MCP в Claude Code: как подключить и 10 полезных серверов в 2026 году

Claude Code сам по себе умеет читать и править файлы в проекте, на котором вы работаете. А вот сходить в базу данных, посмотреть задачу на GitHub, поискать свежую документацию или дёрнуть рабочий сервис он не может: всё, что за пределами папки с кодом, для него закрыто. MCP убирает это ограничение.

Если совсем просто: MCP — это способ дать Клоду быстрый доступ к нужным вам сервисам

Статья для тех, кто ставит MCP впервые. Идём по шагам: что это вообще такое, как подключить первый сервер за полминуты, какие 10 серверов стоит поставить, как сделать свой руками самого Claude Code и как при этом не навредить себе по части безопасности. Пути к настройкам сразу даём для macOS, Linux и Windows, чтобы не искать по десяти вкладкам.

Если вы только знакомитесь с инструментом, начните со статьи про 37 команд Claude Code и slash-команды Клода: MCP там разобран одним абзацем, а здесь полный гайд. Термины вроде «протокол» и «API» по ходу будут встречаться часто, их простое объяснение есть в нашем словаре айтишника на 150+ терминов.

А если вы вообще присматриваетесь к работе с AI-ассистентами и хотите системно вкатиться — загляните в подборку курсов по нейросетям и искусственному интеллекту, там есть программы и под разработчиков, и под новичков.

Что такое MCP простыми словамиСкопировано

MCP расшифровывается как Model Context Protocol — открытый стандарт, который Anthropic выкатила в конце 2024 года (офигеть, целых 2 года назад). Идея простая: вместо того чтобы каждый AI-инструмент изобретал свой способ ходить в GitHub, в Postgres или в Slack, есть один общий «разъём». Anthropic в своей документации сравнивает MCP с USB-C: один порт, в который подключается что угодно, лишь бы оно говорило на том же языке.

Сторон в этой схеме две. Есть MCP-клиент — это сам Claude Code, который умеет подключаться к серверам. И есть MCP-сервер — небольшая программа, которая знает, как работать с конкретным сервисом: один сервер ходит в файловую систему, другой в базу данных, третий дёргает поисковый API. Клод не знает заранее, что умеет сервер. Он подключается, спрашивает «какие у тебя есть инструменты», получает список и дальше вызывает их по мере надобности.

На практике это значит вот что. Подключили сервер для Postgres, и теперь можно сказать Клоду «посмотри, сколько у нас заказов за вчера», и он сам сходит в базу, выполнит запрос и вернёт ответ. Без MCP пришлось бы копировать схему таблиц руками и надеяться, что модель не нафантазирует названия колонок. Если хочется глубже понять, как именно языковые модели работают с внешними данными, у нас есть отдельный разбор, что такое нейросети и как они устроены простыми словами.

Как подключить MCP-сервер за 30 секундСкопировано

Самый быстрый путь — команда claude mcp add в терминале. Возьмём для примера файловую систему, это базовый сервер, который даёт Клоду доступ к указанным папкам:

claude mcp add filesystem -s user -- npx -y @modelcontextprotocol/server-filesystem ~/Projects ~/Documents

Разберём по частям. filesystem — имя, под которым сервер будет виден в Клоде, его придумываете вы. Флаг -s user задаёт область видимости (про неё ниже отдельный раздел). После -- идёт команда запуска самого сервера: npx скачает и запустит npm-пакет, а в конце перечислены папки, к которым открываем доступ.

Проверить, что всё подхватилось, можно прямо в сессии Клода. Запустите claude, наберите команду /mcp, и увидите список серверов со статусом каждого. Зелёный connected значит, что сервер поднялся и Клод видит его инструменты. Если там failed, смотрите раздел про частые ошибки в конце статьи.

Управлять серверами помогают ещё три команды: claude mcp list покажет все настроенные серверы, claude mcp get filesystem выдаст детали по конкретному, а claude mcp remove filesystem удалит его. Этого набора хватает на 90 % повседневной работы.

Три способа добавить серверСкопировано

Команда в терминале не единственный вариант. Всего способов три, и каждый удобен в своей ситуации.

Способ 1 — команда claude mcp add

То, что мы уже сделали выше. Подходит, когда настраиваете сервер для себя и хотите, чтобы он был доступен во всех проектах. Самый быстрый старт, рекомендую начинать именно с него.

Способ 2 — конфиг проекта в корне репозитория

Если сервер нужен всей команде, держите его конфиг в репозитории. Создайте в корне проекта файл .mcp.json и закоммитьте его — тогда у всех, кто клонирует репозиторий, сервер подхватится автоматически:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "./src"]
    }
  }
}

Секретные ключи в такой файл писать нельзя, он же в гите. Claude Code умеет подставлять переменные окружения через синтаксис ${GITHUB_TOKEN}, так конфиг остаётся общим, а токены у каждого свои.

Способ 3 — прямое редактирование конфига

Глобальные настройки CLI лежат в файле ~/.claude.json (на Windows — в C:\Users\Имя\.claude.json). Можно открыть его редактором и дописать сервер руками, формат тот же, что в .mcp.json. Десктопное приложение Claude хранит конфиг отдельно: на macOS это ~/Library/Application Support/Claude/claude_desktop_config.json, на Windows — %APPDATA%\Claude\claude_desktop_config.json, на Linux — ~/.config/Claude/claude_desktop_config.json. Это разные файлы, и сервер, добавленный в CLI, в десктопе сам по себе не появится.

Транспорт у сервера тоже бывает трёх видов. stdio — локальный процесс на вашей машине, дефолт для большинства серверов. http — подключение к удалённому серверу по сети, его задают флагом --transport http. Есть ещё устаревающий sse, но новые серверы лучше поднимать на http.

Scope — кому виден серверСкопировано

У каждого сервера есть область видимости, и от неё зависит, где он будет доступен. Вариантов три:

• local — сервер виден только в текущем проекте и только вам. Дефолт, если не указали -s. Удобно для разовых экспериментов.
• user (флаг -s user) — сервер доступен во всех ваших проектах на этой машине. То, что нужно для filesystem, github и других серверов, которыми пользуетесь постоянно.
• project (флаг -s project) — сервер привязан к конкретному проекту и шарится с командой через .mcp.json.

Простое правило: личные инструменты — в user, командные — в project, разовые пробы — в local.

10 полезных MCP-серверов для Claude CodeСкопировано

Готовых серверов уже сотни, но на старте достаточно десятка проверенных. Для каждого дам команду установки и пример того, что можно сказать Клоду после подключения.

Filesystem — доступ к файлам

Базовый сервер, с которого все начинают. Даёт Клоду читать и писать файлы в указанных папках за пределами текущего проекта.

claude mcp add filesystem -s user -- npx -y @modelcontextprotocol/server-filesystem ~/Projects

После подключения: «Собери из всех README в ~/Projects одну сводную таблицу, какой проект чем занимается».

GitHub — issues, PR и код-ревью

Один из самых востребованных. Клод сможет смотреть issues, создавать pull request, оставлять комментарии в код-ревью. Нужен персональный токен с правами на репозиторий.

claude mcp add github -s user -e GITHUB_TOKEN=ваш_токен -- npx -y @modelcontextprotocol/server-github

После подключения: «Посмотри открытые issue с меткой bug, сгруппируй по компонентам и предложи, что чинить в первую очередь».

Slack — переписка и каналы

Клод читает каналы, ищет по истории, отправляет сообщения. Полезно, когда часть контекста живёт в обсуждениях, а не в коде.

claude mcp add slack -s user -e SLACK_BOT_TOKEN=xoxb-... -e SLACK_TEAM_ID=T0... -- npx -y @modelcontextprotocol/server-slack

После подключения: «Найди в канале #incidents всё про вчерашний сбой и собери таймлайн».

PostgreSQL — запросы к базе

Клод видит схему базы и выполняет SQL. По умолчанию сервер работает в режиме только на чтение, что снимает половину рисков.

claude mcp add postgres -s user -- npx -y @modelcontextprotocol/server-postgres postgresql://user:pass@localhost/db

После подключения: «Сколько пользователей зарегистрировалось за апрель и какой у них средний чек».

Puppeteer — управление браузером

Клод открывает страницы в headless-браузере, кликает, заполняет формы, делает скриншоты. Незаменимо для проверки вёрстки и автотестов.

claude mcp add puppeteer -s user -- npx -y @modelcontextprotocol/server-puppeteer

После подключения: «Открой localhost:3000, пройди форму регистрации и скажи, где ломается валидация».

Brave Search — поиск в интернете

Даёт Клоду живой веб-поиск через API Brave. Спасает, когда нужна свежая документация или ответ по библиотеке, которой не было в обучающих данных. Ключ берётся в панели Brave Search API.

claude mcp add brave -s user -e BRAVE_API_KEY=ваш_ключ -- npx -y @modelcontextprotocol/server-brave-search

После подключения: «Найди, как в 2026 году правильно настроить кеширование в этой библиотеке, дай ссылки».

Fetch — скачать страницу или дёрнуть API

Простой сервер, который умеет одно: сходить по URL и вернуть содержимое в удобном для модели виде. Запускается через Python-раннер uvx.

claude mcp add fetch -s user -- uvx mcp-server-fetch

После подключения: «Скачай changelog по этой ссылке и перескажи, что поменялось в мажорной версии».

Memory — долгая память между сессиями

Клод запоминает факты в локальный граф знаний и подтягивает их в следующих разговорах. Полезно, когда устали повторять одно и то же про архитектуру проекта.

claude mcp add memory -s user -- npx -y @modelcontextprotocol/server-memory

После подключения: «Запомни, что у нас миграции лежат в db/migrations и накатываются только через make migrate».

Sequential Thinking — пошаговое рассуждение

Сервер даёт Клоду инструмент структурировать сложную задачу на явные шаги и возвращаться назад, если ветка завела не туда. Заметно помогает на запутанных багах.

claude mcp add sequential-thinking -s user -- npx -y @modelcontextprotocol/server-sequential-thinking

После подключения: «Разбери по шагам, почему этот запрос иногда отдаёт пустой результат, проверяй гипотезы по одной».

SQLite — локальная база в одном файле

То же, что Postgres-сервер, но для SQLite. Удобно для прототипов, аналитики на коленке и разбора чужих .db-файлов.

claude mcp add sqlite -s user -- uvx mcp-server-sqlite --db-path ~/data/app.db

После подключения: «Что за данные в этом sqlite-файле, опиши таблицы и найди аномалии в суммах».

Сравнительная таблица 10 серверовСкопировано

С каких серверов начатьСкопировано

Ставить сразу все десять смысла нет: половину вы не откроете, а контекст модели они едят. Лучше взять три под свою роль.

• Бэкендер: filesystem, postgres (или sqlite), github. Закрывает код, базу и ревью.
• Фронтендер: filesystem, puppeteer, brave-search. Код, проверка вёрстки в браузере, свежая документация по фреймворкам.
• Аналитик данных: postgres, sqlite, fetch. Запросы к базам и подтягивание внешних данных.
• Новичок: filesystem, brave-search, sequential-thinking. Базовый доступ к файлам, поиск и аккуратное пошаговое рассуждение на учебных задачах.

Когда эти три приживутся в работе, добавляйте следующие по мере реальной потребности, а не про запас.

Как написать свой MCP с помощью Claude CodeСкопировано

Готовых серверов много, но рано или поздно захочется подключить что-то своё: внутренний API компании, самописный деплой-скрипт, специфичную базу. И тут хорошая новость: сервер не обязательно писать руками. Самый практичный путь, попросить написать его сам Claude Code, благо он на это и заточен.

Создайте пустую папку, запустите в ней claude и дайте задачу примерно так:

Напиши MCP-сервер на Python с библиотекой mcp.
Один инструмент: server_status(service) — возвращает статус
внутреннего сервиса по имени. Положи код в server.py
и подскажи команду, которой подключить сервер к Claude Code.

Клод сам поставит зависимость, сгенерирует файл и объяснит каждую строчку. На выходе получится примерно такой server.py:

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-tools")

@mcp.tool()
def server_status(service: str) -> str:
    """Проверить статус внутреннего сервиса по имени."""
    # сюда Клод подставит ваш реальный код: запрос к API и т.д.
    return f"Сервис {service}: работает, аптайм 14 дней"

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

Декоратор @mcp.tool() превращает функцию в инструмент, который Клод увидит и сможет вызвать. Строка документации под функцией важна: по ней модель понимает, когда инструмент применять, так что попросите Клода написать её осмысленно, а не для галочки.

Дальше подключаете сервер той же командой, что и любой другой:

claude mcp add my-tools -s user -- python /полный/путь/server.py

Запускаете /mcp в сессии, видите my-tools в статусе connected, и дальше говорите Клоду «проверь статус сервиса billing», он сам вызовет вашу функцию. Если что-то не работает, скормите Клоду текст ошибки, он же и починит. Тот же подход работает на TypeScript через официальный @modelcontextprotocol/sdk, если вам ближе нода. Это, к слову, неплохой пет-проект для портфолио: понимание AI-инструментов сейчас ценится, а собрать рабочий MCP-сервер с помощью Клода под силу даже новичку после базового курса.

Частые ошибки и как их чинитьСкопировано

Чаще всего затыки в трёх вещах.

Сервер в статусе failed после /mcp. Обычно дело в том, что нет Node.js или Python нужной версии, либо npx не успевает скачать пакет на медленном интернете. Запустите команду из claude mcp get имя руками в терминале и посмотрите реальную ошибку.

Команда /mcp показывает пустой список. Скорее всего сервер добавлен в другом scope. Сервер в local виден только в том проекте, где вы его создали. Проверьте через claude mcp list и при необходимости переподключите с -s user.

Сервер поднялся, но переменная окружения не подхватилась. Токен надо передавать через флаг -e ИМЯ=значение при добавлении, а не надеяться, что сервер сам прочитает его из вашего .zshrc. В .mcp.json используйте подстановку ${ИМЯ}.

Безопасность — каким серверам что доверятьСкопировано

MCP-сервер выполняется на вашей машине с вашими правами и может то же, что и вы. Это стоит держать в голове, особенно с тремя серверами.

filesystem — давайте доступ к конкретным папкам, не к домашней директории целиком и тем более не к /. Клод по ошибочной инструкции способен перезаписать нужный файл. postgres и sqlite — держите подключение в режиме только на чтение, пока точно не понадобится запись, отдельный read-only пользователь в базе решает проблему на корню. slack и github — выдавайте токену минимум прав: для чтения issues не нужен доступ на удаление репозитория.

Отдельный пункт — ставьте серверы из проверенных источников. Официальные пакеты @modelcontextprotocol/* и популярные репозитории с открытым кодом безопаснее, чем случайный сервер из поисковой выдачи. Сервер — это код, который вы запускаете у себя, относитесь к нему как к любой зависимости в проекте.

Где научиться работать с AI-инструментамиСкопировано

MCP осваивается за вечер, но за ним стоит пласт навыков: как формулировать задачи модели, где AI ускоряет работу, а где мешает, как встроить ассистента в реальный процесс команды. Самостоятельно это собирается долго и кусками. Чтобы не изобретать велосипед, проще один раз пройти системный курс: там и про инструменты, и про практику на проектах.

Мы собрали подборку с актуальными ценами и программами: есть варианты и для разработчиков, и для тех, кто только присматривается к нейросетям.

Больше программ — в полном каталоге курсов по Нейросети и искусственный интеллект

Если хочется сначала разобраться в смежных темах, почитайте, кто такие AI-native люди и чем они отличаются от digital native, и наш обзор Claude Design — нового ИИ-инструмента Anthropic для дизайна. А полный список возможностей самого инструмента есть в гайде по командам Claude Code.