MCP и Skills: как сделать ваш SaaS настоящим инструментом для AI-агента

Что изменилось в 2026 году

AI-агенты не открывают ваш сайт и не нажимают кнопки. Они обращаются к вашим инструментам напрямую. Интерфейс, который имел значение в 2015 году - веб-приложение, в 2020-м - REST API, а в 2024-м - чат, теперь уступает другому: агент вызывает инструмент, получает данные и сам решает, что делать дальше. Если ваш SaaS нельзя вызвать программно, в рабочих сценариях AI его попросту нет.

То, что значит "вызвать программно", сегодня описывают два открытых стандарта. Первый - MCP, Model Context Protocol: руки агента. Открытый протокол на основе JSON-RPC от Anthropic, в декабре 2025 года переданный в Linux Foundation. Благодаря ему агент находит ваши инструменты и обращается к ним. Второй - Skills: голова. Markdown-пакеты, в декабре 2025-го получившие статус открытого стандарта на agentskills.io. Они объясняют агенту, когда и как пользоваться инструментами.

Если развернуть оба и попасть в публичные каталоги, ваш продукт становится настоящим инструментом внутри Claude, Cursor, Windsurf, ChatGPT и Copilot. Если этого не сделать, для них вас просто нет.

Что такое MCP, если коротко

MCP - это JSON-RPC 2.0 поверх трёх транспортов: stdio для локальных утилит, Streamable HTTP для удалённых сервисов (рекомендуется со спецификации 2025-03) и устаревший SSE. У сервера есть три типа сущностей.

Цифры говорят сами за себя. Загрузки SDK выросли примерно со ста тысяч в месяц на запуске в ноябре 2024 года до 97 миллионов в месяц к марту 2026-го - почти в тысячу раз за полтора года. Официальный репозиторий modelcontextprotocol/servers перешагнул отметку в 84 тысячи звёзд на GitHub к апрелю 2026 года, а перепись первого квартала 2026-го от Nerq нашла в реестрах 17 468 публичных серверов.

Поддержка стандарта больше не выглядит как вопрос выбора. OpenAI, Google, Microsoft, Salesforce, Atlassian, HubSpot, Notion, Cloudflare, Sentry, Figma, Canva, Zapier, ActiveCampaign, Apollo и LinkedIn выпустили MCP-серверы в течение тринадцати месяцев после публикации стандарта.

Что такое Skills, если коротко

Skill - это папка с одним обязательным файлом SKILL.md. В YAML-фронтматтере объявлены name и description, а в теле markdown расписана сама процедура. Рядом могут лежать необязательные скрипты, примеры и справочные документы.

inite-aeo-analyzer/
  SKILL.md
  examples/
    good-llms-txt.md
    sample-citation-audit.md
  schema-templates/
    organization.json
    faqpage.json

Принцип работы - постепенное раскрытие. При старте агент подгружает в системную подсказку только name и description каждой установленной Skill. Само тело загружается лишь тогда, когда описание совпадает с намерением пользователя. Это экономит контекст и позволяет держать десятки Skills, не утяжеляя сессию.

Skills запустились в Anthropic шестнадцатого октября 2025 года, восемнадцатого декабря того же года получили статус открытого стандарта и сегодня поддерживаются Microsoft (в VS Code и GitHub), Cursor, Goose, Amp и OpenCode. Среди партнёров стартового каталога - Atlassian, Canva, Cloudflare, Figma, Notion, Ramp и Sentry.

Зачем продукту нужны оба

Разделение получается чистое.

• MCP - это подключение: "Дай мне доступ к базе данных".
• Skill - это знание процедуры: "Когда обращаешься к базе, всегда фильтруй по tenant_id, а итог оформляй markdown-таблицей".
• Системная подсказка - постоянная роль без постепенного раскрытия.
• Подагент - отдельное контекстное окно для тяжёлой задачи.

Если развернуть только MCP, у агента появляются руки, но нет инструкции: он вызовет analyze_url и встанет. Если развернуть только Skill, агент прочитает процедуру и сочинит результат, потому что подключения у него нет. Если развернуть оба, агент читает Skill, обращается к MCP-серверу в правильном порядке и возвращает проверяемый ответ.

Рабочий пример: MCP-сервер inite.ai

Для B2B-анализатора AEO и SEO набор инструментов выглядит так.

Описание каждого инструмента в схеме MCP пишется как рекламный текст: глаголы, примеры, ограниченный размер ответа. Skill (inite-aeo-analyzer/SKILL.md) объясняет агенту: "Используй, когда пользователь просит провести AEO-аудит URL, оценить вероятность цитирования в ChatGPT, Claude или Perplexity, сгенерировать llms.txt либо найти пробелы в schema и внутренних ссылках. Сначала вызови analyze_url, затем audit_schema, после - suggest_internal_links. Итог оформи как приоритизированный список задач".

Это и есть единица распространения в 2026 году. Не сайт. Не REST-эндпоинт. MCP-сервер вместе со Skill.

90-дневный план

Дни 0-14 - разметка инструментов. Выбираем пять-восемь ключевых задач. Решаем, какие из них становятся Tools (запись или вычисление), какие - Resources (только чтение отчётов), а какие - Prompts (пользовательские шаблоны).

Дни 15-35 - сборка MCP-сервера. Берём TypeScript- или Python-SDK от modelcontextprotocol, развёртываем сервер как Streamable HTTP за существующим API-шлюзом, повторно используем имеющуюся авторизацию через OAuth 2.1 с динамической регистрацией клиента. Каждый инструмент сопоставляется один к одному с внутренним эндпоинтом. В полях description JSON Schema пишем оптимизированные под LLM описания.

Дни 36-55 - сборка Skill. Один SKILL.md на каждый процесс. Описание во фронтматтере должно содержать триггерные фразы, которые пользователи реально вводят. В теле документируется порядок вызовов, правила оформления итога и краевые случаи. Рядом кладутся примеры и справочные ресурсы.

Дни 56-75 - распространение. Сервер подаётся в реестр Linux Foundation, PulseMCP, Smithery, Composio Hub, каталог Cursor и каталог коннекторов Claude. Skill открывается на GitHub и подаётся на agentskills.io. На сайт добавляются кнопки "Установить в Claude / Cursor / Windsurf". Публикуется /.well-known/mcp.json.

Дни 76-90 - замер и итерация. Снимаем телеметрию по MCP: какие инструменты вызывают, какие клиенты приходят (по User-Agent), какой процент успеха. Добавляем Resource /metrics для опытных пользователей. Ведём публичный список изменений. Делаем анонс на Hacker News и в подразделе MCP на Reddit.

К девяностому дню ваш продукт - настоящий инструмент внутри основных AI-клиентов, а конкуренты, пропустившие этот путь, всё ещё ждут, когда пользователи зайдут к ним в личный кабинет.

Что мешает закрепиться

Девять типичных ошибок объясняют большинство застрявших внедрений MCP.

1. Расплывчатые описания инструментов. Модель просто их не вызывает. Пишите описания как рекламный текст.
2. JSON без ограничений по размеру. Раздувает контекстное окно. Урезайте итог, разбивайте на страницы, добавляйте параметр summary=true.
3. API-ключи на каждый вызов вместо OAuth. Убивают конверсию при подключении. Включайте OAuth 2.1 с самого начала.
4. MCP без Skill. Руки без головы. Не те инструменты в неправильном порядке.
5. Skill без MCP. Голова без рук. Агент сочиняет результаты.
6. Только stdio. Из облачного Claude и ChatGPT такой сервер недоступен.
7. Игнорирование каталогов. Обнаружение - это и есть ваш барьер.
8. Нет телеметрии. Невозможно понять, какими инструментами никто не пользуется.
9. Шаблонное описание Skill. Никогда не подгружается автоматически. Включайте триггерные фразы, которые пользователи реально вводят.

Итог

Со времён REST в инструментах разработчика не было такого крутого взлёта стандарта. Почти тысячекратный рост загрузок SDK за полтора года, больше семнадцати тысяч публичных серверов и поддержка от каждого крупного поставщика в течение тринадцати месяцев. Skills закрыли пробел в конце 2025 года: они дали агентам процедурное знание, которого один MCP закодировать не мог.

Обязательный минимум 2026 года для SaaS, который хочет жить внутри AI-сценариев, выглядит так: один MCP-сервер, одна сопровождающая Skill, регистрация в каталогах, OAuth 2.1 и базовая телеметрия. Сделайте это за девяносто дней. Если пропустите - продукт превратится в сайт, на который никто не заходит, потому что агент пошёл к конкуренту, ответившему на звонок.