MCP для локальной LLM: как подключить файлы, Git и инструменты к Ollama и LM Studio

Что такое Model Context Protocol

MCP — Model Context Protocol — открытый протокол для стандартного подключения AI-приложений к внешним данным и инструментам.

В актуальной спецификации MCP `2026-07-28` протокол построен на JSON-RPC и определяет взаимодействие между host, client и server. Сервер может предоставлять модели данные и действия, а AI-приложению не нужно писать отдельную уникальную интеграцию под каждый сервис.

В июле 2026 вышла новая спецификация `2026-07-28`. Среди крупных изменений — stateless protocol core, обновлённая авторизация, multi round-trip requests и formal extensions framework.

Зачем MCP нужен именно локальной LLM

Без инструментов локальная модель изолирована. Она не знает содержимое вашей папки, текущий Git status, состояние базы данных или данные из Home Assistant, пока приложение не передаст это в prompt.

MCP позволяет дать ей контролируемые возможности:

Host, client и server: кто за что отвечает

MCP использует client-host-server архитектуру.

Модель может находиться в том же приложении или на отдельном inference backend. Например, Open WebUI может работать как интерфейс/MCP host, а Ollama — как сервер модели.

Tools, Resources и Prompts — три разные вещи

В MCP серверы могут предоставлять несколько типов возможностей.

В актуальной документации MCP tools считаются model-controlled: модель может выбирать инструмент на основании запроса. Но host сам определяет UX и может требовать подтверждение пользователя.

MCP, RAG и обычный API — не одно и то же

Они могут работать вместе. Например, MCP tool обращается к корпоративному поиску, тот делает RAG, а найденные данные возвращаются модели.

Полный материал про документы: локальный RAG для PDF и базы знаний.

Где в MCP-схеме находится Ollama

Ollama в типичной локальной архитектуре отвечает прежде всего за inference модели и API. MCP-интеграцией управляет host — приложение, которое одновременно умеет обращаться к модели и подключать внешние tools.

Это важно понимать: установка MCP server рядом с Ollama сама по себе не заставит модель использовать инструмент. Нужен host/client layer, который связывает обе стороны.

Самый прямой вариант: MCP в LM Studio

LM Studio начиная с версии 0.3.17 умеет выступать MCP Host и подключать локальные и remote MCP servers. В актуальной ветке 0.4.x поддержка расширена: MCP можно использовать не только в GUI, но и через API.

Где добавить MCP

Пример подключения официального Filesystem server:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "D:\\AI-Workspace"
      ]
    }
  }
}

После подключения LM Studio показывает доступные tools модели. Современная версия также поддерживает OAuth для remote MCP integrations.

MCP в Open WebUI

Open WebUI имеет нативную поддержку MCP начиная с версии 0.6.31. В актуальной документации native MCP работает через Streamable HTTP.

Для server выберите тип:

Если MCP server работает только через stdio, Open WebUI предлагает официальный мост mcpo, который превращает MCP tools в OpenAPI-compatible HTTP endpoints.

uvx mcpo --port 8000 -- uvx mcp-server-time

После запуска OpenAPI-документация доступна по:

Filesystem MCP: полезный первый тест

В официальных reference servers есть Filesystem server с настраиваемыми разрешёнными путями. Это хороший способ понять MCP на практике.

Без MCP:

Обычная локальная LLM не знает содержимое диска. С Filesystem MCP host может предоставить модели инструменты чтения нужного каталога.

Начинайте с отдельной рабочей папки

• D:\AI-Workspace — разумно;
• C:\Users\Имя\Documents\Project — допустимо для конкретного проекта;
• C:\ — слишком широкое разрешение;
• папки с паролями, ключами и backup — не подключать.

Git MCP: дать модели историю проекта без полного shell

Официальный reference Git server умеет предоставлять инструменты для чтения, поиска и работы с Git repository.

Такой подход может быть безопаснее, чем сразу дать агенту произвольный shell: модель получает специализированные операции вместо полного доступа к командной строке.

npx @modelcontextprotocol/inspector \
  uvx mcp-server-git \
  --repository D:\Projects\my-project

Для coding-agent всё равно используйте отдельную Git-ветку: локальный ИИ для программирования.

MCP Inspector: проверяйте server до подключения к модели

MCP Inspector — официальный инструмент для тестирования и отладки MCP servers. В актуальной v2-линейке есть три режима:

npx @modelcontextprotocol/inspector

npx @modelcontextprotocol/inspector --cli \
  node server.js \
  --method tools/list

Inspector полезен именно до подключения LLM: можно убедиться, какие tools сервер реально публикует и какие аргументы они принимают.

stdio и Streamable HTTP: в чём разница

В MCP исторически часто встречаются два сценария.

Спецификация 2026-07-28 заметно изменила protocol core: он стал stateless на уровне протокола. Поэтому при чтении старых гайдов 2024–2025 годов проверяйте, для какой revision они написаны.

Какая локальная модель подходит для MCP

Для инструментов важнее не красивый разговорный ответ, а стабильный tool calling.

Проверяйте, может ли модель:

• правильно выбрать нужный tool;
• не вызывать инструмент без необходимости;
• передать аргументы по schema;
• использовать результат следующем шаге;
• выполнить несколько tool calls последовательно;
• не превращать tool call в обычный текст/JSON.

Для agentic сценариев полезны современные модели с native tool support, например gpt-oss и подходящие Qwen/Gemma variants. Выбор всё равно нужно тестировать на собственных tools.

MCP может неожиданно съесть много context

Чтобы модель могла выбрать инструмент, host передаёт ей описание доступных tools и schemas. Если подключить десятки MCP servers с сотнями tools, system/tool context заметно разрастается.

Поэтому не подключайте «все MCP мира» одновременно. Оставляйте только инструменты, которые реально нужны конкретному workflow.

Отдельно про окно: сколько context ставить локальной LLM.

Безопасность MCP: самая важная часть

MCP tool может быть значительно опаснее обычного prompt. У него могут быть реальные полномочия: прочитать файл, удалить данные, вызвать API или выполнить действие в стороннем сервисе.

LM Studio прямо предупреждает: некоторые MCP servers могут выполнять произвольный код, читать локальные файлы и использовать сетевое соединение.

Спецификация MCP также развивает authorization layer: revision `2026-07-28` усилила требования OAuth/OIDC и защиту от смешивания authorization servers.

Локальная LLM + MCP не обязательно означает offline

Есть три разных уровня локальности:

Например, локальная модель через MCP может вызвать GitHub, Notion или web-search server. Модель остаётся локальной, но запросы и часть данных уже покидают компьютер.

Почему MCP подключён, но модель им не пользуется

Полезные MCP-проекты на GitHub

С чего начать дома

Частые вопросы