В апреле 2026 года произошёл тихий момент, который через два года будут вспоминать как поворотный. По данным DigitalApplied, 78% корпоративных AI-команд в мире запустили в продакшен хотя бы одного агента, работающего через Model Context Protocol. 67% технических директоров назвали MCP стандартом по умолчанию для интеграции AI-агентов с корпоративными системами. Конкурирующие протоколы — A2A от Google, ACP, UCP — собрали соответственно 23%, 8% и 4%. Это уже не битва за стандарт. Это устоявшийся стандарт.
Цифры в фоне: за апрель 2026 года в публичном реестре MCP зарегистрировано более 9 400 серверов — это в 7,8 раза больше, чем в первом квартале 2025-го. Месячное количество скачиваний SDK перевалило за 97 миллионов. Anthropic, OpenAI, Google, Microsoft, JetBrains, Cursor, Windsurf, Zed, Vercel — все ведущие платформы для разработки AI-агентов либо нативно поддерживают MCP, либо встроили его в свои продукты в течение последних 12 месяцев. Gartner прогнозирует, что к концу 2026 года 40% корпоративных SaaS-приложений будут включать task-specific AI-агентов, тогда как сегодня этот показатель меньше 5%.
Мы в West Star Ltd следим за этой темой с момента её появления в ноябре 2024 года, потому что MCP напрямую связан с нашими продуктами — AI-бухгалтер, OData Hub, интеграции с 1С. Сегодня уже видно: компании, у которых есть нормальный API-слой над их данными, через несколько месяцев получат огромное конкурентное преимущество. Те, у кого его нет, — узнают о существовании MCP примерно тогда же, когда о нём расскажут конкуренты на отраслевой конференции 2027 года. В Казахстане эта волна сейчас в самом начале, и понимание того, что происходит, — это уже преимущество.
ЧТО ТАКОЕ MCP В ОДНОМ АБЗАЦЕ
Model Context Protocol — открытый протокол, разработанный Anthropic в ноябре 2024 года и быстро поддержанный другими крупными игроками индустрии. По сути, это стандартизированный способ для AI-модели подключаться к внешним инструментам и источникам данных. До MCP каждое подключение AI к корпоративной системе требовало написания собственного коннектора, своих форматов данных, своих способов аутентификации. С MCP — единый стандарт: вы один раз пишете MCP-сервер поверх своей системы, и любой клиент (Claude, ChatGPT, Gemini, агенты в Cursor или GitHub Copilot) может с ней работать без модификации. Эту идею часто сравнивают с USB-C для электроники: один разъём, который умеет всё.
Технически MCP — это спецификация поверх JSON-RPC 2.0. MCP-сервер описывает свои возможности (tools — функции, которые агент может вызывать; resources — данные, которые он может читать; prompts — шаблоны взаимодействия). MCP-клиент вызывает эти возможности от имени пользователя. Аутентификация в текущей спецификации (ноябрь 2025) — через OAuth 2.1 и SAML/OIDC, что позволяет встраивать MCP в корпоративные системы с Okta, Azure AD и другими провайдерами идентификации.
ПОЧЕМУ ЭТО СЛЕДУЮЩАЯ БОЛЬШАЯ ВОЛНА ДЛЯ КОРПОРАТИВНЫХ ИНТЕГРАЦИЙ
Чтобы понять, насколько серьёзно это меняет картину, полезно посмотреть на проблему, которую MCP решает. Любая средняя казахстанская компания сегодня работает с десятком корпоративных систем: 1С для учёта, отдельная CRM (Bitrix24, AmoCRM, Pipedrive), банк-клиент Kaspi или Halyk, ИС ЭСФ, корпоративный мессенджер, диск с документами, BI-аналитика. Чтобы AI-агент мог что-то полезное сделать в такой компании, ему нужен доступ ко всем этим системам. До MCP — это отдельная интеграция для каждой связки «AI ↔ система». Десять систем, две модели — двадцать интеграций.
С MCP логика переворачивается. Каждая система выставляет один MCP-сервер. Каждая модель использует один MCP-клиент. И любая модель может работать с любой системой без специальных коннекторов. Десять систем — это десять MCP-серверов. Две модели — двенадцать сущностей вместо двадцати, и это масштабируется линейно, а не квадратично.
Для казахстанского бизнеса этот сдвиг становится практическим уже сейчас. Несколько примеров, которые перестают быть экзотикой в 2026 году.
Первое — финансовый ассистент собственника. Подключаете MCP-сервер к 1С через OData, к банк-клиенту Kaspi Pay, к ИС ЭСФ. Claude или ChatGPT с этими подключениями за две минуты отвечает на вопрос «сколько мы заплатили этому подрядчику за квартал, есть ли у нас просрочка по дебиторке клиента N, поступил ли платёж по счёту 234». Раньше это был час работы бухгалтера. Сейчас — секунды разговора с AI.
Второе — операционный агент для производственной компании. MCP-серверы поверх 1С, поверх системы складского учёта, поверх ERP. Менеджер по продажам спрашивает: «у нас есть на остатке 5 тонн арматуры А500С 12 мм, и когда мы можем отгрузить на Алматинский склад». Агент проверяет остатки, резервы, логистические окна, отвечает с конкретной датой. Без необходимости звонить на склад, в логистику и в производство.
Третье — внутренний HR-агент. MCP-серверы поверх системы кадрового учёта, поверх Slack/Telegram, поверх календаря, поверх корпоративной wiki. Сотрудник спрашивает: «как оформить отпуск с 15 июня на две недели». Агент проверяет накопленные дни, согласует через бот руководителя, формирует заявку в кадровую систему. Время на действие — три минуты вместо двух дней.
Четвёртое — техподдержка с доступом к контексту. MCP-серверы поверх Jira/YouTrack, поверх базы знаний, поверх логов системы. AI-агент при обращении клиента сразу видит всю историю его тикетов, конфигурацию его инсталляции, последние ошибки в логах — и предлагает решение, а не задаёт вопрос «опишите, пожалуйста, проблему».
ПОЧЕМУ MCP ПОСЛЕДОВАТЕЛЬНО ВЫИГРАЛ У ВСЕХ АЛЬТЕРНАТИВ
Год назад на этом месте ещё были сомнения. Google продвигал собственный протокол A2A для коммуникации между агентами. Microsoft рассматривал Semantic Kernel как альтернативный подход. IBM презентовал ACP. К апрелю 2026 года стало понятно, что MCP побеждает по простой причине: он раньше всех решил задачу «дешёвой и быстрой интеграции».
A2A — это про коммуникацию между уже существующими агентами, что предполагает наличие самих агентов и инвестиций в их разработку. MCP — про подключение модели к данным и инструментам, что нужно на самом первом шаге. ACP, UCP, Semantic Kernel — каждый со своей моделью данных, своим способом регистрации инструментов, своим уровнем абстракции. MCP взял минимальное достаточное решение и быстро стал стандартом по факту.
В марте 2026 года, когда Google официально добавил MCP в Gemini API и Vertex AI Agent Builder, дискуссия о победителе закрылась. Сейчас вопрос только в том, как быстро экосистема будет расти и какие slot-машины она освободит для тех, кто строит коннекторы над собственными данными.
ЧТО ЭТО ЗНАЧИТ ДЛЯ КАЗАХСТАНСКОГО БИЗНЕСА — ПРАКТИЧЕСКАЯ СТОРОНА
Несколько вещей становятся очевидными, как только перестать смотреть на MCP как на ещё одну техническую новинку.
Подключение AI-агента к 1С перестаёт быть индивидуальным проектом. До MCP компания, которая хотела «AI-ассистента бухгалтера, читающего нашу базу 1С», заказывала разработку отдельной интеграции на 2–3 месяца, с бюджетом 2–5 млн тенге. После MCP — пишется один универсальный MCP-сервер поверх OData-эндпоинта 1С (несколько сотен строк кода, один-два рабочих дня), и любая модель сразу получает доступ к данным. Стоимость подключения падает на порядок.
Появляется реальная возможность «AI-агентов для среднего бизнеса». До MCP подобные сценарии были доступны только крупным компаниям с внутренней командой разработчиков. Стоимость интеграции одного AI-агента с одной корпоративной системой делала проект экономически осмысленным только для компаний с штатом от 200 человек. С MCP та же стоимость снижается в 5–10 раз. Это открывает рынок для компаний с штатом 20–50 человек, которых в Казахстане сотни тысяч.
Усиливается значимость API-слоя поверх корпоративных систем. У кого уже есть OData над 1С, REST API над CRM, webhook-инфраструктура для уведомлений — тот пишет MCP-обёртку за день и получает мгновенный доступ к новой технологии. У кого этого нет — снова заходит в проект «давайте сначала построим API». А это уже не неделя и не месяц, а серьёзный архитектурный проект.
Меняется ландшафт SaaS-вендоров. Те, кто поставит MCP-сервер своего продукта в публичный реестр, попадают в экосистему AI-агентов автоматически. Те, кто продолжит работать только через классический GUI и REST API, для агентов будут невидимыми. Прогноз Gartner про 40% корпоративных приложений с встроенными агентами к концу 2026 года — это не алармизм. Это конкретный сдвиг рынка, который уже происходит.
ЧТО ИМЕННО МЕНЯЕТСЯ В 2026 ГОДУ — ДОРОЖНАЯ КАРТА
В мартовской публикации команды MCP опубликована официальная дорожная карта на 2026 год. Несколько пунктов из неё критичны для понимания контекста.
Первое — enterprise authentication. До недавнего времени MCP-серверы аутентифицировались чаще всего через простые API-ключи или базовый OAuth. В 2026 году добавляется полноценная поддержка OAuth 2.1 с PKCE для браузерных агентов и интеграция с корпоративными провайдерами идентификации через SAML/OIDC. Это критично для регулируемых индустрий — финансов, медицины, госсектора. И это тот барьер, который удерживал казахстанские банки и крупные компании от внедрения MCP-агентов поверх своих систем.
Второе — масштабирование и сессии. Текущий MCP создавался с фокусом на локальную работу — один пользователь, один клиент, один сервер. В 2026 году вводится поддержка stateful-сессий с горизонтальным масштабированием. Это позволит запускать продакшен-нагрузку — сотни и тысячи одновременных пользователей одного MCP-сервера.
Третье — верифицированный реестр и multi-agent coordination. Сейчас публичный реестр MCP — это что-то вроде раннего npm: туда может попасть что угодно, включая вредоносные серверы. В 2026 году вводится официальный MCP Registry с проверкой подлинности издателя, рейтингами безопасности и подписями. Параллельно появляется поддержка multi-agent сценариев — один MCP-сервер может выступать инструментом для другого агента, превращая экосистему в граф взаимодействующих AI-сущностей.
ГДЕ У MCP РЕАЛЬНЫЕ СЛАБЫЕ МЕСТА
Объективности ради — у новой технологии есть существенные ограничения, о которых стоит знать заранее.
Безопасность остаётся открытым вопросом. Когда AI-агент получает доступ к корпоративной системе через MCP, он действует от имени пользователя. Если у пользователя есть доступ ко всем данным компании, агент тоже его получает. Компрометация модели или промт-инъекция через входные данные могут привести к утечке. Принцип least privilege для MCP-серверов работает в теории, на практике он часто не соблюдается. Это требует дисциплины со стороны команды, развёртывающей MCP, и эту дисциплину никакой стандарт не обеспечит автоматически.
Производительность и стоимость. AI-агент через MCP делает несколько последовательных вызовов модели и API. То, что раньше было одним SQL-запросом за 100 миллисекунд, становится цепочкой «вопрос модели — вызов tool — обработка — ответ» в 3–8 секунд. Для интерактивных сценариев это нормально, для high-frequency операций — нет. Параллельно каждый вызов агента — это токены, которые стоят денег: сложная сессия может обойтись в 0,10–0,50 USD, и на объёме тысячи пользователей в день это превращается в статью бюджета.
Зрелость экосистемы неравномерна. Серверы для популярных систем (GitHub, Slack, Notion, Google Workspace) — отполированные и боевые. Серверы для нишевых или локальных систем — часто в раннем состоянии, с багами и без поддержки. В частности, для казахстанских систем (Kaspi API, Halyk API, 1С локализованные конфигурации, eGov API) готовых MCP-серверов в публичных реестрах сейчас нет вообще. Их предстоит писать самостоятельно, и для большинства казахстанских компаний это означает обращение к интегратору.
Регуляторная неопределённость. Когда AI-агент через MCP читает персональные данные клиентов или коммерческую тайну, возникает вопрос — где это обрабатывается, как защищено, кто отвечает в случае инцидента. В РК пока нет специальных норм для AI-агентов и MCP. Это значит, что компания работает в правовом сером поле: формально регулирование применяется как к обычной обработке персональных данных, но риски не до конца ясны. Для государственных предприятий и компаний с регуляторным надзором это часто блокер, который снимется только с уточнением законодательства.
Зависимость от облачных моделей. Большинство сценариев MCP в РК сегодня строится на облачных моделях Anthropic, OpenAI, Google. Это означает, что корпоративные данные уходят на серверы за пределами Казахстана. Для критичной инфраструктуры — это блокер. Локальные модели (Llama, Qwen) с приемлемым качеством для MCP-сценариев существуют, но требуют отдельной инфраструктуры — GPU-серверов, MLOps-команды, поддержки. Это не для среднего бизнеса.
ЧТО ДЕЛАТЬ — ПРАКТИЧЕСКИЙ ВЫВОД
Что имеет смысл сделать казахстанской компании в ближайшие месяцы, если эта тема кажется важной.
Сделать аудит существующих API-слоёв. Если у вас уже есть OData над 1С, REST API над CRM, webhook-уведомления из основных систем — вы готовы к MCP. Пишется обёртка за несколько дней, и можно тестировать первые сценарии. Если API-слоя нет — начинайте именно с этого, не с MCP. Без него любая попытка подключить AI-агентов превратится в дорогую разработку каждой интеграции с нуля.
Выбрать один конкретный сценарий для пилота. Не «давайте автоматизируем всё» — это путь в провал. Один сценарий, одна команда, одна метрика успеха. Самые типовые отправные точки: ассистент бухгалтера с доступом к 1С, ассистент менеджера с доступом к CRM и каталогу товаров, ассистент техподдержки с доступом к Jira/YouTrack и базе знаний.
Учесть безопасность с самого начала, не как доделку. Отдельный пользователь в каждой системе под MCP-сервер с минимальным набором прав. Аудит всех запросов в логах. Ограничение типа операций — например, только чтение, без записи на первом этапе. Регулярный пересмотр прав доступа.
Не привязываться к одному провайдеру моделей. Сейчас Claude, через полгода — Gemini, через год — что-то новое. MCP даёт абстракцию от модели: написанный сервер работает с любым клиентом. Используйте это преимущество — не строите всю архитектуру под одного вендора.
В наших продуктах — AI-бухгалтер, OData Hub, складские интеграции с 1С — мы движемся именно в эту сторону: каждый интеграционный слой над казахстанскими системами оборачивается в MCP-сервер, который потом может использоваться любой моделью. Это та инвестиция, которая в 2024 году выглядела избыточной, в 2025-м — спорной, а в 2026-м оказывается основной. Через год эта норма станет очевидной. Главное — успеть оказаться внутри неё до того, как туда зайдут все.