-server

# PostgreSQL (@modelcontextprotocol/server-postgres архивирован; используйте актуальный сторонний пакет, например mcp-postgres-server)
claude mcp add postgres -- npx -y mcp-postgres-server postgresql://localhost/mydb

Конфигурация сохраняется — сервер доступен при следующем запуске Claude Code.

Способ 2: файл .mcp.json

Для проектной конфигурации — файл .mcp.json в корне проекта:

{
  "mcpServers": {
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp",
      "headers": {
        "Authorization": "Bearer $GITHUB_PERSONAL_ACCESS_TOKEN"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"],
      "env": {}
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "mcp-postgres-server", "postgresql://localhost/mydb"],
      "env": {}
    }
  }
}

• Переменные окружения — значения в env поддерживают синтаксис $VAR и ${VAR}. Переменные берутся из shell-окружения при запуске
• JSON без trailing commas — частая ошибка. JSON запятую после последнего элемента не допускает
• Путь к файлу: .mcp.json в корне проекта — для проектных серверов; ~/.claude/.mcp.json — для глобальных (персональных)

Способ 3: удалённый HTTP-сервер

Для серверов, работающих по HTTP:

{
  "mcpServers": {
    "my-remote-api": {
      "type": "http",
      "url": "https://mcp.example.com/v1",
      "headers": {
        "Authorization": "Bearer $MY_API_TOKEN"
      }
    }
  }
}

Три уровня конфигурации

Claude Code поддерживает три scope для MCP-серверов:

Scope	Файл	Кто видит	Когда использовать
Проект (shared)	.mcp.json в корне проекта	Вся команда (коммитится в git)	Серверы, нужные всем на проекте
Проект (personal)	.claude/.mcp.json	Только вы	Персональные серверы для проекта
Глобальный	~/.claude/.mcp.json	Только вы, во всех проектах	Серверы, нужные везде

Общие серверы проекта (GitHub, Sentry, Supabase) — в .mcp.json. Персональные инструменты (Notion, Slack) — глобально.

Проверка подключения

Более широкий обзор повседневной работы с Claude Code, не только MCP-серверов, — в полном гайде по Claude Code.

После настройки перезапустите Claude Code и проверьте:

claude mcp list

Или в сессии Claude Code: /mcp покажет статус всех подключённых серверов.

Частые ошибки при настройке

Сервер не запускается. Для локальных серверов проверьте доступность пакета: npx -y @modelcontextprotocol/server-filesystem --help. Пустой вывод — проблема с npm или Node.js. Для remote-серверов (GitHub) — проверьте доступность токена: echo $GITHUB_PERSONAL_ACCESS_TOKEN.

Переменные окружения не подставляются. Проверьте echo $GITHUB_TOKEN. Пусто — добавьте в .zshrc / .bashrc или .envrc.

JSON syntax error. Trailing comma после последнего элемента — JSON такое не принимает. Валидируйте: cat .mcp.json | python -m json.tool.

Сервер подключён, но tools не видны. Перезапустите Claude Code полностью (exit + новая сессия). Некоторые серверы загружаются с задержкой — дайте несколько секунд.

Как подключить MCP сервер к Cursor

Конфигурация

В Cursor — тот же формат конфигурации, другое расположение файлов:

Проектный уровень — файл .cursor/mcp.json в корне проекта:

{
  "mcpServers": {
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp",
      "headers": {
        "Authorization": "Bearer your-token-here"
      }
    }
  }
}

Глобальный уровень — файл ~/.cursor/mcp.json:

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@brave/brave-search-mcp-server"],
      "env": {
        "BRAVE_API_KEY": "your-key"
      }
    }
  }
}

Особенности Cursor

• MCP-инструменты доступны только в Agent-режиме (не в Ask и не в Edit)
• Управление серверами: Settings → Tools & MCP — там виден статус каждого сервера и можно включать/отключать отдельные инструменты
• Cursor поддерживает как stdio, так и HTTP-транспорт
• Формат конфигурации идентичен Claude Code — тот же JSON с mcpServers

Сравнение: Claude Code vs Cursor

Параметр	Claude Code	Cursor
Файл конфигурации	.mcp.json	.cursor/mcp.json
Глобальный конфиг	~/.claude/.mcp.json	~/.cursor/mcp.json
Транспорт	stdio, HTTP	stdio, HTTP
Управление	CLI (claude mcp add/list)	GUI (Settings → MCP)
Agent-режим	Всегда (CLI — агентный)	Только в Agent mode

Топ-20 MCP серверов

Из 10 000+ доступных серверов — двадцать, которые покрывают основные потребности разработчика. Все актуальны на июнь 2026.

Код и репозитории

Сервер	Пакет	Описание
GitHub	Remote: https://api.githubcopilot.com/mcp или Docker: ghcr.io/github/github-mcp-server	Полный доступ к GitHub: issues, PR, code search, файлы, actions. Самый популярный MCP сервер
GitLab	gitlab-org/gitlab-mcp (официальный от GitLab)	Аналог GitHub-сервера для GitLab: merge requests, issues, pipelines. Старый @modelcontextprotocol/server-gitlab — архивирован
Filesystem	@modelcontextprotocol/server-filesystem	Безопасный доступ к файловой системе. Ограничен указанными директориями

Базы данных

Сервер	Пакет	Описание
PostgreSQL	mcp-postgres-server (сторонний)	Запросы к PostgreSQL, чтение схемы, анализ данных. Официальный @modelcontextprotocol/server-postgres — архивирован
Supabase	MCP встроен в Supabase CLI	SQL-запросы, управление миграциями, edge functions. Учитывает Row Level Security
SQLite	@modelcontextprotocol/server-sqlite (Python, официальный)	Работа с SQLite-базами: запросы, анализ, создание таблиц

Поиск и данные

Сервер	Пакет	Описание
Brave Search	brave/brave-search-mcp-server (официальный от Brave)	Веб-поиск, поиск новостей, изображений, видео через Brave API. Старый @modelcontextprotocol/server-brave-search — архивирован
Exa	exa-mcp-server	Семантический поиск по вебу. Находит контент по смыслу, а не по ключевым словам
Fetch	@modelcontextprotocol/server-fetch	Загрузка веб-страниц, конвертация в Markdown для AI

Коммуникации и документация

Сервер	Пакет	Описание
Slack	zencoder-ai/mcp-server-slack (поддерживается Zencoder)	Чтение каналов, поиск сообщений, отправка, работа с тредами. Старый @modelcontextprotocol/server-slack — архивирован
Notion	Официальный от Notion	Поиск страниц, чтение и редактирование контента, работа с базами данных
Google Drive	Официальный от Google	Поиск и чтение файлов в Google Drive. Старый @modelcontextprotocol/server-gdrive — архивирован

Мониторинг и DevOps

Сервер	Пакет	Описание
Sentry	Официальный от Sentry	Поиск ошибок, анализ stack traces, корреляция с релизами
Grafana	Официальный от Grafana Labs	Дашборды, алерты, Prometheus/Loki запросы, инциденты
Kubernetes	@modelcontextprotocol/server-kubernetes	Управление кластерами, диагностика подов, анализ логов

Дизайн и браузер

Сервер	Пакет	Описание
Figma	figma-developer-mcp (официальный от Figma)	Чтение дизайн-файлов: токены, цвета, типографика, layout
Playwright	@playwright/mcp	Браузерная автоматизация: навигация, клики, скриншоты, тесты

AI и Memory

Сервер	Пакет	Описание
Memory	@modelcontextprotocol/server-memory	Персистентная память для AI: хранение фактов между сессиями в knowledge graph
Sequential Thinking	@modelcontextprotocol/server-sequential-thinking	Структурированное мышление: декомпозиция задач, пошаговый анализ

Автоматизация

Сервер	Пакет	Описание
Zapier	Через Zapier MCP Bridge	Подключение 7000+ сервисов: email, CRM, spreadsheets, уведомления

Рекомендации по выбору

Три сервера — оптимально. Пять — потолок: дальше overhead от описаний инструментов начнёт съедать контекст.

Минимальный набор для разработчика:

1. GitHub — код, issues, PR
2. Brave Search или Exa — поиск документации и решений
3. Sentry или Grafana — мониторинг и отладка

Дальше: PostgreSQL/Supabase для данных, Slack/Notion для коммуникации.

Написать свой MCP сервер на TypeScript

Подготовка

mkdir my-mcp-server && cd my-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk zod

Полный пример: сервер с tool и resource

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "weather-server",
  version: "1.0.0",
});

// Tool: получить погоду по городу
server.registerTool(
  "get_weather",
  {
    title: "Get Weather",
    description: "Get current weather for a city",
    inputSchema: {
      city: z.string().describe("City name, e.g. 'Moscow'"),
    },
  },
  async ({ city }) => {
    // В реальном сервере — запрос к API погоды
    const weather = {
      city,
      temperature: 18,
      condition: "cloudy",
      humidity: 65,
    };
    return {
      content: [
        {
          type: "text" as const,
          text: JSON.stringify(weather, null, 2),
        },
      ],
    };
  }
);

// Resource: список поддерживаемых городов
server.registerResource(
  "supported-cities",
  "cities://supported",
  {
    description: "List of supported cities",
    mimeType: "application/json",
  },
  async () => ({
    contents: [
      {
        uri: "cities://supported",
        text: JSON.stringify(["Moscow", "London", "Tokyo", "New York"]),
      },
    ],
  })
);

// Запуск через stdio-транспорт
const transport = new StdioServerTransport();
await server.connect(transport);

Что здесь происходит

1. McpServer — экземпляр сервера с именем и версией
2. registerTool — регистрация инструмента. inputSchema использует Zod для валидации. AI-модель видит описание и схему, вызывает инструмент с нужными параметрами
3. registerResource — регистрация ресурса с сигнатурой (name, uri, metadata, handler). В отличие от tool, resource вызывает приложение (Host), а не AI-модель напрямую. Так в модель попадает контекст
4. StdioServerTransport — подключение через stdio. Сервер запускается как дочерний процесс Claude Code или Cursor

Подключение к Claude Code

{
  "mcpServers": {
    "weather": {
      "command": "npx",
      "args": ["tsx", "/path/to/my-mcp-server/index.ts"]
    }
  }
}

Или через CLI:

claude mcp add weather -- npx tsx /path/to/my-mcp-server/index.ts

Написать свой MCP сервер на Python

Подготовка

mkdir my-mcp-server && cd my-mcp-server
pip install "mcp[cli]"  # v1.28.1+

Или через uv (рекомендуется):

uv init my-mcp-server && cd my-mcp-server
uv add "mcp[cli]"

Полный пример: сервер с tool и resource

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather-server")


@mcp.tool()
def get_weather(city: str) -> dict:
    """Get current weather for a city.

    Args:
        city: City name, e.g. 'Moscow'
    """
    # В реальном сервере — запрос к API погоды
    return {
        "city": city,
        "temperature": 18,
        "condition": "cloudy",
        "humidity": 65,
    }


@mcp.resource("cities://supported")
def supported_cities() -> str:
    """List of supported cities."""
    import json
    return json.dumps(["Moscow", "London", "Tokyo", "New York"])


@mcp.prompt()
def weather_report(city: str) -> str:
    """Generate a weather report prompt for a city."""
    return f"Provide a detailed weather analysis for {city}. Include temperature trends, precipitation forecast, and clothing recommendations."


if __name__ == "__main__":
    mcp.run()

Что здесь происходит

1. FastMCP — высокоуровневый фреймворк из официального SDK. Генерирует описания инструментов из docstring и type hints автоматически
2. @mcp.tool() — декоратор регистрации. Тип city: str становится inputSchema, docstring — описанием
3. @mcp.resource() — декоратор для ресурса с URI-паттерном
4. @mcp.prompt() — декоратор для шаблона промпта
5. mcp.run() — запуск сервера (по умолчанию stdio)

FastMCP покрывает около 70% серверов в экосистеме. Python type hints + docstrings = полноценное описание инструмента, никакого лишнего boilerplate.

Подключение к Claude Code

{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["/path/to/my-mcp-server/server.py"]
    }
  }
}

Или через uv:

{
  "mcpServers": {
    "weather": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/my-mcp-server", "server.py"]
    }
  }
}

Resources vs Tools vs Prompts

MCP определяет три типа capabilities. Каждый — для своего сценария. Путаница между ними — частая ошибка при проектировании серверов.

Tools — действия

Tools — то, что AI-модель вызывает самостоятельно. Аналог POST-endpoints в REST API.

Характеристики:

• Вызываются AI-моделью (model-controlled)
• Могут иметь побочные эффекты (запись в БД, отправка сообщения, создание файла)
• Принимают структурированный ввод (JSON Schema / Zod)
• Возвращают результат выполнения

Примеры:

• create_issue — создать issue в GitHub
• execute_sql — выполнить SQL-запрос
• send_message — отправить сообщение в Slack
• search_web — поиск в интернете

Модель видит список tools с описаниями и схемами — и сама решает, какой вызвать и с какими параметрами.

Resources — данные

Resources — данные, которые Host предоставляет AI-модели как контекст. Аналог GET-endpoints.

Характеристики:

• Вызываются приложением (application-controlled), не AI-моделью напрямую
• Только чтение — никаких побочных эффектов
• Используют URI-паттерны (file:///path, db://schema/table, config://app)
• Предоставляют контекст для принятия решений

Примеры:

• db://schema — схема базы данных
• file:///src/config.ts — содержимое конфигурационного файла
• git://log/recent — последние коммиты
• env://variables — доступные переменные окружения

Resources — способ дать модели контекст без вызова инструмента. Host решает, какие ресурсы прикрепить к запросу.

Prompts — шаблоны

Prompts — готовые шаблоны взаимодействия на выбор пользователя. Аналог сохранённых запросов.

Характеристики:

• Выбираются пользователем (user-controlled)
• Задают структуру диалога: системный промпт + пользовательское сообщение
• Могут принимать аргументы для параметризации
• Помогают стандартизировать типовые задачи

Примеры:

• code_review — шаблон для ревью кода с фокусом на безопасность
• sql_optimizer — анализ и оптимизация SQL-запроса
• bug_report — структурированное описание бага

Когда что использовать

Вопрос	Tools	Resources	Prompts
AI должен сделать что-то?	Да	—	—
AI нужен контекст для решения?	—	Да	—
Пользователь хочет стандартный workflow?	—	—	Да
Есть побочные эффекты?	Возможно	Нет	Нет
Кто инициирует?	AI-модель	Приложение	Пользователь

Практика: большинство серверов предоставляют tools. Resources полезны для серверов баз данных (схемы) и файловых систем. Prompts — для специализированных workflow (code review, security audit).

MCP в production

Безопасность

MCP-сервер выполняет действия от имени AI — в production это вектор атаки.

Принцип минимальных привилегий. Давайте серверу только необходимые права. PostgreSQL MCP не нужен SUPERUSER. GitHub MCP не нужен доступ к приватным репозиториям, если работа ведётся с публичными.

Валидация входных данных. SDK валидирует по схеме (Zod в TypeScript, type hints в Python), но этого мало. Проверяйте бизнес-логику: SQL-инъекции через tool-параметры реальны.

Секреты — через переменные окружения. Никогда не хардкодьте токены в конфигурации. Используйте $VAR синтаксис в .mcp.json:

{
  "env": {
    "DATABASE_URL": "$DATABASE_URL",
    "API_TOKEN": "$MY_SECRET_TOKEN"
  }
}

Аудит. Логируйте все вызовы tools — каждый потенциально деструктивен: удаление данных, отправка сообщений, изменения инфраструктуры. Без лога нет forensics. Подробный разбор production-паттернов для кастомных серверов — авторизация, rate limiting, деплой — в гайде по MCP-серверам в production.

Авторизация

Спецификация MCP (текущая revision 2025-11-25; RC 2026-07-28 заморожен с 21 мая 2026, финальная публикация — 28 июля) описывает авторизацию для HTTP-транспорта на базе OAuth 2.1. Для stdio авторизация — на уровне окружения: переменные и файлы конфигурации.

В июне 2026 стал стабильным Enterprise-Managed Authorization (EMA) — расширение для корпоративных сред. EMA позволяет организациям управлять авторизацией MCP-серверов централизованно через IdP (Okta, Microsoft Entra ID и др.): пользователь входит один раз через SSO и получает доступ ко всем подключённым серверам без отдельного OAuth для каждого. Уже поддерживают Anthropic, Microsoft, Okta, Asana, Atlassian, Canva, Figma, Linear, Supabase.

В production:

• HTTP-серверы — OAuth 2.1 с PKCE, bearer tokens в headers; в enterprise — EMA через IdP
• Stdio-серверы — секреты через env, ротация токенов
• Ограничение scope — сервер должен запрашивать минимально необходимые permissions

Мониторинг

Что мониторить:

• Latency — время ответа сервера прибавляется к latency AI-ответа
• Error rate — сломанный MCP-сервер роняет весь workflow
• Token overhead — описания инструментов занимают контекст. 20 tools по 200 токенов = 4000 токенов на каждый запрос
• Cost — каждый tool call добавляет цикл AI. Больше серверов — выше расход токенов

Grafana MCP + Prometheus для метрик, Sentry MCP для ошибок. Мониторинг MCP через MCP — рекурсия, которая работает. Для трассировки самих LLM-вызовов (латентность, стоимость, промпты) — отдельный слой observability, например Langfuse.

Масштабирование

Stdio — один процесс на одного клиента. Для командных серверов не масштабируется.

Streamable HTTP решает это: один сервер на множество клиентов. Stateless-архитектура — горизонтальное масштабирование за load balancer.

Паттерн для команды:

1. Локальные серверы (filesystem, sqlite) — stdio, на машине разработчика
2. Shared серверы (GitHub, Sentry, внутренние API) — Streamable HTTP, деплой в Docker/Kubernetes
3. Конфигурация — .mcp.json в репозитории для проектных, ~/.cursor/mcp.json / ~/.claude/.mcp.json для персональных

Будущее MCP

Agentic AI Foundation (AAIF)

В декабре 2025 Anthropic передал MCP в Linux Foundation, где образовался Agentic AI Foundation (AAIF). Это изменение governance, а не косметический шаг:

• Нейтральное управление — MCP больше не контролируется одной компанией. Platinum-члены AAIF: AWS, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft, OpenAI. К апрелю 2026 — 170+ членов. Председатель Governing Board — David Nalley (AWS), исполнительный директор — Mazin Gilbert
• Открытая спецификация — развитие через SEP-процесс (Specification Enhancement Proposals) с публичным обсуждением
• Совместимость — AAIF объединяет MCP, Goose (Block) и AGENTS.md (OpenAI), выравнивая стандарты

A2A Protocol

Agent-to-Agent Protocol (A2A) — стандарт от Google для коммуникации между AI-агентами, переданный в Linux Foundation. MCP закрывает связку «AI ↔ инструмент». A2A — «агент ↔ агент».

Протоколы дополняют друг друга:

• MCP: Claude Code вызывает GitHub через MCP-сервер
• A2A: Claude Code делегирует задачу специализированному агенту (например, security-reviewer), работающему со своими MCP-серверами

A2A является самостоятельным LF-проектом, не частью AAIF, но позиционируется как комплементарный стандарт. TSC A2A включает AWS, Cisco, Google, IBM Research, Microsoft, Salesforce, SAP, ServiceNow. Связка MCP + A2A — стандарт де-факто для мультиагентных систем. Как проектировать такие системы на практике — в статье про архитектуру мультиагентных систем.

Roadmap 2026

Ключевые направления из официального roadmap:

• Stateless core — MCP 2026-07-28 (Release Candidate заморожен 21 мая 2026, финальная публикация — 28 июля) делает протокол stateless на уровне ядра. Это крупнейшее изменение спецификации с момента запуска — спецификация больше не предполагает хранения состояния сессии на сервере, что позволяет горизонтально масштабировать за любым load balancer
• Extensions framework — расширения идентифицируются через reverse-DNS ID, версионируются независимо от спецификации, живут в отдельных ext-* репозиториях
• Tasks Extension — async долгоживущие операции: polling через tasks/get вместо блокирующего tasks/result
• MCP Apps — интерактивные UI-приложения внутри MCP-хостов
• Enterprise readiness — формальная политика deprecation (12 месяцев между deprecated и removed), OAuth 2.1 hardening, audit logging

Цифры

• 110M+ установок SDK в месяц (апрель 2026; в марте — 97M+) — оба SDK в сумме
• 10 000+ серверов в официальном реестре; с учётом PulseMCP (15 000+) и Smithery (~7 300) — экосистема значительно крупнее
• Рост 4 750% за 16 месяцев (с 2M при запуске)
• npm SDK: @modelcontextprotocol/sdk — v1.29.0 (stable, последняя в серии v1); stable v2 ожидается Q3 2026
• Python SDK: mcp — v1.28.1 (stable), v2.0.0-beta публикуется на PyPI; stable v2 — конец июля 2026

Для сравнения: npm-пакету React потребовалось 3 года для достижения 100M установок в месяц. MCP прошёл ту же отметку за 16 месяцев.

Заключение

MCP — не buzzword. Это инфраструктурный стандарт, решающий конкретную проблему: подключение AI к реальному миру через единый протокол.

Что делать сейчас:

1. Подключите 2-3 MCP-сервера к Claude Code или Cursor. GitHub + Brave Search или Exa — минимум для любого разработчика
2. Напишите свой сервер — 30 строк на TypeScript или Python. Оберните внутренний API или базу данных
3. Следите за спецификацией — roadmap 2026 меняет транспорт и мультиагентные сценарии

MCP меняет не то, что AI делает, а то, к чему у него есть доступ. Правильные инструменты в правильном контексте — разница между AI-ассистентом и AI-напарником.