Talanto × MCP
Что такое MCP и зачем он нужен
Главная проблема современных ИИ-агентов не в том, что они плохо думают. Она в том, что сами по себе агенты почти ничего не умеют делать во внешнем мире.
Умные внутри, без рук снаружи
Модель может рассуждать, писать текст, планировать шаги, объяснять код. Но чтобы реально быть полезной, ей нужны руки: прочитать файл, сходить в базу, открыть задачу в GitHub, проверить почту, найти свежие вакансии, отправить уведомление, записать статус в трекер. Без этого ИИ остаётся умным собеседником, но не становится рабочим агентом.
До MCP каждая такая интеграция писалась отдельно. Один клиент придумывал свой способ подключиться к GitHub, другой — свой способ подключиться к почте, третий — свой способ работы с базой. В результате возникала классическая проблема M × N: много ИИ-приложений умножались на много внешних сервисов, и под каждую пару приходилось писать отдельный мост. MCP превращает задачу M × N в M + N: один стандартный способ подключения для клиентов и один стандартный способ публикации возможностей для сервисов.
MCP, если коротко
MCP — Model Context Protocol — это открытый стандарт, который описывает, как ИИ-приложения подключаются к внешним системам: данным, инструментам и рабочим сценариям. Официальная документация сравнивает его с USB-C для ИИ-приложений: не потому что он «магический», а потому что задаёт общий разъём между агентом и внешним миром.
MCP — это не сама модель и не отдельный «супермозг». Он не принимает решений и не знает, что нужно пользователю. Решает агент. MCP только даёт ему стандартный способ увидеть доступные инструменты, вызвать нужный и получить обратно результат.
Как это работает
Упрощённо поток выглядит так:
В этой схеме четыре роли.
Host — приложение, в котором живёт агент: Claude Desktop, IDE с агентом, внутренний корпоративный ассистент, автономный workflow-агент.
MCP client — компонент внутри host-приложения. Отвечает за соединение с конкретным MCP-сервером. На каждый внешний сервис заводится свой client.
MCP server — программа, которая публикует наружу свои возможности: «найти задачу в Linear», «прочитать файл», «сделать SQL-запрос», «создать issue», «найти вакансии», «отправить письмо».
External system — реальный сервис за сервером: GitHub, база данных, почта, файловая система, CRM, Telegram, внутренний API.
Агент не лезет напрямую в Sentry или GitHub. Он получает задачу, выбирает подходящие tools, а дальше MCP-серверы выполняют конкретные действия и возвращают структурированный результат. В типичном цикле агент через MCP достаёт ошибку из Sentry, создаёт issue в GitHub, чинит код, коммитит изменения и открывает PR — то есть MCP становится не разговорной функцией, а рабочим интерфейсом к реальным системам.
Частая ошибка в объяснении
MCP часто рисуют как один большой блок между агентом и сервисами. Технически точнее думать о нём как о языке связи между client и server. MCP ничего не «ищет», не «пишет» и не «отправляет» — он стандартизирует, как агент может попросить внешний инструмент что-то сделать.
Поэтому MCP особенно важен для автономных агентов. Чат-бот может ответить текстом и закончить. Агент должен уметь действовать: сходить в несколько систем, сопоставить данные, вызвать инструмент, дождаться результата, принять следующий шаг. Чем больше вокруг агента MCP-серверов, тем шире набор действий, которые он может выполнять без ручной интеграции под каждый сервис.
Безопасность не появляется сама
MCP не отменяет архитектуру, безопасность и здравый смысл. Серверы всё равно должны ограничивать права, проверять входные данные, логировать действия и не давать агенту больше доступа, чем нужно. MCP делает подключение стандартным, но не делает систему автоматически безопасной или полезной.
Talanto через MCP
Представим, что OpenClaw — автономный агент, который помогает пользователю искать работу. Ему не нужен просто чат, рассуждающий о вакансиях. Ему нужен доступ к реальному рынку: свежим позициям, профилю кандидата, резюме, истории откликов, фильтрам, каналам уведомлений.
Для этого Talanto публикует собственный MCP-сервер для рынка IT-вакансий. Подключённый агент получает через него не «сайт внутри чата», а набор инструментов, данных и готовых сценариев.
Действия. Поиск вакансий с фильтрами по навыкам, уровню, формату работы и зарплате; оценка соответствия вакансии профилю кандидата; разбор резюме под конкретную роль; черновики сопроводительных писем; запись отправленных откликов в трекер.
Данные. Агент получает доступ не к сырому интернету, а к рабочему контексту пользователя: профиль, сохранённые фильтры, история откликов, описания вакансий, метаданные по зарплате, уровню, стеку, локации и формату работы. Тот же контекст, что пользователь видит в личном кабинете.
Готовые сценарии. Вместо того чтобы каждый раз собирать сложную команду руками, агент пользуется готовыми сценариями: «подбери под мой профиль», «оцени, насколько мне подходит эта роль», «составь короткое сопроводительное по этой вакансии», «покажи новые позиции с fit-score выше заданного порога».
Объём без качества бесполезен
Главный смысл MCP-сервера Talanto не в том, чтобы дать агенту побольше вакансий. Объём сам по себе почти бесполезен. Если агенту скормить сырую свалку из дублей, закрытых позиций, мусорных публикаций и устаревших описаний, он будет красиво рассуждать поверх плохих данных.
Ценность Talanto в этом сценарии — в чистом потоке. На стороне сервиса работает несколько уровней обработки: вакансии собираются из карьерных сайтов, агрегаторов и Telegram-каналов, приводятся к единому виду, проходят дедупликацию, проверку актуальности и фильтрацию мусора. Сверху учитывается обратная связь пользователей: если вакансия закрыта, нерелевантна или испорчена, её убирают из общей ленты.
В результате агент работает не с тем, что удалось нагуглить, а с уже подготовленным рынком: нормализованные роли, понятный стек, формат работы, уровень, зарплатные данные, источник, признаки актуальности, история взаимодействия пользователя. Только на таком фундаменте задача «найди мне подходящие роли и помоги откликнуться» становится осмысленной.
Где здесь автономный агент
MCP сам по себе не автономен. Он не запускает задачи по расписанию, не помнит вчерашний контекст и не присылает уведомления ночью. Это интерфейс, через который агент берёт инструменты в руки. Автономность появляется уровнем выше.
Расписание. Агент работает в фоне: раз в час проверяет новые вакансии по сохранённым фильтрам, каждое утро собирает короткую подборку, раз в неделю показывает, какие отклики зависли без ответа.
Память. Агент помнит, что пользователь не хочет вакансии без удалёнки, не рассматривает определённые компании, предпочитает backend на Python или ищет зарплату не ниже заданного уровня.
Длинные процессы. Агент ведёт цепочку: сначала найти роли, потом оценить fit-score, потом подготовить список, потом дождаться подтверждения, потом отправить отклики, потом обновить статусы.
Оркестрация инструментов. Агент берёт данные из Talanto, обновляет резюме, готовит письмо, отправляет его через email-сервер, записывает результат в трекер и присылает уведомление в Telegram.