Если 6 месяцев назад разработчик который не использует курсор или windsurf казался каким-то динозавром без прошлого и будущего, то сегодня такими являются HR’ы, сейлзы, маркетологи и legal. Компании среднего размера это сэкономит от $500к в год на софте и сотрудниках. Ниже — о примерах использования, которые я видел, попросил простыми словами.

Как это работает?

У каждого сотрудника установлен Cursor с доступом к корпоративному git-репозиторию, где хранятся правила для работы ассистентов (файлы .cursorrules), инструкции и Markdown-файлы с текущими статусами и задачами. Cursor подключается к заранее настроенным серверам MCP, которые в реальном времени получают и обрабатывают данные из Slack, Notion, клиентских баз данных и внешних API.

Кейсы:

— Автоматизация продаж и обработки клиентских запросов:
MCP подтягивает через API текущие данные по клиентам и статусам сделок (CRM, Email). Cursor автоматически формирует дашборды по конверсии в markdown-файлах, рейтингует входящие письма клиентов по важности и готовит персонализированные ответы. Сотрудник нажимает одну кнопку, чтобы подтвердить отправку.
Экономия: минимум 2-3 штатных позиции ($150K–$250K в год), замена корпоративного SaaS-решения уровня Salesforce ($100K+ в год).

— Финансовый мониторинг и отчетность в реальном времени:
MCP собирает транзакции и данные расходов через банковские и платежные API. Cursor в реальном времени составляет финансовые отчёты (P&L, cashflow) и бюджетные дашборды в markdown, автоматически выявляет отклонения и информирует команду через Slack.
Экономия: замена ERP-системы уровня SAP или Oracle (от $150K в год), плюс сокращение затрат на фин. аналитику и контроллинг ($100K+).

— Автоматизированный найм и адаптация сотрудников (HR):
MCP получает данные новых сотрудников из HR-баз и ATS-системы. Cursor формирует и ведёт чеклисты по onboarding/offboarding сотрудников, автоматически создаёт документы и аккаунты в Notion и Slack, а также проводит мониторинг процесса адаптации через markdown.
Экономия: минимум одна штатная позиция HR ($60K–$100K в год), замена HR SaaS-систем (BambooHR, Workday) ($50K+ в год).

— Юридическое сопровождение и управление договорами:
MCP связывается с базой данных клиентов и юридическими API. Cursor автоматически составляет типовые договоры, отслеживает сроки, мониторит риски и генерирует отчёты в markdown-файлах. Команда получает мгновенные уведомления о потенциальных рисках через Slack.
Экономия: сокращение затрат на юридический софт уровня Contractbook, DocuSign CLM ($40K–$80K в год) и оптимизация рабочего времени юристов.

P.S. в фб начался какой-то вой от вполне себе скучного поста. не могут люди поверить, что курсор умеет писать код. и не знают они что саас — это просто код.

В новом обновлении Claude Code добавили поддержку MCP. Вот оно агентское будущее начинается. Ну чтоб вы понимали теперь можно просто в docker запаковать агента Claude code с правильным промтом, указать mcp servers и он пойдет работать с вашими данными автономно. И значительно удобнее Cursor

У четверти стартапов из текущей группы YC кодовые базы созданы с помощью ИИ

Четверть стартапов нового сезона W25 Y combinator имеют 95% своих кодовых баз, сгенерированных ИИ, сказал управляющий партнер YC Джаред Фридман.

Фридман сказал, что эта цифра в 95% не включает такие вещи, как код, написанный для импорта библиотек, но учитывает код, набранный людьми, по сравнению с ИИ.

В прошлом месяце экс-глава ИИ в Tesla и сооснователь в OpenAI Андрей Карпаты описал термин «виброкодирование» как способ написания кода с использованием LLM, не сосредотачиваясь на самом коде.

Код, сгенерированный с помощью ИИ, далек от совершенства. Исследования и отчеты показали, что некоторый код, сгенерированный с помощью ИИ, может вносить уязвимости безопасности в приложения , вызывать сбои или совершать ошибки , заставляя разработчиков изменять код или проводить серьезную отладку.

Даже, если разработчики продуктов будут в значительной степени полагаться на ИИ, им все равно придется хорошо владеть одним навыком — умением читать код и находить ошибки.

СЕО YC согласен с тем, что основателям необходимо классическое обучение программированию для поддержания продуктов в долгосрочной перспективе.

«Допустим, стартап с 95% кода, сгенерированного ИИ, выходит на рынок, и через год или два у него будет 100 миллионов пользователей этого продукта, он рухнет или нет? Первые версии моделей рассуждений не очень хороши для отладки. Поэтому вам нужно вникать в то, что происходит с продуктом», — предположил он.

Очень хороший разбор работы с Cursor + школа мысли по агентному программированию) Оно же vibe coding как сказал сам Andrej Karpathy.

Из интересного автор не пользуется сонетом, а использует бесплатную default сетку с неплохим результатом

https://x.com/steve8708/status/1898074560655962177?s=46&t=o-gNuwBmunp1vKR4u9v13w

Сооснователь Instagram Майк Кригер, ныне занимающий должность директора по продукту в компании Anthropic, прогнозирует значительные изменения в работе программистов в ближайшие три года под влиянием искусственного интеллекта (ИИ). В недавнем интервью он отметил, что разработчики будут тратить больше времени на проверку кода, сгенерированного ИИ, чем на его написание самостоятельно.

Кригер подчеркнул, что роль инженеров будет смещаться от написания кода к делегированию задач моделям ИИ и последующему обзору их работы. Это позволит разработчикам сосредоточиться на более абстрактных задачах, таких как дизайн взаимодействия с пользователем и управление системами ИИ. Он также отметил, что в таких компаниях, как Google, значительная часть нового кода уже создается с помощью ИИ.

Несмотря на эти изменения, Кригер считает, что определение того, что именно следует разрабатывать, и решение реальных проблем пользователей остаются сложными задачами, требующими человеческого участия. Он уверен, что ИИ изменит необходимые навыки для программистов, делая их роли более многопрофильными. Anthropic стремится показать, как рабочие места могут адаптироваться к изменениям, обусловленным ИИ, обеспечивая при этом, чтобы ИИ дополнял человеческий труд, а не заменял его.

Таким образом, в ближайшие годы ожидается трансформация роли программистов, где они будут выступать в качестве кураторов и аналитиков, работающих в тесном сотрудничестве с системами ИИ для создания более эффективных и ориентированных на пользователя решений.

https://www.businessinsider.com/instagram-cofounder-anthropic-mike-krieger-how-software-engineering-work-changing-2025-3

Model Context Protocol (MCP): Базовое описание и интеграция
Model Context Protocol (MCP) — открытый стандарт для подключения ИИ-моделей к внешним данным и инструментам. По аналогии с USB-C, он унифицирует взаимодействие между LLM (например, Claude, GPT) и сервисами, устраняя необходимость в кастомных интеграциях для каждого API.

Ключевые компоненты MCP
Инструменты (Tools)
Функции, которые ИИ может вызывать. Пример:

// Сервер для работы с GitHub
server.tool("create_issue", {
noscript: z.string(),
body: z.string()
}, async ({ noscript, body }) => {
return { issue_url: "https://github.com/repo/issue/123" };
});

Модель сама решает, когда использовать инструмент:

Пользователь: "Создай задачу в репозитории"
Модель → вызывает GitHub.create_issue → возвращает ссылку на issue
Ресурсы (Resources)
Данные, доступные для чтения (например, файлы, JSON-объекты). Пример конфигурации:

server.resource(
"analytics_data",
ResourceTemplate("data://analytics/{date}"),
async (uri) => fetch_data_from_db(uri.params.date)
);

Шаблоны (Prompts)
Предопределённые инструкции для типовых задач:

/explain-code [фрагмент] → "Объясни этот код на Python"
Интеграция MCP в разработку

1. Создание MCP-сервера (Node.js)

Пример сервера для работы с погодой:

import { McpServer } from "@modelcontextprotocol/sdk";

const server = new McpServer({ name: "Weather" });

// Инструмент для запроса погоды
server.tool("get_weather", {
city: z.string()
}, async ({ city }) => {
return { temp: 22, conditions: "Sunny" };
});

// Ресурс с прогнозом
server.resource("forecast", new ResourceTemplate("weather://forecast/{city}"), async (uri) => {
return fetch_forecast(uri.params.city);
});

2. Подключение клиента (Python)

from mcp_client import McpClient

client = McpClient(
servers=[
{
"id": "github",
"command": "npx -y @modelcontextprotocol/server-github",
"args": ["--token", "ВАШ_ТОКЕН"]
}
]
)
# Получение списка доступных инструментов
tools = await client.list_tools()
print(f"Доступные инструменты: {[t.name for t in tools]}") # → ["create_issue", "get_commits"]

3. Использование в LLM-приложениях
Интеграция с OpenAI через MCP:

from openai import OpenAI

client = OpenAI()

# Запрос с использованием MCP-инструментов
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Создай задачу в GitHub с заголовком 'Фикс бага'"}],
tools=[tool.schema for tool in mcp_tools] # Схемы инструментов из MCP
)

# Вызов инструмента через MCP-сервер
if response.choices[0].message.tool_calls:
tool_call = response.choices[0].message.tool_calls[0]
result = await mcp_client.call_tool(tool_call.name, tool_call.arguments)

Преимущества для разработчиков
Универсальность: Один сервер MCP работает с любыми LLM (Claude, GPT, Llama)
Безопасность: Локальные серверы исключают передачу данных в облако
Упрощение кода: Замена десятков API-интеграций единым протоколом
Пример использования в CI/CD:

Пользователь: "Задеплой фичу в прод" → Модель вызывает последовательно:
1. MCP-Tool: run_tests
2. MCP-Tool: build_docker
3. MCP-Tool: deploy_to_kubernetes
Для старта используйте официальные SDK (Python/TypeScript/Java) и шаблоны из репозитория MCP. Документация включает примеры интеграции с Docker для изоляции окружений.

Ну вы поняли да? Все будет MCP! =)

Вот 4 месяца прошло с момента анонса MCP и вот только сейчас люди начали догонять


Нашел в твиттере подборку разных использований. Тут и для реакта и для соланы и для чего душе угодно. Вот оно будущее разработки! Протоколы будут появляться, но MCP явно удачный получился.

https://x.com/atomsilverman/status/1900261905106903124?s=46&t=o-gNuwBmunp1vKR4u9v13w

Вот еще нашел Awesome MCP servers - https://github.com/punkpeye/awesome-mcp-servers

Например @modelcontextprotocol/server-github. Можно добавить в Cursor и будет сам pull requests оформлять =) Profit!

https://github.com/GLips/Figma-Context-MCP

Интересно с Cursor попробовать) Пишут что 80% accuracy

https://mcp.so поиск по доступным mcp

Как-то мимо прошел анонс IDE от Google - https://idx.dev

А это по сути vscode remote на Gemini)

Идея → дизайн → сайт за 1,5 минуты

С помощью Figma MCP сервера для Курсора, я сделал с нуля дизайн и вёрстку страницы на основе созданного в Фигме стиля с нужным мне контентом.

Что важно:

— это первый прототип технологии, через 6 месяцев она сможет создавать многостраничные и мультимодальные приложения на лету
— это бесплатно и не требует никаких навыков, кроме умения печатать
— это приведет к созданию эфемерного just-in-time веба, в котором все сайты и приложения создаются под вас, в вашем любимом стиле с персонализированными текстами и графикой
— попробовать можно прямо сейчас (в видео я голосом рассказываю как это работает)
— кожаным останется создавать дизайн-системы или просты выбирать наиболее красивые из сотен тысяч вариантов созданных ИИ

https://youtu.be/7j_NE6Pjv-E

И еще раз про MCP на пальцах, но по английски

Кстати у Gemini появился deep research

https://x.com/sonnylazuardi/status/1901511152171200696?s=46&t=o-gNuwBmunp1vKR4u9v13w

Пример как верстать Cursor в Figma

MCP месте с DeepSeek является самой популярной ИИ-разработкой за последние 6 месяцев.

Вот все, что нужно знать об этой технологии, как она меняет ваши рабочие задачи

MCP (Model Context Protocol) - это протокол, созданный Anthropic, ставший стандартом для взаимодействия между различными ИИ-агентами и инструментами.

Это новая парадигма, которая делает ИИ полезнее для обычных пользователей, бизнеса и разработчиков, превращая модели из просто "умных собеседников" в инструменты, способные решать реальные задачи с доступом к актуальным данным и инструментам.

MCP состоит из 3-х ключевых компонентов:
Хост/Клиент — ИИ-приложения, такие как Claude
Сервер — связующее звено между ИИ и внешними системами
Протокол — стандарт обмена данными между ними

Практические примеры использования MCP:

Поиск и доступ к информации
Perplexity + Sonar: Интеграция позволяет Claude искать в интернете и получать актуальную информацию, преодолевая ограничения модели по знаниям

PubMed: Интеграция научной базы данных с Claude для медицинских исследований за считанные минуты

Бизнес-решения
Composio: Полная автоматизация поддержки клиентов, где ИИ может отвечать на запросы, имея доступ к базам данных

Audiense Insights: Аналитическая платформа, предоставляющая ИИ-ассистентам доступ к маркетинговым данным

Sharable: 1й облачный MCP-клиент для финансового анализа и трейдинга

Инструменты разработки
Langflow: Интеграция с инструментами разработки для создания более мощных ИИ-решений
LlamaIndex: Подключение агентов LlamaIndex к любому MCP-серверу всего одной строкой кода
Gradio Client: Прототип для имплементации MCP клиента с использованием популярного интерфейса Gradio

Подключение к внешним системам
Weaviate: Интеграция векторного поиска с моделями Claude для работы с большими массивами данных
ORKL: Создание ассистента по анализу угроз безопасности через MCP
Agno: Платформа для подключения агентов к сотням MCP-совместимых сервисов

Специализированные решения
Latitude Agents: 1-я автономная агентская платформа, созданная специально для MCP

MultiVersX: MCP-платформа для создания бизнес-решений без программирования

Java SDK: Официальная поддержка Java для интеграции MCP с корпоративными системами

Почему MCP становится стандартом?

1. Единый протокол для подключения к любым внешним системам
2. Интеграция с новыми инструментами за минуты, а не недели
3. Открытый стандарт с активно растущей экосистемой
4. Сильная поддержка со стороны Anthropic и растущего сообщества
5.Работает с различными платформами и языками программирования.

В Cursor app появился Claude-3.7-sonnet MAX. Максимальный intelligence от Anthropic!