Георгий Димитриади – Руки для машины: Как ИИ научился нажимать на кнопки, и что такое MCP-ручки (страница 2)
MCP-poisoning:Как злоумышленники публикуют в репозиториях (npm, PyPI) серверы с безобидными «ручками», которые на самом деле крадут данные.
Аналогия:Поддельная розетка в отеле, которая выглядит как настоящая, но запоминает данные вашей карты.
Проблема «зловещей долины» автоматизации: когда агент делает что-то логичное, но катастрофическое (например, удаляет всю базу, следуя букве инструкции).
Глава11. ЭпохаA2A (Agent-to-Agent)
Как агенты будут общаться друг с другом, используя MCP как основу.
Пример:Ваш агент-помощник звонит (через протокол) агенту авиакомпании, и они договариваются о возврате билета без вашего участия.
Заключение. Как собрать своего первого агента
Чек-лист для новичка: установка Claude Desktop или Cursor, подключение первого публичного MCP-сервера (например, для работы с GitHub или локальными файлами).
Правила цифровой гигиены: никогда не давать агенту доступ к банковским приложениям без подтверждения на телефоне.
Глоссарий
Простые определения: LLM, API, JSON, Endpoint, Sandbox, OAuth.
Введение. Чайник, который научился думать
Осенью 2022 года мир изменился, хотя большинство людей этого не заметили. В тот момент, когда миллионы пользователей впервые открыли ChatGPT и попросили его написать стихотворение про кота в стиле Маяковского, произошла тихая революция. Мы привыкли, что компьютеры - это сложные, но послушные инструменты. Чтобы заставить их работать, нам нужно было знать точный язык: нажимать на конкретные кнопки, писать код или хотя бы формулировать поисковый запрос так, чтобы поисковик нас понял. Компьютер был как высокотехнологичный тостер: чтобы получить результат, вы должны сами опустить рычаг.
Искусственный интеллект в лице больших языковых моделей сломал этот рычаг. Впервые в истории технологий нам не нужно было учить язык машины. Машина выучила наш. Мы начали разговаривать с алгоритмами на естественном языке, и они начали отвечать нам осмысленно, с юмором, а иногда - с пугающей глубиной.
Но очень быстро человечество столкнулось с первым великим разочарованием эры ИИ.
Представьте, что вы наняли гениального секретаря. Он окончил с красным дипломом юрфак и филфак, помнит наизусть всю классическую литературу и способен за секунду проанализировать годовой отчет корпорации. Вы просите его: «Иван, забронируй мне столик в любимом ресторане на пятницу».
Иван смотрит на вас ясными глазами и отвечает: «Георгий, я проанализировал 500 лучших ресторанов города. В "Турандот" потрясающая атмосфера эпохи барокко, а в "Пушкине" подают лучший в мире медовик. Исходя из ваших прошлых предпочтений, зафиксированных в наших беседах, я рекомендую вам грузинскую кухню. Пятница - прекрасный день недели».
Он всё понимает. Он всё знает. Но столик он не забронировал.
Именно в этом заключалась главная проблема первых поколений нейросетей. Они были невероятно эрудированными собеседниками, но абсолютно беспомощными работниками. Они могли написать идеальный код, но не могли запустить его. Могли составить письмо, но не могли нажать кнопку «Отправить». Они были мозгом в стеклянной банке - гениальным, но отрезанным от реальности.
Чтобы ИИ стал по-настоящему полезным, ему нужны были руки.
Инженеры пытались приделать эти руки с самого начала. Они писали сложные программные прослойки, прятали API-ключи в промптах (инструкциях для нейросети) и создавали сотни несовместимых друг с другом «костылей». Каждый раз, когда вы хотели научить нейросеть работать с вашим календарем, почтой или базой данных, программистам приходилось строить уникальный мост. Это было дорого, ненадежно и небезопасно. Если дать ИИ ключ от всей вашей цифровой квартиры, он может случайно выкинуть в окно телевизор, просто неправильно поняв фразу «сделай звук потише».
В 2024–2025 годах эту проблему решили. Появился стандарт, который назвали MCP - Model Context Protocol(Протокол контекста модели). А вместе с ним в лексикон разработчиков и обычных пользователей вошло понятие, которое звучит немного по-детски, но описывает суть технологии точнее любых академических терминов - «MCP-ручки».
Эта книга - о том, как нейросети обрели моторику. О том, как абстрактный интеллект учится взаимодействовать с физическим и цифровым миром, не разрушая его. Мы не будем углубляться в высшую математику и устройство трансформеров. Вместо этого мы поговорим о вещах, которые понятны каждому: о розетках, переходниках, инструкциях к бытовой технике и о том, почему нельзя доверять незнакомцу ключи от своего сейфа.
Вы узнаете:
Как превратить обычную нейросеть в полноценного цифрового сотрудника (агента).
Что такое «сбруя» (harness) и почему ИИ никогда не должен действовать бесконтрольно.
Как один открытый стандарт заменил собой хаос из тысячи разных программных интерфейсов.
И самое главное - что именно скрывается за метафорой «MCP-ручки», почему их называют именно так, как они выглядят «под капотом» и как с их помощью заставить искусственный интеллект реально работать, а не просто разговаривать.
Мы стоим на пороге эпохи, когда ваш компьютер сможет не просто показать вам файл, но и сам его найти, исправить в нем ошибку и отправить нужным людям. Чтобы управлять этой новой реальностью, нужно понимать, как работают «руки» машины.
Давайте разберемся, как устроены эти ручки, за какие из них можно смело браться, а какие лучше оставить в покое.
Глава 1. Железо и математика: Как лампочки научились понимать смысл
Чтобы понять, как нейросети получили свои «MCP-ручки», нужно сначала разобраться, что они собой представляют в своей основе. Если отбросить всю современную мишуру, чат-боты и красивые интерфейсы, искусственный интеллект - это просто очень, очень сложная система из миллионов крошечных лампочек.
Мозг из выключателей
Представьте себе старый советский подъезд. На каждом этаже есть лампочка и выключатель. Если нажать на выключатель на первом этаже, загорается только его лампочка. Это - обычный компьютер. Он работает по жестким правилам: если нажата кнопка А, на экране появляется буква А. Логика прямая и предсказуемая.
А теперь представьте другой подъезд. В нем нет отдельных выключателей. Вместо этого от каждой лампочки к каждой другой протянуты тысячи проводов. И у каждой лампочки есть регулятор яркости - колесико, которое определяет, насколько сильно эта лампочка будет реагировать на сигналы от соседей.
Когда вы подаете на вход этого «подъезда» сигнал (например, произносите слово «яблоко»), загораются определенные лампочки на входе. Они передают ток дальше. Но ток не идет по всем проводам одинаково. Где-то он проходит легко (колесико выкручено на максимум), а где-то встречает сопротивление. В итоге до самого верхнего этажа - до «выхода» - доходит уникальный узор света. Если слово было «яблоко», узор один. Если «красный» - другой. Если «сладкий» - третий.
Это и есть искусственная нейронная сеть.
Лампочки - это нейроны. Провода - это веса(связи). Колесики-регуляторы - это параметры.
В современных нейросетях, таких как те, что стоят за популярными чат-ботами, этих «лампочек» и «колесиков» сотни миллиардов. Чтобы настроить их правильно, ученым потребовалось показать машине почти весь интернет.
Глухой эрудит
Долгое время эти сети были «глухими» и «слепыми». Они жили в мире чистой математики.
В 2017 году исследователи из Google опубликовали работу под названием «Attention Is All You Need» («Внимание - это всё, что вам нужно»). Это был момент рождения архитектуры «трансформер», на которой сегодня строится весь современный ИИ. Главная идея была гениально простой: чтобы понять смысл предложения, слову не обязательно знать все предыдущие слова. Ему важно обратить
В фразе «Корова перепрыгнула через луну» нейросеть должна понять, что именно «корова» (а не «луна») совершила действие. Она вычисляет это с помощью математических формул, взвешивая связи между словами.
Благодаря этому ИИ научился говорить. Он стал тем самым студентом-отличником из введения. Он прочитал всю Википедию, все книги, все форумы. Он знает, кто такой Наполеон, какова температура кипения воды и как пишется макрос для Excel.
Но у этого студента была одна критическая особенность: он был заперт в библиотеке.
Проблема оторванности от реальности
Математика - это абстракция. Для нейросети слово «холодный» - это просто набор цифр, который часто встречается рядом со словами «зима», «снег» и «чай с лимоном». Нейросеть не знает, каково это - замерзнуть. Она не может подойти к окну и пощупать иней на стекле.
Отсюда родилась главная проблема ранних больших языковых моделей (LLM) - галлюцинации.
Поскольку модель оперирует только вероятностями («какое слово должно идти следующим?»), она начинает врать с самым уверенным лицом.
Почему он так ответил? Потому что в его математической вселенной связи между словами «столица», «известный» и «Сидней» оказались в этот момент сильнее, чем связи с реальным городом Уагадугу. Он не проверяет факты по базе данных, потому что у него нет доступа к этой базе. Он просто