Настройка агента вручную — это клики по десяткам вкладок: инструкция, база знаний, действия, переменные, тесты. Даже опытный интегратор тратит на простого бота часа два. С MCP-сервером Савви часть этой работы теперь можно отдать ИИ-ассистенту прямо в терминале — Claude Code, Codex или Cursor. Разберёмся, что это меняет для тех, кто внедряет Савви клиентам.
Что такое MCP-сервер Савви
MCP (Model Context Protocol) — открытый протокол, через который ИИ-ассистенты подключаются к внешним инструментам. У Савви появился собственный MCP-сервер: он даёт ассистенту доступ к тем же операциям, что и личный кабинет — создание агентов, работа с базой знаний, действиями, таблицами, тестовыми диалогами.
Интеграция работает с любым агентом, который поддерживает MCP: Claude Code, Cursor, Windsurf, VS Code, JetBrains AI Assistant, OpenAI Codex, Gemini CLI, GitHub Copilot и другими. То есть настраивать Савви можно из привычной среды разработки, не переключаясь в браузер.
Подключить сервер можно за одну команду. Официальный способ — через плагин, он ставит сразу MCP-сервер и agent skill (набор инструкций для ассистента, как именно работать с Савви):
/plugin marketplace add suvvyai/agent-skill
/plugin install suvvy-mcp@suvvy-plugins
Есть и прямой вариант без плагина:
claude mcp add --scope user --transport http suvvy https://api.suvvy.ai/mcp
После этого в диалоге с ассистентом можно просто описать задачу словами — он сам решит, какие инструменты Савви вызвать.
Что умеет ассистент в связке с Савви
Через MCP-агента можно поручить самые разные шаги настройки:
Всё это описано в документации Савви как штатные возможности MCP-агента. Он создаёт агентов с нуля и из сайта, пишет инструкцию, собирает базу знаний, настраивает действия, а потом сам запускает тестовые сценарии, находит проблемы и исправляет их — по кругу, пока агент не заработает как надо.
Как это выглядит на практике
Дальше — пример со скриншотов презентации. Кейс условный, но хорошо показывает логику работы.
Интегратор ставит задачу: сделать агента-продавца для сайта клиента (в примере — микрофинансовая организация). Ассистент в Claude Code берёт её в работу.
После первого прохода интегратор ставит вторую задачу: вынести цены в отдельного агента, чтобы основной промпт не разбухал и обновлять тарифы было проще, и заодно сравнить, как справляются разные модели. На скриншоте ассистент прогоняет тестовые диалоги на нескольких LLM и сводит их в таблицу по трём параметрам — стабильности вызова функций, корректности ответов и стоимости диалога. Конкретные модели и цифры в примере взяты со скриншота презентации.
Сама механика — из документации: в Савви можно выбрать LLM для агента (модели OpenAI, Anthropic, DeepSeek, Google, Яндекса и другие), а стоимость диалога платформа считает и показывает прямо в тестовом чате. Есть даже отдельная модель для тестового чата — так удобно сравнивать поведение одного агента на разных LLM. Разница моделей по цене и качеству — обычная часть работы интегратора; MCP просто снимает ручной прогон.
В результате получается рабочий агент на платформе Савви — с настроенным промптом, базой знаний и подключёнными действиями, готовый к запуску на канале клиента.
Почему это важно для интегратора
Раньше настройка агента — это, по сути, ручной труд: скопировать текст с сайта, разбить на документы, написать промпт, прогнать тесты, найти, где агент путается, поправить. Час-два минимум даже на несложного бота.
MCP убирает большую часть этой рутины. Вы формулируете задачу на человеческом языке, а ассистент выполняет технические шаги через инструменты Савви. Это не значит, что агента можно отдать полностью на автомат — финальную проверку промпта и логики диалога интегратор всё равно делает сам. Но черновая работа — сбор базы знаний, настройка действий, первый прогон тестов — теперь занимает минуты, а не часы.
Для тех, кто ведёт несколько проектов параллельно, это прямая экономия времени на каждом внедрении. А для новых интеграторов — более пологий вход: не нужно помнить, в какой вкладке личного кабинета что настраивается, если можно просто описать задачу ассистенту.
Что дальше
Установка и полный список поддерживаемых ассистентов — в руководстве Савви: Работа через ИИ-агентов и Подключение MCP-сервера.
Хотите попробовать MCP-сервер на своём агенте — заходите на suvvy.ai и подключайте Claude Code, Cursor или другой поддерживаемый ассистент по инструкции из документации.
А если только начинаете разбираться с платформой и хотите научиться внедрять Савви клиентам — в том числе с MCP, — приходите на бесплатный курс в Академии: регистрация здесь.