Александр Данилов
Любая современная нейросеть сделает пост для Telegram за 10 секунд, сгенерирует письмо для рассылки, накидает текст лендинга и придумает заголовки для рекламы. Но все это остается текстом в окне чата. Сгенерировать текст — это 20% работы. Доставить его в нужный канал, нужному человеку, в нужное время и связать с остальными процессами — оставшиеся 80%. Закрыть эти 80% помогает связка из ИИ-агента и протокола MCP (Model Context Protocol). Основатель и генеральный директор Nodul Александр Данилов рассказал, зачем компаниям протокол MCP и как внедрять его без рисков.
«На пальцах» объясняем, что такое MCP
MCP, Model Context Protocol — стандарт, который позволяет подключить ИИ-агента (например, Claude или другую LLM) напрямую к сервису. После подключения человек может сам не ходить по интерфейсу. Пользователь описывает задачу обычными словами, как если бы объяснял ее коллеге, а агент разбирается, какие инструменты есть у продукта и как их применить.
LLM, Large Language Model — мозг. Она понимает задачу, планирует шаги, формулирует логику, пишет текст или код. Но у мозга нет рук. Платформа автоматизации — это руки и логистика. Она забирает результат у нейросети и доставляет его туда, куда нужно. Без этого сгенерированный контент так и остается текстом в чате.
По данным Anthropic, к декабрю 2025 года в мире работало более 10 тыс. активных публичных MCP-серверов, а число ежемесячных загрузок SDK (Software Development Kit, «набор для разработчиков») выросло со 100 тыс. на старте до 97 млн. По прогнозу Gartner, к концу 2026-го task-specific ИИ-агенты будут встроены в 40% корпоративных приложений — против менее чем 5% годом ранее. Во многом это стало возможным благодаря MCP. Протокол задал единый способ, которым агенты подключаются к корпоративным данным.
Три сценария, как это работает в маркетинге
Подключить агента через MCP-сервер интереснее всего там, где много рутины. Чаще всего за маркетингом идут продажи — те, кто работает с лидами, контентом и коммуникациями и не хочет зависеть от IT-отдела при каждом изменении в процессе. Генеративным ИИ хотя бы в одном процессе уже пользуются 87% маркетологов против 51% в 2024 г.
Сценарий 1: лидогенерация
Маркетолог хочет собрать лиды из LinkedIn по нише и обогатить их данными. Он открывает Claude, подключает MCP-сервер и пишет: «Настрой мне сценарий: собирай лиды из LinkedIn по запросу "директор по маркетингу, e-commerce, Россия", обогащай их контактными данными и добавляй в нашу CRM».
Агент сначала уточняет:
- какую CRM использовать: amoCRM, «Битрикс24» или Google Sheets;
- нужна ли фильтрация по размеру компании или региону;
- запускать сценарий один раз или по расписанию;
- что делать с дублями — пропускать или обновлять запись.
После ответов агент через MCP-сервер обращается к платформе, собирает сценарий из нужных блоков и запускает его. Интерфейс платформы маркетолог не открывает, он все время остается в чате с агентом.
Сценарий 2: контентный завод
Задача — регулярно публиковать контент в нескольких каналах без копирайтера. Цепочка такая: агент берет тему из Google Sheets, передает ее в LLM, которая генерирует текст. Платформа забирает результат и одновременно публикует пост в Telegram-канал, отправляет email-рассылку через Unisender и кладет материал в Notion как архив.
Сценарий 3: радар тихих изменений
Один из пользователей собрал на Nodul сценарий, который раз в несколько часов сам обходит десяток страниц, за которыми обычно никто не следит вручную: пользовательские соглашения сервисов, прайсинги конкурентов, страницы партнеров и поставщиков. Агент забирает свежую версию страницы, сравнивает с предыдущей и (что важно) не репортит каждое изменение подряд, а сам решает, важно ли оно для бизнеса.
Через пару недель этот радар поймал, что главный конкурент снял со страницы прайсинга самый дешевый тариф и поднял цену входа в 1,5 раза. Менеджер по продукту узнал об этом в тот же день, и компания первой вышла к клиентам этого конкурента с предложением.
Как внедрять агентов безопасно
Все это звучит привлекательно до того момента, пока в разговор не вступает служба безопасности. Здесь есть четыре риска.
- Избыточный доступ: агент получает больше прав, чем нужно для задачи.
- Неконтролируемые действия: агент выполняет операции без подтверждения человека.
- Утечка данных: чувствительная информация уходит в LLM, которая может ее логировать.
- Отсутствие аудита: непонятно, что именно агент сделал и в какой момент.
Хорошая новость — все эти риски управляемы при правильной архитектуре:
Давайте минимальный доступ. Агент видит ровно то, что ему открыли в настройках MCP-сервера. По умолчанию доступны только разрешенные инструменты и данные. Например, статистика по сценариям или возможность их создавать. Доступ к финансам, персональным данным клиентов или административным функциям требует отдельного разрешения.
Рекомендация: относитесь к агенту как к новому сотруднику на испытательном сроке, давайте минимально необходимый доступ и расширяйте его по мере доверия.
Ограничивайте действия. На уровне MCP-сервера вы выбираете, какие инструменты доступны агенту, задаете лимиты на операции и можете требовать подтверждения человека перед необратимыми действиями.
Рекомендация: для опасных операций (массового удаления записей или изменения чужих настроек) поставьте обязательное подтверждение от человека.
Работайте с персональными данными. Здесь три рекомендации:
- не передавайте в LLM сырые персональные данные, так как агент должен работать с обезличенными идентификаторами, а реальные данные остаются внутри платформы;
- используйте LLM с enterprise-соглашениями, по которым данные не идут на обучение модели (у Anthropic и OpenAI такие опции есть);
- храните данные в нужной юрисдикции.
Что ответить службе безопасности, которая в принципе против внешнего агента?
Агент не заходит внутрь ваших систем напрямую. Он обращается к MCP-серверу через API с теми же правами и ограничениями, что и любой другой внешний инструмент. Принципиально это не отличается от привычного API-подключения. Все действия агента логируются: есть полный аудит трейл — что запрошено, что выполнено, когда и кем инициировано. А при необходимости MCP-сервер можно развернуть в закрытом контуре, без выхода данных наружу.
Тем не менее осторожность здесь не лишняя. Платформа в сфере кибербезопасности Knostic нашла более 1,8 тыс. открытых MCP-серверов и вручную проверила выборку из 119 — все они позволяли подключиться без аутентификации. А, по оценке Gartner, больше 40% агентных проектов рискуют закрыться к 2027 году из-за непонятной коммерческой ценности или неадекватного контроля рисков. Рынок растет быстрее, чем выстраивает безопасность, поэтому правильные настройки агента нужно задавать с самого начала.
Цена вопроса
Облачные платформы автоматизации обычно начинаются с бесплатного тарифа. Платная подписка стартует примерно от 1,5−2 тыс. рублей в месяц и растет вместе с объемом задач и размером команды — до десятков тысяч рублей в месяц на больших нагрузках. Если нужна помощь с настройкой сценариев и поддержкой, такие проекты стартуют от 50 тыс. рублей в месяц. Вариант On-Premise — когда платформа разворачивается на собственных серверах компании — стоит от 1 млн рублей.
Окупаемость платформы считается в два действия. Берете часы, которые уходят на задачу за месяц, умножаете на стоимость часа сотрудника — получаете текущие затраты. Вычитаете стоимость подписки — остается экономия.
По оценке McKinsey, компании, инвестирующие в ИИ, получают рост выручки на 3−15% и повышение ROI продаж на 10−20%. Кроме того, агентный ИИ может взять на себя до 67% нынешних маркетинговых задач и ускорить запуск кампаний в 10−15 раз.
Как запустить свой первый сценарий
Если вы хотите попробовать собрать свой первый сценарий, вот минимальные шаги для старта:
- заведите аккаунт на платформе автоматизации с поддержкой MCP;
- подключите MCP-сервер в своем ИИ-агенте. Обычно для этого нужно создать в личном кабинете платформы токен доступа и указать его вместе с адресом сервера в настройках агента;
- дайте агенту одну конкретную задачу. Например: «Настрой сценарий: каждое утро собирай упоминания нашего бренда в Telegram и присылай мне сводку»;
- посмотрите, какие уточняющие вопросы задаст агент, и ответьте на них;
- запустите сценарий и дайте ему отработать неделю.
Итог
Если агентный подход станет нормой, вся рутина уйдет к нейронкам. Специалист будет ставить задачи, контролировать результат и принимать решения на основе данных, которые агент уже собрал и структурировал. Планка того, сколько способен охватить один маркетолог, поднимается.
Но у этого перехода есть цена входа. Агентные проекты часто срываются из-за того, что агенту дали слишком много воли и мало контроля. Поэтому подключить агента — только начало. Дальше все решают настройки.
