Денис Матаков

Когда мы говорим о современных языковых моделях вроде GPT или Claude, легко забыть, что всё, что они знают — это текст, который они когда-то прочитали. А значит, всё, чего они не знают, остаётся за пределами их внимания. И вот тут появляется MCP — Model Context Protocol. Это способ «расширить сознание» модели, подключив её к живым данным, инструментам и действиям.

Эта статья отвечает на важные вопросы, которые возникают, когда ты впервые сталкиваешься с MCP:

• Что именно он делает?
• Чем он отличается от API?
• Как модель узнаёт, какие инструменты есть?
• Где лежат адреса, авторизация и прочее?
• Можно ли через MCP совершать не только запросы, но и действия?

MCP на пальцах: таблица-пример

Для начала — суть в одной таблице:

Пример запроса	Как и через что AI обращается	Источник ответа или действия
“Что такое квантовая запутанность?”	Внутренние знания модели	Параметры самой LLM
“Что случилось в Иране сегодня?”	Вызов через веб-поиск, API или плагин	Интернет
“Сколько заказов мы сделали в марте?”	Вызов sql_query через MCP	Внутренняя база данных
“Найди договор, где срок подписания — июль 2023”	Векторный поиск через MCP-инструмент vector_search	Ваша база документов
“Построй график продаж за год”	Последовательность: sql_query → plot_data	Комбинация базы и визуализатора
“Выполни расчёт по Excel-файлу”	Сначала file_extract, затем code_execute через MCP	Excel-файл или его копия
“Отправь СМС клиенту”	Вызов инструмента send_sms с номером и текстом	Внешний сервис сообщений (например, Twilio)

Что делает MCP на самом деле

С технической точки зрения, MCP — это протокол общения между LLM и внешними источниками данных или действиями. Он описывает, как модель может:

• обратиться к SQL-базе;
• извлечь файл;
• вызвать API;
• отправить сообщение;
• выполнить код;
• и даже скомбинировать несколько действий последовательно.

Главная идея: модель не знает, как устроен внешний мир, но умеет формировать запросы в едином формате, а MCP-сервер знает, как их обработать и что вернуть обратно.

MCP — это не просто API

Сразу возникает логичный вопрос: а чем MCP отличается от обычного API?

Ответ: уровнем абстракции.

Обычный API — это конкретная реализация с конкретной документацией.

MCP — это унифицированный способ описания и исполнения любых API. Вся магия MCP в том, что:

1. Модель видит инструмент как «псевдофункцию» с описанием.
2. MCP-сервер сам знает, как эту функцию реализовать.
3. Протокол позволяет строить последовательности действий (например, “спроси в базе — потом построй график”).

А как модель знает, какие есть инструменты?

Модель не «знает» заранее. При старте сессии или при подключении плагина ей передаётся так называемый Tool Manifest — описание всех доступных инструментов. Обычно это JSON, в котором указано:

• название инструмента (send_sms, sql_query);
• описание;
• параметры и их типы.

Пример:

{

  «name»: «send_sms»,

  «description»: «Sends an SMS to the specified phone number»,

  «parameters»: {

    «number»: «string»,

    «text»: «string»

  }

}

Модель читает этот список и потом сама решает, какой инструмент использовать и какие параметры подставить.

А как она узнаёт, где находится MCP-сервер?

Вот тут кроется то, чего пока не хватает в большинстве реализаций: механизма подключения MCP-серверов.

У OpenAI есть .well-known/ai-plugin.json. У Anthropic — tool-use manifest. У LangChain — ToolLoader.

У MCP должен быть публичный манифест MCP-сервера, в котором указано:

• mcp_url — куда слать запросы;
• auth — какая авторизация нужна (Bearer, API Key, OAuth);
• tools_manifest_url — где взять список инструментов.

То есть подключение MCP-сервера должно выглядеть примерно так:

{

  «name»: «Internal Tools MCP»,

  «mcp_url»: «https://mcp.mycompany.com/api»,

  «auth»: {

    «type»: «bearer»,

    «token»: «sk-xyz»

  },

  «tools_manifest_url»: «https://mcp.mycompany.com/api/tools»

}

Пока нет единого глобального репозитория MCP-серверов, но такая идея витает в воздухе — и обязательно появится.

А можно ли через MCP не просто получать данные, а делать что-то?

Да. И это один из самых важных и недооценённых аспектов.

Пример — отправка СМС. Модель не знает, что такое Twilio, какие там нужны ключи, заголовки и URL. Она просто вызывает send_sms с нужными параметрами. А дальше:

1. MCP-сервер подставляет токен.
2. Отправляет POST-запрос на нужный адрес.
3. Возвращает модели { «status»: «sent» }.

Модель как бы управляет миром — через интерфейс MCP.

Вывод

MCP — это мост между языковой моделью и реальным миром.

Он не заменяет API, он делает их доступными, понятными и управляемыми для моделей. MCP позволяет строить LLM-агентов, которые не просто болтают, а действуют, получают доступ к данным, комбинируют инструменты и работают в рамках заданной архитектуры.

Если раньше вы ограничивались ответами из головы модели — теперь можно подключить к ней всё, что у вас есть: от баз до внешних сервисов, от PDF до внутренних CRM. И всё это — в едином протоколе.

При обучении моделей машинного обучения часто возникает вопрос: сколько эпох нужно? Когда модель уже «поняла» данные, а когда она начинает запоминать их слишком точно (то есть переобучаться)?

В этой статье:

• Что такое эпоха
• Как понять, что модель переобучается
• Сколько эпох нужно
• Как выбрать и настроить обучение правильно

---

Что такое эпоха

Эпоха — это один полный проход по всему обучающему набору данных.

Допустим, у вас есть 10 000 примеров, и вы обучаете модель с batch_size=100. Это значит, за одну эпоху модель увидит все примеры по 100 штук за раз — всего 100 шагов.

Когда эпох несколько, модель повторно видит одни и те же данные, чтобы «отточить» предсказания.

(далее…)

Большие языковые модели (LLM) часто требуют десятки гигабайт видеопамяти и мощные серверы для запуска и обучения. Квантование — это способ уменьшить объём модели и ускорить её работу, с минимальной потерей качества.

В этой статье:

• Что такое квантование
• Какие есть методы: GPTQ, GGUF, QLoRA
• Чем они отличаются
• Когда и как их применять

---

Что такое квантование

Квантование — это перевод весов модели из 32-битного формата (float32) в более компактные форматы: float16, int8, int4 и т. д.

Цель:

• уменьшить размер модели (в 2–8 раз)
• сократить использование VRAM
• ускорить инференс

Пример: модель в fp32 весит 13 ГБ, а в int4 — 3–4 ГБ.

(далее…)

Когда модель готова, важно не только её обучить, но и запустить эффективно, особенно если она используется в проде. Большие языковые модели (LLM) требуют особого подхода к инференсу — и тут приходят на помощь оптимизированные форматы и инференс-серверы.

---

Что нужно для продакшен-инференса

• Высокая скорость обработки запросов
• Эффективное использование GPU
• Поддержка большого числа одновременных пользователей
• Гибкость и переносимость модели

Обычный pipeline() из Hugging Face удобен, но не масштабируется. Для продакшена нужны другие инструменты.

(далее…)

Когда вы обучаете или используете модели машинного обучения и большие языковые модели (LLM), важно измерять их качество. Без метрик невозможно понять, стала ли модель лучше, хуже или осталась такой же.

В этой статье мы рассмотрим:

• Метрики для классификации
• Метрики для генерации текста
• Специальные бенчмарки для LLM
• Как и когда их применять

---

Классификация: accuracy, F1 и другие

Если модель должна выбрать правильный вариант ответа (например, категорию объявления), используются классические метрики:

• Accuracy — доля правильных ответов
• Precision — точность (насколько предсказанные метки действительно верные)
• Recall — полнота (насколько хорошо модель нашла все правильные ответы)
• F1-score — среднее между precision и recall

(далее…)

RAG (Retrieval-Augmented Generation) — это подход, при котором большая языковая модель (LLM) получает не только сам вопрос, но и дополнительную информацию из базы знаний. Модель не «вспоминает» ответ из своей памяти, а «читает» найденный текст и отвечает на основе него.

---

Зачем нужен RAG

LLM не знает ничего о ваших внутренних документах, продуктах или инструкциях. Она может галлюцинировать — выдумывать ответы.

RAG позволяет использовать актуальные и точные данные:

• Вы передаёте в модель текст, найденный по запросу
• Модель отвечает с опорой на этот текст

---

Как работает RAG

1. Получаем вопрос от пользователя
2. Кодируем его в вектор (эмбеддинг)
3. Ищем похожие документы в базе (векторный поиск)
4. Склеиваем найденные тексты и добавляем к вопросу
5. Передаём всё это в LLM как prompt
6. Модель отвечает

(далее…)

При разработке моделей важно не только обучить модель, но и уметь:

• отслеживать параметры обучения
• сохранять метрики (точность, F1 и др.)
• версионировать модели и датасеты
• воспроизводить эксперименты

Для этого используются инструменты вроде MLflow и DVC.

---

Зачем нужен трекинг

Допустим, вы обучили три модели с разными параметрами. Какая из них лучше? Сколько эпох было? Какой learning_rate? Где лежит файл модели?

Без трекинга это всё теряется в коде и папках. С трекингом — у вас есть история всех запусков и чёткая структура.

(далее…)

QLoRA — это метод, который позволяет дообучать большие языковые модели (LLM) в сжатом 4-битном виде, экономя память и ресурсы. Он позволяет запускать fine-tuning даже на одной видеокарте вроде RTX 3060 или 3090.

В этой статье разберёмся:

• Что такое QLoRA
• Как она работает
• Когда и зачем её использовать
• Как на практике дообучить свою модель с помощью QLoRA

---

Что такое QLoRA

QLoRA (Quantized LoRA) сочетает два подхода:

• Квантование — уменьшает размер модели, переводя её веса в 4-битный формат (вместо 16 или 32 бит)
• LoRA (Low-Rank Adapters) — позволяет добавлять к модели небольшие обучаемые адаптеры, не изменяя сами веса модели

(далее…)