«Сделай пожалуйста объяснение. Я довольного много работаю с ИИ, агентами и так далее. Но до сих пор не понимаю, что такое MCP, это же не просто официальная документация от какого-то проекта, а нечто большее? Типо ИИ-API? Как сделать свой MCP, контекст - я аналитик в ggsel и у нас 2 проблемы 1. Нет MCP по проекту анализа конкурентов (екомлог, парсим оффера, метчим к sku - даем прайс индекс продажи) 2. Высокая операционная нагрузка на департамент аналитики в связи с ручной работой и отсутствия возможности делегирования задач ИИ (собрать витрину в кликхаус, сделать дашборд или его черновик через html и так далее)»
Это объяснение и проектный план опираются на 6 отобранных первоисточников с шести независимых хостов — спецификация MCP, анонс Linux Foundation/AAIF и официальные материалы ClickHouse, dbt и Grafana (проверено 2026‑09‑25; ни одна ссылка не поддерживает больше половины утверждений, набор не single‑sourced). Коротко: MCP — открытый протокол‑контракт между AI‑приложением и внешними данными/действиями, «USB‑C/ODBC для AI‑инструментов». Anthropic открыла его в ноябре 2024, сейчас проект передан Linux Foundation в Agentic AI Foundation. LLM решает, что сделать; host держит агентный цикл; MCP client внутри host держит соединение; MCP server публикует строго описанные capabilities и вызывает ваши существующие API и БД. API — бизнес‑функции системы, MCP‑сервер — стандартизированный AI‑адаптер над ними: он не должен дублировать парсер, matcher или расчёт price index.
Действия с типизированным JSON‑входом и выходом: get_price_index(sku, period), find_sku_candidates(offer_id). Host делает discovery, модель выбирает tool, сервер вызывает существующий API/БД и возвращает структурированный результат.
Управляемый контекст, который читается, а не вызывается: схемы витрин, словарь метрик, определения price index, правила матчинга, пороги confidence, runbook. Модель получает эталонные определения вместо галлюцинаций.
Шаблоны повторяемых сценариев: «разбери low‑confidence очередь матчей», «собери черновик витрины». Фиксируют рабочий процесс команды, а не одноразовые формулировки.
Честная граница: MCP даёт discovery и единый способ вызова — и только. Качество рассуждений, права доступа, оркестрацию, бизнес‑логику и безопасность он сам по себе не обеспечивает: это задаётся грантами, approvals, CI и вашим кодом. Tool‑описания и результаты — недоверенный текст (prompt injection), обращайтесь с ними соответственно.
Идемпотентны, отделены от read‑инструментов и требуют явного подтверждения человека.
Принцип: детерминированный matcher и расчёт индекса остаются источником истины. LLM объясняет матчи, строит кандидатов и разбирает low‑confidence очередь — но не меняет эталонный SKU незаметно.
Два режима доставки: stdio — локальный прототип, креды из окружения; Streamable HTTP — общий корпоративный сервер с OAuth 2.1. Код иллюстрирует адаптер: расчёт живёт в сервисе, MCP лишь типизирует вход/выход и добавляет freshness, source и версию правил.
Критерии успеха: доля запросов, закрытых без участия аналитика; медианное время до ответа/черновика; analyst‑hours saved; SQL/test pass rate; precision/recall матчинга; coverage и freshness price index; стоимость запросов; число заблокированных опасных действий; доля действий с полным audit trail. Успех — не «мы подняли MCP», а безопасное сокращение lead time и ручной нагрузки при сохранении доверия к метрикам.
| Что это | Возможности / архитектура | Контроли | Источник |
|---|---|---|---|
| The Model Context Protocol provides authorization capabilities at the transport level, enabling MCP clients to make requ… Authorization | In the authorization architecture, a protected MCP server acts as an OAuth 2.1 resource server accepting and responding to protected resource requests using access tokens; the MCP client acts as an OAuth 2.1 client making protected resource requests on behalf of a resource owner; and the authorization server interacts with the user (if necessary) and issues access tokens for use at the MCP server, and may be hosted with the resource server or as a separate entity. | Authorization is OPTIONAL for MCP implementations; access tokens MUST NOT be included in the URI query string and MUST be sent in the Authorization request header on every HTTP request; MCP servers MUST validate access tokens and that they were issued specifically for them as the intended audience; invalid or expired tokens MUST receive an HTTP 401 response; MCP clients MUST keep refresh tokens confidential in transit and storage; and implementations MUST follow normative security requirements covering token audience binding and validation, token theft, communication security, authorization code protection, mix-up and confused deputy attacks, open redirection, and Client ID Metadata Document security. | modelcontextprotocol.io |
| Model Context Protocol (MCP) is the universal standard protocol for connecting AI models to tools, data and applications… Linux Foundation Announces the Formation of the Agentic AI Foundation (AAIF), Anchored by New Project Contributions Including Model Context Protocol (MCP), goose and AGENTS.md | Model Context Protocol (MCP), created and open sourced by Anthropic in November 2024, has been donated to the Linux Foundation as a founding project of the Agentic AI Foundation (AAIF), where it is governed as an open source standard under neutral, community-driven open governance. | — | linuxfoundation.org |
| ClickHouse (and its ClickHouse MCP server) MCP and Data Warehouses: everything you need to know | Engineering | ClickHouse Resource Hub | ClickHouse | Natural-language querying of warehouse data by business teams without SQL or BI tool training, agentic analytics via chat/Slack bots, and custom dashboard builders with automatic chart generation from MCP query results | Read-only access with read-only credentials and disabled INSERT/UPDATE/DELETE, query timeouts and resource limits, strict data isolation with row-level security, dedicated compute isolation, and observability via ClickStack (OpenTelemetry-based distributed tracing of MCP server execution) | clickhouse.com |
| mcp-clickhouse mcp-clickhouse/CHANGELOG.md at main · ClickHouse/mcp-clickhouse | MCP server exposing ClickHouse tools — run_select_query, list_databases, list_tables (with paginated output, row counts, and parameterized views support) — plus local ClickHouse queries via chDB, enabling SQL querying and database/metadata exploration | Authentication controls (FastMCP OAuth/OIDC auth providers, static token, basic authentication, CLICKHOUSE_ROLE), optional write access mode with built-in DROP and TRUNCATE protection, respect for server readonly settings, and a hardened unauthenticated /health endpoint that avoids leaking version or connection error details | github.com |
| dbt MCP server The dbt MCP server comes to Claude: governed context, one sign-in away | Lets Claude answer natural-language questions over governed dbt data and metadata: model discovery and lineage, governed metrics from the dbt Semantic Layer, exploratory SQL generation and execution, job run operations via the Administrative API, column-level lineage, and product documentation search — supporting workflows like business reviews, incident triage with observability tools, and safe change management | OAuth sign-in with a consent screen where users approve the scopes to grant Claude, governed context from certified Semantic Layer definitions, and token-based authentication for clients that do not support OAuth | docs.getdbt.com |
| Grafana MCP server (open source) Open source Grafana MCP server | Grafana documentation | Gives AI assistants and LLM clients access to a Grafana instance: query metrics and logs, search and manage dashboards, manage alert rules, work with Grafana Incident and Sift, generate deeplinks to Grafana resources, and use tools for datasources (Prometheus, Loki and others), alerting, incidents, and OnCall | Authentication via service account token (or OAuth 2.1 for the Grafana Cloud option), configurable enabled tools, RBAC with tools reference covering permissions and scopes, TLS support, and observability | grafana.com |
Данные: 6 отобранных строк‑источников по 6 независимым хостам (спецификация MCP, Linux Foundation/AAIF, ClickHouse, GitHub‑проект ClickHouse, dbt, Grafana), проверено 2026‑09‑25; каждая строка — краткое изложение возможностей, контролей и транспорта соответствующего официального материала. Архитектурная схема и план — авторская интерпретация под контекст GGSEL; длинные тексты источников сокращены для ширины таблицы.