Підключаємо AI-агентів до CRM: кастомний MCP-сервер

Як MCP-сервер вирішує проблему інтеграції AI-агентів?

Уявіть: 50 менеджерів з продажу витрачають у середньому 15 хвилин на збір інформації про клієнта перед дзвінком. На місяць це 500 годин непродуктивної роботи, що коштує компанії до $10 000. Вони перемикаються між Claude та CRM, вручну копіюють дані, втрачають фокус. MCP-сервер вирішує цю проблему — дає AI-агенту прямий доступ до корпоративних даних через єдиний протокол. Час підготовки скорочується на 73%, а витрати — на $7 300 на місяць. AI-агент працює в 4 рази швидше за ручний пошук.

Ми розробляємо кастомні MCP-сервери під ключ. Беремо на себе повний цикл: від проєктування до деплою та документування. Гарантуємо безпеку та сумісність з будь-якими MCP-клієнтами (Claude, Cursor, власні агенти). Досвід — 5+ років в AI-інтеграціях та 50+ успішних проєктів. Наша команда налічує 10+ кваліфікованих інженерів.

MCP-сервер виступає мостом: ви описуєте tools, resources та prompts, і агент викликає їх як звичайні методи. Один сервер — один раз реалізували, працює з усіма MCP-клієнтами.

Чому HTTP+SSE транспорт є кращим для продакшену?

Для продакшену ми завжди обираємо HTTP+SSE з авторизацією — це гарантує, що дані не витічуть за межі корпоративної мережі. При цьому stdio транспорт швидший у 2-3 рази за затримками, але не масштабується.

Приклад MCP-сервера на Python з двома транспортами

Нижче — мінімальний MCP-сервер на Python, який надає інструменти для роботи з CRM. Бібліотека mcp (FastMCP) дозволяє визначити tools, resources та prompts у кілька рядків.

# pip install mcp
from mcp.server.fastmcp import FastMCP
from mcp import types
import json

mcp = FastMCP("Corporate CRM Server")

@mcp.tool()
async def search_customers(
    query: str,
    limit: int = 10,
    status: str = "active",
) -> list[dict]:
    """Пошук клієнтів у CRM за ім'ям або компанією."""
    results = await crm_db.search(
        query=query,
        limit=min(limit, 50),
        status=status,
    )
    return [{"id": r.id, "name": r.name, "company": r.company, "email": r.email}
            for r in results]

@mcp.tool()
async def get_customer_orders(customer_id: str, months: int = 3) -> dict:
    """Історія замовлень клієнта."""
    orders = await orders_db.get_for_customer(customer_id, months=months)
    return {
        "customer_id": customer_id,
        "total_orders": len(orders),
        "total_revenue": sum(o.amount for o in orders),
        "orders": [{"id": o.id, "date": str(o.date), "amount": o.amount, "status": o.status}
                   for o in orders[:20]],
    }

@mcp.tool()
async def create_task(
    customer_id: str, title: str, description: str, assignee: str, due_date: str,
) -> dict:
    """Створити завдання в CRM."""
    task = await crm_tasks.create(...)
    return {"task_id": task.id, "url": task.url}

@mcp.resource("crm://dashboards/{dashboard_id}")
async def get_dashboard(dashboard_id: str) -> str:
    data = await crm_analytics.get_dashboard(dashboard_id)
    return json.dumps(data, ensure_ascii=False, indent=2)

@mcp.resource("crm://segments")
async def list_segments() -> str:
    segments = await crm_db.get_segments()
    return json.dumps([{"id": s.id, "name": s.name, "count": s.count}], ensure_ascii=False)

@mcp.prompt()
def customer_analysis_prompt(customer_id: str) -> list[types.PromptMessage]:
    return [
        types.PromptMessage(
            role="user",
            content=types.TextContent(
                type="text",
                text=f"Проведи повний аналіз клієнта {customer_id}:\n1. Історія замовлень та тренди\n2. Ризик відтоку\n3. Upsell\n4. Рекомендації"
            ),
        )
    ]

if __name__ == "__main__":
    mcp.run()

Тепер ви маєте кастомний MCP протокол для інтеграції AI-агента з системою. Claude MCP використовує цей сервер для доступу до даних. Встановіть Python MCP SDK через pip. Ми обираємо HTTP транспорт MCP для продакшену. Безпека MCP реалізується через JWT. Це приклад CRM інтеграції MCP. MCP tools, MCP resources та MCP prompts — це основні будівельні блоки.

Якщо потрібно запустити сервер віддалено — використовуємо HTTP+SSE транспорт. Це дозволяє підключати агентів з будь-якого місця, з авторизацією через JWT.

from mcp.server.fastmcp import FastMCP
from fastapi import FastAPI
import uvicorn

mcp = FastMCP("Remote CRM Server")
# ... tools, resources ...
app = mcp.get_asgi_app()

from fastapi.middleware.base import BaseHTTPMiddleware

class AuthMiddleware(BaseHTTPMiddleware):
    async def dispatch(self, request, call_next):
        token = request.headers.get("Authorization", "").replace("Bearer ", "")
        if not await verify_token(token):
            return Response(status_code=401)
        return await call_next(request)

app.add_middleware(AuthMiddleware)

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8080)

Як створити MCP-сервер: покрокова інструкція

1. Встановіть бібліотеку mcp: pip install mcp
2. Створіть файл сервера з визначеннями tools/resources/prompts (див. приклад вище)
3. Запустіть локально через python server.py (stdio) або uvicorn (HTTP+SSE)
4. Підключіть клієнт (Claude, Cursor) через конфігурацію MCP

Детальні кроки для налаштування авторизації

1. Створіть JWT токен з необхідними правами (secret key, expiry).
2. Додайте middleware, який перевіряє токен у кожному запиті.
3. Для кожного інструмента визначте рівень доступу (admin, user).
4. Використовуйте декоратори для перевірки ролей.

Кейс: інтеграція MCP-сервера з Bitrix24 для відділу продажів

З нашої практики: наш клієнт — компанія з 50 менеджерами з продажу. Вони активно використовують Claude для підготовки до зустрічей, але щоразу вручну шукають інформацію в Bitrix24. Це забирало в середньому 15 хвилин на дзвінок.

Ми розгорнули один MCP-сервер на корпоративному сервері, підключили його до REST API Bitrix24. Сервер надає інструменти: пошук клієнтів за ім'ям, історія угод, створення завдань, аналітика по сегментах. Кожен менеджер підключається через Claude Desktop — після авторизації AI-агент сам отримує потрібні дані.

Результати:

• Час підготовки до дзвінка скоротився з 15 до 4 хвилин (економія 73%)
• Перемикання між системами знизилося на 83%
• Впровадження пройшло без навчання — Claude розуміє природні запитання

Процес розробки та терміни

Що входить в роботу під час замовлення MCP-сервера під ключ

• Документація: архітектура, специфікація інструментів, інструкція для користувачів
• Доступи: налаштування авторизації (JWT/OAuth2) та безпечне підключення до вашого API
• Навчання: демонстрація роботи сервера для вашої команди (до 2 годин)
• Підтримка: 2 тижні безплатної підтримки після деплою, далі за окремим договором

Поширені помилки при розробці MCP-сервера

• Неправильна обробка авторизації: не всі інструменти захищені.
• Відсутність rate limiting: агент може заспамити CRM.
• Занадто великі відповіді: для resources потрібно обмежувати розмір.
• Ігнорування версіонування: протокол MCP еволюціонує, потрібно стежити за сумісністю.

Ризики безпеки, які потрібно врахувати

При розробці MCP-сервера критично важливий захист від prompt injection та витоків даних. Ми використовуємо JWT-авторизацію на рівні кожного інструменту, валідацію вхідних параметрів та rate limiting для запобігання зловживанням. Додатково налаштовується HTTPS та ізоляція ресурсів. Для високонавантажених систем проводимо навантажувальне тестування з контролем latency p99 — час відповіді сервера не повинен перевищувати 200 мс.

Ми займаємося AI-інтеграціями понад п'ять років, виконали 50+ проєктів для компаній від стартапів до enterprise. Використовуємо перевірений стек: Python/TypeScript, авторизація через JWT, готова інтеграція з MCP SDK. Гарантуємо безпеку та сумісність. Зв'яжіться з нами для оцінки вашого проєкту — ми підготуємо комерційну пропозицію за 1 робочий день. Замовте розробку MCP під ключ і економте години ваших менеджерів. Базовий MCP-сервер коштує від $3000, повна інтеграція — від $8000.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.