Model Context Protocol, или MCP, — открытый стандарт для подключения AI-ассистентов к внешним данным и инструментам. С его помощью языковая модель может читать данные из вашей базы, выполнять действия во внутренней системе или искать документы, и для этого не нужно писать отдельную интеграцию под каждое AI-приложение. MCP-сервер предоставляет такие инструменты в стандартном виде, а клиентские программы с поддержкой MCP к нему подключаются. В этой статье напишем простой MCP-сервер и развернём его так, чтобы он работал через интернет.
stdio или HTTP: где будет работать сервер
MCP-серверы работают в основном через два транспорта. При транспорте stdio клиентская программа запускает сервер как процесс на компьютере пользователя, и они общаются через стандартный ввод-вывод — это удобно для личного использования. При транспорте Streamable HTTP сервер постоянно работает на отдельной машине, а клиенты подключаются к нему по сети. Если инструментом должна пользоваться вся команда или несколько AI-приложений, правильный выбор — второй вариант, и именно для него нужны сервер, домен и SSL.
Пример: проверка остатков для магазина электроники
Допустим, продавцы магазина электроники в Ташкенте хотят спрашивать у AI-ассистента: «Есть ли этот ноутбук на складе и сколько он стоит?». Для этого MCP-сервер предоставляет один инструмент: он принимает артикул товара и читает остаток и цену из базы MySQL. Модель сама решает, когда вызывать инструмент, ориентируясь на его описание. Такой сервер потребляет очень мало ресурсов, и небольшого VPS или уже работающего сервера для него вполне достаточно.
Подготовка окружения и код сервера
Класс FastMCP из официального Python SDK сильно упрощает написание сервера. Сначала создайте отдельную папку и виртуальное окружение и установите нужные пакеты.
sudo apt install python3-venv
sudo mkdir -p /opt/dokon-mcp && cd /opt/dokon-mcp
python3 -m venv venv
./venv/bin/pip install "mcp[cli]" pymysql
Теперь создайте файл server.py. Docstring функции служит для модели описанием инструмента, поэтому пишите его чётко и понятно. Типы параметров тоже важны: на их основе SDK строит схему, которая объясняет модели, какие аргументы передавать.
from mcp.server.fastmcp import FastMCP
import os, pymysql
mcp = FastMCP("dokon", host="127.0.0.1", port=8000)
def db():
return pymysql.connect(host="localhost", user="mcp_reader",
password=os.environ["DB_PASS"], database="dokon")
@mcp.tool()
def mahsulot_qoldigi(sku: str) -> str:
"""Mahsulotning ombordagi qoldig'i va narxini qaytaradi."""
with db() as conn, conn.cursor() as cur:
cur.execute("SELECT nomi, qoldiq, narx FROM mahsulotlar WHERE sku=%s", (sku,))
row = cur.fetchone()
if not row:
return "Bunday mahsulot topilmadi"
return f"{row[0]}: {row[1]} dona, narxi {row[2]} so'm"
if __name__ == "__main__":
mcp.run(transport="streamable-http")
Для подключения к базе создайте отдельного пользователя, который может только читать нужную таблицу. Тогда, какой бы запрос ни отправила модель, сервер не сможет изменить данные.
CREATE USER 'mcp_reader'@'localhost' IDENTIFIED BY 'UZUN_PAROL';
GRANT SELECT ON dokon.mahsulotlar TO 'mcp_reader'@'localhost';
Запишите пароль в файл /opt/dokon-mcp/.env в виде DB_PASS=... и дайте право на чтение только пользователю службы.
Постоянная работа через systemd
Чтобы сервер работал и после закрытия терминала, и после перезагрузки VPS, оформите его как службу systemd. Сначала создайте системного пользователя командой sudo useradd -r -s /usr/sbin/nologin mcp, затем сохраните файл ниже как /etc/systemd/system/dokon-mcp.service и включите службу командой sudo systemctl enable --now dokon-mcp.
[Unit]
Description=Dokon MCP server
After=network.target mysql.service
[Service]
User=mcp
WorkingDirectory=/opt/dokon-mcp
EnvironmentFile=/opt/dokon-mcp/.env
ExecStart=/opt/dokon-mcp/venv/bin/python server.py
Restart=always
[Install]
WantedBy=multi-user.target
Nginx, SSL и защита токеном
Сервер FastMCP слушает только внутренний адрес, наружу его выводит Nginx. Сначала в DNS-записях домена, например в кабинете sayt.uz, создайте A-запись для mcp.example.uz на IP-адрес VPS и получите SSL-сертификат через Certbot. Инструменты MCP открывают доступ к внутренним данным, поэтому никогда не оставляйте endpoint без защиты. Самый простой способ — проверка Bearer-токена на уровне Nginx, а в более сложных проектах стоит рассмотреть авторизацию на основе OAuth, описанную в спецификации MCP.
location /mcp {
if ($http_authorization != "Bearer UZUN_MAXFIY_TOKEN") {
return 401;
}
proxy_pass http://127.0.0.1:8000/mcp;
proxy_http_version 1.1;
proxy_buffering off;
proxy_read_timeout 300s;
}
Буферизация отключена, потому что ответ может приходить в виде потока SSE. Заголовок Host здесь намеренно не переопределяется: в новых версиях SDK может проверяться имя хоста запроса к локальному серверу, и если появится подобная ошибка, загляните в раздел документации SDK о разрешённых хостах.
Проверка сервера и подключение клиента
Чтобы убедиться, что всё работает, отправьте запрос initialize — первый шаг протокола MCP. В правильном ответе вернутся имя сервера и его возможности.
curl -X POST https://mcp.example.uz/mcp \
-H "Authorization: Bearer UZUN_MAXFIY_TOKEN" \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-03-26","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}'
Для визуальной проверки удобен официальный MCP Inspector: запустите его командой npx @modelcontextprotocol/inspector и укажите адрес сервера и токен. После этого адрес можно добавить в AI-клиент с поддержкой удалённых MCP-серверов. Следите за логами через journalctl -u dokon-mcp -f: какие инструменты и как часто вызываются и какие возникают ошибки — самая полезная информация для дальнейших улучшений.