MCP-сервер: что это и как подключить знания компании к ИИ

ИИ отлично знает общие вещи. Но спросите его: «Что мы решили по этому проекту месяц назад?», «Как у нас выпускают релиз?» или «Какая инструкция сейчас актуальна?» — и без доступа к внутренним данным он сможет только гадать.

Один из способов дать ИИ такой доступ — Model Context Protocol, или MCP.

Он позволяет подключить к Claude, Cursor и другим совместимым ИИ-клиентам корпоративные сервисы: базы знаний, документы, таск-трекеры, репозитории и другие источники данных. Причём речь не обязательно только о поиске: модель может получать структуру документа, историю изменений, изображения и вызывать другие разрешённые сервисом действия.

Разберёмся, как это работает и что MCP даёт корпоративной базе знаний.

Что такое MCP простыми словами

MCP (Model Context Protocol) — открытый стандарт, описывающий взаимодействие ИИ-приложений с внешними источниками данных и инструментами.

До MCP интеграция обычно выглядела так: если вы хотите подключить ассистента к CRM, корпоративной wiki и GitHub, для каждого источника приходится отдельно разбираться с API и писать собственную интеграцию.

MCP предлагает общий контракт: сервис публикует доступные возможности — например:

• найти документ;

• прочитать его содержимое;

• получить последние изменения;

• показать структуру папок;

• вернуть изображение;

• выполнить разрешённое действие.

ИИ-клиент при необходимости вызывает нужную возможность.

Если совсем просто: MCP-сервер объясняет ИИ не только где лежат данные, но и что с ними разрешено делать.

Как это выглядит в работе

Представим, сотрудник спрашивает ассистента:

Как у нас проходит выпуск новой версии продукта?

У модели нет этого знания в обучающих данных. Но если подключена корпоративная база через MCP, сценарий может выглядеть иначе.

ИИ сначала ищет документы по теме релизов. Затем открывает подходящий регламент или запись встречи. Если нужно — смотрит более свежую версию или историю изменений. После этого формирует ответ на основе найденных материалов.

Пользователю при этом не приходится вручную искать нужную страницу и копировать её в чат.

Причём модель не обязана заранее получать содержимое всей базы. Она запрашивает конкретные данные тогда, когда они нужны.

И здесь важно не путать MCP с RAG.

RAG отвечает на вопрос «как найти подходящий контекст». MCP — «как ИИ вообще получает доступ к сервису и его возможностям».

Они не конкурируют и могут использоваться вместе. Например, MCP-инструмент запускает поиск документов, а внутри самой базы этот поиск может использовать полнотекстовый индекс, embeddings, reranking или любую другую технологию.

Что меняется для корпоративной базы знаний

Обычная база знаний рассчитана прежде всего на человека.

Человек должен открыть её, вспомнить примерное название документа, выбрать раздел, найти нужную страницу и прочитать её.

С подключённым ИИ появляется ещё один интерфейс к тем же знаниям — диалог.

Можно спрашивать:

Что изменилось в регламенте за последний месяц?

Какие решения приняли на последней встрече?

Найди инструкцию по настройке доступа.

Кто отвечает за этот процесс?

Это уже полезно. Но ещё интереснее становится тогда, когда база хранит не просто страницы с текстом, а структурированный рабочий контекст.

MCP в Steppo: не только текст документов

В Steppo хранятся обычные документы и регламенты, пошаговые инструкции, результаты встреч и другие рабочие материалы.

Через MCP ИИ может получать не только найденный текст, но и структуру документов, содержимое отдельных разделов, историю изменений, скриншоты шагов инструкции и обсуждения внутри страниц.

Например, пошаговая инструкция в Steppo создаётся из реального процесса работы.

Пользователь выполняет действия в браузере или приложении, а Steppo фиксирует последовательность шагов и экраны. Поэтому когда ИИ читает такую инструкцию, он получает не только фразу «нажмите кнопку», но и визуальный контекст того, что пользователь видел в этот момент.

Со встречами похожая история: в базе остаётся не только итоговый документ, но и контекст того, что обсуждалось и принималось командой.

И здесь MCP начинает решать задачу значительно шире обычного поиска.

От поиска знаний — к корпоративной памяти

Самый очевидный сценарий для AI по базе знаний:

Найди документ про релизы.

Но если компания сохраняет рабочий контекст месяцами, появляются запросы другого уровня.

Например:

Какие задачи переносились между спринтами чаще всего?

Найди решения, которые обсуждали несколько месяцев, но так и не реализовали.

Какие организационные проблемы регулярно повторяются на планированиях?

Сравни встречи начала года с последним месяцем. Стала ли команда лучше планировать работу?

Найди старые инструкции, которые могут противоречить более новым решениям.

Это уже не retrieval одного документа.

ИИ анализирует множество источников, сопоставляет события во времени и пытается восстановить картину того, как менялась работа компании.

По сути, накопленная база превращается из архива документов в корпоративную память.

И именно здесь MCP особенно интересен: та же память становится доступной не одному встроенному ассистенту конкретной системы, а разным совместимым AI-клиентам и агентам.

Почему недостаточно просто загрузить документы в нейросеть

Можно периодически экспортировать PDF, прикладывать документы к диалогу или загружать файлы в отдельный AI-сервис.

Для небольшого набора документов этого часто достаточно. Проблемы начинаются, когда база постоянно меняется. Появляются новые встречи. Кто-то исправляет регламент. Меняются права. Создаётся новая инструкция. Старый документ становится неактуальным.

При MCP данные остаются в исходной системе. ИИ обращается к ней в момент запроса и получает то, что сервис разрешает показать конкретному пользователю.

То есть интеграция работает с живой базой, а не с экспортом, сделанным две недели назад.

Безопасность MCP для корпоративных данных

Именно здесь реализация сервера важнее самого протокола.

Корпоративный MCP должен учитывать права пользователя внутри самой системы.

Если сотрудник не имеет доступа к определённому документу через обычный интерфейс, подключение ИИ не должно становиться способом это ограничение обойти.

В Steppo права проверяются при обращении к данным, а MCP сейчас работает в read-only режиме: доступные инструменты предназначены для поиска и чтения, а не для изменения или удаления документов.

Это сознательное ограничение.

Получить корпоративный контекст — одно. Дать агенту возможность самостоятельно переписывать регламенты — уже совсем другой уровень доверия и контроля.

Локальный и удалённый MCP

MCP-сервер может работать локально или удалённо.

Локальный вариант обычно запускается рядом с ИИ-клиентом и хорошо подходит для доступа к файлам, локальному Git-репозиторию или инструментам разработчика.

Для общей корпоративной базы удобнее remote-сервер.

Он работает на стороне самого сервиса, поэтому сотрудникам не нужно устанавливать отдельную копию интеграции. Авторизация и права также остаются централизованными.

Это особенно важно для команды: один и тот же источник знаний может использоваться разными сотрудниками, при этом каждый получает доступ в рамках своих прав.

Как подключить MCP Steppo

MCP-сервер Steppo работает удалённо, поэтому отдельный сервер на компьютере поднимать не нужно.

Адрес:

https://steppo.ru/api/mcp

Например, для Claude Code:

claude mcp add --transport http steppo https://steppo.ru/api/mcp

При авторизации откроется Steppo: пользователь входит в аккаунт, выбирает рабочую команду и разрешает подключение.

После этого можно сразу проверить интеграцию не технической командой, а нормальным рабочим вопросом:

Что мы решили на последнем планировании?

или:

Найди инструкцию по процессу, который обсуждали вчера.

Если ассистент действительно получает ответ из корпоративных материалов, MCP работает именно так, как и должен: технология практически исчезает из пользовательского сценария.

Частые вопросы

MCP — это API?

Не совсем.

Обычный API описывает собственные методы конкретного сервиса. MCP задаёт стандарт взаимодействия между AI-приложением и сервером, который предоставляет модели инструменты, ресурсы и другой контекст.

При этом сам MCP-сервер внутри вполне может обращаться к обычному API продукта.

Модель обучается на документах?

Нет. Получение документа через MCP и обучение модели — разные процессы.

Сервер передаёт информацию приложению для выполнения конкретного запроса. А уже политика обработки полученного контента зависит от используемого ИИ-сервиса.

Может ли AI изменить документы?

Это зависит от того, какие инструменты предоставляет конкретный MCP-сервер.

MCP в принципе допускает инструменты, выполняющие действия. В текущей реализации Steppo подключение работает только на чтение.

MCP заменяет базу знаний?

Наоборот, без качественных исходных знаний подключать к ним AI почти бессмысленно. MCP делает базу доступной ассистенту, но не исправляет плохие регламенты, отсутствующие инструкции или противоречащие друг другу документы. И в этом есть неожиданный дополнительный эффект: когда AI начинает активно работать с корпоративной памятью, гораздо быстрее становятся заметны пробелы в самой документации.

Главное

• MCP — это не ещё одна нейросеть и не новый формат хранения документов.

• Это стандартный способ дать ИИ доступ к возможностям других систем.

Для корпоративной базы знаний это означает простой переход:

раньше сотрудник сам искал знания → теперь AI может найти и собрать нужный контекст за него. А если система хранит не только тексты, но и процессы, встречи, историю решений и визуальный контекст, возникает следующий уровень:

ИИ может не только отвечать по знаниям компании, но и анализировать её накопленную рабочую память.