Главная мысль урока: возможности агента определяются не «умом модели», а набором инструментов — и качество этого набора решает больше, чем кажется. Хороших инструментов должно быть мало, описаны они должны быть как для новичка, а подключаются к любым приложениям через единый стандарт — MCP. Кто понимает это, тот понимает, откуда у агентных приложений берутся возможности — и за что они платят контекстом.
Инструмент — это договор между моделью и миром
Из урока 1 вы помните: модель не выполняет действия сама — она возвращает запрос «выполни инструмент X с параметрами Y», а исполняет его обвязка. Технически каждый инструмент — это три вещи:
Название — например, send_email;
Описание — что инструмент делает, когда его использовать;
Схема параметров — какие поля передавать (кому, тема, текст).
Всё это лежит в контексте модели постоянно (вы видели этот «налог» в практике урока 2). И вот ключевой момент, который меняет взгляд на проектирование: модель выбирает инструмент, читая его описание — как человек, впервые видящий меню.
Anthropic формулирует это так: описание инструмента нужно писать, как для нового сотрудника в первый день работы — без жаргона, с примерами, с указанием, когда инструмент не подходит. Расплывчатое описание — главная причина, по которой агент «не догадался» использовать нужную функцию. (Anthropic, Writing Effective Tools for Agents, сент. 2025)
Меньше — лучше: почему 50 инструментов хуже, чем 10
Интуиция подсказывает: чем больше у агента инструментов, тем он способнее. Практика 2025–2026 показала обратное. Каждый лишний инструмент:
ест контекст — описания висят в окне постоянно (привет, урок 2);
создаёт путаницу — чем больше похожих опций, тем чаще модель выбирает не ту: три разных инструмента «поиска» собьют с толку и человека;
умножает ошибки — больше схем, больше способов вызвать что-то неправильно.
Поэтому стандарт проектирования — немного инструментов, каждый покрывает целый рабочий сценарий, возвращает компактный осмысленный результат. Anthropic проверила это на себе: когда Claude сам тестировал и переписывал описания своих инструментов, время решения задач упало на 40% — только за счёт более ясных «договоров». (там же)
📋 Чеклист хорошего инструмента (по Anthropic)
Описание понятно «новому сотруднику»: что делает, когда применять, когда — нет.
Покрывает осмысленный сценарий целиком, а не микрошаг (не get_user_id + get_user_name + …, а get_user_profile).
Возвращает компактный результат: сводку, а не мегабайт сырых данных в окно (помним про context rot).
Ошибки отвечают подсказкой: не «error 404», а «клиент не найден — проверьте email или используйте search_clients».
Название различимо: в наборе нет трёх инструментов, делающих почти одно и то же.
MCP: один разъём вместо ящика переходников
До конца 2024 года каждый, кто хотел подключить к LLM-приложению свою CRM или базу данных, писал интеграцию заново — под каждое приложение свою. В ноябре 2024 Anthropic предложила MCP (Model Context Protocol) — открытый стандарт: опиши свои инструменты один раз в виде MCP-сервера, и любое совместимое приложение сможет ими пользоваться. Метафора индустрии — «USB-C для AI». (официальная документация MCP)
Дальше случилось редкое: стандарт победил. В 2025 его приняли конкуренты — OpenAI (ChatGPT), Google (Gemini), Microsoft (Copilot), Cursor, VS Code. В декабре 2025 Anthropic передала протокол в нейтральный фонд под Linux Foundation — теперь это общая собственность индустрии, как HTTP. На июнь 2026: более 10 000 публичных MCP-серверов, ~97 млн скачиваний SDK в месяц. (WorkOS, обзор MCP 2026, официальный roadmap MCP)
До MCP (2024)
Интеграция = код под конкретное приложение
CRM для Claude — одна работа, для ChatGPT — другая
Стандарт под Linux Foundation, поддержан всеми крупными вендорами
Для вас это означает простую вещь: когда вы заказываете приложение, фраза «подключим через MCP» = «возьмём стандартный разъём, не будем изобретать велосипед». А если для нужного сервиса MCP-сервера нет — Claude Code может написать свой: это обычная небольшая программа.
Обратная сторона: у каждого разъёма есть цена
MCP сделал подключение лёгким — и это породило новую проблему: люди подключают десятки серверов «на всякий случай», и описания сотен инструментов съедают окно ещё до начала работы (вы видели это в /context).
Индустрия отвечает приёмами вроде «код вместо вызовов»: агент пишет небольшой скрипт, который сам дёргает нужные API, вместо того чтобы держать все определения инструментов в контексте. В эксперименте Anthropic это сократило расход со ~150 тысяч токенов до ~2 тысяч. (Anthropic, Code Execution with MCP, нояб. 2025)
Запомните принцип: каждый подключённый инструмент должен оправдывать свою цену в токенах.
Зачем это вам как заказчику
«Какие инструменты получит агент и почему именно эти?» — хороший разработчик назовёт короткий список под сценарии, а не «подключим всё».
«Это готовый MCP-сервер или пишем свой?» — для популярных сервисов (Stripe, Notion, Telegram) почти наверняка есть готовый.
«Что инструмент возвращает агенту?» — если ответ «весь JSON из API», вспоминайте урок 2: окно засорится, агент отупеет.
Проверьте себя
Повторение урока 2. Вы подключили к Claude Code 15 MCP-серверов «про запас». Чем это плохо, даже если вы ими не пользуетесь?
Верно, мост между уроками построен! Описания инструментов — постоянный «налог» на окно. Подключайте к проекту только те серверы, которые реально нужны.
Не совсем: серверы не «спят» бесплатно — описания всех их инструментов висят в контекстном окне постоянно (вы видели это в /context). Это и есть цена.
Агент упорно не использует инструмент fetch_crm_data, хотя тот решил бы задачу. Самая вероятная причина?
Именно! Модель выбирает инструменты, читая описания — как человек меню. Лечится переписыванием описания «для нового сотрудника», а не сменой модели.
Язык реализации модель вообще не видит, а «мощность» здесь ни при чём. Модель выбирает по описанию — если оно мутное, инструмент «невидим». Это чинится текстом, не кодом.
Что такое MCP одной фразой?
Точно! И важная деталь 2026 года: MCP больше не принадлежит Anthropic — он передан в фонд под Linux Foundation и поддержан OpenAI, Google, Microsoft. Это «USB-C для AI».
MCP создала Anthropic, но уже в 2025 его приняли OpenAI, Google и Microsoft, а в декабре 2025 протокол передан в нейтральный фонд. Это не модель и не фирменная технология — это общий стандарт-«разъём».
Разработчик предлагает для ассистента школы 40 инструментов: get_student_name, get_student_email, get_student_phone… Что вы скажете, опираясь на урок?
Верно! Россыпь микроинструментов = раздутый контекст + путаница при выборе + лишние витки цикла. Стандарт 2026: мало инструментов, каждый — законченный рабочий сценарий с компактным ответом.
«Больше инструментов» — ловушка: каждый ест контекст и добавляет путаницы, а без инструментов агент не получит реальных данных. Правильный ход — укрупнение до сценариев: get_student_profile вместо трёх микровызовов.
Практика: аудит собственного арсенала
🛠 Задание на 7 минут
В Claude Code выполните /mcp — увидите список подключённых MCP-серверов.
Выберите один сервер, которым пользуетесь, откройте его и просмотрите список инструментов с описаниями.
Оцените 2–3 инструмента по чеклисту из урока: понятно ли описание «новому сотруднику»? Это сценарий или микрошаг? Что инструмент возвращает?
Главный шаг: найдите серверы, которыми в этом проекте не пользуетесь, — и отключите их. Затем /context: посмотрите, сколько токенов вернулось.
Контрольный вопрос себе: если бы я заказывал ассистента для своей школы — какие 5–7 инструментов покрыли бы 90% сценариев? Набросайте список — он пригодится в финальном проекте курса (урок 9).
Что дальше
Следующий урок — доступ к знаниям: RAG, длинный контекст или агентный поиск? Разберём, как агент работает с базой знаний, которая не помещается в окно, почему «сделаем RAG с векторной базой» — не всегда правильный ответ, и какой вариант выбрать для ассистента вашей школы.