Представьте: клиент заходит на ваш сайт, открывает чат — и ИИ-ассистент уже знает, кто он, какие у него заказы, какой тариф и чем он интересовался вчера. Не фантастика, а реальность с MCP Gateway и Yandex AI Studio. В этой статье — пошаговая инструкция, как за час собрать персонализированного ассистента, который работает с вашей документацией и базой данных через MCP-протокол.
Для кого это
- Разработчик — вам нужно встроить умного чат-бота на сайт компании. Вы не хотите писать отдельную интеграцию с каждым API, а хотите один раз настроить MCP-сервер и подключить его к Yandex AI Studio через пару кликов.
- CTO / Tech Lead — оцениваете решение для внедрения ИИ-ассистента в продукт. Вам важно, чтобы агент был персонализированным, работал с внутренними сервисами и при этом не требовал постоянной поддержки.
- Владелец бизнеса — хотите, чтобы клиенты получали ответы на свои вопросы 24/7, а сотрудники могли быстро находить нужную информацию в корпоративной базе знаний. Без найма отдельной команды разработки.
Что такое MCP Gateway
MCP Gateway — шлюз, который превращает любую OpenAPI-спецификацию в MCP-сервер. Вы загружаете спецификацию, настраиваете авторизацию — и ваш ИИ-ассистент получает доступ к внешнему сервису. Не нужно писать интеграцию, не нужен код — достаточно спеки.
Подключение за 6 шагов
Шаг 1. Создайте MCP-сервер в MCP Gateway
Зарегистрируйтесь на странице регистрации и перейдите в Admin UI. Нажмите «Новый сервер» и загрузите OpenAPI-спецификацию вашего API. Если спецификации нет — вы можете создать её совместно с ИИ-агентом, описав эндпоинты, параметры и схемы ответов.
Если вы хотите, чтобы агент работал с документацией (базой знаний), создайте API, который умеет:
- Искать по документации
- Возвращать статьи по запросу
- Предоставлять информацию о пользователе по токену
Пример минимальной спецификации для API поддержки клиентов:
{
"openapi": "3.0.3",
"info": {
"title": "Company Support API",
"version": "1.0.0"
},
"servers": [{ "url": "https://api.yourcompany.com/v1" }],
"paths": {
"/user/info": {
"get": {
"summary": "Получить информацию о пользователе по токену",
"parameters": [
{
"name": "X-User-Token",
"in": "header",
"required": true,
"schema": { "type": "string" },
"description": "Временный токен пользователя"
}
],
"responses": {
"200": {
"description": "Информация о пользователе",
"content": {
"application/json": {
"schema": {
"type": "object",
"properties": {
"name": { "type": "string" },
"email": { "type": "string" },
"plan": { "type": "string" },
"orders": { "type": "array", "items": { "type": "object" } }
}
}
}
}
}
}
}
}
}
}
Шаг 2. Настройте авторизацию
В настройках сервера выберите стратегию авторизации. Для API с аутентификацией по Bearer-токену — выберите Bearer. Для API с ключом в заголовке — API Key или Custom Headers. Разрешите прокидывать заголовок X-User-Token.
Шаг 3. Сгенерируйте PAT-токен
В MCP Gateway сгенерируйте PAT-токен (Personal Access Token). Этот токен используется для подключения Yandex AI Studio к MCP-серверу. Скопируйте его — он понадобится на следующем шаге.
Ваш MCP-сервер будет доступен по адресу:
https://mcpgateway.ru/mcp/{user}/{server}
Шаг 4. Подключите MCP-сервер в Yandex AI Studio
- Откройте Yandex AI Studio
- Войдите или пройдите этап регистрации
- Перейдите в раздел MCP-серверы
- Нажмите «Добавить внешний MCP-сервер»
- Укажите:
- URL: адрес вашего MCP-сервера из MCP Gateway
- Заголовок авторизации:
Authorization: Bearer <ваш-PAT-токен>
- Нажмите «Подключить»
Yandex AI Studio автоматически обнаружит инструменты вашего MCP-сервера: list_endpoints, describe_endpoint, list_servers, execute_request.
Шаг 5. Создайте агента и настройте инструкции
В Yandex AI Studio создайте нового агента. В поле «Инструкции» опишите стиль общения и правила работы:
Ты — ассистент службы поддержки компании «Название».
Правила:
- Общайся вежливо и по делу
- Если пользователь спрашивает про свои данные — используй инструмент execute_request для вызова GET /user/info
- Передавай токен пользователя в заголовке X-User-Token
- Не придумывай данные — если информация недоступна, так и скажи
- Если не уверен — предложи связаться с оператором
Шаг 6. Интегрируйте агента в свои сервисы
Когда пользователь пишет в чат, агент автоматически получает токен и может вызвать /user/info через MCP-сервер, чтобы узнать детали профиля. Документация по использованию агентов — в API Yandex AI Studio.
Три сценария, которые меняют работу
Персонализированная поддержка клиентов
Агент через MCP-сервер вызвал execute_request к GET /orders/{id}, используя токен пользователя. Результат — мгновенный ответ без переключения на оператора.
HR-ассистент для сотрудников
MCP-сервер подключается к HR-системе компании. Агент получает данные сотрудника по временному токену — и видит только то, что разрешено.
Техподдержка SaaS-продукта
Агент заглянул в профиль пользователя через MCP-сервер, увидел тариф, историю интеграций и последние ошибки. Вместо шаблонного «обратитесь в поддержку» — конкретный ответ.
Безопасность: токены и ограничения
Персонализация через MCP требует аккуратной работы с аутентификацией:
- Временные токены вместо постоянных. Генерируйте одноразовый или краткосрочный токен для каждого сеанса чата. Токен действует ограниченное время (например, 30 минут) и автоматически аннулируется.
- Ограниченные действия. Токен пользователя должен давать доступ только к чтению данных, а не к их изменению. В OpenAPI-спецификации отметьте, какие эндпоинты доступны через гостевой токен.
- Автоматическая перегенерация. При истечении токена MCP-сервер возвращает ошибку 401, агент сообщает пользователю «Сессия устарела, обновите страницу», виджет автоматически запрашивает новый токен, и чат продолжается без потери контекста.
- Не раскрывайте детали интеграции. Укажите в инструкциях агенту не передавать токены и данные пользователя, которые ему видеть не следует. Самое безопасное — не давать эти данные в самом API, однако это требует доработок.
Ограничения
- Лимиты API — ваш upstream API может иметь rate limits. При массовом использовании чата запросы могут throttled-ся.
- Контекст агента — Yandex AI Studio имеет ограничение на размер контекста. Если документация большая, агент может не видеть все статьи.
- Задержка — каждый вызов MCP-сервера — это HTTP-запрос от Yandex AI Studio к MCP Gateway, а затем к вашему API. Суммарная задержка может составлять 1–3 секунды.
- Приватность — PAT-токен MCP Gateway хранится в настройках Yandex AI Studio. Убедитесь, что доступ к студии ограничен.
FAQ
Нужно ли писать код для создания MCP-сервера? Нет. MCP Gateway превращает вашу OpenAPI-спецификацию в MCP-сервер автоматически. Вам нужно только загрузить спецификацию и настроить авторизацию. Если спецификации нет — вы можете создать её в JSON-редакторе или с помощью ИИ-агента.
Безопасно ли передавать токен пользователя через чат? Да, если использовать краткосрочные гостевые токены. Токен генерируется на каждый сеанс, действует ограниченное время и даёт доступ только к чтению. Даже если токен утечёт — он бесполезен через 30 минут.
Можно ли подключить несколько MCP-серверов к одному агенту? Да. В Yandex AI Studio можно добавить несколько внешних MCP-серверов. Например, один для работы с документацией, второй — для CRM, третий — для HR-системы. Агент будет выбирать нужный инструмент автоматически.
Что если агент не справляется? В инструкциях агента предусмотрите правило: если запрос выходит за рамки доступных инструментов — предложить пользователю связаться с оператором. Это позволяет ограничить зону ответственности ассистента.