☕️ MCP: как AI-модели подключаются к реальному миру

Наконец вы дошли до агентного режима на ПК. Теперь хочется развязать ему руки - позволить ходить в Slack, читать Google Drive и создавать задачи в Jira.

Решение - MCP (Model Context Protocol) - это стандарт, котрый позволяет моделям общаться с разными сервисами

Почему не просто ходить в API?
Если у Jira есть REST API, зачем MCP-сервер поверх?
— Стандартизация. У каждого REST API свой формат. MCP даёт единый, который модель понимает из коробки.
— Discovery. MCP-клиент спрашивает: «что умеешь?» — получает полный список инструментов со схемами автоматически.
— Портативность. Один MCP-сервер = интеграция сразу с Claude, ChatGPT, Copilot, Cursor.

При этом MCP не заменяет API — он садится поверх. Внутри MCP-сервера — обычные HTTP-запросы.


В MCP три роли
— Host — приложение, где живёт AI. Claude Desktop, Cursor, ChatGPT desktop. Управляет соединениями, решает какие серверы подключить.
— Client — компонент внутри host'а, одно соединение с одним сервером.
— Server — лёгкий сервис, который даёт модели возможности. Сервер для GitHub умеет создавать PR, сервер для Postgres — выполнять SQL.

Каждый сервер предоставляет три типа возможностей:
— Tools — функции, которые модель вызывает сама: create_issue, send_email, run_query. Самый популярный примитив.
— Resources — данные для чтения: файлы, записи из базы. Запрашивает приложение, не модель.
— Prompts — шаблоны инструкций для типовых задач. Выбирает пользователь.

Локальные vs удалённые серверы
— Локальные — процесс на вашей машине. Данные никуда не уходят. Примеры: файловая система, локальная БД, Git.
— Удалённые — веб-сервис в облаке. Нужна авторизация. Примеры: Slack, Jira, Gmail, все коннекторы в Claude.ai.

С точки зрения протокола разницы нет — JSON-RPC одинаковый. Меняется только транспорт.

Как сделать свой MCP-сервер
Попросить вашего агента)) Если дадите ему спецификацию АПИ методов, ему будет проще.

Где взять готовые серверы
→ registry.modelcontextprotocol.io — официальный реестр с API для поиска
→ github.com/mcp — курируемый каталог от GitHub
→ Claude.ai — 75+ коннекторов в один клик (Gmail, Drive, Slack, Jira...)
→ npm / PyPI — ищите по mcp-server

Подводные камни
Контекст. Каждый подключённый сервер забирает токены на описания инструментов. 10 серверов × 20 tools = тысячи токенов ещё до вопроса пользователя.

Безопасность. Аудит 2025-го нашёл prompt injection через описания инструментов, возможность кражи данных через комбинации tools, подмену серверов. Протокол не навязывает политик — это на вас.

Хрупкость stdio. Случайный console.log в stdout ломает JSON-RPC. HTTP-транспорт надёжнее.

Зрелость. Спецификация развивается, breaking changes возможны.

👀 Ссылки
→ Спецификация: modelcontextprotocol.io
→ GitHub: github.com/modelcontextprotocol
→ Реестр: registry.modelcontextprotocol.io
→ Курс от Anthropic: anthropic.skilljar.com

#ai #mcp #agentic

☕️ Персональные данные и LLM: что можно передавать, а что — нельзя

Многие боятся давать LLM доступ к рабочим данным. «А вдруг там персданные?» — и в итоге не используют инструмент вообще, или наоборот — копируют в промпт всё подряд, включая ФИО и email коллег.

Оба варианта плохие. Первый — теряешь в продуктивности, второй — нарушаешь 152-ФЗ.

Посмотрел законы и попытался разложить по полочкам:
— что такое персональные данные (с примерами)
— что точно не является ПДн и можно передавать спокойно
— серая зона: логины, email, ID — когда ПДн, а когда нет
— чеклист: 4 шага перед отправкой данных в LLM
— штрафы с мая 2025 — до 500 млн ₽ за повторную утечку

Спойлер: LLM с доступом к БД — это не страшно, если знать как. Обезличивай данные, держи модель в контуре, пропиши guardrails в промпте — и работай спокойно.

Листайте карточки — там всё коротко и с примерами.

P.S. мне всё чаще стала попадаться аббревиатура PII - а это оно и есть - personally Identifiable Information — персонально идентифицируемая информация

#ai #llm #pii

☕️ Quick start в агентский режим Claude

«Напиши мне стратегию» — и получаете 2 страницы воды.

Проблема не в Claude. Проблема в том, что вы не дали ему контекст, не показали формат, не объяснили кто вы и зачем это нужно.

Обычный чат: вы задаёте вопрос → получаете ответ → копируете → вставляете → задаёте следующий.

Агентский режим: вы описываете задачу → Claude сам читает файлы, ищет информацию, создаёт документы, подключается к вашим инструментам и выдаёт готовый результат. Вы направляете, а не делаете руками.

Разница между «спрашиваю в чатике» и «агент работает на меня» — в подготовке.

7 карточек — 7 шагов. От создания папки до первой реальной задачи. 30 минут на настройку, часы экономии каждый день.

Для продактов, аналитиков, маркетологов и всех, кто думал что Claude Code — только для разработчиков.

#ai #agentic #llm