MCP — это стандарт разъёма для LLM-приложений: напишите сервер инструментов один раз, и им сможет пользоваться любой клиент с поддержкой MCP.
Как это работает
Спецификация описывает три роли, которые обмениваются сообщениями JSON-RPC 2.0:
- Хосты: “LLM applications that initiate connections” (перевод: «LLM-приложения, которые инициируют подключения»), например агент в IDE или чат-приложение.
- Клиенты: “Connectors within the host application” (перевод: «коннекторы внутри приложения-хоста»), по одному на сервер.
- Серверы: “Services that provide context and capabilities” (перевод: «сервисы, которые предоставляют контекст и возможности»).
Серверы могут предлагать инструменты (tools — функции, которые может запускать модель), ресурсы (resources — данные и контекст) и промпты (prompts — шаблоны сообщений). Спецификация определяет два стандартных транспорта: stdio для локального подпроцесса и Streamable HTTP, где каждое сообщение — это HTTP POST, а ответы приходят в виде JSON или потока server-sent events.
Для инструментов клиент отправляет tools/list и получает имена, описания и inputSchema в формате JSON Schema. Их он передаёт модели как определения инструментов. Когда модель возвращает вызов инструмента, клиент отправляет tools/call с аргументами и возвращает результат модели. Пример ниже вызывает инструмент погоды для Нью-Йорка:
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
Модель никогда не общается с MCP-сервером напрямую. Она видит только определения инструментов и результаты, поэтому MCP работает с любой моделью, которая хорошо справляется с вызовом инструментов.
Почему это важно
- Повторное использование. Один сервер для GitHub или базы данных обслуживает всех агентов и редакторы, которые поддерживают MCP.
- Стоимость в токенах. Имя, описание и схема каждого доступного инструмента отправляются как вход на каждом шаге. Много серверов с множеством инструментов удлиняют каждый запрос. Включайте только то, что нужно задаче.
- Безопасность. В спецификации сказано, что инструменты “represent arbitrary code execution” (перевод: «представляют собой выполнение произвольного кода») и что хосты должны получать согласие пользователя перед вызовом любого инструмента. Результаты инструментов к тому же — канал для промпт-инъекций.
В BroadNet Inference
Документация BroadNet не указывает ни MCP-сервер, ни эндпоинт специально для MCP. MCP запускается в вашем клиенте (Cline, Continue, opencode и других), а модель клиента направляется на OpenAI-совместимый API BroadNet. Документация BroadNet указывает вызов инструментов для GLM 5.3 и Qwen3.8 27B. Статья MCP с OpenAI-совместимыми моделями показывает настройку клиентов и мост на Python.