Мы сделали 21 open-source инструмент для AI-агентов: MCP для Ozon, Wildberries, hh.ru, Диадока и не только
За последние месяцы мы немного увлеклись и выложили в open source 21 репозиторий.
В основном это MCP-серверы для российских сервисов: Wildberries, Ozon, Яндекс Маркет, Авито, hh.ru, VK, Диадок, СБИС, Честный знак, МойСклад.
Плюс несколько скиллов и утилит, которыми мы сами пользуемся при работе с AI-агентами.
Всё бесплатное, под MIT или Apache. Многие вещи ставятся одной командой.
Давайте разбремся а зачем вообще нужен MCP, что уже можно подключить и почему вокруг российских сервисов пока довольно много пустого места.
Что такое MCP
MCP расшифровывается как Model Context Protocol.
Если совсем по-простому, это способ дать AI-агенту руки.
Модель умеет рассуждать, писать тексты и код. Но сама по себе она не может залезть в ваш кабинет Wildberries, посмотреть остатки, получить заказы из Ozon или найти документ в Диадоке.
Для этого нужен инструмент.
MCP-сервер как раз предоставляет агенту набор таких инструментов:
- получить остатки;
- посмотреть заказы;
- найти товар;
- получить документы;
- проверить контрагента;
- изменить данные, если у агента есть на это право.
Пользователю при этом не обязательно знать, какой endpoint дергать и какие параметры туда передавать.
Вместо:
GET /api/v3/supplier/stocks
можно написать:
Покажи товары, которых при текущих продажах осталось меньше чем на неделю.
Дальше агент сам ищет подходящий метод API и собирает данные.
Есть ещё одна важная штука. MCP не привязан к одной модели.
Один и тот же сервер можно использовать с Claude, Codex, Cursor, Kimi, DeepSeek Harness и другими системами, которые поддерживают протокол.
Сегодня у вас один агент, через полгода другой. Интеграцию переписывать с нуля не надо.
Что с этим можно делать на практике
Представим продавца, который работает одновременно на Wildberries, Ozon и Яндекс Маркете.
Он пишет агенту:
Собери остатки по всем кабинетам. Найди товары, которых при текущих продажах хватит меньше чем на семь дней. Отдельно покажи позиции, где продажи растут, и подготовь список на дозакупку.
Без доступа к системам модель может только рассказать, как примерно стоило бы решать такую задачу.
С MCP она действительно идёт в кабинеты и собирает данные.
Вот тут, на мой взгляд, и проходит интересная граница.
Последние пару лет мы в основном обсуждали, насколько хорошо AI умеет отвечать.
С агентами вопрос становится другим: что ему можно дать сделать.
Как подключить MCP
У большинства наших серверов схема примерно одинаковая.
Если пакет опубликован для Python, установка выглядит так:
uvx имя-пакета
Дальше сервер добавляется в конфигурацию AI-клиента.
Claude Code умеет подключать MCP командой. У Claude Desktop, Cursor и VS Code есть свои варианты настройки.
Ключи от сервисов передаются через переменные окружения или локальный конфиг.
У части серверов мы сделали .mcpb для Claude Desktop. Там всё ещё проще: скачал файл, открыл, указал ключи.
После этого можно работать обычным языком.
Не искать в документации нужный endpoint, а писать: «покажи остатки», «найди заказ», «собери документы за неделю».
Безопасность
Это вопрос, который у нас возник одним из первых.
Посмотреть цену товара и изменить её на всех маркетплейсах всё-таки разные операции.
Поэтому методы делятся на читающие и изменяющие.
Чтение работает сразу. Запись требует отдельного подтверждения.
Надеяться, что модель «сама поймёт, когда лучше ничего не трогать», мне кажется довольно странной архитектурной идеей.
Ключи при этом в код не зашиваются.
Если сервис работает через электронную подпись, закрытый ключ остаётся на машине пользователя. Подпись делает локальный криптопровайдер, а сервер получает уже подписанные данные.
Наши MCP в целом рассчитаны на локальный запуск. Не нужно отдавать ключи ещё одному облачному посреднику только ради того, чтобы агент увидел ваш кабинет.
Маркетплейсы
Самый большой кусок сейчас связан с маркетплейсами.
Мы собрали в одном сервере Wildberries, Ozon, Яндекс Маркет и Авито.
В сумме там больше тысячи методов Seller API: товары, остатки, цены, заказы, финансы, отзывы, реклама и всё остальное, что обычно раскидано по четырём разным документациям.
Общий сервер:
Если нужен только один маркетплейс, есть отдельные пакеты:
Wildberries github.com/ilyautov/wildberries-mcp-ru
Яндекс Маркет github.com/ilyautov/yandex-market-mcp-ru
Поддерживается и несколько кабинетов. Это оказалось довольно важным, потому что один продавец с одним аккаунтом скорее исключение, чем правило.
Российские сервисы
Потом мы тем же способом начали закрывать другие кабинеты.
hh.ru
Вакансии, отклики, резюме, работа с кабинетом работодателя.
VK
Сообщества, товары, реклама и другие методы VK API.
Диадок
Электронный документооборот через API Контура.
СБИС
Работа с API СБИС.
Честный знак
ГИС МТ, СУЗ и связанные операции.
Если хочется поставить всё сразу, есть общий пакет:
МойСклад
МойСклад быстро вырос в отдельный большой проект.
Там товары, остатки, заказы, документы, контрагенты и ещё довольно приличный кусок API.
Изменяющие операции тоже проходят через подтверждение.
Как мы не пишем сотни MCP-функций руками
У больших сервисов сотни методов.
Писать под каждый отдельную MCP-функцию вручную весело примерно первые двадцать минут.
Поэтому большая часть серверов работает на общем движке:
Он читает описание методов из схемы и исполняет только то, что там объявлено.
Заодно исчезает старая добрая проблема интеграций, когда README обещает одно, а код уже полгода делает другое.
MCP даёт руки. Скилл даёт знания
В процессе мы довольно быстро упёрлись ещё в одну вещь.
Доступа к инструментам мало.
Агент может отлично уметь вызвать API налоговой системы и при этом довольно плохо понимать, что именно там стоит искать.
Поэтому рядом с MCP появились скиллы.
small-business-ru
Налоги, деньги, проверка контрагентов, УСН, НДС, дебиторка и другие прикладные вещи для российского малого бизнеса.
Там, где нужны точные расчёты, считает код.
humanizer-ru
Отдельная наша игрушка для работы с текстами.
Мы собрали характерные признаки нейросетевого русского: канцелярит, кальки, шаблонные конструкции, слишком ровный ритм, любимые обороты моделей.
Есть сканер и набор правил для переписывания.
Задача вполне приземлённая: после совместной работы с AI текст должен нормально читаться человеком.
Остальные эксперименты
Есть ещё несколько проектов, которые плохо помещаются в одну категорию.
consilium-principis
Инструмент для работы с корпусом документов, RAG и проверки цитат по первоисточнику.
Из него можно собрать хоть модный «AI-совет директоров», хотя технически задача куда скучнее: модель должна отвечать по конкретным источникам и не выдумывать цитаты.
cordon
Прослойка между внешним контентом и действиями агента.
Идея появилась из довольно неприятной проблемы: текст, который агент прочитал где-то в интернете, не должен автоматически становиться для него командой.
Пока альфа.
hefest
Офлайн-инструмент для химической безопасности предприятия.
Паспорта веществ, аварийные карточки, зоны АХОВ.
Если информации недостаточно, система должна сказать, что её недостаточно. В такой области фантазия модели вообще лишняя.
doc2md
Word, Excel, PowerPoint, PDF и EPUB в чистый Markdown.
Звучит скучно, пока не начинаешь массово скармливать документы агентам.
rusvoice
Русская озвучка своим голосом: ударения, словарь бренда, нормальное произношение аббревиатур.
Есть ли вообще спрос на MCP
Мы решили не гадать и посмотрели Wordstat.
На 17 сентября 2026 года запрос mcp целиком показывает десятки тысяч показов в месяц.
Проблема в том, что значительная часть этого трафика вообще не про Model Context Protocol.
Там мотоэкипировка, серверное железо и другие вещи, которым просто достались те же три буквы.
Гораздо интереснее хвосты:
- «mcp сервер что это»
- «mcp api»
- «как подключить mcp»
- «mcp агенты»
- «локальный mcp»
- «mcp ozon»
- «бесплатные mcp»
По таким запросам уже видно живых людей, которые пытаются разобраться с технологией.
Причём характер спроса пока довольно ранний.
Люди чаще спрашивают «что это» и «как подключить», чем ищут готовое корпоративное внедрение.
Есть ещё смешной момент.
Запрос «нейросеть для маркетплейсов» выглядит почти идеальным для наших проектов.
Пока не начинаешь смотреть внутрь.
Почти весь спрос там про генерацию карточек товаров, фотографий и инфографики.
С API это почти никак не связано.
То же самое с «нейросетями для бизнеса». Значительная часть выдачи уходит в курсы и обучение.
Для себя мы из этого сделали довольно простой вывод.
Абстрактный «AI для бизнеса» люди ищут плохо.
Конкретная боль работает лучше.
Не «автоматизация бизнеса с помощью искусственного интеллекта», а:
«как подключить Ozon к AI-агенту»
«MCP для Wildberries»
«как дать Claude доступ к МоемуСкладу»
Именно под такие задачи мы сейчас и делаем инструменты.
Что делать дальше
Сейчас мне интереснее всего смотреть, какие реальные системы люди хотят дать своим агентам.
Не ещё один чат с красивым интерфейсом, а конкретный кабинет, API и задача.
Из заметных дыр у нас пока Почта России, Росреестр, ЕГРЮЛ и ещё довольно много российских сервисов.
Поэтому вопрос к тем, кто дочитал:
Какой российский сервис или кабинет вы бы хотели подключить к AI-агенту?
Пишите в комментариях.
Если у сервиса есть нормальный API, задача нужна не одному человеку и приличного open-source решения пока нет, вполне возможно, что следующим сделаем именно его.
Можно ли потом всё это монетизировать?
Наверное.
Пока гораздо интереснее посмотреть, что получится, если базовый набор инструментов для российских AI-агентов просто взять и выложить в open source.