инструменты 31 июл 2026 1 мин

Stateless MCP 2.0: почему протокол для AI-инструментов снова в игре

Обновление Model Context Protocol до версии 2.0 (stateless MCP) радикально упростило разработку AI-инструментов — теперь не нужны сессии и серверное состояние. Саймон Уиллисон вернулся к MCP после увлечения Skills, создал mcp-explorer (CLI для тестирования серверов) и datasette-mcp (плагин для SQL-запросов через MCP). Протокол стал практичнее для production и доступнее для небольших моделей.

Если вы строите AI-агентов или инструменты для разработчиков, stateless MCP снижает порог входа и даёт безопасную альтернативу терминальному доступу. Для бизнеса это шанс быстро добавить AI-интерфейсы к внутренним системам без переписывания архитектуры.

Что произошло

Вышла версия 2.0 Model Context Protocol (MCP) — стандарта Anthropic для подключения инструментов к AI-агентам. Главное изменение: протокол стал stateless (без серверного состояния). Теперь для вызова инструмента нужен один HTTP-запрос вместо двух, не нужно управлять session ID и маршрутизацией сессий.

Саймон Уиллисон (создатель Datasette) на волне обновления запилил два open-source проекта:

mcp-explorer — CLI-утилита для интерактивного тестирования MCP-серверов. Работает через uvx без установки, умеет листить инструменты, инспектировать их схемы и вызывать с аргументами. Пример: uvx mcp-explorer call server.dev render_svg -a source 'graph TD; A-->B' рендерит Mermaid-диаграмму.

datasette-mcp — плагин, превращающий любой Datasette в MCP-сервер. Даёт AI-агентам три метода: list_databases, get_database_schema, execute_sql (пока read-only). Подключаешь к ChatGPT/Claude — они получают доступ к SQL-запросам по твоей базе.

Контекст: зачем это нужно

MCP запустили в ноябре 2024, хайпанули весь 2025-й, потом его затмили Skills — подход, когда агенту даёшь терминал и curl. Уиллисон сам писал, что Skills гибче. Но теперь возвращается: терминал — это риск, нужны сильные модели и строгий контроль. MCP проще аудировать, работает с маленькими локальными моделями, а stateless-версия убирает архитектурную боль.

Автор: Марина Соколова · Источник: simonwillison.net

Разработчикам. Stateless MCP убрал необходимость в управлении сессиями — теперь можно писать MCP-серверы на любом языке за час, интегрировать в существующие API без переделки архитектуры. mcp-explorer ускоряет отладку, datasette-mcp показывает паттерн для быстрых прототипов. Подходит для локальных моделей типа Llama.

Бизнесу. MCP становится реальной альтернативой опасному доступу к терминалу для корпоративных AI-систем. Легче контролировать, что делает агент, проще масштабировать (stateless = любой load balancer), дешевле в поддержке. Плагины вроде datasette-mcp открывают путь к быстрым AI-интерфейсам для внутренних баз без кастомной разработки.

Инвесторам. Упрощение MCP снижает порог входа для разработчиков AI-инструментов — ждите волну стартапов вокруг вертикальных MCP-серверов (финтех, медтех, devtools). Anthropic укрепляет экосистему против OpenAI (Function Calling) и Microsoft (Copilot plugins). Рынок инфраструктуры для локальных AI-агентов (без облака) может вырасти.

Хайп35

Реальная польза65

Заработать55

Создать marketplace готовых MCP-серверов для конкретных ниш: CRM, аналитика, соцсети, DevOps — как App Store для AI-агентов.
Разработать SaaS для аудита и мониторинга MCP-инструментов в продакшене: логирование вызовов, rate limiting, security-политики.
Запустить no-code конструктор MCP-серверов: визуально собираешь API-обёртки, деплоишь за клик — для нетехнических команд.
Форкнуть datasette-mcp для популярных баз (PostgreSQL, MongoDB) и продавать как готовый AI-интерфейс для корпоративных данных.
Создать библиотеку MCP-адаптеров для распространённых SaaS (Stripe, Salesforce, Notion) — монетизация через подписку или rev-share с Anthropic-партнёрством.

Skills и прямой доступ к терминалу всё ещё мощнее для сильных моделей — MCP может остаться нишевым для корпораций и локальных сетапов.
Anthropic не контролирует стандарт жёстко — может раздробиться на несовместимые форки или проиграть OpenAI Function Calling по adoption.
Stateless упростил протокол, но усложнил некоторые сценарии (стриминг, долгие операции) — не все задачи решаются одним запросом.
Рынок инструментов для AI перегрет — десятки похожих решений, мало платежеспособного спроса, сложно выделиться без уникальной вертикали.

Честно говоря, я скептически относился к MCP — казалось, что это очередной XML для AI-эры, который умрёт от собственной сложности. Но stateless-версия реально исправила главную проблему: теперь это не enterprise-монстр, а нормальный REST API, который можно прикрутить к чему угодно за час.

Самое интересное тут не сам протокол, а что с ним делают люди вроде Уиллисона. datasette-mcp — это killer app: превратить любую базу данных в queryable AI-интерфейс без написания кода. Если такие паттерны пойдут в массы, MCP может стать стандартом для корпоративных AI-систем, где терминал — табу, а контроль — всё. Хайпа меньше, чем в 2024-м, но практической пользы больше.