Expert AI Layer и MCP
MCP, Model Context Protocol, задаёт стандартный способ подключения AI-приложения к инструментам и знаниям. Expert AI Layer предоставляет поддерживаемый профессиональный контекст, который AI-приложение должно применять.
MCP может быть интерфейсом между AI-клиентом и экспертным знанием, но не заменяет модель знаний, управление, стратегию поиска, оркестрацию и владельца экспертизы.
Что такое MCP?
MCP — протокол подключения AI-хостов и клиентов к серверам, которые предоставляют ресурсы, инструменты и промпты. AI-приложение может обнаруживать доступные возможности и запрашивать сведения или операции.
Реализация зависит от сервера и клиента, но архитектурное различие важно: MCP определяет способ подключения, а не профессиональный смысл подключённого знания.
Что MCP даёт AI-системе
- стандартное соединение с внешними возможностями;
- доступ к выбранным ресурсам и знаниям;
- инструменты поиска, чтения и контролируемых операций;
- промпты, помогающие AI использовать подключение;
- границу между AI-приложением и сервером знаний или инструментов.
Это позволяет подключить AI-клиент к поддерживаемому Expert AI Layer, не встраивая все знания в модель или одно приложение.
Чего MCP не определяет
MCP не решает, какое содержание является принятым знанием, кто владеет им, актуально ли правило, как работают исключения и когда решение должен подтвердить человек.
Он также не заменяет модель экспертных знаний, статусы и версии, семантический и точный поиск, права и изоляцию организаций, оркестрацию агентов, рассуждение модели и ответственность человека.
Как MCP и Expert AI Layer работают вместе
Знания эксперта и компании → Expert AI Layer: структура, статус, область и связи → Noda MCP server: контролируемые ресурсы и инструменты → MCP-клиент и AI-хост → ответ, рекомендация или действие.
Сервер должен возвращать контекст для конкретной задачи, а не неотфильтрованный архив. Expert AI Layer определяет смысл контента, MCP делает выбранный контент доступным.
MCP как интерфейс к знаниям
Сервер знаний может открыть операции поиска и чтения, чтобы AI-клиент запросил релевантный материал. Ответ должен при необходимости указывать статью, категорию, статус и источник.
Поиск должен отличать принятое знание от черновика, отклонённого или заменённого материала и учитывать права пользователя на категорию и операцию.
Поиск принятого знания
AI-клиент может задать широкий вопрос, но сервер должен применить детерминированные фильтры, область категории, область организации и правила доступа до выдачи результатов.
Одной семантической близости недостаточно: похожая, но устаревшая или недоступная статья не является безопасным ответом.
Почему MCP-инструмент не должен возвращать всё
Универсальный инструмент «дай все знания» создаёт огромный контекст, усиливает противоречия и скрывает причину выбора результата.
Узкие инструменты дают более ясные запросы и предсказуемые права. Инструмент поиска возвращает кандидатов и метаданные, а инструмент чтения — запрошенную принятую статью или явно сообщает, что применимого знания нет.
Ресурсы, инструменты и промпты
Ресурсы
Ресурсы предоставляют стабильное понятное человеку знание и справочные материалы без выполнения операции.
Инструменты
Инструменты выполняют определённый запрос: поиск, чтение, предложение или контролируемое изменение. Их названия и входы должны отражать узкую задачу.
Промпты
Промпты могут направить AI сначала искать, сообщать о пробелах, указывать использованное знание или просить проверки. Они не заменяют экспертное содержание.
Пример взаимодействия
- Пользователь спрашивает AI, как обработать случай клиента.
- AI ищет подходящую категорию Noda через MCP.
- Сервер фильтрует организацию, права, статус и область.
- AI читает принятый метод, правило и связанное исключение.
- AI запрашивает недостающий факт.
- AI готовит ответ или рекомендацию.
- Если права на действие нет, AI сообщает о необходимом согласовании.
Что происходит, если знания нет?
Сервер не должен возвращать уверенную замену, когда применимого принятого знания нет. Он должен сообщить об отсутствии, указать недостающую категорию или условие и позволить AI задать точный вопрос или передать задачу.
Пробел может стать предложением для проверки эксперта, но не должен автоматически превращаться в принятую статью.
Доступ и безопасность
Права нужно проверять на сервере, а не только описывать в промпте. Сервер должен проверить организацию, ключ доступа, категорию, операцию и запрошенную статью до выдачи контента.
Права чтения и записи должны различаться. Доступ к категории не даёт автоматически права предлагать, утверждать, удалять или менять её.
Read, Suggest и Govern
- Read: поиск и чтение принятого знания для задачи AI.
- Suggest: предложение статьи, исправления, связи или исключения для проверки.
- Govern: утверждение, отклонение, обновление, восстановление или удаление при явном разрешении.
AI не должен утверждать собственные черновики.
Один сервер или несколько?
Один Noda MCP server может обслуживать несколько категорий и AI-клиентов, если разделены организация, права и операции. Отдельные серверы или шлюзы могут понадобиться для разных сред безопасности и организационных границ.
Выбор зависит от доступа, масштаба, аудита и требований эксплуатации.
Почему важны категории
Категории задают границы экспертного контекста. Они ограничивают поиск и чтение, отделяют несвязанные знания, назначают владельцев доменов и позволяют измерять работу конкретного AI-процесса.
Категория полезнее универсального потока, потому что связывает содержание с областью и ответственностью.
Как проектировать MCP-инструменты
- Делайте задачи узкими.
- Разделяйте поиск, чтение, предложения и управление.
- Возвращайте статус и идентификаторы.
- Явно сообщайте об отсутствии результата.
- Фильтруйте на сервере, а не надейтесь на промпт.
- Отделяйте черновик от принятого знания.
- Поддерживайте аудит чтений, предложений и изменений.
MCP не заменяет оркестрацию и модель данных
MCP соединяет клиента и сервер. Оркестрация решает, когда искать, как объединять результаты, когда задать вопрос и когда вызвать инструмент.
Модель данных определяет статьи, категории, связи, статусы, владельцев и версии. Надёжной системе нужны все три элемента: осмысленная модель знаний, соединение и ответственный AI-процесс.
Как Noda поддерживает архитектуру
Sekura Noda может выступать поддерживаемым Expert AI Layer и открывать контролируемые операции знаний через MCP. Роль Noda — не только переносить текст, но и сохранять статьи, категории, статусы, связи, ключи доступа и операции в области организации.
Типичные ошибки
- Называть MCP базой знаний.
- Создавать один универсальный инструмент.
- Разрешать AI утверждать собственные черновики.
- Возвращать отклонённый материал как обычный результат.
- Не фильтровать на сервере.
- Считать рабочее подключение завершённым продуктом.
Часто задаваемые вопросы
Обязателен ли MCP для Expert AI Layer?
Нет. MCP — один из способов подключения. Слой может использовать другие интерфейсы, а MCP даёт стандартный способ открыть знания и инструменты.
Может ли MCP-сервер сам хранить знания?
Да, но хранение не равно экспертному управлению. Всё равно нужны статус, владелец, область, связи и проверка.
Что сделать ресурсом, а что инструментом?
Ресурс подходит для стабильного контента и справки, инструмент — для определённой операции поиска, чтения, предложения или управляемого изменения.
Может ли один сервер обслуживать несколько моделей?
Да, если одинаково соблюдаются доступ, категории, операции и область организации.
Нужно ли указывать версию протокола?
Технические страницы должны указывать версию и проверять детали по актуальной официальной спецификации перед публикацией.
Заключение
MCP подключает AI-приложения к знаниям и инструментам. Expert AI Layer даёт профессиональный контекст, правила, методы, исключения, статусы и границы, делающие подключение полезным.
Используйте MCP как контролируемый интерфейс к экспертным знаниям, а не как замену модели знаний или управлению человека.