Если вы пишете отдельный adapter layer под ChatGPT, Claude и Gemini — или спорите на architecture review «хватит ли REST, нужен ли MCP» — здесь выводы для протокольного слоя: ① MCP (Model Context Protocol) — open standard Anthropic (ноябрь 2024), устраняет N×M фрагментацию интеграции моделей и инструментов; ② как HTTP над TCP/IP, MCP нормализует runtime discovery, selection и invocation tools; ③ в 2026 OpenAI, Google, Microsoft вошли в экосистему — свыше 10 000 MCP Server. Дополняет гайд Agent Skill и сравнение coding assistants — здесь только протокол → историческая аналогия → production rollout.
Историческая параллель: до TCP/IP — ARPAnet, Ethernet, проприетарные стеки; HTTP стандартизировал application layer поверх единого transport. AI-интеграции до 2024 находились в том же хаосе — MCP претендует на роль унифицирующего протокола.
У LLM три structural limits: training cutoff, нет live data, нет side-effect execution. Решение — Tool Use / Function Calling. Реальность deployment:
До USB-C: Mini-USB, Micro-USB, Lightning — разные физические контракты. MCP — унифицированный logical connector для AI ↔ tools/data: host не обязан знать implementation detail server-side adapter.
| Сценарий | Без MCP |
|---|---|
| Enterprise CRM + AI | Три adapter layer под Claude, GPT, Gemini |
| IDE assistant | Разные пути к FS, DB, HTTP API |
| Agent orchestration | Tool schema не переносится между LangChain, CrewAI и др. |
Host (Claude Desktop, Cursor, VS Code) встраивает MCP Client и держит 1:1 session на каждый подключённый Server. Client общается с MCP Server по JSON-RPC 2.0. Server экспонирует Tools, Resources, Prompts и маппит их на DB, REST API, filesystem и прочие backend.
| Transport | Deployment pattern | Характеристики |
|---|---|---|
| STDIO | Local subprocess | Zero network deps, fast spawn, process isolation |
| HTTP + SSE | Remote / cloud service | Cross-network, horizontal scale (с session affinity) |
{
"jsonrpc": "2.0",
"method": "tools/call",
"params": {
"name": "query_database",
"arguments": { "sql": "SELECT * FROM users LIMIT 10" }
},
"id": 1
}
Ключевые RPC methods: tools/list — runtime discovery capability surface; resources/read — чтение файлов/записей; Server может инициировать reverse RPC к Client — в отличие от однонаправленного REST request/response.
| Измерение | Интернет-эра | Agent-эра |
|---|---|---|
| Problem | Несовместимые network stacks | Несовместимые AI tool integration paths |
| Solution | TCP/IP + HTTP | MCP |
| Value | Единый application protocol | Единый tool invocation contract |
| Openness | IETF / open implementations | Open spec, community servers |
| Application layer | Web, Email, FTP поверх HTTP | AI app ecosystem поверх MCP |
| Capability | REST API | MCP |
|---|---|---|
| Tool discovery | Static docs, hardcoded client | Runtime tools/list |
| Session state | Stateless per request | Persistent connection, multi-step workflow |
| Self-description | Endpoint не объясняет semantics для LLM | JSON Schema на каждый tool |
| Directionality | Client → Server only | Bidirectional: Server → Client callbacks |
Ключевой контраст: REST отвечает на «можно ли вызвать endpoint»; MCP — на «как агент в runtime обнаруживает, выбирает и корректно вызывает tool с учётом schema и session state». Это core problem statement agent-эры.
Траектория: vendor-specific extension → industry infrastructure. AAIF governance — аналог IETF для agent protocols: MCP становится neutral protocol, а не привязкой к одному LLM vendor.
К 2026 в registry и community repos — свыше 10 000 MCP Server. Каждый новый Server мгновенно доступен всем MCP-capable clients; каждый новый client наследует весь installed base tools — тот же network effect, что HTTP дал Web в 1990-х.
A2A (Agent-to-Agent) от Google не конкурирует с MCP: MCP — vertical integration (model ↔ tools/data); A2A — horizontal orchestration (agent ↔ agent). Вместе формируют protocol stack agent internet.
tools/list и tools/call.HTTP не изобрёл browser, но без HTTP не было browser ecosystem. TCP/IP не изобрёл email, но без него не было SMTP stack. MCP не изобрёл AI Agent, но становится infrastructure layer, на котором agent ecosystem масштабируется.
Developer view: один MCP Server — все compatible clients; vertical-domain servers — незанятая ниша. Enterprise view: integration assets переходят от vendor lock-in к portable team-owned capability; Google Cloud (BigQuery, Maps, GKE), Azure, AWS уже предлагают managed MCP endpoints.
Но MCP Server + agent на sleeping laptop или shared dev machine даёт три hidden costs: обрыв STDIO/SSE при lid-close, environment drift → retry storms, невозможность 7×24 multi-step workflow. Для production MCP session и agent orchestration Host + Server на MACCOME Mac mini (M4 / M4 Pro) dedicated node обычно дешевле по TCO, чем борьба с sleep policy локально; тарифы: аренда Mac Mini.
Ретроспективно ноябрь 2024 — open MCP spec от Anthropic — может оказаться «моментом рождения HTTP» для AI-эры.
FAQ
Чем MCP отличается от REST API?
REST — «можно ли вызвать endpoint»; MCP — «как AI в runtime обнаруживает, выбирает и корректно вызывает tool». MCP даёт tools/list, stateful session, JSON Schema self-description и bidirectional RPC.
Нужно ли переписывать MCP Server при смене LLM vendor?
Нет. Server декуплирован от модели; при поддержке MCP на client тот же Server переиспользуется. Отсюда оценка снижения integration cost на 38–55%.
Как соотносятся MCP и Agent Skill (SKILL.md)?
Skill — in-host prompt/capability package; MCP — cross-host tool protocol. Подробнее: гайд Agent Skill.
Какой хост для MCP Server в production?
Избегайте lid-close на ноутбуке — рвёт long connection. MACCOME M4/M4 Pro dedicated cloud Mac для 7×24 MCP Server и Agent. Тарифы: аренда Mac Mini; onboarding: центр помощи.