MCP готовит обновление для более простой работы AI-интеграций
Model Context Protocol изменит работу с идентификаторами сессий, чтобы серверам было проще масштабироваться и обслуживать крупные внедрения
Один основной источник · Как мы проверяем новости

Что произошло
Model Context Protocol готовится к значимому обновлению. Для конечных пользователей оно может остаться незаметным, но для разработчиков и компаний, которые строят AI-интеграции, изменения могут оказаться важными.
MCP позволяет чат-ботам и другим AI-клиентам обращаться к календарям, базам данных и внутренним инструментам без создания отдельной кастомной связки для каждого подключения.
Что меняется в MCP
Официальная спецификация новой версии была опубликована еще в мае, а Arcade подробно объяснила изменения. Главный сдвиг связан с тем, как MCP обрабатывает идентификаторы сессий — токены, по которым сервер понимает, что новый запрос относится к уже начатому взаимодействию.
В текущей схеме клиент MCP, например Claude, при первом подключении сообщает серверу свою версию и возможности. Сервер отвечает своими возможностями и выдает идентификатор сессии, который затем отправляется с каждым запросом. Если идентификатор истекает, клиенту нужно запросить новый.
Почему это важно
Проблема становится заметной при крупных развертываниях. Если сервис обслуживает миллионы пользователей за балансировщиком нагрузки, запросы могут попадать на разные серверы, иногда в разных регионах. В таком случае каждому серверу нужно знать об идентификаторе сессии, который мог выдать другой сервер.
Из-за этого нынешним MCP-серверам приходится выполнять дополнительную работу, чтобы отслеживать пользователей и сессии. В материале TechCrunch это названо одной из причин, почему, несмотря на интерес к агентному AI, появилось не так много масштабных собственных MCP-интеграций от компаний.
Контекст
Новая схема предполагает более свободный, «безсостояниевый» подход к идентификаторам сессий на стороне сервера, похожий на то, как работают многие обычные сайты. Это должно упростить поддержку MCP-систем и теоретически сделать их дешевле при масштабировании.
История с MCP показывает, что инфраструктура для AI развивается не так быстро, как обучение моделей: часть базовых технических стандартов по-прежнему зависит от более медленного процесса согласования.
Источники
Один основной источник. Как мы проверяем новости


