ИИ + МойСклад: как MCP превратил чат в полноценного бизнес-ассистента
Рассказываю, как мы используем ИИ-ассистентов с реальными бизнес-данными из ERP МойСклад: получаем аналитику, создаём документы голосом и генерируем сложные шаблоны естественным языком, а не кодом.
Моя компания занимается обжаркой высококачественного кофе — у нас своё производство, закупки сырья у поставщиков и отгрузки готовой продукции оптовым и розничным клиентам. Практически с момента основания мы используем МойСклад (далее МС) как нашу ERP систему для управления заказами, производством и контроля остатков.
Чтобы контролировать достаточно специфичный производственный процесс, используем собственную систему управления обжаркой кофе и ценообразованием, которая подтягивает и синхронизирует все данные с МС.
Но на протяжении всех 4+ лет работы с системой проблемы с МС остаются всё те же:
- Сложность получения и отображения аналитики
При типовом подходе для кастомной аналитики приходится обращаться к программистам. - Создание и редактирование документов
Сложно быстро изменять документы и создавать заказы на ходу. - Комплексные шаблоны печатных форм
Для сложных отчётов приходится обращаться к программистам, писать ТЗ — долго и дорого.
Теперь все эти проблемы можно решить с помощью ИИ. Я сделал тестовое решение, которое показало: что раньше занимало неделю и несколько десятков тысяч рублей, теперь решается за 10 минут.
Зачем нужен MCP?
С самого появления ChatGPT мне было ясно — это очень сильный инструмент, но без доступа к реальным данным бизнеса и возможностью выполнять действия в системе возможности очень ограниченны.
Чтобы развязать ИИ руки, компания Anthropic разработала открытый протокол MCP (Model Context Protocol), который стандартизирует коммуникацию между ИИ ассистентом (ChatGPT, Claude и т.п.) и разными ресурсами (по сути может быть что угодно — почта, ERP, мессенджеры — возможности не ограничены).
После нескольких экспериментов выявилось 2 основных проблемы: количество данных и корректность ИИ при работе с числами.
Даже при обработке небольшого периода объём данных из МС зачастую просто выбивает из лимита большинство ИИ ассистентов. Но сократить данные невозможно — они нужны для расчётов. Можно было бы использовать другой более компактный формат, но всё равно не получилось бы агрегировать данные за долгий период. Решение оказалось куда креативнее: дать возможность ИИ запрашивать только нужные данные из системы.
Вторая проблема: ИИ бывает неверно производит расчёты с числами, и хуже того, убеждает, что "всё корректно". Если надо дважды проверять результат, то это уже не оптимизация, а двойная работа. Из-за особенностей алгоритма больших языковых моделей они не думают о числах как мы, для них это просто набор символов.
Решение: дать ИИ "калькулятор"
Вместо того, чтобы пытаться "скормить" ИИ большой объём данных и пытаться обучить его математике, было принято использовать навык, который у ИИ получается не хуже, чем у человека — написание кода.
Когда пользователь делает запрос, ИИ вызывает единственный MCP метод. Под капотом, в песочнице Cloudflare Sandbox запускается агент Claude Code, который обучен работе с моей собственной библиотекой МойСклад — moysklad-ts
Архитектура решения состоит из нескольких слоёв:
- Q-Agent — "оркестратор"
Это ИИ-ассистент на базе GPT-5.2, интегрированный в нашу внутреннюю IT систему. Он знает контекст компании: чем мы занимаемся, какие у нас системы и бизнес-процессы, а также обладает узкопрофильными знаниями о кофе и продажах. - Coding Agent — агент-программист
Вместо того чтобы пытаться обработать сырые данные, Coding Agent запускает песочницу, пишет код для получения и обработки данных, и выполняет его в безопасной среде.
Почему это работает лучше, чем прямой доступ к данным? ИИ отлично пишет код, а код отлично считает. Мы используем сильную сторону модели (генерация кода) и компенсируем слабую (арифметика).
Результаты
ИИ ассистент стал инструментом, значительно ускоряющий базовые операции с ERP системой, а на его ответы теперь можно положиться.
На "лету" мои коллеги теперь получают данные по заказам и контрагентам перед встречами и мероприятиями. Оформить заказ теперь можно за 2 минуты прямо из чата, вместо ручного ввода формы.
Реальные запросы, которые мы используем на ежедневной основе:
- "Какие самые любимые сорта кофе у клиента X?"
- "Какой статус у крайнего заказа клиента X?"
- "На какую сумму мы продали товар M в 4-ом квартале? Сравни с предыдущим"
- "Создай заказ для X с товарами ..., доставка стандартная по их адресу"
Что дальше: интерактивные виджеты с MCP Apps
Текстовые ответы — это хорошо, но иногда нужно взаимодействовать с данными, а не просто читать их. Недавно Anthropic анонсировала расширение протокола MCP — MCP Apps. Они позволяют возвращать не просто текст, а полноценные интерактивные интерфейсы: графики, дашборды, формы, и т.д.
Преимущества очевидны: сохраняется контекст, т.к. приложение живёт внутри диалога, а двусторонний обмен данными упрощает взаимодействие и расширяет функционал
Для нашего кейса с МойСклад это открывает новые возможности, например:
- Интерактивные дашборды продаж и графики, которые можно фильтровать по периоду, каналу продаж, группе товаров прямо в чате
- Визуализация остатков с тепловыми картами по складам и товарам
Вместо того чтобы описывать данные текстом, ИИ сможет показать их в удобном интерактивном формате. Пользователь спрашивает "покажи продажи за квартал по каналам" — и получает не список цифр, а диаграмму, с которой можно взаимодействовать.
Я планирую внедрить MCP Apps в ближайших итерациях.
Выводы
Интеграция ИИ с бизнес-данными — это не про замену людей, а про устранение рутины. Главные уроки из эксперимента:
- Не пытайтесь скормить ИИ сырые данные. Объёмы слишком большие, а точность расчётов падает. Дайте ИИ возможность писать код — это его сильная сторона.
- Особенная осторожность при выполнении сгенерированный кода. Изоляция, синтаксические анализ кода для выявления признаков prompt injection, прокси для контроля исходящих запросов и т.д. — всё это необходимые меры безопасности.
- MCP — это стандарт. Один раз написанный MCP сервер работает с Claude, ChatGPT и другими совместимыми ассистентами.
- ROI считается в минутах. Запрос, который раньше требовал открыть МС, найти нужные отчёты, выгрузить в Excel и посчитать — теперь решается за одно сообщение в чат.