Раз в несколько лет появляется протокол, который меняет способ взаимодействия программных компонентов. HTTP сделал это для веба. OAuth — для аутентификации. GraphQL — для API. В 2025 году Model Context Protocol — MCP — делает это для инструментов AI-агентов.
Проблема, которую решает MCP, обманчиво проста. AI-агенту нужно использовать инструменты — искать в интернете, читать файлы, запрашивать базы данных, вызывать API. Без стандартного протокола каждая интеграция инструмента — это кастомная реализация. Фреймворк агента определяет свой формат инструментов, провайдер инструмента реализует этот формат, и интеграция работает для этого конкретного фреймворка и этого конкретного инструмента. Хотите использовать тот же инструмент в другом фреймворке? Переписывайте интеграцию. Хотите добавить новый инструмент агенту? Пишите кастомный адаптер.
MCP устраняет этот налог на интеграцию «фреймворк-инструмент». Инструмент, говорящий на MCP, работает с любым агентом, говорящим на MCP. Написал один раз — используй везде. Аналогия с USB-C уместна: до USB-C у каждого устройства было своё зарядное. После USB-C один кабель работает для всего. MCP делает то же самое для инструментов AI-агентов.
Что такое MCP на самом деле
MCP — это протокол на основе JSON-RPC, определяющий, как AI-агент обнаруживает, вызывает и получает результаты от внешних инструментов. MCP-сервер предоставляет набор инструментов с типизированными схемами — описаниями того, что делает каждый инструмент, какие параметры принимает и что возвращает. MCP-клиент (агент) подключается к серверу, обнаруживает доступные инструменты и вызывает их по мере необходимости в ходе разговора.
Протокол решает задачи, которые каждая кастомная интеграция вынуждена изобретать заново: обнаружение инструментов (какие инструменты доступны?), валидация схемы (корректны ли параметры?), вызов (запустить инструмент и вернуть результаты) и обработка ошибок (что происходит, когда инструмент падает?). Это решённые задачи, которые не нужно решать заново для каждой интеграции.
Anthropic разработала MCP и выложила в открытый доступ, но это не протокол, специфичный для Anthropic. Любой AI-провайдер может реализовать поддержку MCP-клиента, и любой разработчик может создавать MCP-серверы. Экосистема растёт быстро — уже существуют MCP-серверы для GitHub, Slack, баз данных, файловых систем, веб-браузеров и десятков других сервисов.
Как NanoClaw использует MCP
NanoClaw интегрирует MCP через MCP SDK, который является частью того же инструментария Anthropic, что и Claude Agent SDK. Когда агент работает внутри контейнера NanoClaw, он может подключаться к MCP-серверам, настроенным на хосте, получая доступ к инструментам без какого-либо кастомного кода интеграции в самом NanoClaw.
Это тонкий, но важный архитектурный момент. NanoClaw не нужно реализовывать интеграцию с GitHub, интеграцию со Slack или интеграцию с базой данных. Ему достаточно поддерживать MCP, и тогда любой MCP-сервер предоставляет эти возможности. Поверхность интеграции — один протокол, а не десятки кастомных адаптеров.
На практике это означает, что пользователь NanoClaw, который хочет, чтобы его агент взаимодействовал с GitHub, устанавливает GitHub MCP-сервер (отдельный процесс), настраивает NanoClaw для подключения к нему, и агент сразу может создавать issues, читать pull requests и искать по репозиториям. Без изменений кода NanoClaw. Без Claude Code Skill. Без форка.
Модель контейнерной изоляции естественно работает с MCP. MCP-сервер работает на хосте, за пределами контейнера. Агент внутри контейнера подключается к нему через контролируемый канал. MCP-сервер может применять собственные правила доступа — только чтение репозиториев, только определённые каналы Slack, конкретные таблицы базы данных — независимо от того, что запрашивает агент. Это эшелонированная защита: даже если prompt injection обманом заставит агента запросить что-то недозволенное, MCP-сервер может отклонить запрос на основе собственной политики.
Почему MCP важен для экосистемы
Более широкое значение MCP в том, что он разделяет разработку инструментов и разработку агентов. До MCP создание полезного инструмента для AI-агента означало выбор фреймворка и реализацию его интерфейса инструментов. Ваш инструмент для GitHub работал с LangChain, но не с CrewAI. Ваш инструмент для базы данных работал с AutoGen, но не с NanoClaw. У каждого фреймворка был свой формат инструментов, и разработчикам инструментов приходилось выбирать, какие фреймворки поддерживать.
MCP разрывает эту связь. Разработчик инструмента создаёт один MCP-сервер, и он работает с каждым MCP-совместимым агентом. Разработчик агента поддерживает MCP один раз, и каждый MCP-сервер становится доступен его пользователям. Экосистема растёт мультипликативно, а не линейно — каждый новый MCP-сервер приносит пользу каждому MCP-совместимому агенту, и каждый новый MCP-совместимый агент выигрывает от каждого существующего MCP-сервера.
Для NanoClaw конкретно MCP означает, что проекту не нужно создавать и поддерживать интеграции для каждого сервиса, который может понадобиться пользователям. Модель Claude Code Skills обрабатывает интеграции каналов (Telegram, Discord, Slack), а MCP обрабатывает интеграции инструментов (GitHub, базы данных, API). Вместе они покрывают широкий спектр сценариев использования без бремени поддержки большой кодовой базы интеграций.
Практическая настройка
Настройка MCP в NanoClaw проста. Вы запускаете MCP-сервер — либо собственный, либо из растущей экосистемы open-source серверов — и указываете NanoClaw на него. Агент автоматически обнаруживает доступные инструменты и может использовать их в разговоре.
С точки зрения пользователя всё выглядит бесшовно. Вы просите своего WhatsApp-ассистента «создай GitHub issue для бага с логином, который мы обсуждали вчера», и агент использует GitHub MCP-сервер для создания issue, извлекая контекст из памяти разговора для заполнения деталей. Вам не нужно знать, что задействован MCP. Вы просто просите, и у агента есть инструменты для выполнения вашей просьбы.
Протокол ещё молод — ускорение внедрения началось в начале 2025 года — но траектория ясна. MCP становится стандартным способом взаимодействия AI-агентов с внешними сервисами, и проекты, принявшие его рано, получают доступ к растущей экосистеме инструментов, не создавая ни одного из них. Ставка NanoClaw на MCP — это ставка на то, что экосистема будет ценнее любого набора кастомных интеграций.