AI-автоматизация и MCP-серверы
Интеграция больших языковых моделей (Claude, Kimi) с корпоративными данными через протокол MCP. Превращаем ваши базы 1С и BPM в «память» для AI-агентов без утечки данных.
Почему обычный AI не работает с бизнес-данными
Проблемы, которые решает архитектура на базе MCP.
Риск утечки коммерческой тайны
Отправка финансовых отчетов или клиентских баз в публичные LLM нарушает 152-ФЗ и политики безопасности предприятия.
Галлюцинации на устаревших данных
LLM обучены на старых данных. Без доступа к live-API они выдумывают остатки, цены и статусы заказов.
Сложность интеграции с legacy
Подключение AI к 1С, SAP или самописным ERP требует написания сотен эндпоинтов. MCP стандартизирует этот процесс.
Отсутствие контроля прав доступа
Обычный промпт не знает ролевой модели. Менеджер может случайно получить доступ к зарплатам или стратегии через чат.
Сценарии применения в Enterprise
AI-аналитик для 1С и ERP
Менеджер задает вопрос естественным языком: «Покажи маржинальность по складу Москва за прошлый месяц». MCP-сервер безопасно извлекает данные из PostgreSQL/1С, формирует промпт и возвращает структурированный ответ или график. Никакого экспорта в Excel — данные остаются внутри контура.
Автоматизация документооборота
AI-агент анализирует входящие договоры и счета, сверяет реквизиты с базой контрагентов в 1С, выявляет риски и готовит черновик ответа. Интеграция с СБИС/Диадок через наш ESB обеспечивает автоматизацию.
Интеллектуальная поддержка сотрудников
Корпоративный чат-бот, подключенный к базе знаний, регламентам BPM и истории тикетов. Сотрудник получает точные ответы со ссылками на источники, а не галлюцинации модели. Обучение на внутренних данных без передачи их третьим сторонам.
Процесс внедрения AI-агента
От аудита данных до промышленной эксплуатации за 3–5 недель.
Аудит данных и проектирование MCP
Определяем, какие данные доступны AI, проектируем инструменты (Tools) и ресурсы (Resources), настраиваем ролевую модель доступа.
Разработка MCP-сервера
Пишем кастомный сервер на Symfony/Go, подключаем его к вашим БД и API. Реализуем валидацию запросов и логирование.
Интеграция с LLM и тестирование
Подключаем Claude/GPT/локальную модель. Настраиваем промпты, проверяем качество ответов и безопасность на тестовых сценариях.
Внедрение и мониторинг
Разворачиваем в вашем контуре, интегрируем с корпоративным мессенджером или веб-интерфейсом. Настраиваем алерты на аномалии.
Что такое MCP и почему это важно?
Model Context Protocol (MCP) — это открытый стандарт, который позволяет AI-моделям безопасно взаимодействовать с локальными данными и инструментами. В отличие от классических API, MCP дает модели понимание контекста: она знает структуру вашей базы, права доступа и бизнес-логику. Мы разрабатываем кастомные MCP-серверы под вашу инфраструктуру, обеспечивая полный контроль над тем, к каким данным имеет доступ AI.
Пример артефакта: Конфигурация MCP-инструмента
Описание инструмента для AI-агента
Инструмент позволяет AI получать актуальные остатки товаров по складам. Автоматически фильтрует данные по правам текущего пользователя и кеширует частые запросы.
# mcp_tools.yaml — определение инструмента
tools:
- name: get_stock_balance
description: "Get current stock balance for SKU by warehouse"
inputSchema:
type: object
properties:
sku:
type: string
description: "Article number"
warehouse_id:
type: integer
description: "Warehouse ID from 1C"
required:
- sku
handler: StockService::getBalance
permissions:
- role: manager
filter: "warehouse.region == user.region"
Пилот за 2–3 недели · Фиксированная стоимость
Частые вопросы
Безопасно ли давать AI доступ к базе 1С через MCP?
Да. MCP-сервер работает как шлюз: он проверяет права пользователя перед каждым запросом, логирует все действия и не передает сырые данные в LLM. Вы контролируете, какие именно таблицы и поля доступны.
Нужна ли мощная инфраструктура для запуска MCP-сервера?
Нет. MCP-сервер — легковесное приложение. Для среднего бизнеса достаточно VPS с 2 vCPU и 4 GB RAM. Основная нагрузка ложится на API LLM, которое может работать как в облаке, так и локально.
Можно ли использовать российские LLM вместо Claude/GPT?
Да. MCP — открытый протокол, не привязанный к конкретной модели. Мы поддерживаем интеграцию с YandexGPT, GigaChat, а также с локально развернутыми open-source моделями (Llama, Qwen).
Как быстро окупается внедрение AI-агента?
Типичный срок окупаемости — 3–6 месяцев. Экономия достигается за счет сокращения времени на поиск информации, автоматизации рутинных задач и снижения ошибок при работе с данными.