Model Context Protocol - открытый стандарт от Anthropic, определяющий способ подключения LLM к внешним инструментам и данным. Один протокол - множество источников.

Архитектура:

┌─────────────┐         ┌─────────────┐         ┌─────────────┐
│  LLM Client │  ←→    │  MCP Server │  ←→    │   Resource  │
│ (Cursor,    │  stdio/ │ (filesystem,│        │  (files, DB,│
│  Claude,    │  HTTP   │  github...) │        │   API...)   │
│  OpenWebUI) │         │             │         │             │
└─────────────┘         └─────────────┘         └─────────────┘
  • Клиент - приложение с LLM (Cursor, Claude Desktop, Open WebUI)
  • Сервер - обёртка вокруг ресурса (Node.js/Python-процесс)
  • Ресурс - источник данных или действий (БД, API, файловая система)

💡 MCP определяет стандартный способ подключения модели к внешним инструментам. Модель не становится “умнее” - она получает доступ к данным и действиям.

Топ MCP-серверов

Официальные (от Anthropic и партнёров)

СерверНазначениеКогда нужен
filesystemЧтение/запись/поиск файловРабота с проектами
githubIssues, PR, репозитории, кодGitOps автоматизация
postgresЗапросы к PostgreSQLАналитика, администрирование
sqliteЛокальные SQLite БДПрототипирование
fetchHTTP-запросы, скрейпингСбор данных из веба
puppeteerУправление браузеромE2E-тесты, автоматизация UI
brave-searchПоиск через Brave APIАктуальная информация
memoryГраф знаний (knowledge graph)Долговременная память
sequential-thinkingЦепочки рассужденийСложные задачи
gitGit-операцииКоммиты, ветки, история
slackSlack workspaceКомандная автоматизация

Community

СерверНазначение
docker-mcpУправление контейнерами
kubernetes-mcpK8s-кластеры
ssh-mcpУдалённые серверы
shell-mcpВыполнение shell-команд
notion-mcpNotion workspace
todoist-mcpУправление задачами
browserbaseHeadless-браузер в облаке
exa-searchСемантический поиск

MCP-клиенты

КлиентТипЛокальные LLMПримечание
Claude DesktopDesktop❌ Только ClaudeОфициальный, стабильный
CursorIDE✅ Через Ollama/LM StudioОптимальная работа с кодом
WindsurfIDE✅Альтернатива Cursor
ClineVS Code ext✅Open-source, гибкий
ContinueVS Code/JetBrains✅Мультиплатформенный
Open WebUIWeb✅ NativePipes + Tools
LM StudioDesktop✅ NativeВстроенный MCP
Cherry StudioDesktop✅Популярен в Азии
JanDesktop✅Локальный-first

Настройка на NixOS

Вариант 1: Через home-manager (рекомендуется)

# home.nix
{ pkgs, ... }:
{
  home.packages = with pkgs; [
    nodejs_22        # Для npx-based серверов
    uv               # Для Python-серверов
    nodePackages.typescript-language-server
  ];

  # Конфиг для Claude Desktop / Cursor
  xdg.configFile."claude/claude_desktop_config.json".text = builtins.toJSON {
    mcpServers = {
      filesystem = {
        command = "npx";
        args = [
          "-y"
          "@modelcontextprotocol/server-filesystem"
          "/home/ponfertato/projects"
          "/home/ponfertato/documents"
        ];
      };
      github = {
        command = "npx";
        args = [ "-y" "@modelcontextprotocol/server-github" ];
        env.GITHUB_PERSONAL_ACCESS_TOKEN = "<TOKEN>";
      };
      postgres = {
        command = "npx";
        args = [
          "-y"
          "@modelcontextprotocol/server-postgres"
          "postgresql://user:pass@localhost:5432/mydb"
        ];
      };
      memory = {
        command = "npx";
        args = [ "-y" "@modelcontextprotocol/server-memory" ];
      };
      fetch = {
        command = "uvx";
        args = [ "mcp-server-fetch" ];
      };
    };
  };
}

Вариант 2: NixOS module (системный уровень)

# modules/mcp.nix
{ config, pkgs, lib, ... }:
{
  environment.systemPackages = with pkgs; [
    nodejs_22
    uv
    # Если есть нативные пакеты:
    # mcp-server-filesystem
    # mcp-server-github
  ];

  # Опционально: systemd user-сервисы для постоянно работающих серверов
  systemd.user.services.mcp-filesystem = {
    enable = true;
    description = "MCP Filesystem Server";
    serviceConfig = {
      ExecStart = "${pkgs.nodejs_22}/bin/npx -y @modelcontextprotocol/server-filesystem /home/ponfertato/projects";
      Restart = "always";
    };
    wantedBy = [ "default.target" ];
  };
}

Вариант 3: Flake с собственными MCP-пакетами

# flake.nix
{
  inputs.nixpkgs.url = "github:NixOS/nixpkgs/nixos-unstable";

  outputs = { self, nixpkgs }: {
    packages.x86_64-linux = let
      pkgs = nixpkgs.legacyPackages.x86_64-linux;
    in {
      mcp-bundle = pkgs.buildEnv {
        name = "mcp-bundle";
        paths = with pkgs; [
          nodejs_22
          uv
          python312
        ];
      };
    };
  };
}

Интеграция с Ollama

MCP - протокол транспорта. Ollama - движок LLM. Совместно дают локальный AI-стек без интернета и API-ключей.

Шаг 1. Запустить Ollama

ollama pull qwen2.5-coder:7b  # Оптимальный выбор для tool calling на 16 GB RAM
ollama serve

Шаг 2. Настроить клиент на Ollama

В Cursor (~/.cursor/mcp.json):

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "..." }
    }
  }
}

В настройках Cursor: Models → Ollama → qwen2.5-coder:7b.

В Open WebUI (через pipes): Используются manifold-пайпы (Naga, Pollinations, OpenRouter, Cloudflare) + параметр __tools__.

Шаг 3. Проверить tool calling

# Тест через curl
curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5-coder:7b",
  "messages": [{"role": "user", "content": "List files in /tmp"}],
  "tools": [...]
}'

Практические сценарии

Сценарий 1: GitOps-ассистент

Стек: github + filesystem + git MCP

  • Автоматический ревью PR
  • Генерация changelog из коммитов
  • Миграция issues между репозиториями

Сценарий 2: DevOps-помощник

Стек: docker + ssh + postgres + shell MCP

  • Мониторинг контейнеров
  • Выполнение миграций БД
  • Деплой через SSH

Сценарий 3: Исследовательский агент

Стек: fetch + brave-search + memory + filesystem

  • Сбор информации из веба
  • Сохранение в knowledge graph
  • Генерация отчётов в Markdown

Сценарий 4: Персональный секретарь

Стек: notion + todoist + slack + memory

  • Синхронизация задач
  • Саммаризация Slack-тредов
  • Планирование дня

Оптимизации для 16 GB RAM:

  1. Использовать квантизации Q4_K_M (не fp16)
  2. Модели: qwen2.5-coder:7b, llama3.1:8b, mistral:7b
  3. Не держать все MCP-серверы постоянно запущенными - запускать по необходимости
  4. Ограничить num_ctx в Ollama: OLLAMA_NUM_CTX=8192
  5. Закрывать GUI-клиенты в простое (Cursor занимает 2+ GB)

Ссылки