ОМП интегрировала MCP-сервер в ОС Аврора для автоматизации работы ИИ-агентов

Это исключает ручное копирование документации и кода в контекстное окно ИИ-агента и снижает количество ошибок при генерации API-вызовов под специфику платформы.

Что получает агент

MCP (Model Context Protocol) — открытый протокол подключения ИИ-агентов к внешним источникам данных и инструментам. На портале ОС «Аврора» сервер открывает доступ к базе знаний: документации, статьям, новостям, релиз-нотам, разделу вопросов и ответов, исходному коду примеров приложений.

Функциональность сервера:

• поиск раздела документации по описанию задачи;
• поиск примеров кода из реальных приложений под конкретный API;
• выдача точных ссылок на первоисточники;
• полнотекстовый поиск по документации, статьям, новостям, релизам и Q&A;
• поиск по исходному коду примеров;
• получение полного текста найденного документа или файла;
• список дополнительных инструментов и библиотек с документацией;
• общая информация о портале.

Агент сам решает, какой запрос делать и в какой момент. Ручные вызовы не требуются.

Влияние на пайплайн разработки

Основное узкое место при code generation через LLM — отсутствие у модели знаний о проприетарном API. Агент опирается на общедоступные паттерны Android/iOS и выдаёт нерабочие вызовы. Итерационный цикл «правка промпта — перегенерация — проверка» увеличивает time-to-prototype и снижает предсказуемость кода.

MCP-сервер переносит решение с уровня промпта на уровень источника данных. Это снижает долю галлюцинаций в API-вызовах и количество итераций. Для enterprise-команд эффект — на метриках delivery velocity и defect rate.

Подключение — однократная операция: указать адрес сервера в настройках поддерживаемого ИИ-агента. Конкретный механизм зависит от приложения.

Чек-лист интеграции

• Подтвердить поддержку MCP в используемом IDE-плагине или CLI-клиенте.
• Добавить endpoint в конфигурацию MCP-серверов.
• Формулировать задачи так, чтобы агент инициировал поиск по документации, а не опирался только на внутренние знания модели.
• Зафиксировать список доступных инструментов в логе сессии для аудита.
• Проверить полнотекстовый поиск и поиск по исходному коду на релевантных API-задачах.
• Оценить эффект на метрики: количество итераций до рабочего кода, доля скомпилированных решений без правок.