В локальных ИИ-агентах для разработки заметная альтернатива MCP — CLI + Skills: агент запускает программу командной строки, а навык объясняет, как выполнить задачу. Это направление подтверждают актуальные материалы Playwright и Salesforce. Для собственной серверной автоматизации можно использовать прямой API или SDK. Code Mode меняет способ обращения к инструментам, но нередко сохраняет MCP внутри системы.
Универсального победителя здесь нет. В рассмотренных первоисточниках нет сопоставимой статистики, позволяющей утверждать, что большинство компаний уже перешло с MCP на другой механизм. Поэтому ниже — разбор повторяющихся практических подходов и конкретных изменений, а не рейтинг по доле рынка.
Материал предназначен руководителям внедрения, разработчикам и интеграторам, которые выбирают способ подключения ИИ-агента к рабочим системам. Источники сверены 9 ноября 2026 года. Производительность CLI и MCP в рамках этой статьи не измерялась; команды приведены как документированные примеры, а не выполненный автором эксперимент. Ответственный издатель — AI студия Владимира Ломтева.
Содержание
- Что действительно меняется в подходах к интеграциям
- Какие переходы подтверждены первоисточниками
- CLI + Skills: практическая альтернатива для локального агента
- Прямой API, SDK и собственные функции
- Code Mode: меньше отдельных вызовов, но MCP может остаться
- Чем отличаются Skills, MCP, CLI и A2A
- Как выбрать вариант для задачи компании
- Почему не стоит массово удалять MCP-серверы
- Как AI студия Владимира Ломтева помогает выбрать интеграцию
- Итог: для локальных агентов исследуйте CLI + Skills, для интеграций выбирайте по задаче
Что действительно меняется в подходах к интеграциям
MCP, или Model Context Protocol, задаёт стандарт общения агентного клиента с сервером инструментов. Сервер описывает доступные операции и структуру их аргументов, клиент обнаруживает их и вызывает нужную. Это описано в спецификации MCP Tools.
В простом варианте агент получает набор инструментов вроде «найти документ», «прочитать задачу», «обновить запись». Такая интеграция удобна, когда к одному сервису должны подключаться разные совместимые клиенты. Но описание большого набора операций, промежуточные ответы и лишние действия обнаружения могут усложнять работу.
Отсюда возникают разные решения. Одни команды дают агенту готовую CLI-программу. Другие упаковывают порядок действий в skill. Третьи позволяют агенту написать небольшой код, который сам вызывает API и обрабатывает результат. Иногда действительно убирают MCP-сервер, иногда меняют только пользовательский для модели интерфейс, оставляя протокол за ним.
Нельзя считать, что любой MCP-клиент всегда загружает все схемы в каждый запрос, а CLI ничего не стоит по контексту. Результат зависит от клиента, обнаружения инструментов, формата вывода и сценария. Длинный вывод команд тоже может переполнить контекст. Выбирать нужно между конкретными реализациями на одной задаче, а не между названиями технологий.
Какие переходы подтверждены первоисточниками
Playwright: CLI + Skills для coding agents
В репозитории Microsoft Playwright CLI разработчики прямо рекомендуют CLI для coding agents и объясняют выбор меньшей нагрузкой на контекст по сравнению с загрузкой крупных описаний инструментов и подробных деревьев страницы. Это позиция авторов продукта для определённого сценария, а не доказанный результат для любого ИИ-агента.
При этом Playwright MCP продолжает существовать. В официальном сравнении MCP и CLI способы подключения разведены по задачам. Пример показывает переход к альтернативному входу в ту же систему автоматизации браузера, а не отказ от всех MCP-интеграций.
Salesforce: завершение поддержки конкретного локального сервера
Здесь есть фактическое изменение жизненного цикла продукта. В официальном уведомлении Salesforce указано завершение поддержки локального Salesforce DX MCP server, пакета @salesforce/mcp, со 2 ноября 2026 года и направление к forcedotcom/sf-skills. Репозиторий помечен архивным; в метаданных npm-пакета присутствует предупреждение о deprecated-статусе.
Область этого сообщения — локальный DX-сервер для разработки Salesforce. Из него нельзя делать вывод, что Salesforce прекратила все MCP-направления или что протокол стал непригоден для CRM. Более того, текущий репозиторий sf-skills описывает плагины, которые могут включать не только навыки, но и MCP-серверы. Переход к skills не обязательно означает исчезновение MCP из всего стека.
Parallel: несколько интерфейсов к одному сервису
Документация Parallel CLI предлагает командную строку для поиска и обработки веб-данных. Одновременно 5 ноября 2026 года компания представила Parallel MCP 2.0. Это полезный противовес тезису «MCP уже заменили»: поставщик развивает несколько способов доступа, рассчитанных на разные агентные среды.
Общий вывод по этим примерам — рост выбора на уровне интерфейса. В локальном агенте с терминалом предлагается путь CLI + Skills; в клиентах без shell-доступа или при универсальном подключении к внешним сервисам сохраняется смысл MCP. Частоту таких решений во всех компаниях рассмотренные документы не измеряют.
CLI + Skills: практическая альтернатива для локального агента
CLI — обычная программа командной строки. Например, GitHub CLI позволяет получать задачи и pull requests через команды gh. Skill — пакет инструкций и дополнительных материалов, объясняющий агенту, когда и как пользоваться инструментом.
Согласно описанию формата Agent Skills, навык содержит SKILL.md, а также может включать скрипты, справочные материалы и шаблоны. Поддерживающий этот механизм агент сначала знакомится с краткими метаданными и загружает подробности по необходимости. Это помогает передать порядок работы, но само по себе не создаёт доступ к сервису и не выдаёт права.
Задача сотрудника
↓
Навык: порядок действий, ограничения, формат результата
↓
CLI-программа → API рабочей системы
Допустим, нужно подготовить краткий список открытых задач репозитория. В документации GitHub CLI есть структурированный JSON-вывод. Предлагаемый пример чтения публичного репозитория:
gh issue list \
--repo microsoft/playwright \
--state open \
--limit 10 \
--json number,title,url > issues.json
Команда предполагает установленный и настроенный gh. Она ограничивает выборку десятью задачами и сохраняет данные в файл; это не пример измерения экономии токенов. Навык может дополнительно объяснять, как обработать файл, какие поля включить в сводку и когда запросить подтверждение перед изменениями.
Вариант подходит, если агент умеет запускать команды, программа доступна в его среде, а авторизация сервиса уже организована. Для SaaS-чата, которому нельзя установить программы или предоставить shell, такая замена может быть недоступна. Тогда готовый удалённый MCP-коннектор бывает практичнее.
Прямой API, SDK и собственные функции
Для внутренней автоматизации компании отдельный MCP-слой может быть избыточен. Если один контролируемый backend должен получать заявки из одной системы, разработчик может написать функцию, которая обращается к её API через SDK или HTTP-клиент. Агент получает узкую операцию вроде «подготовить сводку по заявкам отдела», а не универсальный доступ ко всем методам сервиса.
Здесь API — программный контракт рабочей системы, SDK — библиотека для обращения к нему. Они решают доступ к самому сервису. Способ регистрации функции в агентном приложении — отдельная часть реализации. Можно использовать встроенный механизм инструментов выбранного фреймворка, сохранив проверку аргументов и прав на сервере.
Это архитектурная рекомендация, а не сообщение о рыночной доле SDK. Преимущество в контролируемом продукте — возможность сделать короткий, предметный интерфейс и не поддерживать ненужный протокольный слой. Ограничение — переносимость: если эту функцию должны вызывать несколько разных агентных клиентов, придётся поддерживать несколько адаптеров или снова добавить общий MCP-интерфейс.
Например, для собственной автоматизации согласования счетов полезнее сначала спроектировать отдельные операции чтения, подготовки проекта и подтверждения. Ни прямой API, ни MCP не должны позволять модели самостоятельно расширять права. Протокол передачи вызова не заменяет серверную проверку действия.
Code Mode: меньше отдельных вызовов, но MCP может остаться
При обычной работе модель может последовательно вызывать инструмент, читать результат, делать следующий вызов и снова читать ответ. В Code Mode агент составляет программу: она выполняет необходимые обращения, фильтрует данные и возвращает модели компактный результат.
В материале Cloudflare от 20 февраля 2026 года этот подход реализован через поиск нужных возможностей и выполнение кода. Существенная деталь: речь идёт в том числе о способе организации MCP-сервера. Поэтому Code Mode нельзя автоматически записывать в технологии, которые отменяют MCP.
Сходная идея описана в публикации Anthropic о code execution with MCP, датированной 4 ноября 2025 года. Это более ранний инженерный материал, а не свежий анонс ноября 2026-го. Он показывает, как код может обращаться к MCP-инструментам и обрабатывать промежуточные данные вне основного контекста модели.
Условный бизнес-пример: получить записи, оставить просроченные и вернуть короткую сводку. Модели необязательно читать весь промежуточный массив, если фильтрацию выполняет код. Но это описание механизма, а не проведённый нами тест: выигрыш зависит от объёма данных, числа вызовов, среды исполнения и требуемого результата.
Code Mode уместен, когда нужны циклы, объединение нескольких источников или преобразование больших ответов. За это приходится отвечать инфраструктурой исполнения: изоляцией кода, ограничениями сети и ресурсов, доступом к секретам и контролем разрешённых действий. Возможность написать скрипт не должна превращаться в неограниченный доступ к серверу.
Чем отличаются Skills, MCP, CLI и A2A
Эти понятия часто ставят в один ряд, хотя они относятся к разным слоям.
| Подход | Какую задачу решает | Заменяет ли MCP |
|---|---|---|
| CLI | Даёт агенту команды существующей программы | Может заменить конкретный MCP-вход при наличии shell |
| Skills | Передаёт знания и порядок выполнения задачи | Сам по себе не заменяет транспорт; может использовать CLI, API или MCP |
| Прямой API / SDK | Даёт приложению доступ к рабочему сервису | Позволяет обойтись без MCP внутри контролируемого приложения |
| Code Mode | Переносит цепочки вызовов и обработку данных в код | Иногда работает поверх MCP |
| A2A | Организует взаимодействие самостоятельных агентов | Решает другую задачу, может сосуществовать с MCP |
| MCP | Стандартизирует подключение клиента к инструментам | Остаётся общим интерфейсом для совместимых клиентов |
В документации A2A протоколы описываются как дополняющие друг друга. Один агент может передавать задачу другому через A2A, а тот внутри использовать MCP-инструменты. Замена одного слова другим не устраняет потребность в подключении к CRM или базе документов.
Практический вопрос звучит так: какой слой сейчас создаёт проблему? Если агент не знает порядок работы, нужен skill. Если перегружает контекст отдельными результатами, исследуйте обработку кодом. Если надо подключить готовый SaaS к нескольким клиентам, сначала оцените существующий MCP. Если интеграция предназначена одному приложению, сравните её с прямой функцией над API.
Как выбрать вариант для задачи компании
Решение можно принимать по одинаковым критериям: есть ли у агента shell, сколько клиентов будет использовать интеграцию, где проверяются права, как выглядит результат и кто обслуживает подключение.
| Ситуация | С чего начать | Что дополнительно проверить |
|---|---|---|
| Агент работает в локальном проекте, у сервиса есть зрелая CLI | CLI + короткий skill | Установка, авторизация, JSON-вывод, ограничения команд |
| Сотрудники используют разные совместимые агентные клиенты | MCP-интерфейс к сервису | Возможности клиентов, вход пользователей, доступные операции |
| Один внутренний backend выполняет ограниченный процесс | Прямой API / SDK и предметные функции | Валидация, права, обработка повторных записей |
| Агент обрабатывает большие ответы несколькими шагами | Code Mode или контролируемый скрипт | Изоляция, фильтрация, итоговый формат и сеть |
| Несколько самостоятельных агентов обмениваются задачами | A2A для взаимодействия между ними | Способы подключения каждого агента к данным и инструментам |
Для конкретного примера Playwright предлагаются команды установки CLI и навыка:
npm install -g @playwright/cli@latest
playwright-cli --help
playwright-cli install --skills
Это порядок из официальной документации навыков Playwright CLI и репозитория проекта. Выполняйте его в согласованной среде; установка CLI не настраивает автоматически доступ к корпоративным сайтам и не подтверждает работоспособность ваших сценариев. Для рабочего развёртывания зафиксируйте подходящую версию после проверки, а не полагайтесь постоянно на latest.
Если MCP уже используется, сначала выберите одну конкретную операцию для сравнения. Сохраните одинаковую задачу, данные, модель и требуемый результат. Сопоставьте корректность, число повторов, ожидание, объём переданного контекста и сложность сопровождения. Если новая схема даёт другой доступ или другой результат, её нельзя считать равноценной заменой только по меньшему числу токенов.
Доступ к модели и способ подключения инструментов также независимы. Серверный шлюз с ключами не определяет, будет ли агент обращаться к рабочим системам через CLI или MCP. Этот серверный слой разобран отдельно в статье о корпоративном доступе к ИИ.
Почему не стоит массово удалять MCP-серверы
Сначала отделите проблему протокола от качества конкретного сервера. Неудачные названия операций, чрезмерные ответы или слишком широкий доступ можно воспроизвести и в CLI. Иногда достаточно сузить набор операций и формат результата; тема проектирования инструментов рассмотрена в разборе числа инструментов MCP.
Оставляйте MCP там, где нужен общий контракт для клиентов, есть поддерживаемый сервер и понятная схема пользовательского доступа. Используйте CLI + Skills для локального рабочего места, если этот путь действительно проще и доступен агенту. Прямые функции подходят контролируемым продуктам; кодовая обработка — сложным цепочкам действий.
Во всех случаях права должны ограничиваться исполняющей системой. Skill с фразой «ничего не удалять» не равен запрету операции. JSON-схема инструмента тоже не доказывает безопасность. Команды, код и подключённые серверы требуют собственных ограничений, независимо от того, какое название интерфейса выбрано.
Как AI студия Владимира Ломтева помогает выбрать интеграцию
AI студия Владимира Ломтева занимается интеграцией ИИ-агентов с бизнес-системами и автоматизацией рабочих процессов. Для такой задачи предметом работы могут стать три действия: разобрать текущий маршрут агента к данным, выбрать подходящий интерфейс для конкретной операции и встроить проверку результата с необходимыми правами доступа.
Первый шаг — выбрать один процесс, его источники данных, действующие ограничения и понятный результат. Например, подготовка сводки по обращениям без изменения исходных записей. После этого можно сравнивать существующий MCP-сервер, CLI с навыком и собственную функцию, сохраняя одну и ту же задачу. Обсудить задачу.
Итог: для локальных агентов исследуйте CLI + Skills, для интеграций выбирайте по задаче
В рассмотренных актуальных первоисточниках CLI + Skills — повторяющаяся практическая альтернатива для локальных coding agents. Это подтверждается конкретными решениями Playwright и изменением локального Salesforce DX-инструментария. Однако данных для вывода о глобальной замене MCP большинством компаний здесь нет.
Внутренним приложениям подходят прямые API и SDK, сложным цепочкам — кодовая обработка. Code Mode и A2A могут сосуществовать с MCP. Поэтому полезнее выбрать подходящий интерфейс для своей операции и среды, чем переносить всю интеграцию только из-за очередного заявления о «смерти MCP».






