Главная проблема AI в 1С не в том, что он плохо пишет код. Главная проблема в том, что он не знает вашу 1С.
Он может в общих чертах понимать что такое справочник, документ, регистр, проведение, форма, запрос или БСП. Но он не знает, что именно в вашей базе: что в документе добавлен реквизит «КодПоставщика»; что в расширении переопределена логика проведения; что есть регистр «ЦеныКонкурентов»; что обработка уже доработана под клиента; что у вас есть свои правила сдачи задач и формат ТЗ. Без этого AI работает «по средней 1С». А в реальной 1С «по среднему» почти всегда опасно.
MCP-сервер нужен, чтобы AI получал ваш контекст: видел вашу конфигурацию, искал по документации, находил примеры, проверял правила, читал внутренние инструкции — и работал не вслепую, а с опорой на факты.
Проще говоря: MCP — это способ подключить AI к знаниям и инструментам вашей компании.
MCP простыми словами
MCP — это Model Context Protocol. Если перевести по смыслу — «протокол, через который AI получает контекст».
Самая понятная аналогия: MCP — это розетка.
AI-агент сам по себе — умный прибор. Но если он не подключён к вашим данным, он работает «на батарейках»: знает только то, что было в модели, и то, что вы сами вставили в чат. Через MCP-розетку можно подключить:
- конфигурацию 1С;
- Git-репозиторий с кодом проекта;
- документацию;
- базу обработок;
- внутреннюю wiki;
- чек-листы тестирования;
- стандарты разработки;
- базу типовых ошибок.
Розетка сама не делает работу. Но без неё прибор не получает питание. Так же и MCP: он не заменяет AI, а даёт ему доступ к нужному контексту.
Почему без MCP AI в 1С работает вслепую
Вы пишете в чат:
Сделай обработку для загрузки цен поставщика.
AI напишет код. Но он не знает: как у вас называется справочник номенклатуры; есть ли у товара артикул, код поставщика, внешний ID; где хранятся цены; используется ли типовое ценообразование; есть ли расширение; как принято логировать ошибки; какие тесты нужны перед сдачей.
В итоге он пишет «примерно правильно». Для демо красиво. Для реальной базы — рискованно.
С MCP сценарий другой. AI может сначала спросить:
Покажи структуру справочника Номенклатура. Найди регистры, связанные с ценами. Покажи существующие обработки загрузки прайсов. Найди внутренний чек-лист сдачи обработки.
И только после этого предлагать решение.
MCP переводит AI из режима «я предполагаю» в режим «я проверил в вашем контексте».
Что именно MCP даёт 1С-команде
MCP полезен не только программисту. Он нужен всей цепочке.
Для программиста
Помогает: быстрее разбираться в чужом коде; искать, где используется процедура или реквизит; проверять структуру объектов; находить похожие решения; сверяться с документацией; составлять тесты; меньше времени тратить на рутину.
Программист может попросить:
Найди все места, где используется регистр ЦеныНоменклатуры. Покажи, какие документы делают по нему движения. Проверь, есть ли в модуле запросы в цикле.
Для аналитика
Аналитик часто понимает бизнес-задачу, но не всегда глубоко знает код. MCP даёт ему возможность задавать AI вопросы по реальной конфигурации:
Какие объекты могут быть затронуты этой доработкой? Какие вопросы нужно задать клиенту? Какие риски при изменении печатной формы? Какие тесты нужны перед сдачей?
Это не делает аналитика программистом. Но аналитик начинает готовить задачи точнее, а программист получает меньше сырого хаоса.
Для тестировщика
MCP можно подключить к внутренним чек-листам и тестовым сценариям:
Подбери чек-лист для проверки печатной формы. Составь тесты для обработки загрузки прайса. Проверь, какие сценарии нужно пройти перед сдачей доработки по документу ЗаказКлиента.
Для руководителя 1С-команды
MCP даёт прозрачность. Можно быстрее понять: что затронет доработка; насколько задача рискованная; какие проверки нужны; что программист мог не учесть; есть ли похожее решение в базе. Это помогает оценивать задачи спокойнее и не зависеть полностью от фразы «программист сказал, что там всё просто».
Простой пример: одна задача без MCP и с MCP
Задача: нужно сделать обработку загрузки прайса поставщика.
Без MCP
Вы пишете AI: «сделай обработку загрузки прайса в 1С». AI пишет код. Программист смотрит и говорит: «это красиво, но к нашей базе не относится». И он прав.
С MCP
Вы ставите задачу иначе:
Сначала не пиши код. Через MCP: 1. Найди структуру справочника Номенклатура. 2. Найди регистры, связанные с ценами. 3. Найди существующие обработки загрузки прайсов. 4. Найди чек-лист сдачи обработок. 5. Предложи план реализации. 6. Код писать только после подтверждения.
Теперь AI действует как помощник: изучает конфигурацию; находит похожие решения; смотрит документацию; предлагает план; показывает риски. Это уже не «нейросеть написала что-то из головы». Это работа в контексте вашей 1С.
Какие MCP-серверы мы сделали для 1С
У нас в B2C сложились три основных направления. Это не «единственно правильный набор», но для 1С-разработки он оказался очень рабочим.
1. MCP метаданных 1С
Знает структуру конфигурации. Помогает отвечать на вопросы:
Какие реквизиты есть у документа? Какие регистры он движет? Где используется этот общий модуль? Какие процедуры есть в модуле?
Это резко снижает количество «галлюцинаций». AI перестаёт придумывать несуществующие реквизиты и начинает проверять. Для 1С это критично: ошибка в одном имени реквизита может сломать всё решение.
2. MCP документации 1С и БСП
Позволяет AI искать по документации платформы, EDT и БСП. AI без документации часто пишет «по среднему опыту», а в 1С много нюансов: ограничения платформы, стандарты БСП, устаревшие методы, правильные подходы. С документацией AI не просто говорит «можно сделать так», а объясняет: «правильнее использовать такой подход, потому что в документации указано ограничение…».
3. MCP библиотеки обработок и примеров
В 1С часто не нужно изобретать всё с нуля. Очень много задач похожи: загрузка прайса, печатная форма, обмен, заполнение табличной части, подбор номенклатуры, отчёт. Если у AI есть доступ к библиотеке примеров, он может не «сочинять» с чистого листа, а взять похожее решение за основу. Это ближе к тому, как работает опытный программист: «я уже делал похожее, возьму старый пример и адаптирую».
MCP для тестов, чек-листов и правил сдачи задач
Этот сценарий часто недооценивают. MCP нужен не только для кода. Его можно сделать под ваши внутренние правила.
Например, у вас есть документ «Правила сдачи обработки загрузки данных». Там написано: проверить пустой файл; проверить неверный формат; проверить дубли; проверить права пользователя; проверить лог ошибок; проверить откат; приложить инструкцию.
Если этот документ лежит в папке или «в голове у руководителя», AI его не знает. Но если сделать MCP под внутреннюю документацию — AI сможет использовать эти правила. И тогда можно попросить:
Составь тест-кейсы для обработки загрузки прайса по нашему внутреннему регламенту.
И он ответит не «как обычно в интернете», а по вашим правилам.
Главная мысль: самые ценные MCP-серверы — не универсальные, а ваши внутренние. Только вы знаете, как устроена ваша компания, ваши клиенты, ваши базы, ваши правила и ваши ошибки.
Что мы даём на обучении: готовое и понимание, как создавать своё
На обучении / пилоте мы не просто говорим «вот вам готовые MCP-серверы, пользуйтесь». Это было бы полезно, но недостаточно.
У каждой 1С-команды своя реальность: свои конфигурации, свои доработки, свои отраслевые решения, свои обработки, свои правила сдачи задач, свои клиенты. Поэтому подход другой.
Что передаём готовым
Чтобы команда не начинала с нуля и быстро почувствовала результат:
- MCP для метаданных 1С;
- MCP для документации;
- MCP для библиотеки обработок и примеров;
- шаблоны постановки задач;
- правила безопасной работы с AI;
- примеры запросов для аналитика и программиста;
- подход к работе через EDT, Git и тестовый контур.
Чему учим отдельно
Главное — мы показываем, как это устроено. Чтобы команда могла не только пользоваться готовыми серверами, но и улучшать их под себя:
- Есть внутренняя wiki → показываем, как сделать её источником знаний для AI.
- Есть чек-листы тестирования → показываем, как подключить их к задачам.
- Есть база типовых ошибок → показываем, как сделать поиск по ней.
- Есть свои обработки → показываем, как собрать библиотеку примеров.
- Есть отраслевые регламенты → показываем, как AI может использовать их при подготовке ТЗ.
Правильный результат обучения: команда понимает, как создавать и развивать свои MCP-серверы под свои процессы.
Почему нельзя один универсальный MCP для всех
Универсальный MCP знает только универсальные вещи. А ценность в 1С почти всегда в деталях.
Две компании работают на УТ 11.5. Но у первой — своя интеграция с сайтом, свои правила резервирования, свои печатные формы, свои скидки. У второй — другой складской процесс, другой обмен с кассами, свои доработки документов, свои правила прав.
Формально конфигурация одна. Реальность — разная.
Поэтому MCP должен учитывать не только «типовую УТ», но и вашу конкретную базу, ваши расширения, ваши документы, ваши регламенты. Универсальные серверы дают старт. Кастомные дают настоящий эффект.
MCP — это не замена программиста
MCP не делает AI безошибочным. Он не отменяет программиста. Не отменяет ревью. Не отменяет тестовую базу. Не отменяет понимание кода.
MCP просто даёт AI больше фактов. Но факты ещё нужно правильно использовать.
Правило простое:
AI может искать, анализировать, предлагать и делать черновик. Человек проверяет, понимает и принимает решение.
Если AI через MCP нашёл объект — это не значит, что решение автоматически правильное. Это значит только одно: теперь он меньше придумывает и больше опирается на реальный контекст.
MCP и безопасность
MCP-сервер может иметь доступ к файлам, документации, коду, внутренним базам знаний. Поэтому подключать его нужно аккуратно.
Минимальные правила:
- не давать AI доступ к боевой базе без необходимости;
- начинать с read-only доступа;
- ограничивать папки проекта;
- не подключать непроверенные MCP-серверы из интернета;
- не отдавать лишние секреты, пароли и токены;
- разделять тестовый и рабочий контур;
- логировать, какие инструменты использует AI;
- запрещать опасные действия без подтверждения человека.
Правильный MCP — это не «открыли всё AI». Правильный MCP — это: дали нужный контекст, ограничили права, оставили контроль за человеком.
Что можно сделать прямо сейчас без своего MCP
Не обязательно сразу писать свой сервер. Можно начать проще.
Шаг 1. Подключить AI к файлам проекта. Даже обычный доступ к папке проекта уже лучше, чем чат в браузере. AI увидит модули, формы, структуру, изменения.
Шаг 2. Подключить Git. Git даёт AI и человеку историю: что изменилось, кто менял, где diff, что можно откатить. Для AI-разработки — почти обязательная основа.
Шаг 3. Подготовить внутренние правила. Даже простой файл AGENTS.md или CLAUDE.md уже помогает. Туда можно записать: не менять типовые модули без разрешения; код писать только после плана; не использовать запросы в цикле; если данных недостаточно — задавать вопросы.
Шаг 4. Собрать базу примеров. Создать папку /examples и положить туда хорошие обработки, ТЗ, печатные формы, тест-кейсы, отчёты, примеры типовых ошибок. Даже без сложного MCP это уже даёт AI больше контекста.
Шаг 5. Потом делать MCP. Когда становится понятно, какие знания реально нужны, можно делать MCP.
Плохой путь: «давайте напишем MCP, а потом придумаем, зачем он нужен». Хороший путь: «вот наши повторяющиеся задачи; вот какие данные AI постоянно просит; вот что мы каждый раз копируем руками — это и нужно превратить в MCP».
MCP в связке с правильной постановкой задачи
MCP сам по себе не решает всё. Он особенно хорошо работает с правильной постановкой задачи.
Плохая задача: «сделай отчёт по продажам». Даже с MCP это слишком расплывчато.
Хорошая задача:
Сначала не пиши код. Через MCP: 1. Проверь структуру регистров продаж. 2. Найди существующие отчёты по продажам. 3. Найди документацию по СКД. 4. Предложи план отчёта. 5. Укажи риски. 6. Код писать только после подтверждения.
MCP даёт контекст. Постановка задачи задаёт направление. Человек контролирует решение.
- MCP — это что-то только для Claude?Нет. MCP — открытый стандарт. Его поддерживают разные AI-инструменты: Claude Code, Codex, Cursor и другие. Один и тот же MCP-сервер можно подключить к разным AI-агентам.
- MCP — это база данных?Нет. MCP — не сама база данных, а способ, через который AI может обратиться к базе, документации, файлам или другому источнику. Аналогия: база — это склад, MCP — сотрудник, который умеет найти на складе нужную вещь и принести её AI.
- MCP — это «мозги» AI?Не совсем. Мозги — это сама AI-модель. MCP — это внешняя память, справочник и набор инструментов. Без MCP AI рассуждает по общим знаниям. С MCP он может проверять факты в вашем проекте.
- Нужен ли MCP для маленьких задач?Для одной маленькой задачи — не всегда. Если нужно просто объяснить код или набросать ТЗ, можно обойтись AI-агентом с доступом к файлам. Но если вы хотите системно использовать AI в 1С-разработке, MCP становится очень важным.
- MCP заменяет 1С-разработчика?Нет. MCP помогает AI лучше понимать контекст, но финальное решение остаётся за человеком. Меньше догадок, больше фактов, быстрее анализ, точнее черновики, лучше проверка — но программист всё равно проверяет архитектуру, код, риски и результат.
- Можно ли через MCP подключить нашу внутреннюю документацию?Да. И это один из самых полезных сценариев. Можно подключить: wiki, инструкции, чек-листы, регламенты, стандарты разработки, правила сдачи задач, базу типовых ошибок, описания интеграций. Тогда AI будет отвечать не «как вообще правильно», а «как принято у вас».
- Можно ли сделать MCP под тестирование?Да. В MCP можно загрузить чек-листы приёмки, правила тестирования печатных форм, инструкции по обменам, тест-кейсы по типовым задачам. После этого AI сможет помогать составлять проверки под конкретную доработку. Это особенно полезно для аналитиков, тестировщиков и руководителей.
- MCP работает с Конфигуратором?С Конфигуратором напрямую — ограниченно. Для полноценной AI-разработки удобнее использовать 1C:EDT, Git и проект в файлах. AI лучше работает с текстовыми файлами, структурой проекта, diff, историей изменений. Конфигуратор можно оставлять для привычных задач, но основной AI-контур лучше строить вокруг EDT и Git.
- Мы можем сами написать MCP?Да. И именно этому важно научиться. Готовые MCP дают быстрый старт, но настоящая ценность появляется, когда команда умеет адаптировать их под себя: добавить внутреннюю документацию, подключить свои обработки, учесть отраслевые особенности, добавить свои тесты, расширить поиск по конфигурации. На обучении мы показываем не только «как пользоваться», но и «как создавать и развивать».
- Что остаётся у клиента после пилота?Не просто набор файлов. Остаётся рабочий подход: готовые MCP-серверы; настроенный AI-контур; шаблоны задач; правила безопасной работы; понимание, как расширять MCP под свои процессы; первые сценарии на реальных задачах команды. Главное — команда начинает понимать, как делать AI полезным именно для своей 1С, а не для абстрактного примера.
Подключаем AI к вашей 1С
MCP — это не модное слово и не сложная игрушка для разработчиков. Для 1С-команды это способ дать AI то, чего ему всегда не хватает: контекст вашей конфигурации, документацию, примеры, правила, тесты и внутренние знания.
На пилоте B2C мы передаём готовые MCP-серверы и показываем, как использовать их в реальной 1С-разработке. Но главное — мы учим команду создавать и улучшать свои MCP: под вашу конфигурацию, под вашу документацию, под ваши обработки, под ваши тесты, под ваши правила сдачи задач, под ваш бизнес.
Записаться на диагностический созвон — разберём вашу 1С-разработку и покажем, какие источники знаний можно подключить к AI уже в первую очередь.