Как MCP тихо стал
инфраструктурой Microsoft
Коротко: Build 2026 — это не "Microsoft против OpenAI". Это момент, когда индустрия окончательно ушла от "одна огромная модель делает всё" к экосистеме: специализированные модели под конкретные задачи плюс агенты, которые их координируют по общему протоколу — MCP. Microsoft выкатила три собственные MAI-модели (голос, картинка, транскрипция), свою coding-модель под GitHub Copilot и протолкнула агентные сценарии глубже в Office. Внутренние evals Anthropic: Tool Search на MCP снизил расход токенов на 85% при росте точности с 49% до 74%. Кто строит на агентах и протоколе сейчас — едет на этой волне. Кто ждёт "пока устаканится" — уже опоздал.
Что произошло на Microsoft Build 2026?
Меня нет на Build. Тикет на офлайн стоит $1 099, кейноут прошёл в Fort Mason в Сан-Франциско в 9:30 утра по тихоокеанскому. Я в кафе в Чангу, на Бали. Третья ночь подряд. Кофе со льдом давно стал просто тёплым.
И вот что заставило меня отставить стакан: вся лента спорит про одно и то же. «Догонит ли Microsoft OpenAI? Microsoft наконец слилась с OpenAI?» Не та рамка. Совсем не та.
Пока интернет дерётся за то, чья большая модель победит, настоящая история проскользнула незамеченной. Протокол, на котором агенты общаются между собой — MCP — тихо стал той штукой, на которой всё это держится. Microsoft только что подтвердила это со сцены, в масштабе, с миллиардами за спиной. А у меня весь контент-бизнес уже несколько месяцев крутится на ровно этой архитектуре. Из посёлка у океана. Соло.
2 июня Сатья Наделла открыл Build 2026 в Fort Mason. За одну неделю на стол легло три вещи.
Первое: Microsoft выпустила три собственные MAI-модели — MAI-Voice-2, MAI-Image-2.5 и MAI-Transcribe-1.5 (источник: microsoft.ai/news). MAI-Image-2.5 заняла 3-е место в text-to-image-лидерборде LM Arena с ELO 1254 — позади только gpt-image-2 и gemini-3.1-flash-image-preview. Это топ-3 image-модель, которую Microsoft построила сама.
Второе: по данным Reuters и The Information, у Microsoft теперь своя coding-модель под GitHub Copilot. Не арендованная. Своя.
Третье: накануне, на Computex в Тайпее, NVIDIA анонсировала RTX Spark — 1 петафлоп AI-производительности и до 128 ГБ unified memory, в партнёрстве с Microsoft. Петафлоп. В настольной коробке.
Теперь аккуратно. Microsoft не «официально ушла от OpenAI». MAI-модели покрывают картинку, голос и транскрипцию — не reasoning, не тяжёлую работу. Что точно: Microsoft строит собственный AI-стек и планомерно снижает зависимость от одного вендора. И именно это делает историю больше, чем просто гонка.
Почему это смена парадигмы, а не просто анонс?
Три года ментальная модель была такой: бери самую большую, самую умную модель и гони через неё всё. Один мозг. Один счёт. Один вендор.
Build 2026 публично похоронил эту модель. Microsoft — компания с фактически безлимитным бюджетом и первым рядом в партнёрстве с OpenAI — выбрала строить собственные специализированные модели под конкретные задачи. Картинка тут. Голос там. Код вон там. Они не построили один мозг побольше. Они собрали портфель и способ им управлять.
Этот управляющий слой — тихий хедлайнер. Когда у тебя много специализированных моделей плюс агенты, которые дёргают инструменты, нужен стандарт, на котором они между собой говорят. Этот стандарт — MCP, Model Context Protocol. Я называю его HTTP для агентов — и это не красивое словцо. До HTTP каждая система говорила на своём диалекте и ничего не соединялось. HTTP сделал веб одной сетью. MCP делает то же для агентов и инструментов.
Сдвиг в одном предложении: ценность уходит со слоя модели на слой агентов и протокола. Модель становится заменяемым компонентом — деталью, которую можно поменять — а не фундаментом. Кто проектирует систему вокруг этого, выигрывает в цене, гибкости и скорости. Кто ставит компанию на одну модель — строит на песке.
Как объяснить новую архитектуру без жаргона?
Представь маленькую мастерскую.
Старый способ: ты нанимаешь одного гения-универсала и заставляешь его делать всё — писать, рисовать, расшифровывать, кодить. Дорого. Медленно, когда он занят. А уйдёт — и ты в пролёте.
Новый способ: ты нанимаешь несколько спецов — быстрого по голосу, острого по картинке, кодера — и ставишь перед ними менеджера, который знает, кого под какую задачу позвать. Спецы — это модели. Менеджер — это агент. А язык, на котором они все говорят, чтобы никто не потерялся — это MCP.
MCP — протокол, который позволяет агенту подключиться к твоим данным и инструментам через стандартную «розетку». Один сервер выставляет наружу твою базу, календарь, CRM, файлы. Агент втыкается в эту розетку — и теперь реально делает работу в твоём мире, а не просто болтает о ней.
Красота в том, что для этого больше не нужна большая инженерная команда. Один MCP-сервер, один агент, одна рутина закрыта. В этом вся игра на этот год.
Кейс Content Factory: реальные цифры на реальном стеке
Покажу свой стек, потому что показать честнее, чем рассказать.
Content Factory — мой AI-конвейер производства контента. Крутится на n8n, связке специализированных моделей, Telegram-боте (@N8N270426_bot) и Google Sheets. Архитектура — ровно та, что Microsoft показала со сцены: не одна модель на всё, а специализированные модели плюс агенты, говорящие по протоколу.
Пайплайн: кидаю в Telegram ссылку на пост конкурента. Агент его вытягивает, разбирает угол, гонит тяжёлую текстовую работу на одну модель, форматирование — на другую, и возвращает мне готовый скрипт в моём голосе. Минуты. От ссылки до «можно постить».
Поэтому когда я смотрю Build не как зритель, а как чувак, у которого стек уже в проде, я вижу не вау-анонсы. Я вижу подтверждение. AI в шортах и тапочках собирает то же, на что корпорация тратит миллиарды — только дешевле и под одну конкретную задачу.
Экономика MCP: почему CFO должен прочитать это дважды
Когда даёшь агенту много инструментов, наивный подход пихает определение каждого инструмента в контекст на каждом вызове. Это токены, за которые ты платишь, на каждом запросе, всегда. На масштабе — жёстко.
Решение — умнее. По данным внутренних MCP-evals Anthropic на Opus 4, их подход Tool Search поднял точность с 49% до 74% — при этом срезав расход токенов на 85%. В одном прогоне это сэкономило 191 300 токенов контекста. Тот же доступ ко всем инструментам — за долю счёта.
Все определения инструментов в контекст на каждый вызов. 50 инструментов = 50 определений × каждый запрос = постоянный перерасход.
Агент ищет нужный инструмент по описанию, подгружает только его. Точность 74%, токены −85%, сэкономлено 191 300 за прогон.
Вывод для CFO в одну строку: ставка на одну модель — это риск по затратам, а не стратегия. Проектируй модель как заменяемый компонент, гони задачу на самую дешёвую модель под конкретную планку качества, и держи агентов на слое протокола. Компания, которая так делает, платит меньше и за токены, и за интеграции.
Что умирает и что живёт после Build 2026?
Что конкретно делать на этой неделе?
Одна вещь. Не пять навыков. Один рабочий контур.
Выбери одну рутину, которая жрёт твоё время каждую неделю — вытягивание постов конкурентов, разбор инбокса, форматирование отчётов, что угодно, что течёт по часам. Дальше: подключи один MCP-сервер к агенту (Claude тут отлично заходит), наведи его на данные, которые этой рутине нужны, и дай ему закрыть этот контур за тебя.
Всё. Не платформа. Не дорожная карта. Один сервер, один агент, одна рутина снята с тебя к пятнице.
Пока корпорации тратят миллиарды на сборку своего стека, ты можешь собрать рабочую мини-версию того же за вечер. Эта асимметрия — и есть весь смысл. Тебе не надо догонять Microsoft. Тебе надо использовать те же кирпичи, что и Microsoft — на своей одной проблеме.
Раскладка: соло-фаундерам vs B2B-командам
Хватит коллекционировать туториалы. На этой неделе подними свой первый MCP-сервер и подключи одного агента к своим данным. Закрой одну рутину от начала до конца.
Победа не в том, чтобы знать про MCP — а в том, чтобы иметь контур, который крутится без тебя. Когда заработает первый, второй займёт полдня. Так соло-фаундер начинает работать как команда из десяти: не упахиваясь, а оркестрируя.
Относитесь к модельному слою так, как только что сделала Microsoft — как к портфелю, а не к фундаменту. Проведите аудит, где ставка на одного вендора тихо создаёт риск по затратам и lock-in.
Потом найдите две-три рутины, где агентный пайплайн на MCP режет расход токенов и снимает ручную работу. 85% снижения токенов — не лабораторная диковина, а строка расхода, которая решает, масштабируются агенты в вашем P&L или встают. Постройте архитектуру в этом году.
Твой первый MCP-сервер за вечер
Я собрал пошаговый гайд — «Подключаем агента к своим данным и закрываем одну рутину» (PDF + рабочий пример). Это тот же стартовый ход, с которого начал я. Забирай и заходи в клуб, где DIY-билдеры катят такие контуры вместе.
Зайти в @Ai_b2b_pro → слово clubБесплатный 20-минутный AI-аудит стека
Покажу, где агентный пайплайн на MCP режет токены и снимает ручную работу в вашем конкретном стеке. Отдам sketch-схему архитектуры. Без питча — только карта. Напишите в личку слово swarm audit.
Написать в @Aleks_OTA →Часто задаваемые вопросы
Что такое MCP и зачем он нужен бизнесу? ▼
MCP (Model Context Protocol) — стандартный протокол, который позволяет AI-агенту подключиться к вашим данным и инструментам через единую «розетку». Один MCP-сервер выставляет наружу вашу базу данных, CRM, календарь, файлы — и агент получает доступ ко всему сразу. До MCP каждая интеграция писалась вручную. После MCP — один стандарт для всего. Бизнесу это означает: агент реально делает работу в вашем мире, а не просто отвечает на вопросы в чате. Скорость внедрения выросла в 5–10 раз.
Почему Microsoft Build 2026 важен для B2B-предпринимателей? ▼
Build 2026 — это публичное подтверждение со стороны компании с рыночной капитализацией $3+ трлн, что архитектура «специализированные модели + агенты + протокол MCP» — не эксперимент, а текущий стандарт индустрии. Microsoft выпустила три собственные MAI-модели, свою coding-модель под GitHub Copilot и интегрировала агентные сценарии в Office. Для B2B: ставка на одного AI-вендора теперь официально устарела. Кто строит на протоколе сейчас — экономит на токенах и интеграциях. Кто ждёт — платит налог за опоздание.
Как MCP снижает расход токенов у AI-агентов на 85%? ▼
Наивный подход: при каждом вызове агента все определения инструментов пихаются в контекст. Если инструментов 50 — платишь за 50 определений на каждом запросе, всегда. Умный подход через Tool Search (Anthropic, внутренние evals на Opus 4): агент сначала ищет нужный инструмент по описанию, потом подгружает только его определение. Результат: токены −85%, точность выросла с 49% до 74%. В одном прогоне это сэкономило 191 300 токенов. На масштабе — разница между «агенты как строка расходов» и «агенты неподъёмны в P&L».
Что умирает в AI-архитектуре после Build 2026? ▼
Умирают: архитектура «одна модель на всё», ставка all-in на одного вендора, интеграционные проекты по ценам 2019 года, вера что для агентной системы нужна команда из 12 инженеров, и уютная ложь «можно подождать пока устаканится». Живут: специализированные модели под конкретные задачи, агенты как слой оркестрации, MCP как соединительная ткань, маленькие команды (даже соло) бьющие выше своего веса. Microsoft потратила миллиарды подтверждая: это уже настоящее, не будущее.
С чего начать внедрение MCP-агентов в малом бизнесе? ▼
Один шаг, не пять. Выберите одну рутину, которая ест время каждую неделю: разбор инбокса, форматирование отчётов, вытягивание постов конкурентов. Поднимите один MCP-сервер, подключите одного агента (Claude отлично заходит), направьте на данные этой рутины — и дайте закрыть контур. Не платформа, не дорожная карта. Один сервер, один агент, одна рутина снята к пятнице. Когда заработает первый, второй займёт полдня. Так соло-фаундер начинает работать как команда из десяти — не упахиваясь, а оркестрируя.