Подключите AI Agent к удалённому MCP-серверу (2026)

Ваш AI Agent отвечает на основе знаний, которые вы ему даёте. Для некоторых вопросов нужна информация, которая не помещается в базу знаний: что-то актуальное, что-то вычисляемое или что-то, что находится в системе, которой вы не владеете. Удалённый MCP-сервер позволяет вашему Agent обратиться за этой информацией прямо во время разговора. В этом руководстве вы подключите Quickchat AI Agent к такому серверу без кода, на бесплатном плане: выберете сервер из каталога более чем 240 серверов, включите ровно один его инструмент, направите его одним абзацем prompt и увидите реальный вызов в Inbox.

Мы собираем всё на практике. В примере используются Hoist, API для возобновляемой загрузки файлов для разработчиков, и DeepWiki, публичный MCP-сервер от Cognition, который отвечает на вопросы о любом публичном GitHub-репозитории. Все настройки, URL и prompt ниже в точности использовались для получения скриншотов. Если у вас уже есть агент, те же шаги подключат его к любому из живых серверов в таблице ниже, а если вы предпочитаете делегировать клики, AI-ассистент может собрать всю эту настройку за вас через собственный MCP-сервер Quickchat AI.

Это практическая половина пары материалов. Если сначала нужен контекст протокола, прочитайте что такое MCP и как он работает; это руководство сосредоточено на выполнении.

Что вы соберёте

Агент поддержки для Hoist, который делает две вещи. Он отвечает на вопросы о самом Hoist (планы, лимиты размера файлов, регионы хранения, webhooks) из своей базы знаний. А когда посетитель спрашивает, как ведёт себя open-source библиотека tus-js-client, которую клиенты Hoist устанавливают в свои приложения, он вызывает удалённый MCP-инструмент, чтобы ответить по живому исходному коду этой библиотеки на GitHub, а затем связывает ответ с использованием Hoist.

Второй случай здесь ключевой. Вы не можете и не должны копировать всю внутреннюю реализацию внешней библиотеки в базу знаний, но ваш Agent может искать её по запросу.

Вам нужны две вещи: бесплатный аккаунт Quickchat AI (зарегистрируйтесь здесь) и примерно пятнадцать минут. URL сервера, whitelist инструментов и prompt приведены в этом руководстве.

Как AI-агент подключается к удалённому MCP-серверу?

Удалённое MCP-действие связывает ваш Agent с сервером, обнаруживает инструменты, которые предлагает этот сервер, и позволяет выбрать, какие из них Agent может вызывать.

MCP, Model Context Protocol, — это стандартный способ для сервера предоставить набор инструментов AI. Сервер публикует имя каждого инструмента, его описание и принимаемые аргументы; любой MCP-клиент может перечислить эти инструменты и вызвать их. Когда ChatGPT или Claude предлагают те же серверы как connectors в настройках, за этим словом стоит именно этот механизм. В этом весь приём, и поэтому один экран подключения одинаково работает для сервера расписаний, сервера платежей и сервера документации.

Когда ваш Agent использует удалённый MCP-инструмент, происходят три вещи.

Трёхшаговый поток: модель выбирает инструмент, Quickchat AI применяет ваш whitelist и аутентификацию, сервер выполняет его. Весь обмен попадает в Inbox.

1. Ваш Agent, модель, выбирает инструмент. Он видит каждый включённый вами инструмент, каждый с описанием, написанным сервером, и решает, когда вызвать один из них, так же как решает использовать любое AI Action.
2. Quickchat AI применяет ваши правила. Перед отправкой он проверяет ваш whitelist инструментов, добавляет заголовки подключения или OAuth-токен, если они нужны серверу, и отклоняет любой адрес сервера, который разрешается во внутреннюю сеть.
3. Сервер выполняет инструмент и возвращает данные. Agent использует результат в ответе, а весь обмен записывается в Inbox.

В вызов инструмента попадают два вида значений, и позже важно их различать. Те, которые заполняет интеграция, детерминированы: URL сервера, заголовки и токены, в которых модель не может ошибиться. Те, которые заполняет модель, являются решениями по ситуации: аргументы конкретного инструмента, например поисковый запрос или имя репозитория, и модель может ошибиться. На этом разделении строится весь раздел о настройке.

Что изменилось в MCP в 2026 году

Если вы в последний раз читали о MCP, когда в каждом руководстве упоминался SSE, ситуация изменилась. Ревизия спецификации 2026-07-28 сделала ядро протокола stateless, убрала заголовок сессии из streamable HTTP и объявила старый транспорт HTTP-plus-SSE устаревшим с окном миграции (changelog короткий и стоит просмотра, а Claude добавил поддержку на той же неделе). Практическое следствие для вас простое: удалённый MCP-сервер теперь является обычным HTTPS-endpoint, с которым не сложнее работать, чем с любым другим веб-сервисом. Quickchat AI использует streamable HTTP и по-прежнему откатывается на устаревший SSE-транспорт, когда путь URL сервера заканчивается на /sse, поэтому старые серверы продолжают работать.

Три ревизии перевели удалённый MCP от пары SSE с сессиями к одному stateless HTTPS-endpoint. Скобка показывает 12-месячный период перехода для HTTP plus SSE.

Шаг 1: Создайте Agent и дайте ему базу знаний

Начните с рабочего агента поддержки, чтобы ему было на что отвечать самостоятельно до добавления живого инструмента.

Создайте бесплатный аккаунт и новый AI Agent, затем задайте ему имя (у нас это Hoist). В разделе Identity задайте его задачу в AI Main Prompt (полный prompt будет в шаге 4).

Страница Identity для Hoist. Имя и AI Main Prompt — это два поля, которые заполняет руководство; Guidelines содержат факты о продукте.

Затем добавьте короткую базу знаний: два плана Hoist и их лимиты, как получить API-ключ, регионы хранения и webhook upload.completed. Это базовый слой. На всё, на что Agent уже может ответить, он должен отвечать по этой базе. MCP-инструмент нужен только для вопросов, которые эта база знаний не может содержать.

Какой удалённый MCP-сервер подключить первым?

Выбирайте сервер, инструменты которого отвечают на вопросы, недоступные вашей базе знаний, и для первого подключения предпочтите сервер без ключа, чтобы закончить за один подход.

В вашем Agent откройте Actions & MCPs, нажмите Add Action и выберите MCP. Сначала вы увидите каталог: более 240 удалённых MCP-серверов с поиском и категориями, от расписаний и CRM до платежей, e-commerce и инструментов разработчика.

Каталог MCP: 242 сервера за одним полем поиска. Выбор плитки сразу запускает подключение.

На этом экране полезно знать три детали:

• Каждая плитка — это один клик. Выбор плитки заполняет URL сервера и сразу подключает его; сначала ничего настраивать не нужно.
• Значок искры означает «Tuned by Quickchat». Для таких серверов Quickchat AI поставляет рекомендованный набор инструментов: например, подключите Calendly, и из нескольких десятков инструментов включёнными будут только пять, действительно нужных агенту для расписаний, с разумными настройками по умолчанию, которые можно в любой момент восстановить через Use recommended.
• Каталог курируется, но не является исчерпывающим. Серверы, которым нужен URL конкретного магазина или экземпляра, подключаются через Enter a URL manually внизу, где принимается любой MCP-сервер в интернете.

Каталог ориентирован на серверы, которые полезны вашим клиентам. В этом руководстве мы используем DeepWiki из категории Search & web, и поскольку вопрос «какой сервер действительно стоит подключать» обычно обходят стороной в списках, вот наш список, протестированный, а не переписанный.

Восемь удалённых MCP-серверов без ключей, которые можно попробовать сегодня

Каждый из них ответил на реальный MCP-запрос initialize 28 августа 2026 года. Без аккаунта, без ключа: вставьте URL или нажмите плитку в каталоге, и вы подключены.

Имя каждого сервера ведёт на его официальную документацию. Помимо серверов без ключей, серверы с привязкой к аккаунту, о которых вы слышали (GitHub, Linear, Notion, Stripe, Sentry, Atlassian, PayPal, Canva), тоже работают; они аутентифицируются через всплывающее окно OAuth вместо ключа. Одно предупреждение из тестирования всего этого: несколько подборок «лучших MCP-серверов» распространяют endpoints, которые не отвечают, или домены, которые вообще не резолвятся, потому что списки копируют другие списки. Доверяйте URL, который отвечает на запрос initialize, или каталогу, который кто-то поддерживает, а не очередной подборке. Облачный сервер Notion — это хороший первый вариант с привязкой к аккаунту: подключение его к агенту справочного центра требует одного OAuth-подтверждения и двух включённых инструментов, а запись обратно в базу данных Notion показывает пользу отбора инструментов.

Подключите сервер одним кликом

Для сервера без ключа подключение является самым коротким шагом в руководстве.

Найдите DeepWiki в каталоге (поле поиска приведёт быстрее всего) и нажмите его плитку.

Поиск фильтрует каталог по мере ввода: один результат, один клик для подключения.

Quickchat AI связывается с сервером, проверяет, что он поддерживает MCP, и за несколько секунд показывает найденные инструменты.

Проверка выполняется: Quickchat AI проверяет, что сервер поддерживает MCP, и перечисляет его инструменты в пределах 20-секундного бюджета.

Когда проверка завершается, действие создаётся и включается автоматически. DeepWiki публикует три инструмента, и все три приходят включёнными, но лишние мы сейчас отключим.

Если вашего сервера нет в каталоге, нажмите Enter a URL manually. Вы получите то же подключение с двумя полями:

Ручной путь: MCP server URL, необязательные Connection headers для серверов с ключами и Connect.

• MCP server URL — это endpoint, в нашем случае https://mcp.deepwiki.com/mcp. Требуется HTTPS, а URL, который разрешается в частный или внутренний адрес, сразу отклоняется.
• Connection headers (optional) — это место для ключа, если он нужен серверу, например Key со значением Authorization и Value со значением Bearer YOUR_TOKEN. Quickchat AI хранит заголовок и добавляет его к каждому запросу на стороне сервера, поэтому токен никогда не появляется в prompt или разговоре.

Что, если сервер требует входа?

Многие из самых полезных серверов привязаны к аккаунту: расписания, платежи, CRM. Для них вообще не нужно вставлять ключ. Подключитесь к серверу вроде Calendly, и Quickchat AI обнаружит запрос OAuth-авторизации и проведёт вас через него:

Обнаружен OAuth-сервер: ключ вставлять не нужно, только Connect with Calendly и всплывающее окно подтверждения.

Нажмите Connect with Calendly, подтвердите доступ во всплывающем окне, и инструменты появятся так же, как в сценарии без ключа. Под капотом это OAuth 2.1 с dynamic client registration и PKCE: Quickchat AI регистрируется на сервере, обменивает одноразовые коды, хранит токены в зашифрованном виде и обновляет их за вас. В любой момент в действии можно нажать Reconnect или Disconnect, а если закрыть окно в середине авторизации, подключение продолжится с того места, где вы остановились.

Мы собрали полноценного агента на OAuth-сервере в отдельном руководстве: AI-ассистент для планирования встреч на MCP-сервере Calendly, который проверяет реальную доступность и бронирует реальные встречи.

Выберите, какие инструменты Agent может вызывать

Панель Tools — это место, где вы выдаёте минимально необходимые права, и это самый важный экран в руководстве.

Откройте только что созданное действие (Edit Action на его карточке) и найдите раздел Tools. В нём перечислены все инструменты, которые публикует сервер, с переключателем для каждого инструмента и счётчиком сверху.

Минимальные права в одной панели: ask_question включён, два других выключены, и Default tool activation выключен, чтобы будущие инструменты ждали вашей проверки.

DeepWiki публикует три:

Включите только ask_question. Два других не вредны, но каждый включённый инструмент — это ещё одна вещь, к которой модель может обратиться, ещё одно описание в её контексте и ещё одно поведение, которое нужно тестировать. Выключенный инструмент не существует для модели.

Затем выключите Default tool activation. Этот переключатель определяет, что будет с инструментами, которые сервер добавит в будущем: выключенное состояние означает, что новый инструмент останется выключенным до вашей проверки. Это важнее, чем кажется. Удалённый сервер — это программное обеспечение, которое обновляет кто-то другой; список инструментов, который вы одобрили сегодня, не является контрактом. Мир npm усвоил это болезненно, когда MCP-пакет с хорошими отзывами месяцами выпускал чистые релизы, а затем тихо добавил кражу электронных писем (инцидент postmark-mcp; подробнее в разделе о безопасности). Вы не можете провести аудит процесса релизов третьей стороны, но можете убедиться, что их новые возможности не попадут в ваш Agent незаметно. Этот переключатель даёт такую гарантию.

На сервере Tuned by Quickchat та же панель сразу открывается в рекомендованном состоянии: подключите Calendly, и пять из 36 его инструментов придут включёнными, остальные выключены, а Default tool activation уже выключен. Use recommended возвращает этот отобранный набор после экспериментов. Для больших серверов панель получает поле поиска, а Enable all и Disable all делают ровно то, что написано.

Сервер Tuned by Quickchat приходит заранее сокращённым: включены 5 из 36 инструментов Calendly, а Use recommended восстанавливает выбор после экспериментов.

Скажите Agent, когда использовать инструмент

Главный prompt — это единственное место, где вы контролируете, когда инструмент срабатывает и о чём спрашивает.

Вот часть, которая удивляет даже людей, хорошо знающих MCP: поля имени и описания действия являются метками для вас, и модель их никогда не читает. Модель читает описания инструментов, опубликованные сервером, плюс главный prompt вашего Agent. Мы проверили это по работающему коду и с помощью провокационного эксперимента, описанного в разделе настройки ниже. Поэтому управление происходит ровно в одном месте, которое вы контролируете. В разделе Identity вставьте это в AI Main Prompt и замените сведения о продукте на свои:

You are the support assistant for Hoist, a resumable file upload API for developers. Hoist gives developers a hosted, resumable upload endpoint plus storage. Customers upload files straight from their own web and mobile apps using the open-source tus-js-client library, which speaks the tus resumable upload protocol to Hoist.

Answer questions about Hoist itself (plans and limits, API keys, storage regions, webhooks, retention) from your knowledge. Be concise and friendly.

Many Hoist customers ask how the tus-js-client library they install in their app actually behaves: how it resumes after a dropped connection, how it fingerprints a file, how to set the chunk size or retry delays, and which options it supports. That behavior lives in the library's source code, not in Hoist's docs. When a visitor asks a detailed question about how tus-js-client works, call the ask_question tool with repoName "tus/tus-js-client" and their question, then answer using what it returns, relating it back to using Hoist. Do not use the tool for questions about Hoist's own product, pricing, or account settings.

Две вещи в этом prompt выполняют основную работу. Он называет точный репозиторий (tus/tus-js-client), потому что repoName является аргументом, который модель заполняет при каждом вызове, и одно предложение превращает этот вывод в константу (раздел настройки измеряет, насколько хорошо вывод держится без него). И он ограничивает область инструмента вопросами о внутреннем поведении библиотеки, чтобы Agent продолжал отвечать на вопросы о самом Hoist из своей базы знаний.

Есть ещё одна вещь, которую видит модель и которую не показывает ничей prompt: когда у Agent есть подключённые инструменты, Quickchat AI добавляет в system prompt короткий постоянный раздел Connected Action Tools с общими правилами хорошего использования инструментов. Ваш prompt находится поверх этой политики, поэтому вы задаёте «когда» и «что», а платформа отвечает за «как».

Протестируйте и посмотрите, как происходит вызов инструмента

Задайте вопрос, на который может ответить только исходный код библиотеки, затем откройте разговор и прочитайте вызов.

В AI Preview спросите: “A user’s wifi drops halfway through an upload. How does tus-js-client resume it?” Agent отвечает фактическим механизмом, затем связывает его с Hoist.

Два случая в одном треде: ответ о библиотеке связывается с Hoist, а на вопрос о продукте ниже Agent отвечает из базы знаний, без вызова инструмента.

Чтобы доказать, что он использовал инструмент, а не придумал ответ, откройте разговор в вашем Inbox и разверните запись actions called.

Честная запись: ask_question с точными repoName и question, которые написала модель, живым результатом и длительностью вызова.

Вы видите имя инструмента, точные аргументы, которые написала модель (repoName и question), живой результат и время выполнения вызова. Это честная запись: Agent вызвал реальный инструмент на реальном сервере и ответил на основе того, что вернулось.

Карточка действия тоже ведёт счёт: текущий итог вызовов, доля успешных и время последнего срабатывания.

Карточка действия ведёт счёт: вызовы, доля успешных и время последнего срабатывания инструмента.

Откройте View logs на карточке, чтобы увидеть полную запись: общее число вызовов, долю успешных вызовов, среднюю задержку и каждый недавний вызов с отправленными параметрами и полученным ответом.

View logs: общие итоги сверху и каждый недавний вызов с отправленными параметрами и полученным ответом.

Теперь задайте вопрос о продукте, например “What is the maximum file size on the free plan?”. Инструмент не вызывается, а Agent отвечает из своих знаний. Инструмент нужен для вопросов, которые база знаний не может содержать, и не мешает тем, которые она может покрыть.

Как настроить удалённый MCP-инструмент?

Цикл такой же, как для любого AI Action: отправьте сообщение, прочитайте запись вызова, измените одну вещь, запустите снова. Отличается то, какой рычаг реально меняет поведение.

Когда удалённый MCP-инструмент ведёт себя неправильно, есть три рычага, и только два из них ваши:

• Собственное описание инструмента приходит с сервера. Вы не можете его редактировать.
• Whitelist инструментов решает, какие инструменты вообще существуют для Agent.
• Главный prompt Agent решает, когда он обращается к инструменту и что передаёт.

Вот что сработало, а что нет, по итогам реальных запусков.

Рычаг управления — это prompt, а не имя действия. Чтобы сделать это очевидным, мы вписали в описание действия «IGNORE THIS TOOL. Never call it.» и снова задали вопросы о библиотеке. Agent всё равно вызвал ask_question, в 2 запусках из 2. Модель никогда не видит это поле; инструкции, которые она читает, — это собственные описания инструментов сервера и ваш главный prompt. Управляйте через prompt.

Назовите репозиторий, иначе модель должна его вывести. repoName — это аргумент, который модель заполняет при каждом вызове. Мы пытались заставить её ошибиться: без фиксирующего предложения 5 из 5 вызовов всё равно разрешились в tus/tus-js-client, а когда фиксирующее предложение было удалено и вопросы были переформулированы так, как реально говорят посетители (“your JavaScript upload library”, без названия библиотеки), она всё равно выбрала правильный репозиторий в 5 из 5 запусков. При подготовке июльской версии этого руководства та же самая настройка выдумала несуществующий репозиторий и получила от DeepWiki “Repository not found”. Сегодняшние модели просто лучше справляются с выводом, и мы не смогли воспроизвести сбой за десять попыток. Всё равно фиксируйте значение. Одно предложение в prompt превращает догадку, которую модель должна повторять при каждом вызове, в константу, которую она копирует. Это ничего не стоит и переживёт следующую замену модели. Для MCP-инструментов нет поля переопределения на уровне аргумента, и оно не нужно; это предложение и есть фиксация.

Читайте результат, а не только ответ. Запись Inbox и Request log показывают, что сервер действительно вернул, и настраивать нужно с этого уровня. Вызов, транспорт которого сработал, всё равно может содержать ошибку или ответ не по теме в своём содержимом, а поскольку неудачный вызов инструмента возвращается модели, а не обрывает ответ, Agent часто выдаёт правдоподобную фразу восстановления в любом случае. Запись подсказывает, к какому рычагу обратиться: отсутствие вызова указывает на prompt или whitelist, вызов с неправильными аргументами указывает на значение, которое стоит зафиксировать, а хороший результат при плохом ответе возвращает к prompt.

Могут ли результаты инструмента использоваться в последующих ответах? Save to memory

Для инструментов, которые возвращают структурированные данные, вы можете сохранять значения из каждого результата в память разговора, где Agent сможет использовать их позже.

Разверните любую строку инструмента в панели Tools, и вы найдёте Save to memory: список правил JSONPath, каждое сопоставляет путь в результате инструмента с ключом памяти, до десяти на инструмент.

Инструмент бронирования Calendly поставляется с тремя заранее заполненными правилами захвата: URI события, ссылка отмены и ссылка переноса попадают в память разговора.

Инструменты DeepWiki возвращают прозу, поэтому в нашей сборке Hoist нечего захватывать, и редактор остаётся пустым. Лучше всего это работает с транзакционными серверами. На курируемом сервере Calendly инструмент бронирования приходит с тремя заранее заполненными правилами: когда Agent бронирует встречу, URI события, ссылка отмены и ссылка переноса сохраняются. Попросите отменить через три сообщения, и Agent уже держит точную ссылку отмены, без повторного поиска и без догадок. Захваченные значения становятся частью данных разговора, которые читает модель, что является ближайшим аналогом передачи вывода одного MCP-инструмента в аргументы следующего.

Две детали для тех, кто думает о безопасности, потому что функция строилась под конкретную атаку. Захваченные значения живут в пространстве имён, которым владеет серверная сторона, поэтому посетитель не может подделать их, напечатав что-то похожее на запись памяти. А неудачный захват (изменилась структура результата или путь ничего не нашёл) никогда не лишает модель результата инструмента; ответ продолжается, а захват просто пропускается.

Тестируйте в масштабе с Simulations

Один разговор доказывает, что инструмент срабатывает. Чтобы проверить, что Agent обрабатывает целый набор вопросов так, как вам нужно, используйте Simulation Testing во вкладке Testing.

Соберите небольшой набор данных, который смешивает два случая: вопросы о внутреннем поведении библиотеки, где нужно использовать инструмент, и вопросы о продукте, на которые Agent должен отвечать из знаний. Дайте оценщику критерии оценки и включите в них реальные факты о продукте, чтобы он мог отличить правильный план или регион от выдуманного. Затем запустите набор и прочитайте оценки.

Запуск из пяти вопросов: 4.8 из 5 в целом, с оценкой каждого ответа и обоснованием от модели-судьи для каждого.

Наш запуск из пяти вопросов получил 4.8 из 5: полные баллы за оба ответа о продукте и за объяснения возобновления и размера чанка, с ответом о повторных попытках, сниженным до 4. Оценка проверяет ответ Agent, а не сам вызов инструмента, поэтому используйте его вместе с Inbox: запись Inbox доказывает, что инструмент сработал с правильными входными данными, а Simulation показывает, что ответ выдержал много вопросов сразу.

Перед запуском учтите две издержки. Каждое симулированное сообщение засчитывается в месячный лимит AI messages вашего плана, так же как реальный разговор. И Simulation по-настоящему задействует вашего Agent, а значит активные MCP-инструменты действительно срабатывают во время запуска. Это безвредно для read-only инструмента вроде ask_question; это нужно учитывать перед симуляцией агента, инструменты которого пишут в календарь или платёжную систему.

Безопасно ли подключаться к MCP-серверу?

Также проверьте, кому принадлежит подключённая учётная запись. Вход в агента и авторизация его внешних инструментов являются отдельными границами; практический тест доступа показывает, как их различать.

Безопасность держится на whitelist и выборе правильного типа сервера, а не на prompt.

• Whitelist по принципу минимальных прав. Agent может вызывать только инструменты, которые вы включаете. Включите один нужный, и при выключенном Default tool activation инструмент, который сервер добавит позже, останется выключенным до вашей проверки. Для read-only сервера вроде DeepWiki максимум, что может сделать разрешённый ask_question, — это читать публичные данные. Инцидент OpenAI Hugging Face даёт тот же урок на уровне передовой AI-лаборатории: агенты, получившие больше доступа, чем требовалось их задаче, нашли ему применение.
• Относитесь к серверу как к цепочке поставок. Вы доверяете чужому коду и чужому процессу релизов. Предпочитайте официальные серверы, запущенные самой компанией, чьи данные они предоставляют, читайте список инструментов перед включением и пусть выключенный по умолчанию переключатель поглощает всё, что они выпустят дальше. Инцидент postmark-mcp, пятнадцать чистых релизов, а затем BCC атакующему в шестнадцатом, — это пример, который стоит помнить.
• Не кладите секреты в prompt. Если серверу нужен токен, поместите его в заголовок подключения или используйте OAuth-авторизацию, где Quickchat AI хранит зашифрованные токены за вас. В обоих случаях секрет добавляется на стороне сервера, и модель его никогда не видит, поэтому он не может утечь через разговор.
• Внутренние адреса заблокированы. Quickchat AI отказывается подключать MCP-действие к частному, loopback- или link-local-адресу и применяет ту же проверку к каждому endpoint, который объявляет OAuth-сервер, поэтому URL сервера нельзя превратить в способ добраться до чего-то внутри сети.
• Медленные серверы не могут застопорить Agent. Каждое подключение ограничено: 10 секунд на подключение, 20 секунд на чтение, внутри 20-секундного бюджета на сервер на один ответ. Вызов инструмента, который не удался или вышел по тайм-ауту, возвращается модели как ошибка, поэтому Agent объясняет, что не смог проверить, вместо того чтобы оборвать ответ на полуслове.
• Знайте один честный предел. В отличие от API Action, у MCP-инструмента нет условия запуска на уровне разговора: нельзя сказать «запускай этот инструмент, только если посетитель является подтверждённым администратором». Whitelist применяется к инструменту для всех. Если сервер предоставляет инструмент записи или удаления, который нужно ограничить по тому, кто спрашивает, не включайте его здесь. Соберите эту одну операцию как API Action с условием Run only when и оставьте MCP-подключению read-only работу.

И сопротивляйтесь желанию подключить всё. Каждый включённый инструмент добавляет своё описание к тому, что модель взвешивает в каждом ответе, а опубликованные измерения показывают, что выбор инструментов рушится с ростом количества: почти идеален на двадцати инструментах, непригоден после сотни. Консенсус практиков, несколько серверов на агента, совпадает с тем, что видим мы. Один удачно выбранный сервер с одним удачно выбранным инструментом, то есть ровно то, что строит это руководство, работает лучше стены переключателей.

Пусть ChatGPT или Claude соберёт это за вас

Всё описанное выше — это клики и вставка. Если вы предпочитаете описать задачу, а не выполнять её, передайте это руководство AI-ассистенту, подключённому к вашему аккаунту Quickchat AI.

У Quickchat AI есть собственный MCP-сервер для управления аккаунтом: нажмите Manage your AI прямо под переключателем Agent в боковом меню панели управления, чтобы открыть вкладки подключения для ChatGPT, Claude, Claude Code, Cursor и Codex. В ChatGPT можно вообще обойтись без панели управления: установите приложение Quickchat AI для ChatGPT напрямую и войдите, когда он попросит. После подключения ассистент может создавать агентов, писать базы знаний, настраивать действия, включая MCP-подключения, читать разговоры и запускать Simulations, при этом ваша роль и шаги подтверждения учитываются к каждому вызову.

Manage your AI: вкладки подключения для ChatGPT, Claude, Claude Code, Cursor и Codex. Один вход, без API-ключа.

Затем вставьте такой prompt в подключённого ассистента:

Using my Quickchat AI account, build the agent from the guide at quickchat.ai/post/connect-ai-agent-to-mcp-server.

Create an AI Agent named Hoist for a resumable file-upload API for developers. Write it a short knowledge base: two plans (Free: 5 GB storage, 2 GB max file, 30 day retention; Pro at $29/month: 500 GB storage, 50 GB max file, unlimited retention), API keys under Settings, EU and US storage regions, and an upload.completed webhook.

Connect the remote MCP server https://mcp.deepwiki.com/mcp with only the ask_question tool enabled.

Set the main prompt so the agent answers Hoist questions from its knowledge, and calls ask_question with repoName "tus/tus-js-client" for questions about how the tus-js-client library behaves.

Then create a simulation dataset with two library questions and two product questions, run it, and report the scores.

MCP-часть этого сценария работает на двух инструментах, которые сервер Quickchat AI предоставляет именно для этого: list_remote_mcp_server_tools предварительно показывает инструменты, предлагаемые сервером, до создания чего-либо, а create_remote_mcp_action подключает сервер со списком разрешённых инструментов по принципу минимальных прав, активированным и готовым к работе. Ассистент сообщает, что он включил и почему, то есть ту же информацию, которую вы прочитали бы в панели Tools. А когда вы затем входите, Quickchat AI замечает, что аккаунтом уже управляют через MCP, и полностью пропускает онбординг Getting Started: панель управления открывается сразу на агенте, созданном вашим ассистентом.

Одна заметка по устранению неполадок для пути ChatGPT: если всплывающее окно входа открывается пустым, временно отключите блокировщик рекламы для chatgpt.com. Популярная эвристика блокировщиков ломает все всплывающие окна коннекторов ChatGPT, включая наш, и блокировка происходит полностью на странице ChatGPT.

Если вы предпочитаете скрипт, REST-маршрут требует ровно два вызова с API-токеном (план Business):

POST https://app.quickchat.ai/v1/api/ai_actions/remote_mcp
Authorization: Bearer YOUR_API_TOKEN
{"name": "DeepWiki", "remote_mcp_url": "https://mcp.deepwiki.com/mcp", "headers": [], "allowed_tools": []}

PATCH https://app.quickchat.ai/v1/api/ai_actions/ACTION_ID
Authorization: Bearer YOUR_API_TOKEN
{"is_active": true}

Запрос на создание возвращает действие с включённым default_tool_is_active, поэтому инструменты, обнаруженные во время ответа, работают сразу; затем ужесточите whitelist в панели управления или передайте allowed_tools явно.

Выход в продакшен

Когда Agent ведёт себя в AI Preview правильно, а Inbox показывает ожидаемые вызовы, разверните его.

MCP-действие принадлежит Agent, а не каналу, поэтому тот же инструмент работает в виджете на вашем сайте, WhatsApp, Discord, Slack и везде, куда вы поместите Agent. Помните, что каждый разговор, включая те, которые вы запускаете в AI Preview во время тестирования, учитывается в месячных AI messages вашего плана.

Один протокол, три направления

«MCP» встречается в Quickchat AI в трёх разных местах, и их смешение — это самый частый источник путаницы, который мы видим в обращениях в поддержку. Это руководство покрывало первую строку:

Один протокол, три направления. Это руководство — верхняя дорожка; по двум другим строкам есть отдельные руководства.

Подключение вашего Agent к серверу даёт ему живые инструменты, что мы только что собрали. Обратное направление, предоставление вашего Agent в качестве MCP-сервера, позволяет ChatGPT, Claude и Cursor вызывать вашего Agent как инструмент и отвечать из вашей базы знаний. А управление аккаунтом через MCP — это путь «соберите с помощью AI» из предыдущего раздела, направленный на вашу панель управления вместо ваших посетителей.

Связанные руководства

Тот же механизм AI Actions подключает Agent к любому инструменту или API. Другие пошаговые руководства:

• Сделайте действия вашего AI Agent надёжными, подробно о дисциплине настройки
• Подключите ваш AI Agent к Google Sheets
• Подключите ваш AI Agent к HubSpot

Подробнее о самом протоколе: GPT Actions против MCP, MCP против обычных HTTP API и API для AI-агентов.

Часто задаваемые вопросы

Что такое удалённый MCP-сервер и чем он отличается от локального?

Удалённый MCP-сервер — это сервер инструментов, доступный по HTTPS на публичном URL, который запускает кто-то другой и который не требует установки; потребительские AI-приложения, такие как ChatGPT и Claude, показывают те же серверы как коннекторы в настройках. Локальный MCP-сервер — это процесс на вашем компьютере, который могут использовать только клиенты на этом компьютере. Размещённому в облаке AI-агенту для клиентов нужен удалённый вариант: фиксированный URL, который он может вызывать из облака в каждом разговоре.

Использует ли MCP HTTP? Что случилось с SSE?

Да. Начиная с ревизии спецификации 2026-07-28, удалённый MCP-сервер является обычным stateless HTTPS-endpoint, использующим streamable HTTP, а старый транспорт HTTP-plus-SSE объявлен устаревшим с окном миграции. На практике вы вставляете один URL. Quickchat AI использует streamable HTTP и по-прежнему откатывается на SSE для устаревших серверов, путь URL которых заканчивается на /sse.

Как мой AI-агент узнаёт, какие инструменты предлагает MCP-сервер?

Он спрашивает сервер. MCP определяет запрос tools/list: клиент подключается к URL сервера, а сервер отвечает именем, описанием и входной схемой каждого инструмента. В Quickchat AI это обнаружение выполняется при подключении, поэтому инструменты появляются как список переключателей, а агент заново считывает живой список инструментов во время ответа.

Можно ли подключить MCP-сервер без написания или хостинга кода?

Да. Подключение — это клик в каталоге или вставка URL плюс включение нужных инструментов. Все значения в этом руководстве можно просто скопировать и вставить, и ни на одном плане не нужно писать, хостить или разворачивать код.

Это бесплатно?

Да. MCP-действия доступны на каждом плане Quickchat AI, включая бесплатный, а подключённый MCP-сервер считается одним действием в лимите 15 AI Actions на агента. Создание API-токенов для REST-маршрута — это единственная часть, для которой нужен план Business.

Нужен ли OAuth, или есть MCP-серверы без аутентификации?

Существуют оба типа. Серверы документации и поиска, такие как DeepWiki, Context7 и Microsoft Learn, открыты: вставьте URL, и вы подключены. Серверы, привязанные к аккаунту, такие как Calendly, Notion или Stripe, используют OAuth: вместо вставки ключа открывается всплывающее окно, вы подтверждаете доступ, и Quickchat AI сохраняет токены. Обычный API-ключ в заголовке подключения также работает для серверов, которые его используют.

Я подключил MCP-сервер. Как им реально пользоваться?

Скажите агенту, когда к нему обращаться. Добавьте один абзац в AI Main Prompt с ситуациями, в которых инструмент полезен, и значениями, которые нужно передавать, затем задайте соответствующий вопрос в AI Preview. Подключение даёт агенту возможность; prompt даёт повод.

Почему мой агент не вызывает MCP-инструмент?

Почти всегда по одной из трёх причин: инструмент выключен в панели Tools действия, главный prompt никогда не говорит агенту, когда его использовать, или заданный вопрос уже покрыт базой знаний, поэтому у агента нет причины делать внешний вызов. Сначала проверьте панель Tools, затем добавьте явные указания в prompt, затем протестируйте вопросом, на который база знаний точно не может ответить.

Сколько MCP-серверов стоит подключать к одному агенту?

Меньше, чем кажется. Описание каждого включённого инструмента загружается для модели в каждом ответе, а опубликованные тесты показывают, что выбор инструментов ухудшается по мере роста числа инструментов: почти идеальная точность примерно на 20 инструментах полностью рушится после 100. Практики сходятся во мнении, что агенту хватает нескольких серверов. Подключайте один или два сервера, которые действительно нужны вашему агенту, и включайте только используемые инструменты.

Как ограничить, что может делать подключённый MCP-сервер?

Включайте только нужные агенту инструменты в панели Tools и выключайте Default tool activation, чтобы инструмент, добавленный сервером позже, оставался выключенным до вашей проверки. Агент никогда не сможет вызвать инструмент, который вы не включили. Храните учётные данные в заголовках подключения, а не в prompt, и закрывайте действительно чувствительные операции записи через API Action с условием запуска, а не через MCP-инструмент.

Может ли ChatGPT или Claude собрать эту настройку Quickchat AI за меня?

Да. Подключите ваше AI-приложение к собственному MCP-серверу Quickchat AI из панели управления, затем попросите его создать агента, написать базу знаний, подключить MCP-сервер и запустить тесты. Также есть REST-маршрут: создание MCP-действия — это один POST плюс один PATCH с API-токеном.

Что происходит, если MCP-сервер медленный или недоступен в середине разговора?

Разговор не зависает. Quickchat AI ограничивает каждый сервер короткими тайм-аутами, 10 секунд на подключение и 20 секунд на чтение, внутри 20-секундного бюджета на сервер для каждого ответа. Неудачный вызов или вызов с тайм-аутом возвращается модели как ошибка, поэтому агент отвечает без инструмента и объясняет, что не смог проверить. Inbox записывает неудачный вызов.