Без этого ваш ИИ-агент бесполезен

Почему MCP — это USB-C для искусственного интеллекта.

Вы построили AI-агента. Возможно, даже хорошего. Промпты продуманы, модель быстрая, ответы звучат естественно.

Но тут кто-то просит его проверить записи в Salesforce, или вытащить последние тикеты из Jira, или поискать во внутренней документации.

И ваш прекрасный агент просто… не может.

Это проблема интеграции, с которой рано или поздно сталкивается любая AI-платформа. Агенту нужны руки. Ему нужны глаза, чтобы видеть ваши реальные бизнес-системы. Без них вы просто запускаете дорогой чат-бот.

Традиционное решение? Написать собственный API-обёртку для каждого сервиса, к которому хотите подключиться. Изучать их документацию, обрабатывать их аутентификацию, разбираться с их ограничениями по скорости, молиться, чтобы они не поменяли эндпоинты в следующем месяце. Потом повторить для следующего сервиса. И ещё для одного.

Model Context Protocol полностью меняет эту логику.

Что на самом деле решает MCP

Вспомните USB до появления USB-C. Были Mini-USB, Micro-USB, проприетарные коннекторы Apple и ящик, полный кабелей, которые работали только с определёнными устройствами. USB-C не просто добавил новый разъём — он установил стандарт, благодаря которому любой кабель подходит к любому устройству.

MCP делает то же самое для интеграций инструментов AI.

Вместо того чтобы писать собственный код для подключения вашего агента к Salesforce, HubSpot, GitHub или любому другому сервису, вы реализуете протокол один раз (или скачиваете готовый сервер), и любой MCP-совместимый агент может общаться с ним сразу.

Протокол берёт на себя коммуникационный уровень. Вы просто определяете, что делают ваши инструменты и какие данные им нужны.

Настройка нескольких интеграций

У Mastra есть встроенная поддержка MCP через MCPClient. Вы можете подключать как локальные инструменты (запускающиеся как дочерние процессы), так и удалённые сервисы (работающие на собственной инфраструктуре).

Вот пример типичной настройки, подключающей карты, погоду и локальный поиск по Wikipedia:

import { MCPClient } from '@mastra/mcp';

export const mcpClient = new MCPClient({
  id: 'navigation-mcp',
  servers: {
    // Локальный инструмент (Stdio)
    wikipedia: {
      command: 'npx',
      args: ['-y', 'wikipedia-mcp'],
    },
    // Карты и навигация (Remote/HTTP)
    googleMaps: {
      url: new URL(process.env.GOOGLE_MAPS_MCP_URL!),
      requestInit: {
        headers: {
          Authorization: `Bearer ${process.env.GOOGLE_MAPS_API_KEY}`,
        },
      },
    },
    // Интеграция с сервисом погоды
    weather: {
      url: new URL(process.env.WEATHER_MCP_URL!),
      requestInit: {
        headers: {
          'X-API-Key': process.env.WEATHER_API_KEY!,
        },
      },
    },
  },
});

Клиент управляет жизненным циклом подключения, обрабатывает запуск процессов для локальных инструментов и поддерживает HTTP-соединения для удалённых серверов. Вам не нужно работать с сокетами или stdio напрямую.

Подключение инструментов к агентам

Когда ваш MCP-клиент настроен, передать эти инструменты агенту несложно:

import { Agent } from '@mastra/core/agent';
import { mcpClient } from '../mcp';

export const navigationDirectionsAgent = new Agent({
  id: 'navigation-directions-agent',
  name: 'Navigation & Directions Assistant',
  instructions: `You are a helpful navigation assistant that provides route planning and travel advice.
    - Always confirm the start and destination locations
    - Use Google Maps tools to find optimal routes
    - Check weather conditions along the route
    - Provide estimated travel times and suggest alternatives if weather is poor
    - Include relevant details like traffic, road conditions, and points of interest
    - Keep responses clear and actionable`,
  model: 'openai/gpt-5.5',
  tools: await mcpClient.listTools(), // <--- This is the magic line
});

Когда пользователь спрашивает: «Какой лучший маршрут из Сан-Франциско до озера Тахо и стоит ли беспокоиться о погоде?»

Агент читает доступные описания инструментов, понимает, что у него есть инструменты для построения маршрутов через Google Maps и прогноза погоды, выполняет их с правильными параметрами и выдаёт ответ с оптимальным маршрутом и текущими погодными условиями вдоль пути.

Вы не написали ни строчки кода для Google Maps API или интеграции с погодным сервисом.

Аутентификация для каждого пользователя

Здесь легко допустить ошибку безопасности: зашить учётные данные в код.

Если вы положите один ключ Google Maps API в переменные окружения и на этом закончите, все пользователи будут делить одну квоту и одни лимиты. Что ещё важнее, если вы используете сервисы, хранящие пользовательские настройки (например, сохранённые адреса или избранные маршруты), все будут видеть одни и те же данные. Для демо это нормально. В продакшене — проблема.

Mastra решает это тем, что позволяет создавать MCP-клиенты динамически, с учётными данными конкретного пользователя, и передавать их наборы инструментов во время запроса. Вся обычная SaaS-инфраструктура остаётся за вами: безопасное хранение токенов, их обновление и решение, каким пользователям подключать какие сервисы.

async function handleUserRequest(userPrompt: string, userCredentials: UserCreds) {
  // Create a client for THIS specific user
  const userMcp = new MCPClient({
    id: `maps-${userCredentials.userId}`,
    servers: {
      googleMaps: {
        url: new URL(process.env.GOOGLE_MAPS_MCP_URL!),
        requestInit: {
          headers: {
            // User's specific API key or token
            Authorization: `Bearer ${userCredentials.mapsApiKey}`,
            'X-User-ID': userCredentials.userId,
          },
        },
      },
    },
  });

  try {
    const agent = mastra.getAgent('navigationDirectionsAgent');

    // Inject tools at runtime
    const response = await agent.generate(userPrompt, {
      toolsets: await userMcp.listToolsets(),
    });

    return response;
  } finally {
    await userMcp.disconnect();
  }
}

Каждый пользователь получает свой изолированный набор инструментов с собственными квотами и настройками. Сохранённые адреса пользователя А остаются приватными, история маршрутов пользователя Б — изолированной. Так на практике работают мультитенантные SaaS-агенты.

Создание составных инструментов

Иногда нужно объединить несколько MCP-инструментов в одну операцию. Например, вы хотите спланировать маршрут, учитывающий одновременно трафик в реальном времени и погодные условия вдоль пути.

Вы можете обернуть MCP-инструменты в собственные определения инструментов:

import { createTool } from '@mastra/core/tools';
import { z } from 'zod';

type DirectionsResult = {
  waypoints: Array<{ latitude: number; longitude: number }>;
  [key: string]: unknown;
};

type ForecastResult = {
  alerts?: unknown[];
  severe?: boolean;
};

export const smartRouteTool = createTool({
  id: 'smart-route-planner',
  description: 'Plans optimal route considering traffic and weather conditions',
  inputSchema: z.object({
    origin: z.string(),
    destination: z.string(),
  }),
  outputSchema: z.object({
    route: z.record(z.string(), z.unknown()),
    weatherAlerts: z.array(z.unknown()),
    recommendation: z.string(),
  }),
  execute: async ({ origin, destination }, executionContext) => {
    const tools = await mcpClient.listTools();

    // 1. Get base route from Google Maps
    const routeData = await tools.googleMaps_getDirections.execute(
      { origin, destination },
      executionContext,
    ) as DirectionsResult;

    // 2. Check weather along the route
    const weatherData = await tools.weather_getForecast.execute(
      { coordinates: routeData.waypoints },
      executionContext,
    ) as ForecastResult;

    // 3. Return enhanced route with weather warnings
    return {
      route: routeData,
      weatherAlerts: weatherData.alerts ?? [],
      recommendation: weatherData.severe
        ? 'Consider delaying trip'
        : 'Safe to travel',
    };
  },
});

Текущие инструменты Mastra сначала получают валидированный ввод, а затем контекст выполнения. Передача этого контекста в обнаруженные MCP-инструменты сохраняет состояние в рамках запроса, трассировку и возможность отмены. Имена и типы результатов выше — примеры контрактов; используйте те имена и схемы, которые объявлены на серверах MCP, к которым вы подключаетесь.

Это даёт вам тонкий контроль над тем, как именно инструменты взаимодействуют друг с другом, при этом тяжёлую работу по-прежнему выполняет протокол MCP.

Утверждение на границе инструмента

MCP упрощает подключение инструментов. Но это не значит, что каждый инструмент должен работать без трения.

MCPClient от Mastra может требовать утверждения на уровне сервера: либо для всех инструментов этого сервера, либо динамически для каждого вызова:

export const githubMcp = new MCPClient({
  id: 'github-mcp',
  servers: {
    github: {
      url: new URL(process.env.GITHUB_MCP_URL!),
      requireToolApproval: ({ toolName, annotations }) => {
        if (annotations?.readOnlyHint) return false;
        if (toolName.includes('delete_')) return true;
        return annotations?.destructiveHint ?? true;
      },
    },
  },
});

Такое утверждение по-прежнему следует рассматривать как политику приложения, а не как волшебство. Аннотации инструментов MCP — это полезные подсказки от доверенных серверов, но сами по себе они не являются границей безопасности. Для сторонних серверов сделайте поведение по умолчанию скучным и запрашивайте разрешение, прежде чем агент изменит что-то важное.

К чему это ведёт

Написание индивидуальных API-клиентов для каждого сервиса, с которым должен общаться ваш AI-агент, никогда не было устойчивым решением. Это плохо масштабируется, часто ломается и привязывает вашу платформу к конкретным реализациям.

MCP не решает всех проблем интеграции — аутентификация по-прежнему сложна, ограничение частоты запросов всё ещё важно, и не для каждого сервиса ещё есть MCP-сервер. Но он закладывает основу, которая делает создание платформ для агентов значительно менее болезненным.

Если вы проектируете AI-систему, которой нужно взаимодействовать с внешними сервисами, разобраться в MCP, вероятно, стоит вашего времени.

Ресурсы

Читайте серию

Маршрутизация LLM
Безопасность и защитные барьеры
MCP и интеграции инструментов (этот пост)
Рабочие процессы и память