У любой системы управления процессами есть узкое место — разрыв между тем, что нужно бизнесу, и тем, как это реализуется в системе. Владелец процесса описывает задачу, а разработчик или администратор выполняет её через API, по ТЗ и с задержками. В «Первой Форме» мы решили эту проблему с помощью MCP — Model Context Protocol.

Проблема: почему ИИ-агенты и BPM-системы плохо дружили

ИИ-агенты могут вызывать инструменты, но раньше каждый вызов требовал ручной настройки на стороне агента. Нужно создать задачу? Пишется отдельный инструмент. Добавить комментарий? Ещё один. Таких действий в BPM-системах десятки, а то и сотни — масштабирование невозможно.

Кроме того, логика вызова жила на стороне агента, а не системы. Любое изменение API ломало интеграцию. Хотелось, чтобы система сама описывала, какие действия доступны, а агент просто их вызывал — по единому стандарту.

API «Первой Формы» мощный, но он рассчитан на разработчиков. Для ИИ-модели, где контекстное окно ограничено, выбор нужного эндпоинта из сотен — непосильная задача. Модель путается, ошибается, теряет фокус.

Что мы сделали: «Первая Форма» как MCP-сервер

MCP (Model Context Protocol) — открытый протокол от Anthropic, который позволяет системе самой предоставлять ИИ-агенту стандартизированный интерфейс. Теперь «Первая Форма» работает как MCP-сервер: она отдаёт агенту список доступных инструментов — с описаниями, параметрами и возвращаемыми значениями.

Агенту больше не нужно знать про наше API. Он получает готовый набор действий, которые можно вызывать. А клиенты с поддержкой MCP — такие как Claude Desktop, Cursor, N8N, Dify — подключаются к нам напрямую.

Чтобы не перегружать контекст модели, мы разбили инструменты на домены: управление категориями, правами, отчётами и другие. При подключении агент сначала видит только каталог доменов. Затем, по мере необходимости, подключает нужный домен и получает его инструменты. Это lazy-подход: в контексте всегда только то, что нужно сейчас.

Уровень первый: настройка системы через диалог

Теперь владелец процесса может описать задачу на естественном языке: «Создай категорию для согласования отпусков, добавь поля “даты отпуска”, “замещающий сотрудник” и “комментарий руководителя”, настрой права для группы “Все сотрудники”».

ИИ-агент, через MCP, сам выбирает и вызывает нужные инструменты — создание категории, добавление полей, настройку прав. Мы не задаём жёсткую последовательность. Вместо этого предоставляем набор независимых действий, а модель сама строит цепочку.

Ядро ИИ-админа — шесть базовых инструментов: создание категории, добавление параметров, привязка полей, просмотр дерева, получение типов. Для сложных сценариев доступны сотни инструментов Admin API: маршруты, права, отчёты, порталы, SmartScript и объекты базы данных.

Уровень второй: как это работает в ежедневных задачах

MCP полезен не только для настройки. Он помогает в повседневной работе:

• Код-ревью через диалог. Руководитель тестирования попросила агента: «Посмотри задачи на код-ревью у меня, проверь код на корректность и логичность». Агент нашёл задачи, скачал файлы, провёл анализ, написал комментарий и выполнил переход — всё через MCP.
• Массовая классификация задач. Агент проанализировал более 1100 сценариев: читал описания, комментарии, заполнял поля — классификацию, признак фичи, ограничения. Работа, которая заняла бы человека недели, выполнена за часы.
• Мониторинг площадок. Инженер сопровождения настроил ежедневную проверку: агент собирает данные об ошибках, отзывчивости, аномалиях и публикует результат в задаче. Раньше — ручной сбор, теперь — один промт.

Отдельный случай — SmartScripts. Мы создали фабрику: при запуске сервера все включённые скрипты автоматически становятся MCP-инструментами. Клиент пишет скрипт — и он сразу доступен агенту, без дополнительной разработки.

Что важно понимать: границы и честная оценка

MCP — это не ИИ. Это протокол, который упрощает и стандартизирует подключение агента к системе. Он не делает модель умнее, но убирает барьеры на пути к интеграции.

Качество зависит от обеих сторон. Мы отвечаем за точность описаний инструментов и информативность ошибок. А как модель интерпретирует задачу — зависит от неё и от того, кто её настраивает. При использовании готовых агентов возможны ошибки — их можно корректировать в диалоге.

Агент работает с правами пользователя, чей Personal Access Token (PAT) используется. Никаких суперправ. Административные действия требуют учётной записи администратора.

Что если агент ошибётся?

• Работа на dev-среде. Все эксперименты — в тестовой среде. Только после проверки — на прод.
• Откат изменений. Можно удалить созданную категорию или исправить вручную.
• Понятные ошибки. Вместо «не получилось» — конкретика: «нет прав», «категория уже существует». Это помогает агенту самому скорректировать действия.

Даже мелочи имеют значение: MCP-ответы с кириллицей изначально экранировались в \uXXXX. Пришлось добавить middleware для декодирования в UTF-8 — иначе отладка превращалась в головоломку.

Что это значит для рынка

На данный момент мы не знаем о других российских BPM-системах с готовым MCP-сервером. Это не просто техническая фича — это смена парадигмы.

Теперь не обязательно быть разработчиком, чтобы настроить систему. Достаточно понимать процесс и описать его на естественном языке. Разработчики по-прежнему нужны — для сложных интеграций, оптимизации, кастомных решений. Но типовые задачи теперь доступны владельцам процессов.

Мы продолжаем развивать MCP-сервер: расширяем инструменты, улучшаем описания, тестируем сложные сценарии. Если у вас есть опыт интеграции ИИ-агентов с корпоративными системами — будем рады обмену опытом.

У любой системы управления процессами есть одно неудобное узкое место. Между человеком, который понимает, какой процесс нужен бизнесу, и системой, где этот процесс должен работать, почти всегда стоит посредник — разработчик, интегратор или хотя бы продвинутый администратор. Владелец процесса знает, что ему нужна категория для согласования отпусков с определёнными полями и правами. Но чтобы это появилось в системе, он пишет ТЗ, ставит задачу, ждёт очереди и получает результат через несколько дней.

Мы в «Первой Форме» решили это изменить. Наша команда реализовала поддержку MCP — Model Context Protocol. Теперь настраивать категории, формы и процессы можно через диалог с ИИ-агентом: описываешь на естественном языке, что нужно, и агент через MCP это реализует. Других готовых реализаций MCP-сервера в российских BPM-системах мы пока не видели.

Меня зовут Олег Юшин, я занимаюсь ИИ-направлением в «Первой Форме». Расскажу, зачем и как мы это сделали, как устроена интеграция и что из этого уже реально работает.

Проблема: почему ИИ-агенты и BPM-системы плохо дружили

ИИ-агенты умеют вызывать инструменты — это не новость. Но на практике подключение агента к конкретной системе выглядело так: разработчик вручную описывал каждый инструмент на стороне агента. Нужно, чтобы агент написал комментарий в задаче? Пишешь кастомный инструмент: прописываешь вызов API, формат параметров, обработку ответа. Нужно, чтобы агент создал задачу? Ещё один инструмент. Настроил права? Третий.

Проблем здесь две. Во-первых, это долго. Инструментов в BPM-системе десятки, и на каждый нужно время разработчика. На практике до большинства из них просто не доходили руки. Во-вторых, всё это — описания инструментов, логика вызова, обработка ответов — жило на стороне агента. Любое изменение API ломало агента, а два источника логики приходилось держать в синхронизации. Хотелось, чтобы логика оставалась на стороне системы: она сама публикует инструменты, сама знает, как их выполнять, а агент только вызывает.

У «Первой Формы» есть обширный API, и в теории через него можно сделать всё то же самое. Но API рассчитан на разработчика, который читает документацию и сам выбирает нужный эндпоинт. Модель в таком объёме путается — контекстное окно не резиновое, а когда эндпоинтов много, агент начинает ошибаться при выборе нужного.

Что мы сделали: «Первая Форма» как MCP-сервер

MCP (Model Context Protocol) — это открытый протокол, разработанный Anthropic, который позволяет ИИ-агенту и внешней системе договориться на общем языке. Он даёт ИИ-агенту стандартизированный интерфейс к системе. Часть инструментов — обёртки над API, часть — самостоятельные, например анализ логов или выполнение скриптов автоматизации.

Мы реализовали «Первую Форму» как MCP-сервер. Это значит, что система сама отдаёт агенту список доступных инструментов с описаниями: что делает каждый инструмент, какие параметры принимает, что возвращает. Агенту не нужно знать про наш API — он получает готовый набор действий, которые может вызывать.

Со стороны агента нужен MCP-клиент — компонент, который умеет работать по протоколу. Такой клиент есть в Claude Desktop, Cursor, N8N, Dify и других платформах. В нашу реализацию клиент не входит, и в этом суть: мы даём универсальный интерфейс, а кто и как его использует — решают на стороне агента..

Как мы решали проблему контекстного окна.Инструментов у «Первой Формы» сотни. Если отдать их агенту все разом, он не справится: контекст у моделей ограничен и, когда в нём одновременно сотни описаний, качество работы падает.

Поэтому мы разбили инструменты на домены — логические группы по функциональности (управление категориями, права, отчёты и так далее). Агент подключается к одному MCP-серверу, который на старте отдаёт только каталог доменов и справку. По запросу агент подключает нужный домен и только тогда получает его инструменты. Это lazy-подход: в контексте агента в каждый момент находятся только те инструменты, которые нужны для текущей задачи.

Уровень первый: настройка системы через диалог

Главное, что даёт эта реализация, — возможность настраивать систему на естественном языке. Владелец процесса или администратор описывает, что ему нужно: «Создай категорию для согласования отпусков, добавь поля "даты отпуска", "замещающий сотрудник" и "комментарий руководителя", настрой права для группы "Все сотрудники"». Агент сам определяет, какие инструменты вызвать и в какой последовательности — создание категории, добавление полей, назначение прав.

Ядро ИИ-админа — шесть инструментов для базовой настройки: создание категории, создание дополнительных параметров, привязка параметров к категории, просмотр дерева, получение типов параметров и параметров категории. Для более глубокой настройки доступны ещё сотни инструментов Admin API — маршруты, права, отчёты, порталы, SmartScript и объекты базы данных.пр

Вот как это устроено. Мы не задаём агенту жёсткий алгоритм. Мы описываем каждый инструмент — что он делает, какие параметры принимает — и даём примеры использования. Дальше модель сама решает, в каком порядке их вызывать. В этом и принцип: мы не программируем последовательность, а предоставляем набор независимых действий, из которых агент собирает решение.

Уровень второй: как это работает в ежедневных задачах

MCP-сервер — это не только про администрирование. В ежедневной работе сотрудники уже используют агента для операционных задач: анализа, ревью, массовой обработки данных. Вот несколько примеров из нашей практики.

Код-ревью через диалог.Наш руководитель тестирования подключила MCP-сервер к ИИ-агенту и попросила: «Посмотри, какие задачи на код-ревью сейчас на мне. Проведи ревью по условиям: проверь на корректность, адекватность, логичность». Агент сам нашёл назначенные задачи, скачал прикреплённые файлы с кодом, проанализировал и выдал замечания. После обсуждения написал комментарий в задачу с результатами проверки и выполнил переход «Проверка выполнена». Всё через MCP, без ручного копирования между системами.

Важный нюанс: агент к тому моменту уже был погружён в контекст проекта — они работали вместе не первый день. Ему не пришлось объяснять структуру кода или правила ревью заново. По итогам был создан промт-шаблон, чтобы другие ревьюеры в команде могли использовать тот же подход.

Массовая классификация задач.Руководитель ИИ-направления проанализировал с помощью агента более 1100 открытых сценариев. Агент читал описания задач, комментарии и документацию, а затем заполнял дополнительные поля — классификацию, ограничения, признак фичи. По сути, это массовая аналитика и структурирование данных, которую один человек вручную делал бы неделями. Агент справился за часы — оставалось проверить результат и опубликовать отчёт.

Мониторинг площадок.Наш инженер сопровождения автоматизировал ежедневную проверку клиентских площадок. Агент собирает данные о состоянии системы — ошибки, отзывчивость, аномалии — и публикует результаты проверки комментарием в задачу. Раньше это требовало ручного сбора и оформления, теперь достаточно запустить промт.

Во всех этих случаях MCP выступает как мост: агент получает через протокол возможность читать задачи, писать комментарии, заполнять поля и выполнять переходы без написания отдельных скриптов для каждого действия.

Отдельная история — SmartScripts, скрипты автоматизации, которые хранятся в базе данных. Мы написали фабрику, которая при запуске сервера автоматически превращает все включённые SmartScripts в MCP-инструменты. На практике это значит: клиент создаёт свой скрипт автоматизации — и он автоматически становится доступен агенту без дополнительной разработки.

Что важно понимать: границы и честная оценка

Было бы нечестно подать MCP как магическую кнопку. Вот что нужно учитывать.

MCP — это протокол, не искусственный интеллект.Он не делает агента умнее. Он делает подключение агента к системе быстрее и стандартнее. Раньше мы тоже могли написать любой инструмент вручную, просто это занимало время и ресурсы, которых всегда не хватало. MCP снимает это ограничение: инструменты уже готовы, их нужно только подключить.

Качество зависит от двух сторон.Мы как создатели MCP-сервера влияем на качество описаний инструментов и информативность ответов — это наша зона. Но то, как агент интерпретирует задачу и выстраивает цепочку действий, — зона модели и того, кто её настраивает. Если вы строите собственного агента, можете прописать явные навыки — промпты, цепочки инструментов, правила валидации — и алгоритмы, чтобы повысить предсказуемость. Если используете готового — будьте готовы к тому, что иногда придётся поправлять его в диалоге.

Агент работает с правами конкретного пользователя, не с суперправами. Авторизация происходит через Personal Access Token (PAT) — агент видит и может делать ровно то, что разрешено этому пользователю. Административные домены требуют прав администратора, пользовательские — стандартную авторизацию. Разделение такое же, как в интерфейсе.

А если агент ошибётся?Мы понимаем этот риск, особенно если вы подключаете внешнюю модель, поведение которой не контролируете полностью. Вот что помогает его минимизировать:

Работа на dev-среде.Здесь можно экспериментировать, проверять результат и только после этого переносить на прод. Это стандартная практика для любых изменений конфигурации.

Откат изменений.Если агент создал категорию не так, как нужно, её можно удалить и попросить переделать — или скорректировать вручную. На dev-контуре это безопасно.

Понятные ответы при ошибках.Когда инструмент возвращает ошибку, мы отдаём не просто «не получилось», а конкретную причину: «у пользователя нет права на эту операцию», «категория с таким именем уже существует». Это помогает агенту скорректировать действия самостоятельно, без участия человека.

Инженерная мелочь, которая показывает, с чем приходится сталкиваться: MCP-ответы содержат кириллицу, а стандартный JSON-сериализатор экранирует её в \uXXXX — нечитаемую кашу. Пришлось написать middleware, который перехватывает ответ и декодирует обратно в UTF-8. Мелочь, но без неё отладка превращалась в расшифровку.

Что это значит для рынка

На момент публикации нам не известны другие российские BPM-системы с реализованным MCP-сервером. Отдельные вендоры заявляют о планах, но готовых решений мы не видели.

Для нас это не просто техническая фича — это изменение самого подхода к настройке системы. Порог входа снижается: вместо «нужен разработчик, который напишет скрипт» появляется парадигма «нужен человек, который понимает процесс и может его описать». Это не означает, что разработчики становятся не нужны, потому что сложные сценарии, интеграции, оптимизация по-прежнему требуют экспертизы. Но типовые задачи настройки теперь может выполнить владелец процесса, который раньше мог только поставить задачу и ждать.

Мы продолжаем развивать MCP-сервер: расширяем набор инструментов, улучшаем описания и обработку ошибок, тестируем сложные сценарии настройки. Если у вас есть опыт интеграции ИИ-агентов с корпоративными системами — поделитесь в комментариях, интересно сравнить подходы.