MCP Gateway: когда инструменты перестают быть интеграцией и становятся архитектурой

Вот важная новость с фронта ИИ: runity 17 минут назад MCP Gateway: когда инструменты перестают быть интеграцией и становятся архитектурой Средний 10 мин 571 Блог компании Рунити Искусственный интеллект Серверное администрирование * Серверная оптимизация * Облачные сервисы * Кейс Привет, Хабр! Меня зовут Илья Гуляев, я работаю в команде Рег. облака над облачными решениями.

А в свободное время ковыряю MCP — Model Context Protocol, про него и будет текст. Про сам протокол на Хабре уже написано много, а вот про то, что начинается, когда MCP-серверов в инфраструктуре становится десяток, пока почти ничего. Спойлер: там начинается самое сложное и интересное.

Технические детали

Каждый сервер приносит свои инструменты, описание каждого инструмента улетает в системный промпт LLM, и контекстное окно тает на глазах. На стенде с несколькими серверами и почти шестью десятками инструментов я насчитал около 30 тысяч токенов только на описания — без полезной нагрузки, без пользовательских данных, без истории диалога. И это до того, как я вспомнил про сессии, уведомления и согласование версий протокола.

В этой статье расскажу, как я это разруливаю: ставлю GraphQL-шлюз поверх MCP, прячу за ним десяток серверов и отдаю клиенту один виртуальный MCP вместо десятка настоящих. Будет немного теории, немного архитектуры и пара компромиссов, которые я выбрал сознательно. Проект открытый — исходники лежат в репозитории: Можно поднять локально и потыкать.

Навигация по тексту:Откуда вообще взялся MCPАрхитектура и lifecycleTools под микроскопомЧто не так с масштабированиемРешение: MCP gateway на основе GraphQLDiscovery и Execute на GraphQLКак это собрано у меняА батчинг вообще работает? Короткий экспериментЧто еще можно надстроитьЧто бы я унес из этой историиОткуда вообще взялся MCPMCP появился, чтобы закрыть простой разрыв: ИИ-модели хорошо рассуждают, но сами по себе не имеют прямого доступа к базам данных, файлам или внешним программам. Сначала подход ReAct научил модель чередовать рассуждение и действие.

Отраслевые последствия

Дальше пришел function calling в OpenAI. Через него LLM вызывала внешние функции прямо из своего рантайма — меняла состояние, ходила в базу, дергала интеграции. Все это жило монолитом внутри одной системы.

MCP взял ту же идею и вытащил ее в веб. Грубо говоря, монолит инструментов превратился в набор микросервисов, с которыми клиент общается по сети. Идея зашла: SDK для разных языков скачивают больше 97 миллионов раз в месяц (Python и TypeScript SDK, по данным Anthropic, декабрь 2025), и темп только растет.

Поэтому проблема масштабирования — не теоретическая. Сам протокол двунаправленный и работает поверх двух актуальных транспортов: stdio (локальный subprocess) и Streamable HTTP (POST + SSE). Старый отдельный HTTP+SSE-транспорт — legacy, его заменил Streamable HTTP.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.